强制选择神经认知人格诊断模型

在智能时代，心理测验正变得越来越重要，用于人才选拔、职业发展和心理健康评估。由于要求受试者从密切相关的选项中进行选择，降低了响应失真的风险，故选择题是人格评估中常见的类型。本研究提出了一种基于深度学习的强制选择神经认知诊断模型 (FCNCD)，克服了传统模型的局限性，适用于强制选择测试中发现的三种最常见的题块类型。为考虑强制选择测试中题目的单维性，我们创建了可解释的受试者和题目参数。我们通过对其进行非线性映射挖掘后，使用多层神经网络来建模受试者与题目特征之间的相互作用。此外，我们使用单调性假设来提高诊断结果的可解释性。通过在真实数据集和模拟数据集上的实验验证了 FCNCD 的有效性，结果表明其在准确性、可解释性和鲁棒性方面表现良好。