论文部分内容阅读
Q矩阵在模型参数估计和被试的诊断分类过程中起着重要的作用。现阶段关于Q矩阵验证的研究多是基于被试得分向量元素为0-1的二值情况下进行的。有研究表明,被试作答计分为多级时,可提供更多有关被试的诊断信息,并且我国的测验是以多级计分为主。基于此,本研究拟探讨多级计分条件下Q矩阵验证的方法。基于被试的作答数据,分别利用非参数化的方法和参数化的方法对Q矩阵进行验证。从众多已有的方法中选取两种方法进行改进和拓广,其中,非参数化的方法考虑的是改进Chiu(2013)的方法(称改进后的方法为RP法),将其中统计量的定义扩展到多级计分测验中;而对于参数化的方法,主要是拓广Liu,Xu和Ying(2012)的方法(称改进后的方法为SP法),使它可以应用到多级计分的认知诊断中。为了评价改进后算法的表现,我们开展了一系列的蒙特卡洛模拟研究,考虑的因素主要有:被试人数和Q矩阵中存在错误的比例。并且通过拓广后的方法在实证数据中的表现,进一步评价它们各自的特点。具体开展了三项研究:研究一是基于非参数化的方法(RP法)验证多级计分条件下的Q矩阵;研究二是使用参数化的方法(SP法)验证多级计分条件下的Q矩阵;研究三是实证数据应用研究。研究结果表明:(1)RP在小样本和含有错误比例较高时,Q矩阵正确估计率在50%左右;在中等规模样本量以及错误比例较低时,该方法有较高的Q矩阵正确估计率;在多步骤题目中,第一步所对应的属性向量估计成功率最高,后续步骤的属性向量正确估计率会下降。(2)SP法在较大样本以及错误比例较低时,该方法有较高的Q矩阵正确估计率;当样本变小并且包含更高的错误比例时,Q矩阵正确估计率会下降到只有60%左右;对于多步骤题目,SP对于各步骤所对应属性向量的估计成功率有与RP类似的下降趋势。(3)在实证数据研究中,采用两种方法对Q矩阵进行验证,其修正结果存在一些差异。总体而言,相对于初始Q矩阵,两种方法对多级计分条件下Q矩阵的估计更倾向于“高估”一些属性。