认知诊断模型Q矩阵修正：完整信息矩阵的作用

摘要: Q矩阵是CDM的核心元素之一，反映了测验的内部结构和内容设计，通常由领域专家根据经验进行主观界定，因此需要对可能存在的错误进行修正。本研究提出了一种新的Q矩阵修正方法——基于完整经验交叉相乘信息矩阵的Wald-XPD方法。采用Monte Carlo模拟检验了新方法的表现，并与同类方法进行了比较。研究表明：新开发的Wald-XPD方法在Q矩阵恢复率、保留正确标定属性的比例以及修正错误标定属性的比例这三个主要指标上均有较好的表现，且整体上优于其他方法，尤其是在修正错误标定的属性方面。通过实证数据展示了Wald-XPD方法在Q矩阵修正中的良好表现。总之，本研究为Q矩阵修正提供了有效的方法。