认知诊断理论PPT课件

认知诊断理论，认知诊断，1，传统考试结果仅报告了一个粗略的总分或能力分数，而分数相同的考生往往具有不同的知识状态和不同的认知结构。 认知诊断理论不仅将认知过程与测量手段结合起来评价考生的整体水平，而且还可以将考生的认知结构建模，利用适当的测量模型来诊断不同的认知结构模型，以定量考察考生的认知结构和个体差异。 认知诊断理论概述，2，认知诊断模型研究，潜在属性模型潜在分类模型，线性逻辑属性模型多分量潜在属性模型扩展多分量潜在属性模型，规则空间模型融合模型DINA模型NIDA模型贝叶斯网络，3，潜在属性模型，线性逻辑属性模型， 线性逻辑属性模型(LinearLogisticTraitsModel，LLTM )是潜在属性模型的基础，该模型首次实现了测量与认知的耦合。 多用于语言理解能力、解二次方程式的数学能力、空间认知能力、类比推理能力的诊断。 4、潜在属性模型、多成分潜在属性模型、多成分潜在属性模型(multicomponentlatenttraitsmodel，MLTM )将个人在标准试验项目中的反应表现为被试验者的能力和项目难易度在潜在加工成分中的联合函数该模型不仅考察受试者的解答结果，而且考察受试者的解答结果的组合，从认知加工过程的观点出发，可以多维分析受试者之间认知能力的差异，因此该模型多应用于儿童智能发展过程、数学学习能力的研究。 5，拓展潜在属性模型和多成分潜在属性模型，拓展多成分潜在属性模型(generalmultiicompomponentlatenttratsmodel，GLTM )假设子测试的难易度受多个刺激特性的影响，并且它们之间存在线性关系，在每个加工成分中另外，GLTM综合考虑MLTM和LLTM的优点，可以通过控制刺激分量的复杂度来调节刺激水平，同时其定义的潜在特征之间是不可补偿的，如MLTM。 6，潜在分类模型，规则空间模型，规则空间模型(RuleSpaceModel，RSM )是潜在分类模型的基础，其核心思想是试验项目可以用特定的认知属性描绘，同时个体的知识结构也可以用不能直接观察的认知属性把握模式表现，并且这些不能直接观察的认知属性把握模式因为RSM能够对被实验者进行分类诊断，所以受到很多研究者的欢迎。 7、潜在分类模型、融合模型、融合模型(FusionModel，FM )沿袭了RSM中q矩阵的理论和方法。 仿真实验表明，该模型的联合诊断准确概率较低。 研究表明，融合模型的正确诊断率属性越少，属性间的相关性越高，正确诊断率越高。 因此，在认知属性多、属性间的相关度低的测试中，该模型很难适用。 8、潜在分类模型、DINA模型，该模型将学生分为两类。 一个是把握为了正确理解那个项目所需要的全部属性，另一个至少没有把握一个必须的属性。 因此，DINA模型的核心思想是，考生在解答问题时，如果缺少解答这个问题所需要的某个属性，那么这个问题的正确率很低，即使解答了那个项目也只是推测。 DINA模型仅涉及“错误”和“推测”两个参数，实现了认知诊断模型的简化，参数识别变得容易。9、潜在分类模型、NIDA模型、NIDA模型克服了DINA模型对受试者分类过于简单等缺点，能更好地反映现实测量方案。NIDA模型也定义了错误参数和推测参数，但测试项目的正确概率与测试项目本身无关，测试项目中包含的属性有可能正确应用。 适合辅助诊断大规模试验的研究。 10、潜在分类模型、贝叶斯网络、贝叶斯网络(BayesianNetworks，BN )是用图形方式描绘单个结构模型及其相关联的一系列条件概率分布函数的变量之间的联合概率分布的模型。 具有容易从大量复杂的数据中发现知识错误和认知冲突的明显优点。 11、认知诊断在试验评价中的应用、诊断式评价报告、12、订购诊断式问题，实现认知诊断功能，问题首先具备诊断性。 要理解应该测量特质的认知心理学分析过程，创新问题类型，优化项目写作技术等，创建具有较强认知诊断功能的问题。 基于证据的考试设计理念ECD将考试的目的、考试内容(能力点)、能够证明考生能力的证据以及能够提供这些证据的主题等四个方面有效地结合起来。 13、给出诊断性的评价，仅仅是正确部分的评价，忽视错误回答的价值的话，诊断的依据也会丢失。 进行编码评价。 其中，代码所代表的分数有满分、部分得分、零分3种的编码有2位编码和1位编码两种。 二进制代码的第一位数字表示学生应得的分数，第二位数字表示学生的回答反应类型。 二位代码的使用记录了学生在解决特定问题的过程中使用的策略，以及妨碍学生获得正确的解决方案的错误概念。 14、发出诊断性评价报告，认知诊断的任务更重要的是，从个人测试的回答结果中提供他们“会发生什么”“有缺陷”的具体诊断。 因此，不仅要报告总得分和