多级属性Q矩阵的验证与估计

多级属性是将诊断测验中传统的二值(即两种水平, 通常定义为0和1)属性定义为多值(多个水平可以为0, 1, …), 它不但可以描述学生对于知识属性是否掌握, 而且可以描述学生在属性上的掌握程度, 这样使得诊断测验能提供给被试更丰富的知识掌握详情。本文将适用于二级属性Q矩阵的统计量(S统计量)拓展到多级属性下的Q矩阵验证和估计, 在两种常见的条件下, 设计了两种估计算法：联合估计算法和在线估计算法。模拟实验结果表明：联合估计算法适用于对专家界定的初始Q矩阵进行验证, 当初始Q矩阵中包含较少的错误时, 通过联合估计算法有很大可能恢复正确的Q矩阵; 在线估计算法适用于对“新项目”进行属性向量和项目参数的在线标定, 基于一定数量的“基础项目”, 在线估计算法对于新项目的估计也能达到较满意的成功率。实证数据分析则进一步展示了该方法的使用。     

清真寺参加了保险

新疆清真寺数以万千计,各寺的财产很多。寺产的保管,是掌教阿訇、毛拉和寺管会成员最关心的大事。焉耆回族自治县的西宁大寺,被人盗走了价值二千元的财产。寺产被盗的消息传到了保险公司。     

兼容并蓄、取长补短——论高校美术教师知识结构的整合

由传统的知识传授型教育向现代的能力培养型教育转变的今天,传统的单科知识传授已很难适应后现代多元教育体系的要求。高校美术教师只有通过本学科内部知识的整合、各学科之间文化的整合、以及对课程资源的综合开发和整合,来提升自己的知识结构,才能成为高素质的学者型、研究型教师,为当前的课程改革做出实质性的贡献。     

欢迎订阅2023年《中国宗教》杂志北大核心

《中国宗教》杂志(CN11-3598/D)由中央统战部直属事业单位中国宗教杂志社编辑出版,是面向国内外公开发行的宗教类综合月刊,也是全国中文类核心期刊和国家新闻出版广电总局评定的双效期刊。杂志以宣传党的宗教工作基本方针、服务和推动宗教工作为宗旨,以报道宗教领域重点新闻。     

《四库全书总目》释家类、道家类补正

《四库全书总目》由于种种原因,存在着诸多问题。前辈学者对之已多所纠正。本文现就其子部释家类、道家类的疏漏和讹误,再补正若干则。     

高压下的社会技术系统:土耳其采矿业的风险管理

土耳其采矿业面临多重目标相冲突的困境。地下开采的高危险性使矿工长时间暴露在各种风险下。然而,煤炭作为土耳其经济发展的必需品,促使许多私人企业以寻求利益最大化为目标进行非安全标准下的开采工作。虽然土耳其已将管理采矿工作、增进工人安全的战略内容纳入了相关法律政策,但要使其彻底贯彻落实,仍需大量的资源和时间投入。实际上,这些战略内容将会影响矿业公司的收益,减缓生产。采矿业面临的挑战就在于如何平衡相冲突的多重目标,既实现社会廉价能源的供给、保证矿工的安全,又能让矿业公司获取合理的投资收益。这是一个经典的集体行动问题,即在有限的时间和资源下,多重主体需要适应变化形势,采取理性的、明确的行动来实现全社会的利益最大化。这期间需要实时监管不明情况、校准与安全相关的投资、及时调整策略以适应变化的运营状况。本文将多重目标的冲突视为全球采矿业的政策难题,以探究二零一四年五月十三日的土耳其索玛矿难的成因为案例,研究高压下社会技术系统。     

评冯友兰的类逻辑思想

类是逻辑学的基本概念,又是冯友兰“新理学”的核心概念。本文运用辩证唯物主义的逻辑观,评述了冯友兰的类逻辑思想,认为：冯友兰在把唯心的“理”作为归类根据的前提下,将类分为实类和空类、殊类和共类、低类和高类、小共类和大共类,其中虽有不当之见,应予摒弃,但多有独到之见,创造性地继承和发展了类逻辑理论,值得现代中国哲学和逻辑学借鉴。     

实验设计体系初探

根据对常见实验设计的系统回顾,本文指出名目繁多和缺乏系统性是现有实验设计在名称上存在的问题,据此本文进一步提出了实验设计体系的概念.接着通过对实验设计本质属性的深入讨论,本文认为,基本的实验没计可分为两类,两类基本的实验设计构成了实验设计体系的基础.     

类同一性:道德产生的主体基础

人最早的存在形态是类存在形态,人的类同一性是道德产生的主体基础,类自然同一性是道德产生的主体自然基础,类社会同一性是道德产生的主体社会基础。     

认知诊断模型中项目水平模型比较统计量的健壮性

使用模拟研究方法比较了以往研究中提出的基于观察信息矩阵、三明治矩阵的Wald（分别表示为W_Obs、W_Sw）、似然比（Likelihood Ratio）统计量以及新提出的基于经验交叉相乘信息矩阵的Wald统计量（W_XPD）在模型——数据失拟条件下进行项目水平上模型比较时的表现。结果显示：（1）W_Sw的一类错误控制率有很强的健壮性。（2）W_XPD在Q矩阵错误设定的大多数条件下的表现优于W_Sw。结论：模型—数据拟合良好时可以使用W_Sw进行项目水平上的模型比较,当模型与数据失拟时W_XPD可能是更好的选择。