杂志文章
基于人工神经网络的半监督学习诊断分类方法
2021.
发表于:
心理学前沿,113992
摘要
认知诊断模型的目的是利用学生对诊断评估的反应对学生的潜在属性进行分类。近年来,每种理论诊断分类模型都对学生反应之间的关系做出了不同的假设模式和属性配置文件。以前的研究研究表明,TDCM的误操作和不准确的Q矩阵冲击分类准确性。人工神经网络已被提出作为转换物品响应模式的有希望的方法,进入一些研究研究中的诊断分类。然而,除非采取大量护理,否则Anns方法估计非常不稳定和未被覆富。在这项研究中,我们在半监督学习框架内结合了两个典型的理论诊断分类模型,DINA模型和DINO模型,以实现强大而准确的分类。在模拟研究和实际数据研究中,实验结果表明,该方法可以在不同的测试条件下实现欣赏的性能,特别是当评估的诊断质量不高,Q矩阵包含错过的元素。这项研究是第一次将半监督学习思想应用于CDM的首次。此外,我们使用验证测试为ANN选择适当的参数而不是使用典型的统计标准,例如AIC,BIC。
查看更多话题:测量和缩放