教师教学监控能力的结构:一个验证性的研究

根据前期的理论研究,建构出教师教学监控能力的六成分结构,并根据这个结构深入到中小学课堂进行现场观察与访谈,由此形成教师教学监控能力量表的初步项目,再经过嵲な浴⒊醪降南钅糠治鲇胄薅钪招纬闪勘怼Ｈ缓笠员本┦泻驼憬∪鸢彩械模矗常睹⊙Ы虓师为被试,进行正式测试,采用ＬＩＳＲＥＬ（Ｖ８．１０）软件对数据进行验证性因素分析。结果表明,嵱朐械牧蛩啬Ｐ拖啾龋淌萄Ъ嗫啬芰Φ母侠淼慕峁褂κ撬某煞纸峁梗肫渌蓫能的模型相比,四成分模型的ＧＦＩ最高,为０．８９,ｘ２／ｄｆ最小,为１．７６。这四个成分分别是计划与准备、反馈与评价性、控制与调节性和课后反省性。     

表象关键字母法与英文单词记忆的实验研究

本研究探讨了表象关键字母法是否能够促进以英文单词为线索的汉语释义的提取的问题.实验结果表明:第一,即时测验的成绩,若评分严格,表象关键字母法条件略高于控制条件,但差异不显着;若评分宽松,前者与后者的差异显着.第二,延迟7天测验的成绩,若评分宽松,表象关键字母法条件与控制条件之间的差异极其显着;即使评分严格,前者与后者的差异也极其显着.将上述结果与记忆策略访谈结果综合分析后可以看出,关键字母法能够促进以英文单词为线索的汉语释义的提取.     

全信息项目双因子分析:模型、参数估计及其应用

全信息项目双因子分析作为一种重要的统计方法,使得双因子模型在近20年得到重新认识和广泛应用。首先详细介绍了全信息项目双因子分析方法的概念、特征、模型基础以及参数估计中体现的维度缩减思想,然后例举全信息项目双因子分析在分析测验结构、分数解释和计算机化自适应测验中的应用。全信息项目双因子分析中双因子模型符合大量心理、教育与医学测验的结构特征,其维度缩减方法能显著降低计算量,因而具有广阔的应用前景。结合当前研究现状对全信息项目双因子分析的相关研究,如:参数估计、模型特征、拟合检验、量表连接、项目功能差异及其在计算机化自适应测验中的应用提出一些思考和建议。     

建构反应题中能力估计准确性的影响因素:评分者人数和项目个数的交互作用

采用康春花、孙小坚和曾平飞(2016)提出的等级反应多水平侧面模型探讨了评分者人数和项目个数对被试能力估计准确性的影响。模拟研究的结果表明:(1)随着项目个数的增加,估计值与真值之间的相关也不断增加;(2)评分者人数和项目个数在平均绝对偏差(MAB)和误差均方根(RMSE)上的主效应均显著,两者间的交互效应也显著;(3)简单效应分析发现,当项目较少时,3个评分者条件下的能力估计准确性最好; 随着项目个数的增加,4个评分者的估计误差迅速下降,且表现变为最好。     

中学生自我效能感、归因与学习成绩关系的研究

本研究以398名中学生为研究对象,以自我效能感和归因量表为工具,探讨了不同年级和成绩水平的学生自我效能感与归因的特点以及自我效能感、归因与成绩之间的关系,结果发现:(1)对于能力自我效能感和行为自我效能感,不同学习水平的学生之间存在着显著性差异,而年级差异不显著。学习水平和年级在能力自我效能感上存在着交互作用。(2)不管失败归因还是成功归因,年级差异显著,学习水平差异不显著。(3)路径分析表明,自我效能感对学习成绩有直接的影响,而归因是通过自我效能感间接影响学习成绩的     

大学生对心理健康必备能力的认知

本研究以200名大学生为被试,以访谈及问卷的方式对大学生心理健康必备能力的认知进行了调查研究,并建立了大学生心理健康必备能力认知结构模型,结果表明:大学生所认知的自己心理健康必备能力由自我调控、社会应对、学习和人际交往这四个方面的能力组成,它们彼此独立,但又相互关联。     

教师教学监控能力的结构:一个验证性的研究

根据前期的理论研究,建构出教师教学监控能力的六成分结构,并根据这个结构深入到中小学课堂进行现场观察与访谈,由此形成教师教学监控能力量表的初步项目,再经过预试,初步的项目分析与修订,最终形成量表。     

HO-GDINA模型的EM算法参数估计

Generalized DINA Model(G-DINA)为认知诊断模型提供了一个一般性的理论框架,而高阶诊断模型不仅能描述被试的总体水平,还能描述被试对属性的掌握情况(微观的认知状态)以及被试掌握属性与能力的关系,提供更丰富的信息。如果能把这两者结合起来,可能对实际诊断工作的操作有较大帮助。文章首先对考虑高阶结构的整合性模型——HO-GDINA模型的形式进行讨论,探讨其参数估计EM算法的实现,并用模拟过程对模型的估计精度进行研究,结果验证了HO-GDINA的EM算法的正确性,并且说明该算法对该模型有较高估计精确度。然后用饱和模型在约束条件下的特殊形式HO-DINA模型对"分数减法"这一经典数据进行EM算法参数估计和具体分析,展示了HO-GDINA在实际情况中的具体使用,并与de la Torre之前用MCMC估计算法得到的研究结果做比较,基本一致,进一步表明HO-GDINA模型的参数估计EM算法在实际情境中的特殊形式下仍然适用。     

群体水平领域分数及其估计方法

对人才的需求已经引起各国政府和国际组织对教育的高度重视,纷纷在国家和地区层面进行大规模的教育评估。在大尺度教育评估中,如何向政府、管理者和公众报告学生表现是不可避免的重要问题。报告学生表现有多种方式,领域分数作为管理者和公众最容易理解和接受的分数报告工具之一,在近些年受到研究者和实践者的关注,因此也成为了大型教育评价项目的必然选择。文中将介绍群体领域分数的起源和定义,并重点介绍群体领域分数的估计方法和相关研究,最后对未来开展进一步研究进行展望。