一种多级评分的广义认知诊断模型

认知诊断是近些年教育测量研究中的热点,大多数的认知诊断模型仅适用于0～1评分的情况.本文提出一种有多个潜变量多个滑动参数的多级评分认知诊断模型——GP-D1NA,只要由评分标准和知识状态能确定理想反应模式,就可以利用此方法进行认知诊断分析.在该方法中,我们给出项目滑动矩阵的概念,将被试的观测得分均看成由某个理想得分的滑动,并采用EM算法估计滑动矩阵.在模拟研究中,采用每掌握一个属性得1分的评分标准,结果表明线性型、收敛型、发散型、无结构型和独立型五种属性层级结构均有较高的判准率.     

概称句词项逻辑的树图判定算法

概称句的形式刻画研究始于人工智能。从条件蕴涵引入开始,到建立概称句词项逻辑的形式系统GAG和Gaa,关于概称句这一系列的研究主要是围绕概称句自身性质的探讨,以试图对于概称句推理给出更合理的形式刻画,而没有同时兼顾计算机应用方面的考虑。回归问题的初始,关于概称句的概念理论是否还可以用于计算机科学领域,是这一研究路线所面临的问题。首先要解决的问题是,根据GAG和Gaa模型,公式的可满足性是否有能行的判定方法。对此本文给出了基于GAG语义的树图判定算法,包括相应的可靠性,完备性等证明。     

融合反应时的多级评分IRT模型开发及其应用研究

当前大多数融合反应时的IRT模型仅适用于0-1评分数据资料,极大的限制了IRT反应时模型在实际中的应用。本文在传统的二级计分反应时IRT模型基础上,拟开发一种多级评分反应时模型。在层次建模框架下,分别采用拓广分部评分模型(GPCM)和对数正态模型构建融合反应时的多级评分IRT模型(本文记为JRT-GPCM),并采用全息贝叶斯MCMC算法实现新模型的参数估计。为验证新开发的JRT-GPCM模型的可行性及其在实践中的应用,本文开展了两项研究:研究1为模拟实验研究,研究2为新模型在大五人格-神经质分量表中的应用。研究1结果表明,JRT-GPCM模型的估计精度较高,且具有较好的稳健性。研究2表明,被试的潜在特质与作答速度具有一定的正相关,且本研究结果支持Ferrando和Lorenzo-Seva(2007)提出的“距离-困难度假设”,即当被试的潜在特质与项目的难度阈限距离越远,那么被试会花费更多的时间对项目进行作答。总之,本研究为拓展反应时信息在心理测量及教育中的应用提供新的方法支持。     

感知不透明性增加职场中的算法厌恶

职场中用算法作为人类决策的辅助和替代屡见不鲜,但人们表现出算法厌恶。本研究通过4个递进实验在不同职场应用场景下比较了人们对于人类决策者与算法决策者所做决策的态度,并探讨其内在机制和边界条件。结果发现:在职场情境中,相比于人类决策者,人们对算法决策的可容许性、喜爱程度、利用意愿更低,表现出“算法厌恶”。这一现象的内在心理机制是相比于人类决策,人们认为算法决策者的决策更加不透明(实验2～3)。进一步研究发现,当算法被赋予拟人化特征时人们扭转了对算法决策的厌恶,提高了对其的接纳态度(实验4)。研究结果有助于更好地理解人们对算法决策的反应,为推动社会治理智能化、引导算法使用伦理化提供启示。     

艺术与科学的和谐表现——分形艺术在信息艺术设计中的应用

计算机技术的发明孕育了一种崭新的艺术形式即信息艺术,它为艺术创作提供了一种全新的方式和多维的向度,是真正意义上的科学与艺术握手的结果.而"分形艺术"-信息艺术宽阔海洋中的一个小点以一种全新的艺术风格展示给人们,使人们认识到该艺术和传统艺术一样具有和谐、对称等特征的美学标准.同时,"分形艺术"的生命力也非常强大,应用越来越广泛.     

应用决策树探讨中国当代大学生情感素质下属各情感的相互关系

为深入了解大学生情感素质及其下属情感的相互关系,本文在已有全国大学生情感素质调查的基础上,利用决策树算法对大学生的情感素质及其下属情感(道德情感、生活情感、情绪智力)进行预测分类。结果表明:(1)决策树可以有效地对大学生情感素质下属各情感进行预测分类;(2)按属性重要性提取规则,道德情感对情感素质影响最大,生活情感次之;责任感对道德情感影响较大;自强感对生活情感有较强影响;理解他人情绪能力对情绪智力的影响较大。     

分离型的多级评分认知诊断模型开发及其应用研究

本文基于DINO模型开发出一种分离型的多级评分认知诊断模型(P-DINO模型),并采用Monte Carlo模拟与实证研究相结合的范式,探讨了新模型的性能与有效性。结果表明:(1)P-DINO模型参数估计精度较好,参数估计的稳健性较强。(2)采用MCMC算法可以实现该模型的参数估计,估计结果较理想。(3)测验长度的增加能有效提高模型的判准率,被试人数的增加对判准率的提高相对较小,属性个数的增加会降低判准率。(4)在抑郁症状评估中,P-DINO模型的表现要优于DINO模型与传统的抑郁症状评估。     

HO-GDINA模型的EM算法参数估计

Generalized DINA Model(G-DINA)为认知诊断模型提供了一个一般性的理论框架,而高阶诊断模型不仅能描述被试的总体水平,还能描述被试对属性的掌握情况(微观的认知状态)以及被试掌握属性与能力的关系,提供更丰富的信息。如果能把这两者结合起来,可能对实际诊断工作的操作有较大帮助。文章首先对考虑高阶结构的整合性模型——HO-GDINA模型的形式进行讨论,探讨其参数估计EM算法的实现,并用模拟过程对模型的估计精度进行研究,结果验证了HO-GDINA的EM算法的正确性,并且说明该算法对该模型有较高估计精确度。然后用饱和模型在约束条件下的特殊形式HO-DINA模型对"分数减法"这一经典数据进行EM算法参数估计和具体分析,展示了HO-GDINA在实际情况中的具体使用,并与de la Torre之前用MCMC估计算法得到的研究结果做比较,基本一致,进一步表明HO-GDINA模型的参数估计EM算法在实际情境中的特殊形式下仍然适用。     

存在图的逻辑地位——批评与回应

存在图是继欧拉图、文恩图和皮尔士一文恩图之后的又一种逻辑图。逻辑图是指用于表示命题和推理的二维图形。然而由于存在图之前的逻辑图在表达能力上的缺陷以及现代数理逻辑的成功,长期以来存在图并未引起人们的关注。直到近来计算机表示的图示推理发展起来以后人们才认识到它的重要性,并把它作为一种图式逻辑纳入了哲学逻辑的范畴。人们对存在图逻辑地位的认可经历了一个复杂的过程。存在图在被认可道路上遇到了逻辑系统身份、推理效率和阐述的精确性三个问题,随着这三个问题的解决,人们逐渐认可了存在图的逻辑地位。