诊断认知策略的几何类比推理测验题的特征及其编制研究

该文在新一代测验理论的视角下,以几何类比推理测验为研究对象,以认知策略的诊断为目的,研究更能引发被试的规则构建策略或选项剔除策略的项目的特征。研究结果表明,项目中元素数量是影响被试使用规则构建策略或选项剔除策略的关键因素,元素数量越多时越倾向于用规则构建策略,而元素数量越少时倾向于用选项剔除策略。研究结果可直接用于测验设计,使得测验能更多在某一策略的框假下分析描述被试特征。     

因果模型在类比推理中的作用

通过操纵因果模型的特征维度及推理方向, 探讨因果模型在类比推理中的作用。实验一探讨了当结果特征未知时进行类比推理的情况, 发现在一果多因时, 被试采用因果模型进行类比推理, 而在一因多果时, 被试同时采用因果模型和计算模型进行类比推理。实验二探讨当原因特征未知时进行类比推理的情况, 发现在一果多因和一因多果时, 被试均采用因果模型进行类比推理。结果表明：(1)当结果特征未知时, 人们会建构因果模型进行类比推理。且当因果模型和计算模型处于冲突情境时, 人们会采用因果模型进行类比推理; 但当因果模型和计算模型处于非冲突情境时, 人们会同时采用因果模型和计算模型。(2)当原因特征未知时, 即按照因果模型推理的难度增加时, 人们仍会建构因果模型进行类比推理。     

基于CD-CAT的多策略RRUM模型及其选题方法开发

在有多种解题策略的认知诊断问题情境中, 用每个Q矩阵表示一种解题策略, 由此将单策略认知诊断RRUM模型拓广为多策略RRUM模型(MS-RRUM)。随后, 在应用MS-RRUM模型的CD-CAT中开发了适用于多策略情境的MAP参数估计法和多策略香农熵(MSSHE)选题法。将MSSHE选题法与随机选题法分别在不同属性数量、不同测验长度下进行比较, 结果发现前者对被试的策略和认知状态判准率都显著优于后者, 而且都很理想。这样就顺利实现了在CD-CAT做策略诊断的目标。     

工作记忆对类比推理的影响

该实验采用2(类比推理类型)×6(组别)双因素实验设计来探讨工作记忆与类比推理之间的关系,尤其关注工作记忆的各个子成分对类比推理的影响。控制组的被试只需完成类比推理测验,而实验组的被试是在双任务的条件下进行实验。结果表明,工作记忆是影响类比推理的一个重要因素。在图形类比推理中,主要有视空间模板中的空间成分,语音回路中的发音成分以及中央执行器的参与;在言语类比推理中,则是视空间模板中的空间成分起主要作用。     

可以兼顾策略、认知状态和能力的CD-CAT选题方法

当CD-CAT测验需要同时诊断被试的解题策略、认知状态并评估被试的宏观能力时,就需要在选题过程中兼顾这三个测量目标。用两种不同方式将多策略香农熵(MSSHE)指标与Fisher信息量相结合,提出多策略情境中的DWI指标MSDWI)选题法与“先用MSSHE后用Fisher信息量”的两步选题法。基于多策略RRUM模型(MS-RRUM),将这两种方法与随机选题法在不同属性数量条件下进行模拟比较,结果表明：当属性数量为4个或6个时,两步选题法在策略判准率、认知状态判准率和能力估计三个方面都有最佳的效果。     

中学生图形推理认知特征诊断

在前人的研究基础上进行口语报告分析,形成图形推理的认知成分模型。引进多策略多成分潜在特质模型（MLTM for MS）将图形推理的认知成分模型与心理测量模型加以整合,对235名中学生图形推理认知特征进行诊断。结果发现：（1）图形推理总能力相同的被试,各成分对应能力即视知觉识别能力、规则构建能力、规则应用能力不一定相同。（2）被试使用知觉分析策略和分析策略的正确作答概率较高,而使用猜测策略的正确作答概率较低。     

四参数Logistic模型研究进展及其评析

在测验中存在着低能力被试答对高难度试题的猜测现象,和高能力被试答错容易试题的睡眠现象,此时可以使用四参数模型来分析测验数据.Barton和Lord认为应用四参数模型的实践意义不大,但结论的依据不充分.近年来研究者从测验项目拟合,改善被试能力估计等方面进行了分析,认为在四参数模型下可以有效纠正被试能力高估或低估现象,认为单、两、三参数模型是四参数模型的特例,建议使用四参数模型.     

一种新的多维IRT模型——高阶IRT模型

早期的单维IRT模型忽视了测验多维性的可能,而多维IRT模型对各维度的划分不够明确,不能良好反应各维度能力的内涵。高阶IRT模型承认测验的多维性,以分测验划分维度,同时又将多个维度的能力统一到一个高阶的能力中,能够在了解被试各维度能力的同时,为被试提供整体的能力估计,它能更好地反映实际,并且适应大规模测验的需求。     

概率性输入,噪音“与”门(PINA)模型

当前认知诊断测验的主要目的是对被试进行合理分类,进而采用类别变量去描述被试对某技能或知识(即认知属性)的掌握情况,但该粗糙的分类方法不能精细地区分不同被试之间的差异。对此,采用掌握概率这一连续变量去描述被试对某认知属性的掌握情况是一种值得尝试的做法。本文首先基于高阶潜在特质(简称"潜质")模型给出了认知属性掌握概率的量化定义,之后与多成分潜质模型相结合提出了概率性输入,噪音"与"门(PINA)模型;其次,采用MCMC算法实现了对PINA的参数估计,结果表明参数估计程序对各参数的估计返真性均较好;最后,以ECPE数据为例来说明PINA在实际测验分析中具有可行性。     

计算机自适应测验在特质焦虑量表中的运用

将基于项目反应理论的计算机自适应测验运用于特质焦虑量表,考察这一测验形式在人格测量中所具有的特性.收集特质焦虑量表真实纸笔作答数据,选用合适的心理测量模型,模拟计算机自适应测验.结果表明：相对纸笔测验而言,计算机自适应测验的测试效率更高、对被试的分辨力更强、结果更直观.计算机自适应测验在人格测量中的实践值得进一步探索.     

Heidegger on Luther on Paul

Abstract : When it comes to how Heidegger understands theology, Martin Luther was instrumental in his early formulations. Heidegger's interpretation of Luther leads him to descry theology as a discipline best left unfettered by metaphysics and this attitude is carried right through Heidegger's career. By explicating Luther's influence upon Heidegger's early Freiburg lectures from 1919‐1923, we can raise important questions about the nuanced way Heidegger construes Luther's theology in the hopes of inspiring key insights for Luther's appropriation in current post‐Heideggerian theology.