一种可融入额外信息的机器学习诊断法

作     者：康春花 朱仕浩 宫皓明 曾平飞 Kang Chunhua;Zhu Shihao;Gong Haoming;Zeng Pingfei

作者机构：浙江师范大学浙江省智能教育技术与应用重点实验室金华321004 

出 版 物：《心理科学》 (Journal of Psychological Science)

年 卷 期：2023年第46卷第1期

页      面：212-220页

核心收录：

学科分类：0402[教育学-心理学(可授教育学、理学学位）] 04[教育学] 040201[教育学-基础心理学] 

基　　金：全国教育科学规划教育部重点课题(DCA160262)的资助 

主　　题：额外信息 贝叶斯定理 机器学习诊断法 判准率 

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。