| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 引言 | 第8-12页 |
| ·研究背景和目的 | 第8-9页 |
| ·本研究领域国内外现状 | 第9-10页 |
| ·本文工作及论文组织 | 第10-11页 |
| ·本文主要创新点 | 第11-12页 |
| 2 常用认知诊断模型 | 第12-22页 |
| ·线性逻辑斯蒂克特质模型（LINEAR LOGISTIC TRAIT MODEL, LLTM） | 第12-13页 |
| ·规则空间模型（RULE SPACE MODEL, RSM） | 第13-15页 |
| ·属性层级模型（ATTRIBUTE HIERARCHY METHOD, AHM） | 第15-18页 |
| ·DINA（DETERMINISTIC INPUTS, NOISY “AND” GATE MODEL）模型 | 第18-20页 |
| ·属性掌握概率分类模型 | 第20-22页 |
| 3 模式识别及相关技术 | 第22-33页 |
| ·模式识别和模式的概念 | 第22页 |
| ·模式识别方法 | 第22-24页 |
| ·统计模式识别方法 | 第23页 |
| ·句法模式识别方法 | 第23-24页 |
| ·特征的选择与提取 | 第24-25页 |
| ·认知诊断与模式识别 | 第25-29页 |
| ·估计项目参数和被试参数 | 第26页 |
| ·建立规则空间 | 第26-29页 |
| ·对实际作答模式进行分类 | 第29页 |
| ·常用的模式分类方法 | 第29-32页 |
| ·人工神经网络方法 | 第30-31页 |
| ·支持向量机 | 第31页 |
| ·混合生成-判别学习法 | 第31-32页 |
| ·模式识别发展趋势 | 第32-33页 |
| 4 认知诊断的测验构建及指标 | 第33-39页 |
| ·诊断性测验简介 | 第33-35页 |
| ·认知诊断测验蓝图的编制 | 第35-36页 |
| ·认知诊断信息量 | 第36页 |
| ·KULLBACK-LEIBLER（K-L）信息量 | 第36-37页 |
| ·认知诊断模型信息指标 | 第37-39页 |
| ·指标一：K-L 信息量平均值 | 第37-38页 |
| ·指标二：加权K-L 信息量（?） | 第38-39页 |
| 5 实验及结果分析 | 第39-48页 |
| ·蒙特卡洛模拟法简介 | 第39-40页 |
| ·题库的建立 | 第40-41页 |
| ·模拟题库的建立 | 第40页 |
| ·真实题库的建立 | 第40-41页 |
| ·生成被试 | 第41页 |
| ·产生项目得分 | 第41-42页 |
| ·构建测验 | 第42-43页 |
| ·模拟题库的测验构建 | 第42页 |
| ·真实题库的测验构建 | 第42-43页 |
| ·被试知识状态的估计 | 第43-44页 |
| ·评价指标 | 第44页 |
| ·实验结果 | 第44-46页 |
| ·实验结果分析 | 第46-48页 |
| 6 结论 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 附录 | 第55-59页 |
| 致谢 | 第59-60页 |
| 在读期间公开发表论文（著）及科研情况 | 第60页 |
