.png){kind=icon}
返回
Variable-Length Cognitive Diagnostic Computerized Adaptive Testing in Small-Scale Assessments
.png){kind=icon}
PRE
AI
DOI：10.3102/10769986251366581.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究考察了认知诊断计算机化自适应测试（CD-CAT）在小型评估中的创新方法。基于参数认知诊断模型（CDMs）的传统CD-CAT方法，在小型标定样本中往往难以应对，导致过拟合和可靠性高估。非参数替代方法虽然在小型场景中更稳健，但缺乏可靠性信息，限制了分类置信度和变长自适应测试。为解决这些挑战，我们提出了四种基于简约受限确定性输入、噪声和门（R-DINA）模型的CD-CAT方法，该模型是一种专为小样本设计的参数CDM。其中两种方法使用标定样本（R-GDI和R-NPS），另外两种为免标定方法（R-NPSML和R-NPSBM）。通过模拟研究，我们调整了标定样本量、属性数量和项目质量，将上述方法与基于DINA模型的常规CD-CAT进行比较。结果表明，R-GDI和R-NPS在后续概率恢复的准确性、分类准确性和项目使用均衡性方面均优于常规CD-CAT，尽管其测试项目数量较多。免标定方法表现也较满意，但在低质量项目上存在可靠性高估现象。总体而言，所提方法为教育情境中样本量小且时间受限的形成性评估提供了实用解决方案。我们针对这些方法在真实教育环境中的使用和可扩展性提出了建议。
Keyword:
cognitive diagnosis
computerized adaptive testing
nonparametric classification
classification accuracy
reliability estimation
期刊
J
IF:
1.7
论文数:
38
被引数:
2.9K
机构
引用论文
Cognitive Diagnostic Computerized Adaptive Testing for Polytomously Scored Items认知诊断计算机化自适应测试（Polytomously Scored Items）
PREAI
分享收藏A Note on the Relationship of the Shannon Entropy Procedure and the Jensen–Shannon Divergence in Cognitive Diagnostic Computerized Adaptive Testing.png)
Sage Open
Sage OpenIF0
PREAI
分享收藏
查看更多内容