心理技术与应用 ›› 2023, Vol. 11 ›› Issue (11): 685-704.
• • 上一篇
摘要:
Q矩阵是认知诊断的核心,专家构建的Q矩阵通常存在一定错误,会降低估计精度,因而需要进行修正。采用随机森林(random forest,RF)算法,以PVAF、对数似然值、改造后的R统计量为特征训练模型,提出了机器学习视角的Q矩阵修正新方法(RF-P、RF-L、RF-R),并开展模拟与实证研究验证性能。研究结果表明:(1)三种模型的准确率、召回率、精确率、F1、Kappa等评估指标均在0.75以上;(2)模拟研究中,基于三种随机森林模型的新方法在整体上均比最新发表的Wald-XPD法有更好的修正表现,其中以RF-R表现最佳;(3)实证研究中,RF-R修正出了更合理的Q矩阵,有最优的模型-数据拟合结果。
[1] | 周文杰, 郭 磊. 纳入协变量信息的多级计分认知诊断模型[J]. 心理技术与应用, 2021, 9(8): 484-494. |
[2] | 杨亚坤, 朱仕浩, 刘芯伶. 基于项目拟合统计量RMSEA的Q矩阵估计方法[J]. 心理技术与应用, 2020, 8(1): 51-59. |
[3] | 李婷婷, 郭 磊, 李 帅, 高靖洁. 孤独症谱系障碍测评工具的研究述评[J]. 心理技术与应用, 2019, 7(2): 107-117. |
|