认知诊断模型研究新进展

认知诊断模型分为潜在特质模型和潜在分类模型两类.在潜在特质模型中,线性逻辑斯谛克特质模型是潜在特质模型的基础,它的提出首次实现了测量与认知的结合;多成分潜在特质模型通过考察被试作答结果的组合方式,更好地从认知加工过程的角度多维度分析被试间认知能力的差异;拓广多成分潜在特质模型则综合了前两种模型的优点并加以拓展.而对于潜在分类模型,规则空间模型作为潜在分类模型的基础用于对被试进行分类诊断;融合模型从更细致的层面对被试进行诊断测量;DINA模型仅含"失误"和"猜测"两个参数,实现了模型简化;NIDA模型从属性层面定义参数,能很好地应用于现实测量情景;贝叶斯网络(BN)以图形化的形式表现变量间的联合概率分布,体现了其从庞大的复杂数据中诊断被试认知错误的优势.