科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文旨在探究如何根据认知诊断模型拟合方法优化英语听力诊断性Q矩阵。首先对已有Q矩阵属性标注进行可靠性验证及人员拟合性分析,发现原Q矩阵仍有优化空间,其次采用DRFS法:拆分解析-匹配组合以及基于G-DINA测量模型的量化拟合筛选,进一步在原Q矩阵模型基础上优化出与数据拟合更佳的模型。结果表明:第一,优化的新模型在数据的相对拟合值和对分数变异的解释力及诊断力上好于原有模型;第二,新模型生成的属性掌握情况与被试自评结果的相关性更高,表明其属性掌握概率更接近自评结果。本研究提出的DRFS优化方法有望弥补以往Q矩阵构建及筛选的不足,为准确的模型构建提供借鉴。
- 单位
