认知元反应理论--IRT直接应用于多值记分题

0-1记分测验的项目反应理论已经得到广泛的研究和应用.但是,许多测验都含有多值记分题,所以需要将IRT推广到此类情况.从认知理论的观点看,每个0-1记分题(项目)和多值记分题的每个测试点都可同样地看成一个由若干知识点构成的集合,称之为认知元;根据认知元之间存在的关系可以确定各受测者对各试题作出特定答案的概率,从而不需要引用任何其它假设就可将IRT的方法直接应用于含多值记分题的测验.本文应用这一理论分析了某些测验样本,结果表明是可行的.     

“有若似孔子”辨析

《孟子·滕文公上》"有若似圣人"的记载,是后世广为流传的"有若似孔子"之说的初源。历代关于有若之"似"的具体阐释,大致可归纳为"状似"、"貌似"、"言似"和"道似"等四种意见。相对于胶柱、拘泥于外在体貌特征的牵强附会的"状似"、"貌似"二说,有着经典文献依据的"言似"说显然要更为客观、合理,因而也更加可信。不过,在有若与孔子"言似"的表象背后,更根本的还在于彼此思想的相似亦即"道似"。因此,关于"有若似孔子",最可取的解释应是有若"道似"孔子。     

幽幽一扇窗

最美的窗都是古时的,要不,怎会有那么多文人反复吟诵诸如绿窗人似花,竹摇轻影罩幽窗,兰窗绣柱玉盘龙,佳人当窗弄琴音,碧纱如烟花如许等优雅美好的诗句。窗原本只为采集光线、通风     

基于增长模型的非随机缺失数据处理:选择模型和极大似然方法

对含有非随机缺失数据的潜变量增长模型,为了考察基于不同假设的缺失数据处理方法:极大似然(ML)方法与DiggleKenward选择模型的优劣,通过Monte Carlo模拟研究,比较两种方法对模型中增长参数估计精度及其标准误估计的差异,并考虑样本量、非随机缺失比例和随机缺失比例的影响。结果表明,符合前提假设的Diggle-Kenward选择模型的参数估计精度普遍高于ML方法;对于标准误估计值,ML方法存在一定程度的低估,得到的置信区间覆盖比率也明显低于Diggle-Kenward选择模型。     

科学哲学与批判-创新思维

Since the 16-17 centuries scientific methods have been playing a key role in the development of the scientific-technological age.There are three types of general scientific method,i.e.,induction-confirmation method,deduction-falsification method,and abduction-explanation method.They correspond to logical positivism,falsificationism,and historicism in philosophy of science respectively.Based on the reasoning procedure of these three scientific methods,and the development of the three schools of thought,this ...     

潜变量交互效应结构方程：分布分析方法

对于潜变量交互效应结构方程分析,目前应用较多的是乘积指标方法.分布分析方法国内还罕有应用,包括潜调节结构方程（LMS）方法和准极大似然（QML）方法.该研究以乘积指标方法的模型假设为参照,介绍了分布分析方法的模型假设.并简要叙述了LMS方法及其Mplus程序,QML方法及其QML程序.综合现有研究结果,总结出LMS和QML方法、无约束和约束方法的特点,从中可以看出各方法的优缺点,推荐了不同条件下合适的分析方法.     

两种新的计算机化自适应测验在线标定方法

在线标定技术由于具有诸多优点而被广泛应用于计算机化自适应测验(CAT)的新题标定。Method A是想法最直接、算法最简单的CAT在线标定方法, 但它具有明显的理论缺陷--在标定过程中将能力估计值视为能力真值。将全功能极大似然估计方法(FFMLE)与“利用充分性结果”估计方法(ECSE)的误差校正思路融入Method A (新方法分别记为FFMLE-Method A和ECSE-Method A), 从理论上对能力估计误差进行校正, 进而克服Method A的标定缺陷。模拟研究的结果表明：(1)在大多数实验条件下, 两种新方法较Method A总体上可以改进标定精度, 且在测验长度为10的短测验上的改进幅度最大; (2)当CAT测验长度较短或中等(10或20题)时, 两种新方法的表现与性能最优的MEM已非常接近。当测验长度较长(30题)时, ECSE-Method A的总体表现最好、优于MEM; (3)样本量越大, 各种方法的标定精度越高。     

LGM模型中缺失数据处理方法的比较:ML方法与Diggle-Kenward选择模型

追踪研究中缺失数据十分常见。本文通过Monte Carlo模拟研究,考察基于不同前提假设的Diggle-Kenward选择模型和ML方法对增长参数估计精度的差异,并考虑样本量、缺失比例、目标变量分布形态以及不同缺失机制的影响。结果表明:(1)缺失机制对基于MAR的ML方法有较大的影响,在MNAR缺失机制下,基于MAR的ML方法对LGM模型中截距均值和斜率均值的估计不具有稳健性。(2)DiggleKenward选择模型更容易受到目标变量分布偏态程度的影响,样本量与偏态程度存在交互作用,样本量较大时,偏态程度的影响会减弱。而ML方法仅在MNAR机制下轻微受到偏态程度的影响。     

梁漱溟与唯识学

正梁漱溟的哲学思想是在儒学与佛学之间的互动融通中发展起来的,无论其为人处事还是著述治学都有融儒学与佛学于一体的理论尝试,在深层义理上呈现出超越形式层面的真正会通。近代以来,随着中国遭遇了被视为代表人类文明最高程度的西方文化的有力冲击,作为现代新儒家开山者的梁漱溟也不能回避东西方文化间的对话问题,不得已将西方文化作为参照物进     

多感官线索整合的理论模型

日常生活中,人脑能联合来自不同感官通道的线索对外部世界中的物体和事件进行感知。这些感官通道采用不同的参照系来表征物体的特征和位置;而且各种线索的可靠性也不恒定,根据环境而改变。但是人脑依然能够有效地整合这些线索,对物体和事件进行正确的感知。在以往研究的基础上,总结评述了多感官线索整合的几种理论模型及其验证结果,其中重点介绍了近年来引起广泛关注的贝叶斯统计优化模型。未来的研究应结合虚拟现实技术和脑成像技术对多感官线索整合进行探讨。