刘彦楼 辛 涛, 李令青 田 伟 刘笑笑

(1北京师范大学发展心理研究所,北京 100875) (2中国基础教育质量监测协同创新中心,北京 100875)(3泰山学院教师教育学院,山东泰安 271000)

1 引言

认知诊断模型可以提供关于受测者知识或技能掌握程度的细粒度的、多维诊断性反馈信息,因此,引起了学生、教师、心理测量学家以及认知心理学家等的关注(Greeno,1980;Leighton &Gierl,2007),是当前心理测量领域研究的热点之一。迄今为止,研究者提出了许多认知诊断模型,这些模型可以被分为一般性的认知诊断模型框架以及特殊的认知诊断模型。一般性的认知诊断模型框架,主要包括von Davier (2005)的一般诊断模型(

General Diagnostic Model,

GDM)、Henson,Templin 和 Willse (2009)提出的对数线性认知诊断模型(

Log-Linear Cognitive Diagnosis Model,

LCDM)以及 de la Torre (2011)的G-DINA模型,常见的特殊的认知诊断模型有决定性输入,噪音与门模型(

Deterministic Input,Noisy And Gate,

DINA) (de la Torre &Douglas,2004;Haertel,1989;Junker &Sijtsma,2001),补偿的重参数化统一模型(

Compensatory Reparameterized Unified Model,

C-RUM) (e.g.,Hartz,2002)等。

从统计上来讲,以上这些一般性的认知诊断模型与特殊的认知诊断模型都属于有约束的潜在类别模型(von Davier,2009)。这些“约束”主要是通过Q矩阵来实现的。Q矩阵是一个设计矩阵,其中的元素一般是“0”与“1”,虽然有研究(Chen &de la Torre,2013)已经将 Q矩阵扩展为多级的,但在绝大多数的实际应用中仍假定其是二分的,因此本研究仍假定Q矩阵是二分的。在认知诊断模型中一般将受测者的知识或技能统称为潜在属性,简称属性。Q矩阵的功能在于设定认知诊断测验中项目与属性之间的对应关系,Q矩阵中元素取值为1代表正确作答某一项目需要某一对应的属性,取值为0则代表不需要。将认知诊断模型与Q矩阵在项目水平上进行组合,可以反映出研究者对于受测者在作答项目时的潜在认知过程或操作的假定。……