支持向量機在認知診斷中的應(yīng)用研究.pdf

1、隨著社會的發(fā)展，人們不滿足于只對個體宏觀層次的評價，而是希望能從被試的實際作答反應(yīng)中獲得更多有關(guān)被試認知結(jié)構(gòu)的信息，以便對被試做出更具體更客觀的評價，并且給出相應(yīng)的補救措施。認知診斷根據(jù)被試作答反應(yīng)診斷出被試對認知屬性的掌握情況，從而獲得被試的具體認知狀況并給出補救措施。Leighton等人提出的屬性層級模型（Attribute Hierarchy Method，AHM）是一種認知診斷模型，該方法假設(shè)測驗項目是由一組具有層級結(jié)構(gòu)的屬性來

2、表征的，測驗前先確定屬性層級關(guān)系，然后根據(jù)被試的作答反應(yīng)把被試歸類到相應(yīng)的知識狀態(tài)中，據(jù)此對被試進行有效的、有針對性的補救。本文的研究就是在屬性層級關(guān)系下進行的。
　　 支持向量機(Support Vector Machine，SVM)具有堅實的統(tǒng)計學理論基礎(chǔ)，已成為一種倍受關(guān)注的分類技術(shù)，是借助于最優(yōu)化方法解決機器學習問題。這種技術(shù)在許多實際應(yīng)用（如手寫數(shù)字的識別、文本分類等）中展示了大有可為的實踐效用。支持向量機能用小樣本獲

3、得全局最優(yōu)解，并具有良好的推廣性能。本文將SVM應(yīng)用到屬性層級關(guān)系下的認知診斷分類中，對O，1計分測驗進行實驗，并一與認知診斷中典型的分類方法進行比較。結(jié)果表明，利用支持向量機的分類效果具一定的優(yōu)點。支持向量機用小樣本訓練集，在保證較高的判準率的同時所需的運行時間較短。
　　 測驗項目中屬性的標定存在專家工作量大、易于疲勞和所需經(jīng)費較大等問題，根據(jù)以上實驗中SVM所顯示出的優(yōu)點，并且Q1窮盡了所有項目類，而用擴張算法將可達陣R擴