基于属性界定的认知诊断Q矩阵估计方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 教育数据挖掘 | 第10页 |
| 1.1.2 认知诊断评估 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容与创新 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 理论基础综述 | 第14-25页 |
| 2.1 项目反应理论 | 第14-16页 |
| 2.2 模式识别简介 | 第16页 |
| 2.3 认知诊断理论 | 第16-20页 |
| 2.3.1 认知属性及其层级关系 | 第17-18页 |
| 2.3.2 Q矩阵理论 | 第18-20页 |
| 2.4 常见的认知诊断模型 | 第20-24页 |
| 2.4.1 规则空间模型 | 第20-22页 |
| 2.4.2 属性层级模型 | 第22-23页 |
| 2.4.3 确定性输入噪音与门模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 认知诊断属性界定方法 | 第25-33页 |
| 3.1 模型参数估计法 | 第25-27页 |
| 3.1.1 EM算法 | 第25-26页 |
| 3.1.2 MCMC算法 | 第26-27页 |
| 3.2 现有的Q矩阵估计法 | 第27-32页 |
| 3.2.1 δ方法 | 第28-29页 |
| 3.2.2 γ方法 | 第29-30页 |
| 3.2.3 非线性惩罚估计法 | 第30-31页 |
| 3.2.4 爬山法 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于遗传算法和贝叶斯法的Q矩阵联合估计 | 第33-45页 |
| 4.1 已有工作 | 第33-34页 |
| 4.2 遗传算法简介 | 第34-36页 |
| 4.3 基于遗传算法的Q矩阵估计 | 第36-41页 |
| 4.3.1 算法运行参数定义 | 第36-37页 |
| 4.3.2 算法关键部分设计 | 第37-39页 |
| 4.3.3 算法流程 | 第39-41页 |
| 4.4 贝叶斯二次估计法 | 第41-44页 |
| 4.4.1 贝叶斯法 | 第41-43页 |
| 4.4.2 对遗传算法估计结果的处理 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 实验 | 第45-59页 |
| 5.1 实验工具介绍及应用 | 第45页 |
| 5.2 实验设计 | 第45-50页 |
| 5.2.1 模拟数据的生成 | 第45-47页 |
| 5.2.2 真实数据的来源 | 第47-48页 |
| 5.2.3 评价指标 | 第48-50页 |
| 5.3 实验结果与分析 | 第50-59页 |
| 5.3.1 模拟实验分析 | 第50-55页 |
| 5.3.2 真实实验验证 | 第55-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 后续展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 在校期间发表的论文、科研成果等 | 第65-66页 |
| 致谢 | 第66页 |
