《基於潛變分析的動態認知診斷研究》是依託浙江師範大學，由李菲茗擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於潛變分析的動態認知診斷研究
- 項目類別：青年科學基金項目
- 項目負責人：李菲茗
- 依託單位：浙江師範大學
項目摘要,結題摘要,
項目摘要
學習意味著變化，對這種變化的動態測量需要合理的測量模型。以往教育測量領域的成長模型大多是對連續潛變數的追蹤研究，而認知診斷模型CDM中的認知屬性是多維的，非連續性的潛變數。針對這一問題，本研究選用潛變分析LTA這種專門處理類別潛變數的縱向研究技術，將CDM作為它的測潛類別模型，通過潛變矩陣來檢測追蹤不同認知屬性在學習過程中不同時間點上的動態變化。LTA和CDM的結合為認知診斷的動態研究提供了新的思路和方法。本研究提出了兩種LTA_CDM的方法，基於屬性掌握模式AMP的潛變分析和基於單個獨立屬性的潛變分析。通過系統化的模擬研究檢驗兩種方法在各種模擬條件下的估算精度和診斷正確率，並通過比較發現兩種方法各自適用的條件。同時，將LTA_CDM模型的兩種方法分別套用於幾個典型的縱向數據中，演示LTA_CDM如何發現典型性學習路徑；如何捕捉學習中的個體和群體變化；如何檢驗干預效應和協變數效應。
結題摘要
本項目聚焦動態認知診斷，從以下三個方面展開研究： （1）基於知識追蹤模型的動態認知診斷首先，收集整理知識追蹤模型相關文獻資料、分析綜述知識追蹤模型的國內外研究現狀及在教育方面的套用，確定知識追蹤模型不足之處及改進路線。然後，結合測量學的一些元素，改進了原始的知識追蹤模型，包括加入遺忘參數的遺忘知識追蹤模型，加入個性化初始機率和學習機率的個性化遺忘知識追蹤模型，將學習者按前測表現分段的分段個性化遺忘知識追蹤模型。接著通過訓練數據集和測試數據集對這些改進模型的預測精度進行了估算和比較，發現改進的模型在預測精度上依次提升。尤其是個性化遺忘知識追蹤模型較前面的模型預測精度提升得最多。最後，基於改進後的知識追蹤模型，探索教學環境下的套用場景，主要包括學習者學習過程中的課時估算和預測學習者在各知識點上的未來成績。（2）基於認知診斷模型的動態認知診斷模型以對高階認知診斷模型進行改良的縱向認知診斷模型測量學習者的學習增長。該模型的第一第二層與high-order DINA 模型完全一致，第三層假設學生潛在通用能力在不同時間點上的表現是多維常態分配(Multivariate Normal Distribution)，捕捉學生能力的縱向變化。模擬研究和真實數據的演示，驗證了方法的有效性。（3）基於過程性數據挖掘的動態認知診斷研究通過對計算機模擬情境下的日誌檔案的分析，診斷測試者在問題解決過程中的認知過程和策略。以醫科生在計算機模擬情境下收集病人信息，完成診斷任務的過程性數據為例，通過對帶有時間戳的日誌檔案產生的時間序列數據的分析，（1）識別區分正確診斷和錯誤診斷的數據收集行為；（2）發現正確診斷和錯誤診斷在數據收集行為路徑上的典型差異；（3）通過聚類分析發現不同行為特徵、認知策略群體，及其在診斷正確性和診斷效率上的差異。
