学位论文 > 优秀研究生学位论文题录展示

认知诊断中基于FCA的属性层次关系挖掘研究

作　者: 潘陈进
导　师: 杨淑群
学　校: 福建师范大学
专　业: 计算机软件与理论
关键词: 认知诊断概念格属性层级关系属性标定层级关系挖掘
分类号: TP18
类　型: 硕士论文
年　份: 2013年
下　载: 1次
引　用: 0次
阅　读: 论文下载

内容摘要

传统测验只得到分数,不能反应被试的知识状态,也就无法根据被试的知识缺失加以补救。认知诊断通过一些理论和方法将可以观察的反应模式转换为不可观察的知识状态,从而诊断出被试的知识状态。许多认知诊断模型需要Q矩阵(项目和属性的关联矩阵),它表示测验项目拥有哪些属性,拥有这个属性的项目又有哪些(0-1矩阵)。这里属性指认知测验的项目具有的特性。认知诊断需要属性标定,即标定项目具有哪些属性。属性之间存在先决关系。如果项目具有属性A则一定具有属性B,则属性B是属性A的先决条件。属性间的先决关系为序关系,诱导出的哈斯图为层级关系。一些流行的认知诊断的模型,如AHM,诊断前明确需要属性层级关系。但事实上,属性及属性间的层级关系很难获取,教育测量、心理测量及计算机科学的研究人员正在为此而努力。本文结合形式概念分析(FCA)和认知诊断,利用形式概念分析的相关理论方法挖掘属性层级关系。主要的步骤有下面3个方面。(1)专家标定部分属性形成初始Q矩阵,根据已知知识状态的被试作答,采用一种在线自动标定方法,标定项目的属性。经专家验证后,扩充至Q矩阵。(2)利用迭代的思想验证Q矩阵的充分性。迭代的初值为专家标定的初始Q矩阵,迭代的方法在不断扩充Q矩阵的过程中渐增构建概念格,迭代的终止条件为迭代的步长或者概念格之间的距离足够小。(3)将充分Q矩阵作为概念格的形式背景,建造概念格,然后从中挖掘出属性层级关系。本文迭代生成充分Q矩阵,从中挖掘出属性层级关系。模拟结果表明,属性层级关系的挖掘方法具有较好的有效性和较高的效率。

全文目录

中文摘要  2-3
Abstract  3-4
中文文摘  4-6
目录  6-8
绪论  8-12
  1.1 研究背景和意义  8-10
  1.2 论文的主要特色和创新点  10
  1.3 本文组织  10-12
第一章形式概念分析基本理论  12-28
  1.1 相关概念  12-17
    1.1.1 有序集理论  12-15
    1.1.2 格和完全格  15-16
    1.1.3 闭包系统  16
    1.1.4 Galois连接  16-17
  1.2 概念格  17-28
    1.2.1 形式背景和概念  17-19
    1.2.2 概念格的构造算法  19-24
    1.2.3 概念格的应用  24-28
第二章认知诊断概述  28-40
  1.1 认知诊断发展现状  28-29
  1.2 Q矩阵理论发展  29-32
  1.3 与Q矩阵相关的认知诊断模型  32-40
    1.3.1 RSM模型简介  32-34
    1.3.2 AHM模型简介  34-36
    1.3.3 DINA模型简介  36-40
第三章基于FCA的属性层级关系的挖掘  40-58
  1.1 属性的标定  40-47
  1.2 Q矩阵的充分性验证  47-51
  1.3 属性层级关系的挖掘  51-53
  1.4 实验设计和结果  53-58
第四章总结和展望  58-60
参考文献  60-66
攻读学位期间承担的科研任务与主要成果  66-68
致谢  68-70
个人简历  70-71

认知诊断中基于FCA的属性层次关系挖掘研究

内容摘要

全文目录

相似论文