《表3 不同基础题个数Q矩阵估计一致性》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于项目拟合统计量RMSEA的Q矩阵估计方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步探讨CSE算法在实际应用中的效果，本研究使用该方法对K.K.Tatsuoka（1990）的分数减法数据进行分析，数据包含了536名学生在15个测验项目上的作答，测验考察了5个属性，测验Q矩阵改编自Missevy（1996）。该数据在之前的Q矩阵的估计和修正研究中均被使用（汪大勋等，2018；De Carlo，2012；de la Torre，2008）。根据原始作答数据和Q矩阵，使用DINA模型计算出各项目的鉴别度指数（item discrimination index，IDI；Lee，de la Torre&Park，2012）。将数据按IDI从高到低排列，分别选取前6、7、8、9、10题作为基础题，对剩余项目逐个进行估计。分析重新估计后的Q矩阵与原始Q矩阵的一致性程度，其中Q矩阵共有15×5=75个元素，计算相同元素的比例（括号内为相同元素个数），结果如下表。从表3可以看出，使用不同基础题个数，估计得到的Q矩阵与原始Q矩阵一致性程度差异不大，说明不同基础题个数下Q矩阵的估计结果趋于稳定。