認(rèn)知診斷Q矩陣估計(jì)方法開(kāi)發(fā):基于非參數(shù)化方法視角.pdf_第1頁(yè)
已閱讀1頁(yè),還剩60頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文提出兩種非參數(shù)化的Q矩陣估計(jì)方法分別是基于海明距離的Q矩陣估計(jì)方法(HD)和基于理想得分的ICC指標(biāo)法(ICC-IR)?;诤C骶嚯x的方法是通過(guò)計(jì)算理想得分與觀察作答之間的海明距離來(lái)對(duì)Q矩陣進(jìn)行估計(jì)。ICC指標(biāo)是在HCI指標(biāo)的啟發(fā)下開(kāi)發(fā)的題目測(cè)量模式層級(jí)關(guān)系的指標(biāo)?;诶硐氲梅值腎CC指標(biāo)法是先估計(jì)被試的掌握模式,然后構(gòu)建理想得分矩陣,再計(jì)算ICC指標(biāo)的方法。
  為了驗(yàn)證本文提出的兩種Q矩陣估計(jì)方法的效果,本文采用蒙特卡洛模

2、擬方法進(jìn)行研究??紤]了Q矩陣屬性個(gè)數(shù)、被試人數(shù)、基礎(chǔ)題個(gè)數(shù)等因素。并采用實(shí)證數(shù)據(jù)進(jìn)行研究,采用Tatsuoka分?jǐn)?shù)減法數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。研究結(jié)果表明:
 ?。?)本文開(kāi)發(fā)的基于海明距離的Q矩陣估計(jì)方法和ICC-IR法均具有很高的成功率,并且屬性個(gè)數(shù)越少或基礎(chǔ)題越多成功率越高。此外這兩種方法受被試人數(shù)影響較小。相對(duì)于已有方法是更有效的方法。
 ?。?)相對(duì)于已有的Q矩陣估計(jì)方法,本文介紹的方法都是基于非參數(shù)的方法,計(jì)算簡(jiǎn)單,運(yùn)算速

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論