多维项目反应理论补偿性模型参数估计:基于广义回归神经网络集合

运用广义回归神经网络(GRNN)方法对小样本多维项目反应理论(MIRT)补偿性模型的项目参数进行估计,尝试解决传统参数估计方法样本数量要求较大的问题。MIRT双参数Logistic补偿模型被设置为二级计分的二维模型。首先,模拟二维能力参数、项目参数值与考生作答矩阵。其次,把通过主成分分析得到的前两个因子在每个题目上的载荷作为区分度的初始值以及题目通过率作为难度的初始值,这两个指标的初始值作为神经网络的输入。集成100个神经网络,其输出值的均值作为MIRT的项目参数估计值。最后,设置2×2种(能力相关水平:0.3和0.7; 两种估计方法:GRNN和MCMC方法)实验处理,对GRNN和MCMC估计方法的返真性进行比较。结果表明,小样本的情况下,基于GRNN集成方法的参数估计结果优于MCMC方法。     

大学新生的羞怯、自尊与网络依赖的关系：交叉滞后分析

对361名大一新生进行为期3个月的追踪测量,以考察羞怯、自尊与网络依赖的发展变化及相互关系。结果发现：（1）大一新生的羞怯、自尊和网络依赖的水平具有一定程度的横向稳定性。（2）羞怯与网络依赖正相关,自尊与网络依赖负相关。（3）T1的网络依赖正向预测T2的羞怯,T2的羞怯正向预测T3的网络依赖;T1和T2的网络依赖分别负向预测T2和T3的自尊。结论：羞怯与网络依赖之间存在恶性循环,并且网络依赖会导致自尊水平的下降。