認知診斷中模型-資料的測驗擬合檢驗統(tǒng)計量研究.pdf

1、隨著心理測量學(xué)和認知心理學(xué)的發(fā)展，認知診斷模型受到越來越多的重視，傳統(tǒng)的測驗理論只能從宏觀上分析被試的能力，而認知診斷理論則探索到被試能力的微觀方面，關(guān)注宏觀能力背后的具體屬性（或技能）及其結(jié)構(gòu)。但認知診斷模型的優(yōu)勢必須基于所采用的模型與實際數(shù)據(jù)資料擬合較好的情況，如此做出的推論才會有效，而當所采用認知診斷模型與資料不擬合或選擇了錯誤的模型,則會導(dǎo)致如參數(shù)估計、測驗等值及項目功能差異分析等具有較大誤差，給實際工作帶來不良影響。因此，在使

2、用認知診斷模型分析時，應(yīng)首先充分考察及檢驗所選模型與實際數(shù)據(jù)是否相擬合。
　　認知診斷領(lǐng)域中常用模型-資料擬合檢驗統(tǒng)計量包括項目擬合檢驗統(tǒng)計量和測驗擬合檢驗統(tǒng)計量。項目擬合檢驗是在項目水平上評估模型與實際資料是否相吻合,可用于篩選測驗中的個別項目，一般是絕對擬合檢驗；而測驗擬合檢驗則是在測驗整體水平上評估選用的模型與實際資料是否相吻合，一般是相對擬合檢驗。雖然項目擬合統(tǒng)計量可以指導(dǎo)測驗項目的選擇，但現(xiàn)實情況中研究者往往不知道用哪種

3、模型去擬合資料,此時若用項目擬合統(tǒng)計量盲目地檢驗測驗中所有項目的擬合就不太合理。此外,項目擬合統(tǒng)計量一般是絕對擬合統(tǒng)計量,而評價模型絕對擬合存在一定困難,因此研究者常常只評價模型相對擬合；并且，當有幾個模型都能擬合資料時,相對擬合統(tǒng)計量可以幫助選擇更合適的模型。
　　認知診斷模型-資料擬合檢驗是心理、教育測量領(lǐng)域的重要主題,也是測驗分析過程中較易忽視的環(huán)節(jié)，目前鮮有此類公開發(fā)表的文章。研究認知診斷領(lǐng)域的模型-資料測驗擬合統(tǒng)計量，主

4、要是為了研究各統(tǒng)計量的有效性和靈敏度，可從兩方面著手，一是檢驗各統(tǒng)計量是否能選擇最適合資料的模型，二是檢驗各統(tǒng)計量是否能選擇最適合資料的Q矩陣。目前認知診斷領(lǐng)域常用測驗擬合統(tǒng)計量包括-2LL、AIC、AICc、BIC及DIC4，本文擬在比較不同的樣本量、題量、屬性數(shù)下各統(tǒng)計量對正確模型的選擇率，以及比較各統(tǒng)計量在Q陣選擇上的靈敏度，并且拓展項目反應(yīng)理論中表現(xiàn)較好的CVLL法，檢驗其在認知診斷領(lǐng)域的有效性和靈敏度。最后用Tatsuoka分

5、數(shù)減法數(shù)據(jù)和ECPE（examination for the certificate of proficiency in English）數(shù)據(jù)說明各統(tǒng)計量在實證數(shù)據(jù)中的應(yīng)用。研究表明，認知診斷中AIC、BIC比AICc表現(xiàn)更好，CVLL在CD領(lǐng)域表現(xiàn)良好，較其它統(tǒng)計量更優(yōu)，當樣本量小題量大時AICc、BIC相較復(fù)雜模型傾向于選擇簡潔模型，當屬性數(shù)過多時，各統(tǒng)計量選擇正確模型的概率大幅下降，只有CVLL表現(xiàn)較好，在R-RUM中，各統(tǒng)計量選