| 标题 | 基于G-AHM模型的群体水平评估认知诊断模型研究 |
| 范文 | 王郁 摘 ?要： 为了解决群体认知诊断评估中以个体为诊断对象所导致的判据不直观且单一，难以针对性进行补救教学，以及评估误差大，评估过程所需的时间、物力及人力成本较高等问题。基于G?AHM模型，研究并开发了一种群体水平评估的认知诊断模型。该模型使用贝叶斯和相似度判别法，并结合GIRT、认知诊断模型的特点，具有诊断成本低、误差小等优点。经Monte Carlo模拟仿真和实证测试后发现，该认知诊断模型对群体水平认知诊断的效果良好，能够为相关高校群体心理健康水平评估认知诊断模型的研究与开发提供支持。 关键词： G?AHM; 群体水平评估; 认知诊断; 心理健康; Monte Carlo模拟; 贝叶斯 中图分类号： TN911?34; TP393 ? ? ? ? ? ? ? ? 文献标识码： A ? ? ? ? ? ? ? ? ? ?文章编号： 1004?373X（2018）10?0105?03 Abstract： ?A cognitive diagnosis model for group level evaluation is studied and developed based on G?AHM model to solve the problems such as unintuitive and single judgment basis， difficulty to conduct remedial teaching objectively， big evaluation error， and high cost of time， material and labor of the evaluation process in group cognitive diagnosis evaluation which takes the individual as the diagnosis object. The model has the advantages such as low diagnosis cost and small error by adopting the Bayesian and similarity decision methods and combining the characteristics of GIRT and cognitive diagnosis model. The results of Monte Carlo simulation and empirical tests show that this cognitive diagnosis model has a good effect on group?level cognitive diagnosis and can provide support for relative research and development of the cognition diagnosis model for college students′ mental health level evaluation. Keywords： G?AHM; group?level evaluation; cognitive diagnosis; mental health; Monte Carlo simulation; Bayesian0 ?引 ?言 认知诊断评估旨在研究人类心理活动的加工机制和活动规律，进而对群体（个体）的认知现状进行诊断。经多年研究后，其已被认为是当代心理测量和统计研究中较为重要的方向与内容。个体认知诊断由于可以呈现出个体的心理缺陷信息，适用于一对一教学模式，而并不适用于高校日常教学中的一对多的教学模式。高校教学中，应当选用群体认知诊断评估，通过研究群体的心理缺陷信息来制定适宜的心理辅导方案和策略。然而，现有群体认知诊断模型的诊断对象大多以个体为基础，其诊断结果由个体（群体中）对属性的掌握比例决定，判据不直观且单一，难以针对性得进行补救教学[1?4]。此外，个体诊断给群体所带来的误差难以估计，且评估过程所需的时间、物力及人力成本较高，易造成不必要的浪费。因此，亟待研究并开发一种群体水平评估的认知诊断模型，从而对群体进行直接的认知诊断。本文基于G?AHM模型，研究并开发了一种群体水平评估的认知诊断模型。经Monte Carlo模拟和实证测试后发现，该认知诊断模型对群体水平认知诊断的效果良好。同时，其能够为相关高校群体心理健康水平评估认知诊断模型的研究与开发提供支持。1 ? 群体水平认知诊断模型的研究和开发 本文对群体水平评估认知诊断模型的研究，主要基于群体水平项目反应理论、规则空间模型（RSM）、Q矩阵理论（属性阶层模型AHM中），最终获得的模型本文将其命名为群体水平的属性阶层模型（G?AHM）[5?9]。 1.1 ?G?AHM方法的基本概念 2 ?G?AHM模型的相关性能研究 2.1 ?研究目的和过程 为了探究本文G?AHM模型的性能、合理性和分类判别诊断方法的准确性与稳定性，选用模式判准率（PMR）、边际判准率（MMR）及可允许出现一个失误的模型判准率（OPMR）。通过考察统计数据中出现的失误概率（ep）对诊断准确率进行评价。具体而言，选择0，0.05，0.1，0.15从小到大共4个水平来代表失误概率，总共进行4个实验。 测试共涵盖了20个项目，包含了7个考核属性。数据以Monte Carlo模拟生成，并按照如下原则对Q矩阵进行随机模拟：包含R矩阵;每个项目中被考核的属性数量应当小于等于4个;每个属性[10]应当被考核至少3次。该测试选择了1 000个群体，其中每个群体中的作答人数对应各项目均是10人，依次按照理想作答（认知状态赋值，得到理想作答）、观察作答（按照ep取值产生观察作答）、自编程序和30次重复后，计算获得各个指标的均值。 2.2 ?结果和相关分析 认知状态诊断准确率的相关分析，如图1所示。即为各判别方法所对应的，诊断准确率统计与比较图。从中可知，各判别方法的判准率指标值总会随着失误数据（ep值）的增加而下降。具体而言，BDM在观察作答上相较于SDM判别法具有较低的诊断准确率，这与文献[11]中叙述的个体诊断模型的结果相吻合。此外，SDM_A判别方法的MMR和OPMR均大于90%，要远优于SDM_B判别方法，且随着ep的增加优势越发明显;而SDM_B判别方法则在PMR上有较大的优势。 对于属性掌握概率诊断的结果和相关分析，可见下表1所示，即观察和理想数据AMP的相关返真性指标结果（包括Corr皮尔逊相关系数以及ABS平均绝对离差）。易知，在0.05水平上，绝大多数的相关系数均较为显著，且随着ep值的增加而存在一定幅度的下降;此外，ABS值在各个属性中没有过大的变化，总体保持稳定。 总体来看，G?AHM模型具有较好的可行性和合理性。SDM判别法及对应的AMP结果的稳定性与诊断精度良好，且SDM_A方法在MMR和OPMR方面均具有较大的优势。而SDM_B方法则在PMR方面有较高的准确率。 3 ?G?AHM对心理状况的群体认知诊断评估 3.1 ?研究目的和过程 为了评估高校学生心理状况的群体诊断，并洞察心理认知发展过程中的相关群体特征以及可能存在的认知问题，本文使用了文献[10]中的实际材料和数据对G?AHM模型进行相关测试。该材料具有7个互相无结构层级关系的属性（A1～A7依次分别对应记忆、注意、感知、知识表征、推理、创造力以及问题解决的运作）和20个项目。测试过程中，本文在群体的认知诊断中选用了模型中的SDM_A方法，并与文献[10]的结果进行比较。 3.2 ?结果和相关分析 从表2的频数分布表和分析中可知，即使理想状态下的认知状态应有128种，实际各学校经诊断后表现的认知状态只有14种。从文献[10]中获知，个体诊断结果中学生产生这14种认知状态的比例较高（达到63.5%）。由此说明，个体共性部分的认知状态会保留在群体认知状态中，并在群体认知诊断中体现出来。 此外，70%的学校存在1111001，1111010，1111101和1111110的认知状态。具体而言，学生未能掌握A5，A6以及A7中的一到两个属性。对每个属性的掌握比例进行统计和分析，可以发现A3和A4属性掌握较好，几乎所有学校的学生均可掌握;而A1和A2属性的掌握最差，仅有约10%的学生能够较好的掌握;此外，A5～A7属性的掌握也较差，只有略大于30%的学校学生能较好掌握。值得注意的是，学校的能力及属性掌握概率和以个體诊断为基础获得的属性掌握比例具有较强的相关性（分别为0.865和0.859）。从中可以反映该模型的效度较高，能与以个体为基础的群体诊断结果相吻合。 从表3中可以获知，A2～A4属性具有较高的准确应用水平（A4最高）。其次是A1，A6和A7，最差的是A5属性，其已经出现了较大的两极分化趋势，需要特别注意。总体来看，各学校反映出的心理认知缺陷主要表现在推理、创造力以及问题解决的运作上，学校应针对性地对学生进行相关的心理辅导。 4 ?结 ?语 目前群体认知诊断模型大多以个体为诊断对象，这会使诊断结果误差较大，且需要耗费大量的人力、物力。为此，本文在G?AHM模型的基础上，研究并开发了一种群体水平评估的认知诊断模型。该模型结合了GIRT、认知诊断模型的特点，具有诊断成本低、误差小等优点。Monte Carlo模拟和实证测试表明，该认知诊断模型具有较好的稳定性以及较高的边际判准率，且合理性与可行性较好，对群体水平认知诊断具有良好的效果，能对高校学生心理健康认知诊断提供有利的参考。参考文献 [1] TATSUOKA K K， CORTER J E， TATSUOKA C. Patterns of diagnosed mathematical content and process skills in TIMSS?R across a sample of 20 countries [J]. American educational research journal， 2004， 41（4）： 901?926. [2] BIRENBAUM M， TATSUOKA C， YAMADA T. Diagnostic assessment in TIMSS?R： between?countries and within?country comparisons of eighth graders′ mathematics performance [J]. Studies in educational evaluation， 2014， 30（2）： 151?173. [3] CARMI A Y， MOSKOVICH D. Computing with coloured tangles [J/OL]. [2015?07?21]. https：//arxiv.org/pdf/1408.2685v3.pdf. [4] HLINKA O， SLUCIAK O， HLAWATSCH F， et al. Distributed data fusion using iterative covariance intersection [C]// Proceedings of IEEE International Conference on Acoustics， Speech and Signal Processing. Florence： IEEE， 2014， 29： 1861?1865. [5] LINDEN W J， HAMBLETON R K. Handbook of modern item response theory [M]. New York： Springer， 1997. [6] MISLEVY R J. Item response models for grouped data [J]. Journal of educational statistics， 1983， 8（4）： 271?288. [7] TATSUOKA K K. Cognitive assessment： an introduction to the rule space method [M]. Abingdon： Routledge， 2009. [8] LEIGHTON J P， GIERL M J， HUNKA S M. The attribute hierarchy method for cognitive assessment： a variation on tatsuoka′s rule?space approach [J]. Journal of educational measurement， 2010， 41（3）： 205?237. [9] MOSKOVICH D， CARMI A Y. Tales told by coloured tangles [J]. International journal of unconventional computing， 2015， 12（1）： 1?29. [10] 毛秀珍.基于属性掌握概率的认知诊断模型[J].四川师范大学学报（自然科学版），2014，37（3）：437?443. MAO Xiuzhen. The attribute mastery probability cognitive diagnostic model [J]. Journal of Sichuan Normal University （Natural science）， 2014， 37（3）： 437?443. [11] 周骏，徐淑媛，董圣鸿.以实质心理学为基础的评估：认知诊断[J].心理学探新，2011，31（3）：265?269. ZHOU Jun， XU Shuyuan， DONG Shenghong. The assessment based on substantive psychology： cognitive diagnosis [J]. Psychological exploration， 2011， 31（3）： 265?269. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。