多分屬性DINA模型多級評分拓廣.pdf

1、㈣29I＼l㈥532㈧7Y3學校代碼!Q竣Ir‘嫂，是≥乏、一r‘‘二j，≠‘研究類型基熊殛裳崩江師耗大學ZHEJlANGN’OR_MALUNlVERSITy碩士學位論文■火=k丁‰夕匕人學科專年輾：1生堡一學研究生：雖絲糕導教師：一基塞蕉一一中圈分類號：壁疊熊論文提交時閾：。2盟Z年直月縋日多分屬性DINA模型多級評分拓廣摘要DINA模型是一種參數簡單且易理解的認知診斷模型，近年來，關于DINA模型的應用研究和拓廣研究越來越多，這些新

2、模型主要圍繞認知診斷模型的屬性水平劃分方法和評分方法兩個方面對DINA模型進行完善。至今，二分屬性DINA模型已能夠同時處理二級評分數據資料和多級評分數據資料，但多分屬性D1NA模型仍然只適用于二級評分數據資料，對多級評分數據資料“無能為力”。多分屬性是二分屬性的高級形式，但多分屬性模型LL分屬性模型更為復雜，待估計的參數更多，用多分屬性模型進行認知診斷評估花費的時間和精力更多。Karelitz(2004)認為1個多分屬性可以轉換成厶個

3、二分屬性，而詹沛達等(2016)進一步指出由1個多分屬性轉換而來的如個二分屬性之間存在線型層級關系，即1個多分屬性內部(三一1)個水平的關系相當于厶個滿足線型層級關系的二分屬性。如果根據一定的規(guī)則將多分屬性轉換成二分屬性，再將多分屬性模型與對應的二分屬性模型進行比較研究，結果表明多分屬性模型提供的診斷信息的準確性與二分屬性模型提供的診斷信息的準確性相當或差異非常小，便可考慮在實際應用中用二分屬性代替多分屬性，以簡化認知診斷評估過程?；?/p>

4、以上問題，本論文進行了兩個研究。為了使多分屬性DINA模型也能夠處理多級評分數據資料，研究一基于Samejima等級反應模型中累積類別反應函數思想，將詹沛達等(2016)重參數化后的多分屙陛DINA模型(RPaDINA模型)進行多級評分拓廣，新模型簡稱為PRPaDINA模型。PRPa—DINA模型參數估計的方法為基于貝葉斯的MCMC方法，實驗采用22完全隨機實驗設計，其自變量為樣本量和項目參數。研究二是認知診斷中多分屬性與二分屬性的對比