让自适应测验更知人善选——基于推荐系统的选题策略

基于推荐系统中协同过滤推荐的思想, 提出两种可以利用已有答题者数据的CAT选题策略：直接基于答题者推荐(DEBR)和间接基于答题者推荐(IEBR)。通过两个模拟研究, 在不同题库和不同长度的测验中, 比较了两种推荐选题策略与两种传统选题策略(FMI和BAS)在测量精度和对题目曝光率控制上的表现, 以及影响推荐选题策略表现的因素。结果发现：两种推荐选题策略对题目曝光率的控制优于两种传统选题策略, 测量精度不亚于BAS方法, 其中DEBR侧重选题精度, IEBR对题目曝光率控制最好。已有答题者数据的特点和质量是影响推荐选题策略表现的主要因素。     

促进创新创业教育与思想政治教育的融合

网络新媒体和大数据时代,中国高等教育在思政教育、课程设置、人才培养、招生宣传、心理健康方面,都遇到新的挑战。本组笔谈聚焦新媒体、大数据对当代中国高校的影响。史国君用调查数据表明,当前青年大学生政治认知总体正确、政治认同度较高、政治实践参与较积极,但政治信仰教育、网络政治信仰教育方式等方面还亟待创新,建议充分应用新媒体技术,多方位培育当代大学生的政治信仰;赵亮等分析了高校创新创业教育与思想政治教育融合的动因和依据,尝试在课程体系方面促成二者的融合;石沁禾认为在大数据与人工智能等高科技飞速发展的趋势下,要提升企业的全球竞争力,高等教育亟须探求"商能并重"的高素质人才培养路径;唐玉生认为大数据技术的运用可以克服传统粗放型招生宣传模式的不足,而基于历史数据及动态数据分析的招生宣传模式,为精准化招生提供了可能性,为高校高质量招生宣传提供新的方法和途径;季海菊关注大数据时代高校学生网络心理健康教育问题,认为教育理念的落伍、数据素养的欠缺以及大数据平台建设的不足,都弱化了网络心理健康教育的引导力、感召力和控制力,构建与大数据时代相适应的高校网络心理健康教育体系,需要确立大数据理念,整合教育团队,开发数据平台,加强子体系建设,将大数据技术有效地运用于网络心理健康教育中,从而提升高校网络心理健康教育的针对性和实效性。     

“智慧道教团体”管理模式构建初探 基于新时代道教坚持中国化方向的思考

道教团体是党和政府团结、联系道教界人士和广大信教群众的桥梁和纽带。深入推进道教中国化,道教团体管理与建设务必深入并与社会相适应。自2015年以来,国务院提倡政府管理和社会治理建立"用数据说话、用数据决策、用数据管理、用数据创新"的管理机制,信息技术的广泛应用是未来的趋势。     

国内中介效应的方法学研究

中介效应可以分析自变量对因变量的影响过程和作用机制, 已成为分析多个变量之间关系的一种重要统计方法。最近20年, 中介效应成了研究方法的一个热点。从中介效应的检验方法、效应量、类别变量的中介效应检验、纵向数据的中介效应检验和模型拓展(包括多重中介、多层中介、有调节的中介和有中介的调节模型)五个方面系统总结了国内中介效应的方法学研究的发展历程。最后对中介效应的国外方法学研究进展和中介效应的未来研究方向做了讨论和拓展。     

“中国富豪榜”:34位问题富豪

[上海热线]4月19日,胡润研究院第三次发布《中国富豪特别报告》。数据显示,在胡润百富榜发布的15年里,一共出现34位问题富豪。其中,有20位身陷狱中,7位已经出狱,7位尚未宣判。贪污贿赂罪和侵犯财产罪是上榜富豪入狱的主要原因。大部分问题富豪都是在41岁出问题,44岁被发现,46岁被判刑。     

网络调查参与意愿形成的心理影响因素研究

足够的网络调查回复率是确保网络调查结果有效性的一个重要指标.现有研究缺乏从心理因素视角对网络调查参与行为的考察,且缺少一个较为完整的整合多个心理因素的模型用于解释调查参与意愿的形成过程.本研究基于理性行为理论,构建了一个整合模型,考察了主题卷入、主题敏感性、信任调查者、调查者声誉和道德规范等心理因素对被调查者网络调查参与意愿的影响作用.本研究通过结构方程建模方法对变量之间的关系进行了验证.结果表明:主题卷入、信任、声誉和道德规范等对被调查者的网络调查参与意愿具有显著的预测作用,但调查主题敏感性对参与意愿的预测作用在网络调查中不显著.     

EMA-一种生态主义取向的研究模式

生态瞬时评估（EMA）不是一个单一的研究方法,而是一种研究模式,它强调现实世界中实时数据的采集和反复的评估,并能阐释变量间自然存在和变化的相互关系,具有很高的生态学效度。EMA的使用会加强我们对个体与环境之间的动态交互作用的理解。EMA的基本设计思路包括基于事件的设计、基于时间的设计和联合设计。在EMA 的使用中还有一些问题如软硬件的发展、伦理、数据等问题等需要研究者注意。目前EMA应用最广泛的领域是临床心理学和行为研究方面。     

单维项目因素分析：CCFA与IRT估计方法的比较

当观测指标变量为二分分类数据时,传统的因素分析方法不再适用。作者简要回顾了SEM框架下的分类数据因素分析模型和IRT框架下的测验题目和潜在能力的关系模型,并对两种框架下主要采用的参数估计方法进行了总结。通过两个模拟研究,比较了SEM框架下GLSc和MGLSc估计方法与IRT框架下MML/EM估计方法的差异。研究结果表明：（1）三种方法中,GLSc得到参数估计的偏差最大,MGLSc和MML/EM估计方法相差不大;（2）随着样本量增大,各种项目参数估计的精度均提高;（3）项目因素载荷和难度估计的精度受测验长度的影响;（4）项目因素载荷和区分度估计的精度受总体因素载荷（区分度）高低的影响;（5）测验项目中阈值的分布会影响参数估计的精度,其中受影响最大的是项目区分度。（6）总体来看,SEM框架下的项目参数估计精度较IRT框架下项目参数估计的精度高。此外,文章还将两种方法在实际应用中应该注意的问题提供了一些建议。     

最幸福的工作

对201 3年毕业的大学生来说,能觅得一份相对合适的工作是一件相当幸福的事。据教育部公布的数据显示,今年全国高校毕业生达699万人,比去年增加1 9万人,但受经济形势等影响,用人单位招聘的数量明显减少,故有人说201 3年或许成为史上＂最难就业年＂!