关联规则方法在心理测量中的应用

探讨了当相关系数对变量之间相关程度不易进行度量或者无法度量的情况下,是否可以采用关联规则方法来考察变量之间的相互关系。从理论上分析了关联规则方法在心理测量中应用的可能性,并运用Apriori算法挖掘频繁项集,对来华留学生跨文化适应性数据进行了分析,将关联规则方法分析结果与Pearson相关、Spearman相关结果进行比较,发现当使用关联规则方法进行相互关系分析时,能够更加简易、有效地获得变量间的相关规则。研究结果表明关联规则方法可以获得变量各个水平具体的支持度和置信度,推导出多变量之间的相关规则,并且对于处理非线性的多变量以及多分类变量的相关是非常有用的方法。     

基于IRT的量子遗传算法选题策略

选题的本质是一个优化问题,虽然已有多种算法,但是大部分算法收敛速度慢、易陷入早熟、需要建立复杂的数学模型等。量子遗传算法在普通遗传算法中引入了量子计算的概念,能够使算法在种群规模很小的情况下呈现种群的多样性,而且能在很广的范围内寻优,不易陷入早熟,量子计算的并行性使算法能比普通遗传算法更快地解决寻优问题。本研究采用基于项目反应理论的量子遗传算法的选题策略。将两者的实验结果作比较,结果显示,量子遗传算法在各评价指标下的效果都优于经典遗传算法,体现出量子遗传算法搜索效率高,适应性强,收敛性速度快的特点。     

运用基因表达式编程的自陈量表数据建模

探讨基因表达式编程对自陈量表测量数据的建模方法。运用威廉斯创造力测验和认知需求量表获得400位中学生的测量分数,通过数据清洗,保留383个被试的分数作为建模的数据集。运用哈曼单因素检验方法没有发现共同方法偏差。采用均匀设计方法对基因表达式编程中的5个参数进行优化配置,在测试拟合度最大的试验条件下,找到了测试误差最小的模型。比较基因表达式编程和BP神经网络、支持向量回归机、多元线性回归、二次多项式回归所建模型的预测精度。研究表明,基因表达式编程能用于自陈量表测量数据的建模,该模型比传统方法所建的模型具有更高的预测精度,而且模型是稳健的。     

基于决策树的来华留学生跨文化适应性研究

近年来,越来越多的国外学生选择到中国留学,为了更好地接收和管理留学生,获得留学生跨文化适应性规则十分必要。决策树是提取分类规则的有效方法,以树型结构表示最终分类结果,并生成If-Then形式的便于理解的规则,更有利于留学生管理工作者理解并决策。本研究对全国10个省市15所学校的1294名留学生进行测量。对留学生的社会适应、心理适应和学习适应建立分类回归树。结果表明:(1)分类回归树可以有效地对留学生适应性进行预测;(2)按重要性提取规则,社会服务系统和留学生个性心理特征是影响适应水平的最重要因素,但学校的软硬件环境也在一定程度上对留学生适应性产生影响。