适用于小样本的非参数认知诊断方法及其设备技术

本发明专利技术实施例公开适用于小样本的非参数认知诊断方法及其设备，其中方法包括如下步骤：获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP；对所述作答数据进行诊断分析，生成所述被试的个体诊断信息；采用曼哈段距离判别法计算所述ORP和所述IRP之间的曼哈顿距离，根据所述曼哈顿距离对所述被试进行模式归类；根据所述矩阵Q和所述被试的模式归类结果分析所述被试的整体诊断信息；根据所述个体诊断信息和所述整体诊断信息绘制并输出描述不同诊断信息之间相互关系学习之路。采用本发明专利技术，通过引入非参数认知诊断方法可以简化认知诊断的操作，满足小样本被测的认知诊断要求。

【技术实现步骤摘要】
适用于小样本的非参数认知诊断方法及其设备
本专利技术涉及教育信息化
，尤其涉及一种适用于小样本的非参数认知诊断方法及其设备。
技术介绍
认知诊断作为新一代心理测验理论，通过把学生的观察反应模式判归到与其理想反应模式所对应的知识状态中，从而了解到每个学生认知结构差异的实质，为教师补偿性教学提供信息。在目前的认知诊断领域，研究者一般采用计算机编程语言(R、MATLAB、Python等)自行编写程序，通过大样本的数据训练与学习对认知诊断测验数据进行模拟或分析，或辅助使用项目反应理论专业软件进行参数估计得到被试能力值及项目参数。当面临小样本的被测对象时(例如，一个班级的学生)，现有技术使用的方法或参数模型过于复杂，实用性不高，从而降低了对小样本被测进行认知诊断的可能性。
技术实现思路
本专利技术实施例提供一种适用于小样本的非参数认知诊断方法及其设备，通过引入非参数认知诊断方法可以简化认知诊断的操作，满足小样本被测的认知诊断要求。本专利技术实施例第一方面提供了一种适用于小样本的非参数认知诊断方法，可包括：获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP；对所述作答数据进行诊断分析，生成所述被试的个体诊断信息；采用非参数认知诊断算法计算所述ORP和所述IRP之间的曼哈顿距离，根据所述曼哈顿距离对所述被试进行模式归类，所述非参数认知诊断算法为曼哈段距离判别法；根据所述矩阵Q和所述被试的模式归类结果分析所述被试的整体诊断信息；根据所述个体诊断信息和所述整体诊断信息绘制并输出描述不同诊断信息之间相互关系学习之路。本专利技术实施例第二方面提供了一种适用于小样本的非参数认知诊断设备，可包括：数据获取模块，用于获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP；个体信息生成模块，用于对所述作答数据进行诊断分析，生成所述被试的个体诊断信息；模式归类模块，用于采用非参数认知诊断算法计算所述ORP和所述IRP之间的曼哈顿距离，根据所述曼哈顿距离对所述被试进行模式归类，所述非参数认知诊断算法为曼哈段距离判别法；整体信计算模块，用于根据所述矩阵Q和所述被试的模式归类结果分析所述被试的整体诊断信息；学习之路绘制模块，用于根据所述个体诊断信息和所述整体诊断信息绘制并输出描述不同诊断信息之间相互关系学习之路。在本专利技术实施例中，通过引入非参数认知诊断方法简化了认知诊断的操作，满足了小样本被测的认知诊断要求，通过绘制描述诊断信息间相互关系的学习之路，丰富了用户交互的可视性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种适用于小样本的非参数认知诊断方法的流程示意图；图2是本专利技术实施例提供的认知诊断软件诊断结果架构示意图；图3是本专利技术实施例提供的绘制学习之路的效果示意图；图4是本专利技术实施例提供的一种适用于小样本的非参数认知诊断设备的结构示意图；图5是本专利技术实施例提供的学习之路绘制模块的结构示意图；图6是本专利技术实施例提供的另一种适用于小样本的非参数认知诊断设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例涉及的适用于小样本的非参数认知诊断设备(下文中简称为认知诊断设备)可以包括平板电脑、个人计算机(PC)、智能手机、掌上电脑以及移动互联网设备(MID)等终端设备。下面将结合附图1-附图3，对本专利技术实施例提供的适用于小样本的非参数认知诊断方法进行详细介绍。请参见图1，为本专利技术实施例提供了一种适用于小样本的非参数认知诊断方法的流程示意图。如图1所示，本专利技术实施例的所述方法可以包括以下步骤S101-步骤S105。S101，获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP。具体的，认知诊断设备可以获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP。可以理解的是，所述当前测验可以是用户(例如，老师)上传的试卷，也可以是所述设备从互联网数据块中调取的用于测验的试卷。所述作答数据可以是被试针对当前测验的答案。通常把认知诊断的核心要素项目和属性之间的表达形式成为Q矩阵，所述项目可以是所述当前测验所包含的试题，所述属性可以是所述当前测验考察的知识点或者知识类型。所述可观测反应模式(ObservedResponsePattern，ORP)可以是被试在试题上的作答反应模式，所述理想反应模式(IdealResponsePattern，IRP)可以是被试在试题上的作答的理想反应模式。S102，对所述作答数据进行诊断分析，生成所述被试的个体诊断信息。具体的，所述认知诊断设备可以对所述作答数据进行诊断分析，生成所述被试的个体诊断信息。可以理解的是，所述个体诊断信息可以包括被试当前测验的总得分、能力值、属性掌握模式、需补救的属性、补救路径和个人拟合指标中的一个或多个，例如，图2中所示的个体诊断信息。在可选实施例中，所述认知诊断设备可以采用多级计分层级一致性指标(GeneralizedHierarchyConsistencyIndex，GHCI)对所述作答数据进行诊断分析，所述GHCI的数学表达式可以是：其中，是被试i答对项目(非零分)的集合；当项目j上得分Xij时，被试i属性掌握模式可能的个数表示为Kij，各掌握模式中的第k种模式为Pk；g∈SjPk指项目g考核的属性是属性掌握模式Pk的子集，子项目包含父项目j本身；Sj是项目g满分，Xig是被试i在项目g上得多少分，那么Xig/Sg就是这名被试该项目答对程度；Nci指根比较数的总数。下面将以一个具体的属性收敛型AH的矩阵Q为例，作答反应为{1,1,2,2,0}的被试i对所述GHCI的计算过程进行介绍：需要说明的是，被试i在前四个项目上得分不为零，即这四个项目可分为两种情况：(1)父项目上得满分时。在此例中符合的是项目1、3。在项目1上，只考察了属性A1，其子项目只有项目1自身，比较数为1，反应拟合。在项目3上，考察属性A1、A3，因此该项目满分的被试掌握属性的组合为A1A3，此时存在项目3与1、项目3与3，这2个比较，且均拟合。(2)父项目上得中间分数。在此例中符合的是项目2、4。首先需要确定子项目，若子项目得满分，计算过程同(1)中所述。项目2考察A1、A2，被试得1分，根据层级关系，被试只可能是掌握A1的情况，故该项目只有项目2与1这1个比较，且拟合；若子项目的得分不是满分，父项目与子项目的不拟合程度则为子项目得分率之和。项目4考察A1、A2、A3和A4，被试得分为2，根据层级关系可能的属性掌握组合有A1A2或A1A3，概率都是1/Kig＝1/2。若被试属性掌握的组合是本文档来自技高网...

【技术保护点】
1.一种适用于小样本的非参数认知诊断方法，其特征在于，所述方法包括：获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP；对所述作答数据进行诊断分析，生成所述被试的个体诊断信息；采用非参数认知诊断算法计算所述ORP和所述IRP之间的曼哈顿距离，根据所述曼哈顿距离对所述被试进行模式归类，所述非参数认知诊断算法为曼哈段距离判别法；根据所述矩阵Q和所述被试的模式归类结果分析所述被试的整体诊断信息；根据所述个体诊断信息和所述整体诊断信息绘制并输出描述不同诊断信息之间相互关系学习之路。

【技术特征摘要】
1.一种适用于小样本的非参数认知诊断方法，其特征在于，所述方法包括：获取被试关于当前测验的作答数据、题目属性关联矩阵Q、可观测反应模式ORP和理想反应模式IRP；对所述作答数据进行诊断分析，生成所述被试的个体诊断信息；采用非参数认知诊断算法计算所述ORP和所述IRP之间的曼哈顿距离，根据所述曼哈顿距离对所述被试进行模式归类，所述非参数认知诊断算法为曼哈段距离判别法；根据所述矩阵Q和所述被试的模式归类结果分析所述被试的整体诊断信息；根据所述个体诊断信息和所述整体诊断信息绘制并输出描述不同诊断信息之间相互关系学习之路。2.根据权利要求1所述的方法，其特征在于，在根据所述曼哈顿距离对所述被试进行模式归类时，所述方法还包括：获取一被试的最小曼哈顿距离，将该被试归类至与该被试的ORP运算后产生所述最小曼哈顿距离的IRP所对应的理想掌握模式IMP。3.根据权利要求2所述的方法，其特征在于，当存在至少两个IRP与该被试的ORP具有相同的最小曼哈顿距离时，所述方法还包括：根据项目内变异的大小为所述被试匹配相应的项目权重，所述项目权重为所述被试在每个项目上的得分率；基于所述项目权重从新计算所述被试ORP与所述IRP之间的曼哈顿距离。4.根据权利要求1所述的方法，其特征在于，所述个体诊断信息包括：当前测验的总得分、能力值、属性掌握模式、需补救的属性、补救路径和个人拟合指标中的一个或多个；所述整体诊断信息包括：当前测验的整体信息、层级一致性指标、属性以及各属性掌握模式的人数和比例中的一个或多个。5.根据权利要求4所述的方法，其特征在于，在根据所述个体诊断信息和所述整体诊断信息绘制并输出描述不同诊断信息之间相互关系学习之路时，所述方法包括：将所述能力值设为学习之路的坐标轴；将各属性掌握模式按照所述被试的能力值依次排列，组成至少两条学习路径。...

【专利技术属性】
技术研发人员：康春花，曾平飞，陈航宇，杨亚坤，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：浙江,33