基于類別水平的多級計分認知診斷Q矩陣修正:相對擬合統(tǒng)計量視角

摘要：多級計分認知診斷模型的開發(fā)對認知診斷的發(fā)展具有重要作用,但對于多級計分模型下的Q矩陣修正還有待研究。本研究嘗試對多級計分認知診斷Q矩陣修正進行研究,并聚焦更具診斷價值的基于項目類別水平的Q矩陣修正。將相對擬合統(tǒng)計量應(yīng)用于多級計分認知診斷Q矩陣修正,并與已有方法Stepwise方法(Ma&de la Torre,2019)進行比較。研究表明:BIC方法對多級計分認知診斷模型的Q矩陣修正具有較高的模式判準(zhǔn)率和屬性判準(zhǔn)率,其對Q矩陣的恢復(fù)率也高于Stepwise方法,BIC方法修正后的Q矩陣與數(shù)據(jù)更加擬合;在復(fù)雜模型中,相對擬合指標(biāo)BIC比AIC和-2LL表現(xiàn)更好,在實踐中,使用者可以選擇BIC法進行測驗Q矩陣修正;Q矩陣修正效果受到被試人數(shù)的影響,增加被試人數(shù)可以提高Q矩陣修正的正確率。總之,本研究為多級計分認知診斷Q矩陣修正提供了重要的方法支持。