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
A method of Q-matrix validation for polytomous response cognitive diagnosis model based on relative fit statistics
- 作者:
汪大勋
1
高旭亮
2
蔡艳
1
涂冬波
1
-
作者单位:
- 通讯作者:
涂冬波
Email:tudongbo@aliyun.com
-
提交时间:2019-09-16
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。
版本历史
[V1] |
2019-09-16 11:55:39 |
ChinaXiv:201909.00184V1
|
下载全文 |