分离型的多级评分认知诊断模型开发及其应用研究

本文基于DINO模型开发出一种分离型的多级评分认知诊断模型（P-DINO模型），并采用Monte Carlo模拟与实证研究相结合的范式，探讨了新模型的性能与有效性。结果表明：（1）P-DINO模型参数估计精度较好，参数估计的稳健性较强。（2）采用MCMC算法可以实现该模型的参数估计，估计结果较理想。（3）测验长度的增加能有效提高模型的判准率，被试人数的增加对判准率的提高相对较小，属性个数的增加会降低判准率。（4）在抑郁症状评估中，P-DINO模型的表现要优于DINO模型与传统的抑郁症状评估。...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	心理科学 2017-02, Vol.40 (1), p.209-215
1. Verfasser:	吴方文涂冬波刘明矾
Format:	Artikel
Sprache:	chi
Schlagworte:	分离多级评分抑郁症认知诊断模型
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	215
container_issue	1
container_start_page	209
container_title	心理科学
container_volume	40
creator	吴方文涂冬波刘明矾
description	本文基于DINO模型开发出一种分离型的多级评分认知诊断模型（P-DINO模型），并采用Monte Carlo模拟与实证研究相结合的范式，探讨了新模型的性能与有效性。结果表明：（1）P-DINO模型参数估计精度较好，参数估计的稳健性较强。（2）采用MCMC算法可以实现该模型的参数估计，估计结果较理想。（3）测验长度的增加能有效提高模型的判准率，被试人数的增加对判准率的提高相对较小，属性个数的增加会降低判准率。（4）在抑郁症状评估中，P-DINO模型的表现要优于DINO模型与传统的抑郁症状评估。
format	Article
fullrecord	<record><control><sourceid>cass_chong</sourceid><recordid>TN_cdi_cass_nssd_671289457</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cass_id>671289457</cass_id><cqvip_id>671289457</cqvip_id><sourcerecordid>671289457</sourcerecordid><originalsourceid>FETCH-LOGICAL-c467-ffba0f7c58d05c59db1aec7f7e39c196c761b8614759509654f00c62cdbfa9d03</originalsourceid><addsrcrecordid>eNpjYeA0NDM31DWztDDkYOAtLs5MMjA0NzMwNjMx52RwetrR9nzZ7qfzup_Panm6ZNbzXctfrG8BCr5Yt-T5_KUv1nc9m7b22YqFQAVP9zQ87Z_4tL_raeu2p7umPJ-y4vmCKc9XbuNhYE1LzClO5YXS3Awhbq4hzh66Pv7uns6OPrrJJmbmumlpSYkGaebJphYpBqbJppYpSYaJqcnmaeapxpbJhpZmyeZmhkkWZoYm5qaWpgaWZqYmaQYGyWZGySlJaYmWKQbG3AxSEGOTE4uL4_OKi1Pigd4ysrA0MTUHSipBJTPy89ILM_PS4wuKMnMTiyqRFAEAsnhjag</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>分离型的多级评分认知诊断模型开发及其应用研究</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>吴方文涂冬波刘明矾</creator><creatorcontrib>吴方文涂冬波刘明矾</creatorcontrib><description>本文基于DINO模型开发出一种分离型的多级评分认知诊断模型（P-DINO模型），并采用Monte Carlo模拟与实证研究相结合的范式，探讨了新模型的性能与有效性。结果表明：（1）P-DINO模型参数估计精度较好，参数估计的稳健性较强。（2）采用MCMC算法可以实现该模型的参数估计，估计结果较理想。（3）测验长度的增加能有效提高模型的判准率，被试人数的增加对判准率的提高相对较小，属性个数的增加会降低判准率。（4）在抑郁症状评估中，P-DINO模型的表现要优于DINO模型与传统的抑郁症状评估。</description><identifier>ISSN: 1671-6981</identifier><language>chi</language><publisher>中国心理学会</publisher><subject>分离 ; 多级评分 ; 抑郁症 ; 认知诊断模型</subject><ispartof>心理科学, 2017-02, Vol.40 (1), p.209-215</ispartof><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/95682A/95682A.jpg</thumbnail><link.rule.ids>314,776,780</link.rule.ids></links><search><creatorcontrib>吴方文涂冬波刘明矾</creatorcontrib><title>分离型的多级评分认知诊断模型开发及其应用研究</title><title>心理科学</title><addtitle>Psychological Science</addtitle><description>本文基于DINO模型开发出一种分离型的多级评分认知诊断模型（P-DINO模型），并采用Monte Carlo模拟与实证研究相结合的范式，探讨了新模型的性能与有效性。结果表明：（1）P-DINO模型参数估计精度较好，参数估计的稳健性较强。（2）采用MCMC算法可以实现该模型的参数估计，估计结果较理想。（3）测验长度的增加能有效提高模型的判准率，被试人数的增加对判准率的提高相对较小，属性个数的增加会降低判准率。（4）在抑郁症状评估中，P-DINO模型的表现要优于DINO模型与传统的抑郁症状评估。</description><subject>分离</subject><subject>多级评分</subject><subject>抑郁症</subject><subject>认知诊断模型</subject><issn>1671-6981</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2017</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDM31DWztDDkYOAtLs5MMjA0NzMwNjMx52RwetrR9nzZ7qfzup_Panm6ZNbzXctfrG8BCr5Yt-T5_KUv1nc9m7b22YqFQAVP9zQ87Z_4tL_raeu2p7umPJ-y4vmCKc9XbuNhYE1LzClO5YXS3Awhbq4hzh66Pv7uns6OPrrJJmbmumlpSYkGaebJphYpBqbJppYpSYaJqcnmaeapxpbJhpZmyeZmhkkWZoYm5qaWpgaWZqYmaQYGyWZGySlJaYmWKQbG3AxSEGOTE4uL4_OKi1Pigd4ysrA0MTUHSipBJTPy89ILM_PS4wuKMnMTiyqRFAEAsnhjag</recordid><startdate>20170201</startdate><enddate>20170201</enddate><creator>吴方文涂冬波刘明矾</creator><general>中国心理学会</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W93</scope><scope>~WA</scope><scope>NSCOK</scope></search><sort><creationdate>20170201</creationdate><title>分离型的多级评分认知诊断模型开发及其应用研究</title><author>吴方文涂冬波刘明矾</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c467-ffba0f7c58d05c59db1aec7f7e39c196c761b8614759509654f00c62cdbfa9d03</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2017</creationdate><topic>分离</topic><topic>多级评分</topic><topic>抑郁症</topic><topic>认知诊断模型</topic><toplevel>online_resources</toplevel><creatorcontrib>吴方文涂冬波刘明矾</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库-社会科学</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>国家哲学社会科学文献中心 (National Center for Philosophy and Social Sciences Documentation)</collection><jtitle>心理科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>吴方文涂冬波刘明矾</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>分离型的多级评分认知诊断模型开发及其应用研究</atitle><jtitle>心理科学</jtitle><addtitle>Psychological Science</addtitle><date>2017-02-01</date><risdate>2017</risdate><volume>40</volume><issue>1</issue><spage>209</spage><epage>215</epage><pages>209-215</pages><issn>1671-6981</issn><abstract>本文基于DINO模型开发出一种分离型的多级评分认知诊断模型（P-DINO模型），并采用Monte Carlo模拟与实证研究相结合的范式，探讨了新模型的性能与有效性。结果表明：（1）P-DINO模型参数估计精度较好，参数估计的稳健性较强。（2）采用MCMC算法可以实现该模型的参数估计，估计结果较理想。（3）测验长度的增加能有效提高模型的判准率，被试人数的增加对判准率的提高相对较小，属性个数的增加会降低判准率。（4）在抑郁症状评估中，P-DINO模型的表现要优于DINO模型与传统的抑郁症状评估。</abstract><pub>中国心理学会</pub><tpages>7</tpages><oa>free_for_read</oa></addata></record>
fulltext	fulltext
identifier	ISSN: 1671-6981
ispartof	心理科学, 2017-02, Vol.40 (1), p.209-215
issn	1671-6981
language	chi
recordid	cdi_cass_nssd_671289457
source	国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
subjects	分离多级评分抑郁症认知诊断模型
title	分离型的多级评分认知诊断模型开发及其应用研究
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-09T07%3A15%3A16IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-cass_chong&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%88%86%E7%A6%BB%E5%9E%8B%E7%9A%84%E5%A4%9A%E7%BA%A7%E8%AF%84%E5%88%86%E8%AE%A4%E7%9F%A5%E8%AF%8A%E6%96%AD%E6%A8%A1%E5%9E%8B%E5%BC%80%E5%8F%91%E5%8F%8A%E5%85%B6%E5%BA%94%E7%94%A8%E7%A0%94%E7%A9%B6&rft.jtitle=%E5%BF%83%E7%90%86%E7%A7%91%E5%AD%A6&rft.au=%E5%90%B4%E6%96%B9%E6%96%87%20%E6%B6%82%E5%86%AC%E6%B3%A2%20%E5%88%98%E6%98%8E%E7%9F%BE&rft.date=2017-02-01&rft.volume=40&rft.issue=1&rft.spage=209&rft.epage=215&rft.pages=209-215&rft.issn=1671-6981&rft_id=info:doi/&rft_dat=%3Ccass_chong%3E671289457%3C/cass_chong%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cass_id=671289457&rft_cqvip_id=671289457&rfr_iscdi=true