| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-11页 |
| ·研究认知诊断的目的和新分类方法的意义 | 第7-8页 |
| ·认知诊断研究的国内外现状 | 第8-9页 |
| ·研究的内容及所要解决的问题 | 第9-10页 |
| ·论文主要创新点 | 第10页 |
| ·论文组织结构 | 第10-11页 |
| 第2章 理论基础综述 | 第11-27页 |
| ·项目反应理论（IRT） | 第11-12页 |
| ·项目反应理论的基本概念 | 第11页 |
| ·项目反应理论的基础模型 | 第11页 |
| ·IRT 的优缺点 | 第11-12页 |
| ·认知诊断（CD） | 第12-22页 |
| ·背景及意义 | 第12-14页 |
| ·认知诊断模型介绍 | 第14-21页 |
| ·认知诊断的国内外发展现状 | 第21-22页 |
| ·贝叶斯网络（BN） | 第22-27页 |
| ·贝叶斯网络相关的基本概念与定义 | 第22-23页 |
| ·贝叶斯网络的学习 | 第23-25页 |
| ·贝叶斯网络的推理 | 第25页 |
| ·贝叶斯分类方法 | 第25-27页 |
| 第3章 利用贝叶斯网结构学习得到属性之间的层级结构 | 第27-33页 |
| ·贝叶斯网结构学习算法 | 第27-28页 |
| ·基于搜索和评分的方法 | 第27-28页 |
| ·基于条件独立性检测的方法 | 第28页 |
| ·利用贝叶斯网结构学习得到属性之间的层级结构 | 第28-29页 |
| ·得到被试的属性掌握模式 | 第28-29页 |
| ·得到属性之间的层级结构 | 第29页 |
| ·实验设计与结果分析 | 第29-33页 |
| ·实验设计 | 第29-31页 |
| ·结果与分析 | 第31-32页 |
| ·总结与展望 | 第32-33页 |
| 第4章 贝叶斯网分类器在认知诊断分类中的应用 | 第33-47页 |
| ·贝叶斯分类器的定理 | 第33-36页 |
| ·贝叶斯概率和贝叶斯定理 | 第33页 |
| ·贝叶斯学习的基本过程 | 第33-35页 |
| ·最大后验假设与最大似然假设 | 第35-36页 |
| ·几种典型的贝叶斯网分类器 | 第36-38页 |
| ·朴素贝叶斯网分类器 | 第36页 |
| ·树扩张朴素贝叶斯网分类器 | 第36-37页 |
| ·BAN 分类器 | 第37页 |
| ·通用贝叶斯网分类器 | 第37-38页 |
| ·贝叶斯多网分类器 | 第38页 |
| ·利用贝叶斯网分类器对认知诊断进行分类 | 第38-39页 |
| ·利用朴素贝叶斯网分类器进行分类 | 第38-39页 |
| ·实验设计与结果分析 | 第39-47页 |
| ·0,1 计分情形的诊断试验设计 | 第39-40页 |
| ·多级计分情形的诊断试验设计 | 第40-41页 |
| ·评价指标 | 第41-42页 |
| ·实验结果 | 第42-47页 |
| 第5章 结论及进一步讨论的问题 | 第47-49页 |
| 参考文献 | 第49-58页 |
| 附录 朴素贝叶斯网分类器的构造 | 第58-65页 |
| 个人简历 | 第65-66页 |
| 致谢 | 第66页 |