.png){kind=icon}
返回
Atomic representation and algorithms for polytomous knowledge spaces
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0346061.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
经典知识空间理论为认知诊断提供了严谨的框架，但其二元响应模型未能捕捉知识的等级特性。尽管近期研究通过简化方法将KST扩展至多元响应，但其应用受限于计算复杂度和构建方法的缺乏。本文基于多元闭包空间提出一个新框架，并做出三方面贡献：首先，建立了该空间的理论及其原子分解，实现紧凑的状态表示；其次，刻画了确保完全原子分解的粒度条件，并建立了知识空间与其原子基的双射对应关系；第三，开发了基于原子结构的基提取与知识空间生成算法，将复杂的状态运算简化为集合计算。该理论框架通过格论基础保持数学严谨性，同时实现计算可行性，为等级知识的自适应评估提供了实用基础。
Keyword:
HUMAN EXPERTISE
BUILD
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
分享收藏分享收藏INTRODUCTION TO KNOWLEDGE SPACES - HOW TO BUILD, TEST, AND SEARCH THEM.png)
PSYCHOLOGICAL REVIEW
PSYCHOLOGICAL REVIEWIF5.8
PREAI
分享收藏
分享收藏分享收藏
查看更多内容