考虑属性间关系的诊断测验分类:贝叶斯网模型与DINA模型的比较

摘要

受众多研究者关注的认知诊断模型DINA模型假定属性之间相互独立,但在实际的测验中,这种假设可能太强,属性之间可能存在相关,在这种情况下,仍然采用DINA模型会忽略了这部分信息,并且由于实际数据不符合DINA模型的假设,会使被试的分类准确率降低。贝叶斯网分类模型可以很好地处理属性间存在相关情况的认知诊断测验分类,当测验考察5个属性时,其中有2个属性之间存在较高的相关,在不同类型的Q矩阵(Q矩阵中包含相关的项目个数分别为6、8、10、12、14)并且包含不同的随机因子下,贝叶斯网分类模型的表现都要优于DINA模型,模式判准率平均高出8%,因此,在Q矩阵的界定存在错误(或专家之间存在较大的分歧)时和属性间存在较大的相关时,选择贝叶斯网作为认知诊断测验模型,不失为一个更好的选择。