Tatsuoka 矩阵理论的修正

K .K.Tatsuoka和她同事开发的规则空间模型（RSM）是一种在国内外有较大影响的认知诊断模型,但是Tatsuoka的RSM中 矩阵理论存在缺陷和错误,这些失误使得RSM中用布尔描述函数（BDF）计算被试理想项目反应模式（IRP）的方法缺乏理论依据。这里揭示了Tatsuoka的 矩阵理论的缺陷和错误并引进既不使用BDF又便于应用的计算IRP的方法;接着还介绍一种由可达阵计算简化 阵的方法,该方法显示了可达阵在构造认知诊断测验的重要性。这些结果对丰富 矩阵理论及正确使用RSM进行认知诊断有一定的意义     

Tatsuoka Q矩阵理论的修正

K.K.Tatsuoka和她同事开发的规则空间模型(RSM)是一种在国内外有较大影响的认知诊断模型,但是Tatsuoka的RSM中Q矩阵理论存在缺陷和错误,这些失误使得RSM中用布尔描述函数(BDF)计算被试理想项目反应模式(IRP)的方法缺乏理论依据.这里揭示了Tatsuoka的Q矩阵理论的缺陷和错误并引进既不使用BDF又便于应用的计算IRP的方法;接着还介绍一种由可达阵计算简化Q阵的方法,该方法显示了可达阵在构造认知诊断测验的重要性.这些结果对丰富Q矩阵理论及正确使用RSM进行认知诊断有一定的意义.     

IRT中最小化χ2/EM参数估计方法

对IRT的双参数Logistic模型（2PLM）中未知参数估计问题,给出了一个新的估计方法――最小化χ2/EM估计。新方法在充分考虑项目反应理论(IRT)与经典测量理论(CTT)之间的差异的前提下,从统计计算的角度改进了Berkson的最小化χ2估计,取消了Berkson实施最小化χ2估计时需要已知能力参数的不合实际的前提,扩大了应用范围。实验结果表明新方法能力参数的估计结果与BILOG相比,精确度要高,且当样本容量超过2000时,项目参数的估计结果也优于BILOG。实验还表明新方法稳健性好     

算法拒绝的三维动机理论

算法拒绝意指尽管算法通常能比人类做出更准确的决策, 但人们依然更偏好人类决策的现象。算法拒绝的三维动机理论归纳了算法主体怀疑、道德地位缺失和人类特性湮没这三个主要原因, 分别对应信任、责任和掌控三种心理动机, 并对应改变算法拒绝的三种可行方案: 提高人类对算法的信任度, 强化算法的主体责任, 探索个性化算法设计以突显人对算法决策的控制力。未来研究可进一步以更社会性的视角探究算法拒绝的发生边界和其他可能动机。     

MIRT模型中多维能力及其相关矩阵估计的影响因素

多维项目反应理论因其模型本身的天然优势及其兼具因素分析与项目反应理论于一身的优点,而被广大研究者及应用者所重视.本研究在前人研究基础上,重点讨论MIRT多维能力及能力间相关矩阵的参数估计问题.研究采用Monte Carlo模拟方法进行,在三因素完全随机设计（4 ×3×3）下,使用MCMC算法,探讨测验维度数、维度间的相关大小和测验项目数三个因素对MIRT能力及其相关矩阵估计的影响.     

算法多样化在解决问题中的体现

《新标准》指出：“由于学生的生活背景和思考角度不同,所使用的方法必然是多样的,教师应当尊重学生的想法,鼓励学生独立思考,提倡计算方法的多样。”我校参加了中国教育学会“十一五”科研规划重点课题《小学教学方法创新实验与研究》的研究。作为子课题《对算法多样化的研究与探讨》的参研教学人员,在日常的教学工作中,通过教学实践使我深深体会到算法多样化是教师因材施教、促进每一个学生充分发展的有效途径,有利于培养学生的创新精神。下面我就结合这几年来的教学研讨,谈谈对算法多样化的理解以及在教学中的几点体会。     

博弈论中重复可允许算法的认知分析

博弈论中重复可允许(Iterated Admissibilty)算法对于快速约简博弈模型、寻找合理置信的纳什均衡具有重要意义,但该算法的认知基础存在悖论。本文构建一个完备的博弈认知逻辑系统EL_G,利用该系统语言描述博弈相关概念和性质,使得我们可以基于EL_G逻辑刻画重复可允许算法,从而达到为该算法提供合理的认知基础,解决算法背后的认知悖论的目的。     

癫痫预测面临问题的分析与展望

癫痫是神经科常见疾病,具有反复发作和难以治愈的特征。对癫痫发作的预测可以使医护人员或患者提前采取有效措施来降低或避免癫痫发作所带来的损伤。从20世纪90年代至今,癫痫预测算法得到了长足发展,同时也面临着如算法精确度、数据处理方式、预测能力有限等方面的问题。本文对上述问题进行了整理阐述,并对癫痫预测算法的发展趋势做了进一步分析。     

IRT模型参数估计的新方法——MCMC算法

本研究主要探讨MCMC算法在IRT模型参数估计中的实现及其估计精度.通过模拟多种实验条件(人少题少、人题适中、人多题多、被试数及其参数固定情况下项目数变化、项目数及其参数固定情况下人数变化),考察两参数和叁参数Logistic模型的MCMC算法对其参数估计的精度,并与国际通用测量程序-Bilog程序(E-M算法)进行比较研究.模拟实验研究表明,上述各种实验条件下,MCMC算法均可用于IRT模型参数估计,且其估计的精度均较Bilog程序(E-M算法)高,值得推广.     

缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法

缺失数据普遍存在于心理学研究中, 影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求MLE的一种强有力的方法。马尔可夫蒙特卡洛方法(MCMC)可以相对简易地实现MI, 而且可以适用于复杂情况下的缺失数据处理。结合研究的需要讨论了实现这两类方法的适用软件。