版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、多級聚類診斷法的開發(fā)及其在認(rèn)知診斷評估中的應(yīng)用DevelopmentandApplicationofGRCDM作者:任平Author:RenPing指導(dǎo)教師:康春花SupervisedbyProfessor:KangChunhua學(xué)科專業(yè):基礎(chǔ)心理學(xué)Major:GeneralPsychology浙江師范大學(xué)教師教育學(xué)院CollegeofTeacherEducationofZhejiangNormalUniversity二零一五年五月二十
2、一日May2015關(guān)系錯亂)對該方法分類準(zhǔn)確率的影響:研究5使用該方法分析了1240名小學(xué)五年級學(xué)生的數(shù)學(xué)應(yīng)用題CDA測驗(yàn)結(jié)果,并與規(guī)則空間模型所得結(jié)果進(jìn)行對比。得到以下結(jié)果:(1)GRCDM具有很高的判準(zhǔn)率,且不受限于屬性個數(shù)。在70種實(shí)驗(yàn)條件下均具有較高的模式匹配率和邊緣匹配率(PMR:9608%;MMR:9904%),且隨著屬性個數(shù)的增加,分類準(zhǔn)確率呈升高趨勢。說明該方法具有較強(qiáng)的適用性,不受限于屬性個數(shù),彌補(bǔ)了參數(shù)診斷模型限定的
3、CDA按q驗(yàn)中屬性個數(shù)不易過多的現(xiàn)狀,更能吻合實(shí)踐教學(xué)中屬性個數(shù)較多的需求,以及能夠滿足當(dāng)前測驗(yàn)改革的實(shí)踐情境,實(shí)現(xiàn)對學(xué)生知識狀態(tài)的準(zhǔn)確分類與診斷。(2)總體而言,GRCDM更適合松散型的層次結(jié)構(gòu)。在多數(shù)實(shí)驗(yàn)條件下,發(fā)散型和無結(jié)構(gòu)型的PMR和MMR均顯著高于緊密型層次結(jié)構(gòu),且不易受到被試人數(shù)以及被試分布的影響,因此該方法不但有較好的穩(wěn)健性,而且為松散型屬性層次關(guān)系下的數(shù)據(jù)找到了既適用又簡便的分類方法。(3)該方法對被試人數(shù)的依賴小,即使
4、在100人和500人的小樣本中,也表現(xiàn)出較好的穩(wěn)健性,可適用于小型測評和課堂評估,為日常教學(xué)中的CDA提供了實(shí)用的方法。(4)在Q矩陣誤設(shè)時,除了線型條件且Q矩陣產(chǎn)生較大錯誤(屬性缺失&多余)外,其他條件下的PMR降幅均低于5%,在可接受的范圍,說明GRCDM對線型結(jié)構(gòu)時的Q矩陣誤設(shè)的反應(yīng)較靈敏,而對于其它結(jié)構(gòu)則具有較好的穩(wěn)健性。(5)屬性層次關(guān)系顛倒和錯亂對該方法的分類準(zhǔn)確率影響較大。除了“有層次關(guān)系的變?yōu)闊o層次關(guān)系”的MMR均值的平
5、均降幅為006,其它條件下降幅均較大。說明GRCDM對層次關(guān)系錯亂比較敏感。無結(jié)構(gòu)型時的基礎(chǔ)屬性一定不能錯誤界定,緊密型的屬性邏輯關(guān)系的確定也需謹(jǐn)慎,在不能保證兩屬性間存在先決關(guān)系的前提下,盡量視其關(guān)系為獨(dú)立。(6)該方法在對數(shù)學(xué)應(yīng)用題CDA測驗(yàn)結(jié)果進(jìn)行分析時得到的屬性難度與屬性性質(zhì)相符,同時不同類型的學(xué)校(好、中、差)在各屬性上的掌握百分比也有顯著差異,好學(xué)校更大比例的學(xué)生掌握屬性。因此該方法在實(shí)踐情境中表現(xiàn)出較好的內(nèi)外部效度。關(guān)鍵詞
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 脊椎診斷法
- 淺析傳統(tǒng)故障診斷法在現(xiàn)代汽車維修中的應(yīng)用
- 補(bǔ)償型的多級評分認(rèn)知診斷模型的開發(fā)及其在抑郁癥狀評估中的應(yīng)用.pdf
- 心電圖波形診斷法
- 聚類算法在轉(zhuǎn)子故障診斷中的應(yīng)用.pdf
- 全矢-模糊聚類及其在故障診斷中的應(yīng)用研究.pdf
- FCM聚類算法及其在變壓器故障診斷中的應(yīng)用.pdf
- 模擬電路的分塊故障診斷法.pdf
- 高聳塔架結(jié)構(gòu)節(jié)點(diǎn)損傷的診斷法.pdf
- 酵母功能診斷法(FASAY)在腫瘤p53基因突變檢測中的應(yīng)用.pdf
- 基于分部評分的多級評分認(rèn)知診斷模型開發(fā).pdf
- 模糊聚類在智能醫(yī)療診斷系統(tǒng)中的研究與應(yīng)用.pdf
- 粗糙集理論在認(rèn)知診斷中的應(yīng)用
- 貝葉斯網(wǎng)絡(luò)在認(rèn)知診斷中的應(yīng)用
- 聚類算法及其在頁面聚類中的應(yīng)用研究
- 聚類算法及其在污水處理工藝故障診斷中應(yīng)用的研究.pdf
- 第十二章跛行診斷法
- 貝葉斯網(wǎng)絡(luò)在認(rèn)知診斷中的應(yīng)用.pdf
- 眼底照相法在旋轉(zhuǎn)斜視診斷和療效評估中的應(yīng)用.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
評論
0/150
提交評論