克雷佩林连续加算法的初步研究

本研究遵循克雷佩林连续加算法的基本原则,参照内田-克雷佩林心理测验的基本形式和操作方法．并加以改进．编制了一套作业法测验,并建立了数量化评定指标——相对作业量。通过对近2500名学生被试进行初步研究,该测验具有较好的信度和效度,以相对作业量为标准可以较客观地判定作业曲线的凹陷和凸起等形态特征。这对于连续加法计算作业在中国的推广应用以及教育、科研、心理咨询、职业指导等工作具有重要的意义。     

计算机科学是研究什么的？

从一定意义上说 ,计算机和网络的广泛应用 ,已使人类社会悄悄进入信息时代。作为时代精神之精华 ,哲学理应对信息时代做出自己的理论回应。事实上 ,这种回应自计算机诞生之日起就已开始 ,因为与计算机科学有关的算法复杂性理论、数值模拟、虚拟现实、人工智能、生物芯片、互联网智能等均提出了众多深刻的哲学问题 ,至 2 0世纪 80年代末在西方业已形成一个基本的哲学理论创新领域 ,一种新的哲学范式。不论如何称谓这种新的哲学范式 ,它都是值得有哲学头脑的科学家和有科学素养的哲学家共同关注的一种新的哲学主题、方法和模式 ,并可望成为信息时代最令人激动和富有成果的哲学研究分支。正如《数字凤凰》一书的作者所隐喻的那样 :哲学的确像一只凤凰 ,它只有通过不断对自身的再造才能保持繁荣和永生。     

一种多级评分的认知诊断模型：P-DINA模型的开发

当前绝大多数认知诊断计量模型仅适用于0-1评分数据资料, 大大限制了认知诊断在实际中的应用, 也限制了认知诊断的进一步推广和发展。本文对具有较好发展前景的DINA模型进行拓展, 开发出适合多种评分(含0-1二级评分和多级评分)数据资料的P-DINA模型, 同时采用MCMC算法实现模型参数的估计, 并对该模型性能进行研究。结果表明：(1)本文开发的P-DINA模型无论是在无结构型属性层级关系下还是在结构型属性层级关系下, 参数估计的精度均较高, 参数估计的稳健性较强, 说明开发的P-DINA模型基本合理、可行。(2)P-DINA模型可采用MCMC算法实现参数估计, 且参数估计的精度较高。(3)整体来看, 无结构型属性层级关系和结构型属性层级关系下, P-DINA模型在项目参数的估计精度上两者基本相当; 但在被试属性判准率(MMR和PMR)上无结构型属性层级关系表现的稍差一些。(4)无结构型属性阶层关系下：模型诊断的属性个数越多, 参数 估计的精度越差、属性诊断的正确率(MMR和PMR)越低, 但参数 的估计精度越好; 若想保证属性模式判准率在80%以上, 建议诊断的属性个数不宜超过7个。总之, 本研究为拓展认知诊断在教育学和心理学中的应用提供了一种新方法、新模型。     

基于可达阵的一种Q矩阵标定方法

Q矩阵标定是实施认知诊断评估的前提,已有Q矩阵修正方法并不太适合测验中已知属性向量的题目数较少的情形。根据拓展Q矩阵理论中可达阵R列与简化Q阵列存在布尔“或”关系,在一定认知假设下,率先提出可达阵R与简化Q阵的潜在反应列存在布尔“与”关系,并由此提出基于可达阵的Q矩阵标定方法。研究显示：在已知一个可达阵下,当可达阵项目的猜测或失误参数在.20以下且待标定项目的项目参数约在.30以下时,新方法所得Q矩阵元素返真率基本在.90以上,并且真实Q矩阵与估计Q矩阵下被试分类准确率差异很小;对于含5个属性的独立结构,新方法要求的随机样本的样本量较小;实证研究也印证了模拟研究的结论。新方法只需专家标定少量题目的Q矩阵,即已经标定的Q矩阵对应属性层级结构的可达阵。     

基于题目作答时间信息的认知诊断模型

在认知诊断评估中利用过程性数据,如作答时间信息,能进一步提升诊断精度。通过建立被试正确作答概率与个体速度参数之间的回归模型,开发了更简洁的新模型：RRT-DINA模型。采用实证与模拟研究,与JRT-DINA模型比较,探讨了新模型的性能。PISA2012数据研究表明,RRT-DINA模型的拟合效果更好。模拟研究结果表明：（1）RRT-DINA模型可采用MCMC算法实现参数估计,估计精度较高。（2）当以RRT-DINA生成数据时,RRT-DINA的题目参数估计精度优于JRTDINA;当以JRT-DINA生成数据时,JRT-DINA的题目参数估计精度稍微优于RRT-DINA。（3）当以RRT-DINA生成数据时,RRT-DINA的判准率优于JRT-DINA模型;当以JRT-DINA生成数据时,JRT-DINA的判准率稍微优于RRT-DINA,且差距较小。     

三参数Normal-Ogive模型参数估计的SAEM算法

Normal-Ogive模型是项目反应理论的代表性模型之一,其参数估计主要是基于MCMC抽样实现的,但MCMC抽样的不足是计算效率较低。针对这一问题,本文以混合模型（mixture model）的视角,通过变量扩充,提出三参数normalogive(3PNO)模型题目参数估计的随机逼近EM(stochastic approximation EM,简称SAEM)算法,并通过Monte Carlo模拟对SAEM算法的主要影响因素、计算效率、估计的返真性进行验证。模拟研究的结果表明：SAEM算法能够准确实现3PNO模型题目参数估计的计算,并且具有较高的计算效率,表现出优良的计算性质。     

人机互动视角下短视频沉迷的发生机制

短视频沉迷是一种个体因强迫性观看短视频,导致明显的行为失控或注意力障碍,并进一步造成人际、学习和/或工作适应困难的问题行为。随着短视频用户规模不断扩大与低龄化趋势,短视频沉迷对用户身心健康的威胁引起了广泛关注。基于人机互动视角,首先,将短视频使用划分为“工具性”与“仪式性”两类。其次,通过考量人机交互过程和用户易感特征,构建了短视频沉迷的发生机制框架。最后,从认知、情绪、动机和社会角度对短视频沉迷进行理论阐释。未来研究应重视短视频沉迷的发生机制,关注引发沉迷的媒介特性与技术属性,致力于促进短视频沉迷的预防与治理。     

一种改进的分层并行演化算法(英文)

提出了一种改进的分层并行演化算法。针对传统算法中"同构子种群"和"同步通信"所引发的问题,新算法构建了异构模型,并将各子种群充分连接。子种群一旦满足迁移条件,便可按照预设的迁移模式实施异步迁移。仿真实验结果表明,本文提出的新算法有效地解决了"征服问题"和"无效问题",避免了算法的过早收敛,提高了算法的效率。     

Web模式下三维装箱问题的一种解决方法

为解决Web模式下多约束三维装箱问题对求解时间和效率的要求,针对混合遗传算法中交叉算子的模式干扰带来的求解速度较慢问题,从优化搜索策略方面入手,引入克隆选择算法(SCA),利用克隆扩增、克隆选择算子完成种群进化,并结合六空间启发式策略对SCA算法加以改进,使两者相辅相成、互相受益。实验表明:本算法对提高Web模式下三维装箱的速度成效显著,且算法效率较高。     

基于GMM-UBM的说话人确认系统的研究

高斯混合模型(Gaussian Mixture Model,GMM)已经广泛的应用于文本无关的声纹识别系统,本文详细介绍了一个把背景模型(Universal Background Model,UBM)应用到说话人建模中去的说话人确认系统。由于人的声音的生物特征多变性,说话人模型还需要进行自适应技术的改进。最后,实验结果证明了采用自适应技术的GMM-UBM模型的高效性。