基于类别水平的多级计分认知诊断Q矩阵修正：相对拟合统计量视角

摘要: 多级计分认知诊断模型的开发对认知诊断的发展具有重要作用，但对于多级计分模型下的Q矩阵修正还有待研究。本研究尝试对多级计分认知诊断Q矩阵修正进行研究，并聚焦更具诊断价值的基于项目类别水平的Q矩阵修正。将相对拟合统计量应用于多级计分认知诊断Q矩阵修正，并与已有方法stepwise方法（Ma & de la Torre, 2019）进行比较。研究表明：BIC方法对多级计分认知诊断模型的Q矩阵修正具有较高的模式判准率和属性判准率，其对Q矩阵的恢复率也高于stepwise方法，BIC方法修正后的Q矩阵与数据更加拟合；在复杂模型中，相对拟合指标BIC比AIC和-2LL表现更好，在实践中，使用者可以选择BIC法进行测验Q矩阵修正；Q矩阵修正效果受到被试人数的影响，增加被试人数可以提高Q矩阵修正的正确率。总之，本研究为多级计分认知诊断Q矩阵修正提供了重要的方法支持。