认知诊断Q矩阵估计(修正)方法

Q矩阵代表着项目考察的属性, 反映了项目的重要特征, 其正确性是影响认知诊断分类准确性的关键因素。研究Q矩阵估计(修正)方法具有重要价值。首先, 研究从是否采用认知诊断模型将Q矩阵估计(修正)分为基于认知诊断模型视角下的参数化方法和基于统计视角下的非参数方法。然后, 分别从最优项目质量、最优模型数据拟合和参数估计视角对它们进行分类介绍, 评析不同方法的特征和表现、区别与联系、优势与不足。最后, 提出几个未来研究问题：在复杂测验条件下系统比较各种方法; 校准知识状态和参数估计误差、结合多种思路和方法等多角度提出Q矩阵估计(修正)方法; 研究多级评分项目、混合测验模型、属性多级、属性个数未知甚至Q矩阵元素为连续变量等条件下的Q矩阵估计(修正)方法。     

一种简单有效的Q矩阵修正新方法

Q矩阵的正确性是影响题目参数估计和被试分类准确性的重要因素。针对Q矩阵修正问题, 首先提出了一种简单有效的新方法(ORDP)。然后, 模拟研究通过改变被试知识状态的分布、样本容量(N)、测验长度(L)、Q矩阵错误率(M)、项目质量(Iq)和属性层级结构, 比较了ORDP与已有方法(R、RMSEA和HD)的表现。研究表明：(1) 当知识状态服从均匀分布时, ORDP方法在所有层级结构下最优; 当知识状态服从多元正态分布时, RMSEA和ORDP表现没有明显差异, 除独立结构外, RMSEA方法均稍优于ORDP方法; (2) 各方法在多元正态分布下的修正效果不及均匀分布时的修正结果; (3) N、L、M、Iq和属性层级结构对4种方法的表现均有明显影响; (4) 基于Tatsuoka (1984)分数减法数据的修正结果表明, 采用ORDP方法修正的Q矩阵与数据拟合最优。     

儿童认知发展水平诊断工具IPDT的动态化编制及其在低社会经济地位儿童中的应用

“皮亚杰认知发展量表” (IPDT)中的守恒与关系领域经动态化改编后已被证实适用于小学低年级儿童的潜能评估。在此基础上, 本研究旨在构建适用于小学高年级儿童的IPDT表征、分类、规律领域的动态测验; 并运用所构建的IPDT动态测验对低社会经济地位(SES)儿童进行认知潜能评估; 而后经过对低SES儿童的推理认知干预, 进一步考查认知干预在低SES不同潜能儿童的认知能力和数学成就中的促进作用。结果发现：(1)改编的IPDT表征、分类、规律领域的动态测验包含“前测—干预—迁移—后测”4个阶段, 所构建的逐级提示干预方案合理适切, 可以有效区分不同认知潜能水平的小学高年级儿童, 特别是弱势儿童; (2)推理认知干预对由IPDT动态测验细致区分出的不同潜能水平的低SES儿童作用不同, 尽管他们在认知能力与数学成就上均有进步, 但低SES高潜能儿童比低SES低潜能儿童从干预中获益更多。     

内隐序列学习表征方式的实验研究

采用Lewicki等人创造的“矩阵扫描”任务,对内隐序列学习的表征方式进行了研究。结果发现：规则试验的反应时显著低于随机试验,说明被试能够内隐地掌握复杂规则,没有证据表明这与“运动”频率的大小和序列样例的记忆有关;此外,序列结构也是影响内隐序列学习的因素之一。     

时间感知在跨期决策中的作用——时间决策模型的新探索

“时间”是跨期决策的“必需品”, 人们感知到的延迟时间决定跨期决策的结果。近年来, 研究者发现“时间长度感知”、“时间资源感知”和“时间框架感知”是时间感知作用于跨期决策的主要方式。时间感知的神经作用机制包含微观层面和宏观层面两种。“对数/指数时间折扣模型”、“感知时间基础模型”及“多模态漂移扩散模型”解释了时间感知的作用方式。然而, 现有理论模型还存在诸多局限, 主要包括“长短时距预测偏差”和“实际决策与预期决策偏差”两个方面。因此, 深入探讨时间感知影响跨期决策的基本方式, 分析现有理论模型的局限性并提出整合的机制框架具有十分重要的意义。未来研究亟需进一步整合时间感知的理论模型, 开展脑机制与应用方面的研究, 从深层揭露时间感知的作用本质, 帮助个人与社会更理性地决策。     

英语语法伴随习得的实验研究

采用指导语分离程序,探讨“阅读翻译”和“规则找寻”两种指导形式下,初一学生英语宾语从句规则学习的过程及心理机制。研究结果表明：（1）英语“阅读翻译”中存在“语法伴随习得”;（2）这种伴随习得在一定程度上表现为直觉,表明它具有一定的内隐性;（3）测试过程中出现了“记忆依据优先”现象。     

“大五”人格剖面：以个体为中心的研究路径

“大五”人格剖面是“大五”人格特质在个体上的高低组合, 充分考虑了人格特质之间的交互作用, 能够反映不同子群体在“大五”人格特质上的数量与质量差异, 是解释以往以变量为中心矛盾性结论的重要途径, 也更契合组织管理实践需要, 对实践有更强的指导意义。“大五”人格剖面数量受到研究情境、样本特征、研究方法等因素的影响, 基于自我适应-自我管理模型可以获取4剖面模型, 且常见的剖面包括灵活适应剖面、普通剖面与执拗剖面。“大五”人格剖面在研究中更多地扮演自变量角色, 探讨其在关键结果变量上是否存在差异。未来可以关注强化“大五”人格剖面研究的理论基础; 加强重复性研究, 识别普适性“大五”人格剖面; 识别“大五”人格剖面的影响因素; 纳入更多人格变量, 更完整刻画人格剖面。     

行为公共管理学视角下公共决策的社会许可机制：“一提两抑”

公共管理的本质是公共决策。“公共决策的社会许可”指当地民众对于公共决策的持续接受和支持程度, 是公共决策合法性的基石。本研究借助“行为公共管理学”的理论视角, 通过两个调查实验(N = 354 + 354), 一个现场调查(N = 520), 全面考察公共决策透明(过程透明和内容透明)与社会许可之间的因果关系, 进而明确这一关系的作用边界。结果发现：1) 决策过程透明与内容透明正向影响社会许可; 2) 政府信任调节决策内容透明与社会许可的关系; 3) 结果依赖调节两类透明与社会许可的关系。基于这些结果, 作者总结出正性的“决策透明效应”以及“谨慎的不介意”和“有选择的忽视”之双缓冲作用, 即“一提两抑”, 以更好地理解公共决策的社会许可机制。     

推理结论正确性判定标准再探

本文试图探求人们在进行三段论推理加工时是否存在形式和内容双重标准。由既掌握形式逻辑推理规则又知道构成推理题的两个前提是否正确的被试所进行的推理结果支持下述观点：人们在进行三段论推理过程中,在判定推理结论的正误时,存在着与试题结构相应的两种内在的判定标准,即“形式标准”和“内容标准”。     

一体化促进联结记忆的作用机制：熟悉性和回想加工

当两个或两个以上项目进行一体化编码时, 熟悉性也能够支持联结再认, 这一观点已经得到大量研究证据的支持。然而, 关于一体化如何影响联结再认和构成联结的单个项目再认仍存在分歧。通过回顾现有研究发现：(1)一体化一致性是调节一体化与联结再认关系的重要因素; (2)认知资源有限和新/旧词语义相关性是影响一体化对项目再认作用的重要因素; (3)一体化的发生机制存在“项目假说”、“图式假说”以及“精细加工假说”三种可能的理论解释。未来研究不仅需要控制一体化一致性, 还可以比较不同一体化方式的作用大小以及探索一体化效应的毕生发展规律。     

使用验证性补偿多维IRT模型进行认知诊断评估

随着人们对测验反馈结果精细化的需求逐渐提高, 具有认知诊断功能的测量方法逐渐受到人们的关注。在认知诊断模型(CDMs)闪耀着光芒的同时, 另一类能够在连续量尺上提供精细反馈的多维IRT模型(MIRTMs)似乎受到些许冷落。为探究MIRTMs潜在的认知诊断功能, 本文以补偿模型为视角, 聚焦于分别属于MIRTMs的多维两参数logistic模型(M2PLM)和属于CDMs的线性logistic模型(LLM); 之后为使两者具有可比性, 可对补偿M2PLM引入验证性矩阵(Q矩阵)来界定题目与维度之间的关系, 进而得到验证性的补偿M2PLM (CC-M2PLM), 并通过把潜在特质按切点划分为跨界属性, 以期使CC-M2PLM展现出其本应具有的认知诊断功能; 预研究表明logistic量尺上的0点可作为相对合理的切点; 然后, 通过模拟研究对比探究CC-M2PLM和LLM的认知诊断功能, 结果表明CC-M2PLM可用于分析诊断测验数据, 且认知诊断功能与直接使用LLM的效果相当; 最后, 以两则实证数据为例来说明CC-M2PLM在实际诊断测验分析中的可行性。     

认知诊断中多分属性与二分属性的对比研究

摘 要：Karelitz（2004）和詹沛达等（2016）认为1个多分属性内部(Lk+1)个水平的关系相当于Lk个部分满足线型层级关系的二分属性。本研究的目的是通过比较多分属性模型和二分属性模型的判准率,从而验证多分属性和二分属性间是否存在以上关系。结果表明：当属性个数较少时,两个模型的模式判准率相当,随着属性个数增加,多分属性模型的模式判准率高于二分属性模型的模式判准率。结论：在一定程度上,多分属性和二分属性之间确实存在以上关系,但两者并非完全等价,二者间的差异随着属性个数增加更加明显。     

整合后验信息的多分属性认知诊断信效度指标

分类一致性和准确性是认知诊断评估中的重要指标,前者反映信度问题,后者反映效度问题。已有研究提出的指标均是基于二分属性,而多分属性的后验概率分布和属性边际概率分布均不同于二分属性,需要构建新指标来衡量多分属性情景下的信效度。本研究基于二分思想,构建出二元式信息指标用于计算多分属性测验中的信效度,并通过实验设计考察了新指标在多种影响因素中的表现,验证了新指标的有效性。最后,为多分属性诊断测验的编制提供了建议,并提出未来研究方向。     

重参数化多分属性DINA模型的多级评分拓广——基于等级反应模型

多分属性认知诊断模型（CDMs）比传统的二分属性CDMs提供更详细的诊断反馈信息,但现有大部分多分属性CDMs并不具备直接分析多级（或混合）评分数据的功能。本文基于等级反应模型对重参数化多分属性DINA模型进行多级评分拓广,开发一个可处理多级评分数据的等级反应多分属性DINA模型。首先通过实证数据分析呈现新模型的现实可应用性;然后通过模拟研究探究新模型的参数估计返真性。结果表明,新模型满足同时处理多分属性和多级评分数据的现实需求;且具备良好的心理计量学性能,但对测验质量有一定要求（e.g., 题目质量较高且测验Qp矩阵具有完备性等）。     

重参数化的多分属性诊断分类模型及其判准率影响因素

多分属性比传统的二分属性提供更多更详细的诊断反馈信息, 符合对知识技能的多水平要求, 具有较好的应用前景。本文首先介绍了多分属性和多分Q矩阵的概念; 之后重参数化了3个分别满足连接、分离和补偿缩合规则的多分属性诊断分类模型并研究了其判准率影响因素, 结果发现它们的判准率(1)均随多分属性数量的增加而降低, 建议实际使用中不宜高于5个; (2)均随多分属性的最高水平数增加而降低, 建议实际使用中不宜高于4水平; (3)均随多分属性间统计相关性增加而增加, 但影响不大; (4)受多分属性层级结构的影响较大; (4)受被试量影响不大; (5)均随题目数量增加而增加且影响较大。最后, 针对“多分属性与多级评分的关系”和“多分属性与二分属性之间的关系”这两个问题进行了讨论。以期为实证研究者提供相关的理论支持和使用建议。     

面向“为学习而测评”的纵向认知诊断模型

基于“为学习而测评”的理念,以促进学生学习为目的,客观量化学习现状并提供诊断反馈的测评模式日益受到重视。相比于横断认识诊断测评,纵向认知诊断测评更有利于实现促进学生发展的目标。为使国内学者系统性地了解纵向认知诊断模型,首先,依据建模逻辑将已有纵向认知诊断模型划分为基于潜在转换分析的和基于高阶潜在结构模型的两类,并逐一介绍和说明两类模型的理论基础和应用情景;然后,通过模拟研究为读者呈现如何使用纵向认知诊断模型进行数据分析及如何解读相应的诊断结果。最后,提炼出四个可进一步研究的议题。     

题目属性向量平衡策略的认知诊断测验设计

为组卷制定的题目属性向量平衡（IAVB）策略强调试卷必须体现认知模型,并将题目属性向量而不是以单个属性作为考察单位。该策略克服严格属性平衡(AB)策略仅适用于独立结构的不足,且在每个题目考察属性个数（大致）相同的条件下,以模式判准率（PMR）为衡量标准,该策略优于非IAVB策略。特别地,若属性层级结构为独立结构时,IAVB策略最优,严格属性平衡策略次之,两种策略均未采用的,则最差。在题目属性数一定条件下,IAVB矩阵提高PMR更显著。     

基于假设检验的项目相合性指标研究

在认知诊断评估中,评价认知模型与作答数据的拟合非常重要。已有的层级相合性指标(HCI)仅能用于评价连接规则下模型与数据的拟合情况,有必要研究分离规则下相合性指标。HCI假设某项目上正确作答,便推断其子项目上的错误作答为失拟。由于作答反应的随机性,提出基于假设检验的项目相合性指标。该指标可用于区分连接规则和分离规则的作答数据、评价Q矩阵质量和衡量作答数据中的噪音、还可为评价认知模型和选择认知诊断模型提供参考。     

Support for the progressively finer attributes theory: two experiments

In this paper two experiments support and amplify Coll and Coll's 1994 Progressively Finer Attributes Theory of Memory Trace Development. Important to the current paper are five propositions of this theory. (1) The memory trace develops along an attribute dimension from coarse/general to fine/specific attributes. (2) Forgetting is a reverse movement from fine to coarse as increasingly less fine attributes are lost. (3) A memory trace consists of a bundle of defining attributes and relating' attributes. There are no constraints on the type of attribute included in the attribute bundle or in the order of types acquired. The trace name is defined by the attribute bundle it represents. (4) Access to any defining attribute of a memory trace gives full access to all other attributes of the trace bundle. (5) In the early phases of trace development the attributes are preeminent in recall but, as familiarity with a to-be-learned item increases, the attributes become increasingly cohesive and the name assumes preeminence. As forgetting progresses, there is a return to the original state (attributes are preeminent). Exp. 1 supports Propositions 3 and 4 and Exp. 2 supports Propositions 3 and 5. Both experiments provide validation of Propositions 1 and 2 beyond that in prior work. The authors present arguments that the coarse-to-fine movement of the Progressively Finer Attributes Theory is the mechanism by which Levels of Processing operates.     

分类视角下认知诊断测验项目区分度指标及应用

在认知诊断中还没有指标能在无作答数据情况下直接评价项目的属性分类准确率或属性判准率。项目水平上的属性分类准确率,与项目属性向量、项目参数、先验分布和作答反应等有关。综合各个影响因素定义了项目水平上的属性期望分类准确率指标,并将其用于组卷。模拟研究显示：新指标可十分准确地评价项目的属性判准率,新指标对于项目筛选十分重要;以模式分类准确率为评价指标,基于新指标的组卷方法与经典的组卷方法表现相当。