| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 理论研究 | 第11-15页 |
| 1.2.2 应用研究 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-20页 |
| 第2章 相关基础知识 | 第20-34页 |
| 2.1 项目反应理论 | 第20-22页 |
| 2.1.1 项目反应理论概述 | 第20页 |
| 2.1.2 逻辑斯蒂模型简介 | 第20-21页 |
| 2.1.3 项目反应模型参数估计 | 第21-22页 |
| 2.2 Q矩阵理论 | 第22-31页 |
| 2.2.1 Q矩阵理论概述 | 第22-23页 |
| 2.2.2 Q矩阵理论工作流程 | 第23-31页 |
| 2.3 K-means聚类算法 | 第31-32页 |
| 2.3.1 K-means算法概述 | 第31页 |
| 2.3.2 K-means算法描述 | 第31-32页 |
| 2.4 评价指标 | 第32-33页 |
| 2.4.1 模式判准率 | 第32-33页 |
| 2.4.2 边际判准率 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于聚类的认知诊断方法 | 第34-50页 |
| 3.1 基于0-1评分数据的Q-I-K-means算法 | 第34-43页 |
| 3.1.1 Q-I-K-means算法 | 第34-37页 |
| 3.1.2 算法评价及结果分析 | 第37-43页 |
| 3.2 基于混合评分数据的Q-K-means算法 | 第43-49页 |
| 3.2.1 Q-K-means算法 | 第43-45页 |
| 3.2.2 算法评价及结果分析 | 第45-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 Q-K-means算法的应用 | 第50-68页 |
| 4.1 学生得分数据处理 | 第50-54页 |
| 4.2 Q-K-means应用 | 第54-61页 |
| 4.2.1 认知属性提取 | 第54-55页 |
| 4.2.2 属性层级结构建立 | 第55-56页 |
| 4.2.3 典型属性掌握模式推导 | 第56页 |
| 4.2.4 项目属性矩阵建立 | 第56-58页 |
| 4.2.5 期望反应模式推导 | 第58-59页 |
| 4.2.6 实验方案 | 第59-61页 |
| 4.3 结果分析 | 第61-67页 |
| 4.4 教学策略建议 | 第67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 附录 | 第72-78页 |
| 附录1 2013-2016年测验试卷的项目属性矩阵 | 第72-73页 |
| 附录2 2013-2016年的期望反应模式矩阵 | 第73-78页 |
| 致谢 | 第78-80页 |
| 硕士期间发表的论文及参研的项目 | 第80页 |