亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

On the Analysis of Fraction Subtraction Data: The DINA Model, Classification, Latent Class Sizes, and the Q-Matrix

潜在类模型 马尔科夫蒙特卡洛 贝叶斯概率 分数(化学) 班级(哲学) 项目反应理论 计算机科学 基质(化学分析) 集合(抽象数据类型) 减法 数学 统计 人工智能 心理测量学 算术 复合材料 有机化学 化学 材料科学 程序设计语言
作者
Lawrence T. DeCarlo
出处
期刊:Applied Psychological Measurement [SAGE]
卷期号:35 (1): 8-26 被引量:157
标识
DOI:10.1177/0146621610377081
摘要

Cognitive diagnostic models (CDMs) attempt to uncover latent skills or attributes that examinees must possess in order to answer test items correctly. The DINA (deterministic input, noisy ‘‘and’’) model is a popular CDM that has been widely used. It is shown here that a logistic version of the model can easily be fit with standard software for latent class analysis. A partly Bayesian approach to estimation, posterior mode estimation, is used as a simple alternative to a fully Bayesian approach via Markov chain Monte Carlo methods. A latent-class analysis of a widely analyzed data set, the fraction subtraction data of K. K. Tatsuoka, reveals some neglected problems with respect to the classification of examinees; for example, examinees who get all of the items incorrect are classified as having most of the skills. It is also noted that obtaining large estimates of the latent class sizes can indicate misspecification of the Q-matrix, such as the inclusion of an irrelevant skill. It is shown, analytically and via simulations, that the problems are largely associated with the structure of the Q-matrix.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
35秒前
拼搏诗翠完成签到 ,获得积分10
1分钟前
kidd瑞完成签到,获得积分10
1分钟前
Chris完成签到 ,获得积分10
1分钟前
3分钟前
suzy-123完成签到,获得积分10
4分钟前
4分钟前
无花果应助科研通管家采纳,获得10
4分钟前
菲菲完成签到 ,获得积分10
4分钟前
枫叶-ZqqC完成签到,获得积分10
5分钟前
徐通通完成签到 ,获得积分10
5分钟前
5分钟前
5分钟前
Orange应助一口吃不夏采纳,获得10
6分钟前
一口吃不夏完成签到,获得积分10
6分钟前
细水长流完成签到 ,获得积分10
7分钟前
Ephemeral完成签到 ,获得积分10
7分钟前
自然完成签到,获得积分10
8分钟前
LLC完成签到 ,获得积分10
10分钟前
风未见的曾经完成签到 ,获得积分10
11分钟前
susuzl完成签到,获得积分10
11分钟前
11分钟前
liushu发布了新的文献求助10
12分钟前
搜集达人应助liushu采纳,获得10
12分钟前
安详的海风完成签到,获得积分10
12分钟前
13分钟前
搜集达人应助材料摆渡人采纳,获得10
13分钟前
经钧完成签到 ,获得积分10
13分钟前
13分钟前
13分钟前
vv完成签到 ,获得积分10
13分钟前
HGalong应助科研通管家采纳,获得10
14分钟前
HGalong应助科研通管家采纳,获得10
14分钟前
hahaha应助科研通管家采纳,获得30
14分钟前
14分钟前
15分钟前
童话瑜发布了新的文献求助10
15分钟前
童话瑜完成签到,获得积分10
15分钟前
15分钟前
高分求助中
请在求助之前详细阅读求助说明!!!! 20000
The Three Stars Each: The Astrolabes and Related Texts 900
Yuwu Song, Biographical Dictionary of the People's Republic of China 700
Bernd Ziesemer - Maos deutscher Topagent: Wie China die Bundesrepublik eroberte 500
A radiographic standard of reference for the growing knee 400
Epilepsy: A Comprehensive Textbook 400
Glossary of Geology 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2472995
求助须知:如何正确求助?哪些是违规求助? 2138758
关于积分的说明 5450755
捐赠科研通 1862775
什么是DOI,文献DOI怎么找? 926213
版权声明 562805
科研通“疑难数据库(出版商)”最低求助积分说明 495408