基于混合模型(Mixed-CDMs)视角的CD-CAT及其应用研究

摘要：

传统CD-CAT通常选择一个认知诊断模型(Cognitive Diagnosis Model,CDM)标定题库参数,但在实际应用中一个CDM很难完全拟合题库中所有的题目.本文提出了一种基于混合模型(Mixed-CDMs)建立CD-CAT的方法,该方法通过Wald检验为题库中每一题目选择一个恰当的CDM,并通过模拟研究和实际数据的应用分别比较了基于传统单一CDM(G-DINA,DINA,DINO,A-CDM,LLM,RRUM)和Mixed-CDMs建立CD-CAT的效果,选题策略包括SHE和MPWKL,终止规则采用了定长的方式.结果发现:基于Mixed-CDMs建立的CD-CAT在模式判准率和题库安全性的表现要全面优于传统方法,因此本文提出的基于Mixed-CDMs的CD-CAT具有较强的理论和实用价值.

关键词：CD-CAT、认知诊断模型、混合模型、Wald检验

所属期刊栏目：42

分类号：B841.7;TP301.6;R743.04

资助基金：国家自然科学基金;国家自然科学基金;国家社会科学基金;国家人文社会科学研究重点项目;江西省教育厅科学技术研究项目

在线出版日期：2019-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：194-201