用于在认知诊断分类模型中建模局部项目依赖的马尔可夫网络
统计方法学
2023-05-29 v2
摘要
本研究提出了一种探索性图建模方法，用于评估认知诊断分类模型（DCM）内的局部项目依赖。当前的局部依赖建模方法需要已知的项目结构，当此类信息不可用时，其效用有限。在本研究中，我们提出了一种探索性的局部依赖建模方法，使得无需依赖规范即可揭示项目自身的交互作用。该新框架通过将马尔可夫网络整合到广义 DCM 中而建立。该框架在统一方案内执行常规认知诊断的同时，揭示了项目交互作用。模型参数的推断基于正则化伪似然，并由 EM 算法实现。来自蒙特卡洛模拟的数值实验表明，所提出的框架充分恢复了生成参数，并产生了可靠的标准误估计。与常规 DCM 相比，当项目表现出局部依赖时，新模型产生了更准确的项目参数估计。本研究使用两个真实的评估数据展示了该模型的应用，并讨论了建模局部依赖的实际益处。
引用
@article{arxiv.1707.06318,
title = {Markov Network for Modeling Local Item Dependence in Cognitively Diagnostic Classification Models},
author = {Hyeon-Ah Kang and Jingchen Liu and Zhiliang Ying},
journal= {arXiv preprint arXiv:1707.06318},
year = {2023}
}