一种可融入额外信息的机器学习诊断法 |
| |
引用本文: | 康春花,朱仕浩,宫皓明,曾平飞.一种可融入额外信息的机器学习诊断法[J].心理科学,2023,46(1):212-220. |
| |
作者姓名: | 康春花 朱仕浩 宫皓明 曾平飞 |
| |
作者单位: | 浙江师范大学教师教育学院 |
| |
基金项目: | 全国教育科学规划教育部重点课题(DCA160262)的资助; |
| |
摘 要: | 研究将PNN和曼哈顿距离、贝叶斯定理相结合,提出了一种相对简洁的可融入额外信息的认知诊断法MB-PNN,通过模拟和实证研究考察了MB-PNN的有效性和适宜性,得到以下结论:(1)M-PNN的判准率高于PNN,表明将PNN中的ED修改为MD是适宜的;(2)MB-PNN的判准率较M-PNN和PNN高,表明基于多种信息的判别较基于单一信息的判别更为精准;(3)MB-PNN保留了PNN原有的非参数优势,基本不受知识状态分布和样本容量影响;(4)MB-PNN最能区分不同类型的学生,在认知诊断评估实践中更为适宜。
|
关 键 词: | 额外信息 贝叶斯定理 机器学习诊断法 判准率 |
收稿时间: | 2021-02-24 |
修稿时间: | 2022-09-30 |
|
| 点击此处可从《心理科学》浏览原始摘要信息 |
| 点击此处可从《心理科学》下载免费的PDF全文 |
|