检索结果-南通市图书馆

心理科学 2018年第6期41卷 1492-1499页

作者：汪文义方小婷叶宝娟江西师范大学计算机信息工程学院南昌330022 江西师范大学心理健康教育研究中心心理学院南昌330022

引入了三种估计认知诊断属性分类一致性信度置信区间的方法:Bootstrap法、平行测验法和平行测验配对法。用模拟研究验证和比较了这三种方法的表现,结果发现,平行测验法和Bootstrap法在被试量较少、题目数量较少的情况下,估计的标准误和... 详细信息

引入了三种估计认知诊断属性分类一致性信度置信区间的方法:Bootstrap法、平行测验法和平行测验配对法。用模拟研究验证和比较了这三种方法的表现,结果发现,平行测验法和Bootstrap法在被试量较少、题目数量较少的情况下,估计的标准误和置信区间较接近,但是随着被试量的增加,Bootstrap法的估计精度提高较快,在被试量大和题目数量较多时基本接近平行测验配对法的结果。Bootstrap法的所需时间最少,计算过程简单,平行测验配对法计算过程复杂且用时较长,推荐用Bootstrap法估计认知诊断属性分类一致性信度的置信区间。

关键词：属性分类一致性信度区间估计Bootstrap法平行测验法平行测验配对法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

认知诊断属性分类一致性信度区间估计方法及在模型误指中的应用

认知诊断属性分类一致性信度区间估计方法及在模型误指中的应用

引用

作者：方小婷江西师范大学

学位级别：硕士

在心理与教育测验中,信度是衡量测验可靠性、一致性和稳定性程度的指标。在认知诊断领域中,较少的研究者研究属性信度这一主题。目前关于认知诊断测验属性信度研究主要有Gierl等人(2009)改进的Cronbach’α系数、Templin等人(2013)提出... 详细信息

在心理与教育测验中,信度是衡量测验可靠性、一致性和稳定性程度的指标。在认知诊断领域中,较少的研究者研究属性信度这一主题。目前关于认知诊断测验属性信度研究主要有Gierl等人(2009)改进的Cronbach’α系数、Templin等人(2013)提出的属性重测一致性、Wang等人(2015)提出的属性分类一致性等。最新的认知诊断属性分类一致性信度指标为Wang等人于2015年开发的属性分类一致性信度,该属性信度指标与以往属性信度指标有很大的优势:(1)不是基于α系数(α系数仅在τ等价测验、基本τ等价测验、平行测验条件下适用),也不用模拟平行测验;(2)给出计算简单的属性分类一致性信度公式。因此,本研究将基于这一新指标进行研究。以上的点估计方法无法给出估计的精度,而区间估计不仅能给出一个估计的范围,还能给出信度的估计精度。因此,开发认知诊断测验信度区间估计方法十分重要。研究者想要报告认知诊断测验的属性信度,无论运用现有的哪种属性信度计算公式,都必须依赖于认知诊断模型对认知诊断测验数据的分析结果,认知诊断测验数据是否与认知诊断模型相匹配,直接影响到认知诊断测验信度的可靠性。因此,想要得到一个精确的认知诊断测验评估结果,仅仅报告认知诊断测验信度的置信区间是不够的,还要考察测验数据与认知诊断模型的拟合度,如何去选择一个匹配测验数据的模型是整个认知诊断评估的重要步骤。认知诊断模型资料拟合检验是心理、教育测量领域的重要主题。在实际情况中实践者并不知道真正拟合数据的模型,选择模型时,需要用整体相对拟合检验来判断更符合实际情况的模型。以往的测验拟合研究大都是从信息量的角度提出的测验拟合指标去判定整体数据与模型的匹配性,虽然提出了很多的统计量,但是一直没有获得突破性的进展。那么是否可以从其他的角度去研究模型资料整体拟合呢,本研究将从信度的角度以三种认知诊断信度区间估计方法中较好的一种信度区间估计方法估计的信度平均数和标准误作为指标来考察它们在模型误指中的表现。本研究共有三个研究,研究一将对基于认知诊断属性信度最新研究方法Wang等人(2015)的属性分类一致性信度,用三种区间估计方法(平行测验法、平行测验配对法、Bootstrap法)对其信度区间进行模拟估计,然后将三种区间估计方法估计的结果进行比较;研究二比较提出的三种区间估计方法在实际研究数据中的应用,考察在实际数据中三种方法的表现是否与模拟研究的结果类似;研究三将从信度的角度探讨三种区间估计方法中表现较好的估计方法估计的信度平均数和标准误在模型误指中的表现。结果表明:(1)无论是5属性还是7属性的独立属性层级关系,Bootstrap法、平行测验法和平行测验配对法估计的标准误和置信区间长度均受到被试样本量、测验质量和测验长度的影响。标准误和置信区间长度随着题目数量的增加呈下降趋势;标准误和置信区间长度随着被试量的增加而下降;随着题目质量的下降,估计的标准误和置信区间长度增加。(2)无论是5属性还是7属性的独立属性层级关系,Bootstrap法、平行测验法和平行测验配对法估计的信度平均数均受到被试样本量、测验质量和测验长度的影响,信度平均数随着题目数量的增加呈上升趋势;随着被试量的增加,估计的信度平均数变化幅度较小;随着题目质量的下降,估计的信度平均数均呈较大的下降幅度。(3)平行测验法和Bootstrap法在被试量比较少,题目数量比较少的情况下估计的标准误和置信区间较接近,但是随着被试量的增加,Bootstrap法的估计精度提高的较快,在被试量大和题目数量较多时基本接近平行测验配对法的结果。Bootstrap法的所需时间最少,计算过程简单,而平行测验配对法由于需要模拟平行测验并且一一配对,因此计算信度区间过程相当复杂且时间成本较高,故推荐使用Bootstrap法估计认知诊断属性分类一致性信度的置信区间。(4)在实证数据为Tatsuoka分数减法数据(5个属性、15个题目、536个被试)的情况下,平行测验配对法估计的标准差和置信区间宽度较小,而相对于平行测验法,Bootstrap法估计的平均数、标准误和置信区间宽度的结果更接近平行测验配对法估计的结果,这一实证研究结果支持模拟研究(研究一)的结果。(5)Bootstrap法估计的属性分类一致性信度平均数和标准误在不同研究条件的模型选择率较稳定,总体表现较好。在DINA为生成模型下正确选择率和AIC、BIC一样达到了1,在生成模型为GDINA模型时,正确选择率和BIC差不多,比AIC较好,当生成模型为RRUM时,正确选择率比BIC要好,但不及AIC的表现。随着被试量的增加,Bootstrap区间估计的属性分类一致性信度的平均数和标准误的正确选择率有所上升,但是随着题目数量的增加,正确选择率却有所下降。

关键词：属性分类一致性信度区间估计 Bootstrap法平行测验法平行测验配对法模型-资料拟合检验

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：