A Polytomous Cognitive Diagnosis Model

P- Dina Model

Bibliographic Data

ID21096552
AuthorsDongbo Tu (0000-0001-6091-4726, Jiangxi Normal University, corresponding author), Dong-Bo TU, Yan Cai (0000-0003-0888-7526, Jiangxi Normal University, corresponding author), Hai-Qi DAI (Jiangxi Normal University, corresponding author), Shuliang DING (0009-0007-2253-9452, Jiangxi Normal University, corresponding author), Shu-Liang DING
Year2011
Volume42
Issue10
Pages1011-1020
Publication date2011-01-26
Peer ReviewedYes
Open AccessNo
TypeARTICLE
VenueActa Psychologica Sinica (JOURNAL)
Journal identifiersISSN: 0439-755X
PublisherChina Science Publishing & Media Ltd. (PUBLISHER)
DOI10.3724/sp.j.1041.2010.01011
OpenAlexW2390055758
LanguageEN
Citations received4
References cited9

摘要: 当前绝大多数认知诊断计量模型仅适用于0-1评分数据资料, 大大限制了认知诊断在实际中的应用, 也限制了认知诊断的进一步推广和发展。本文对具有较好发展前景的DINA模型进行拓展, 开发出适合多种评分(含0-1二级评分和多级评分)数据资料的P-DINA模型, 同时采用MCMC算法实现模型参数的估计, 并对该模型性能进行研究。结果表明:(1)本文开发的P-DINA模型无论是在无结构型属性层级关系下还是在结构型属性层级关系下, 参数估计的精度均较高, 参数估计的稳健性较强, 说明开发的P-DINA模型基本合理、可行。(2)P-DINA模型可采用MCMC算法实现参数估计, 且参数估计的精度较高。(3)整体来看, 无结构型属性层级关系和结构型属性层级关系下, P-DINA模型在项目参数的估计精度上两者基本相当; 但在被试属性判准率(MMR和PMR)上无结构型属性层级关系表现的稍差一些。(4)无结构型属性阶层关系下:模型诊断的属性个数越多, 参数 估计的精度越差、属性诊断的正确率(MMR和PMR)越低, 但参数 的估计精度越好; 若想保证属性模式判准率在80%以上, 建议诊断的属性个数不宜超过7个。总之, 本研究为拓展认知诊断在教育学和心理学中的应用提供了一种新方法、新模型

Cognition · Cognitive psychology · Data mining · Item response theory · Polytomous Rasch model · Psychiatry · Psychometrics · Clinical Psychology · Cognitive Abilities and Testing · Cognitive Science and Mapping · Computer Science · Mathematics · Psychology · Psychometric Methodologies and Testing

Tools

Open DOIOpen Access