

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、江西師范大學碩士學位論文多成分潛在特質模型在測量與認知結合研究中的應用姓名:康春花申請學位級別:碩士專業(yè):教育學原理指導教師:漆書青2001.5.1江西師范大學碩士研究生學位論文多成分潛在特質模型在測量與認知相結合研究中的應用引言在過去的二十年里,國內外許多研究者提出,心理測量學應該與認知心理學結合起來為教育服務。他們認為盡管項目反應理論比以前的測驗方法有著許多的優(yōu)越性,但它們很少與項目解決中有關過程、策略和知識結構的認知理論結合起來,
2、以往的測驗本身缺乏切實的心理學的理論基礎,對被試在測量過程中的表現(xiàn)及測量結果的解釋也缺乏心理學的證據(jù)。測驗如果要加深對內部心理機制與微觀過程的研究,就必須引進認知加工模型。因此,將測量技術與實質心理學結合起來,在現(xiàn)代統(tǒng)計方法中引進現(xiàn)代心理學模型,多角度地考察認知過程中的心理成分,就將為測量理論和心理測驗提供更堅實的基礎和更強勁的動力;這正是新型測驗理論和測驗設計的核心思想。心理測量學與認知心理學結合需要兩方面的理論支持。一方面是問題解決
3、的認知加工模型,另一方面是基于現(xiàn)代測驗理論之上的測量模型。這些測量模型應能夠把認知變量直接融合進去;在這一點上,項目反應理論所具有的項目特征函數(shù)的揭示與參數(shù)不變性的特點就使得它與認知理論的結合更具優(yōu)勢。因此,現(xiàn)有的關于測量與認知相結合研究的文獻中采用的測量模型基本上都是項目反應理論模型,而當把含有認知變量的認知加工模型融合到測量模型中時,就變成了含有潛在認知變量的數(shù)學模型,稱這種模型為含有認知變量的潛在特質模型。目前運用各種潛在特質模型
4、作測量與認知相結合研究的工作國外較多,而國內除了文劍冰、孫娟等所作的關于MLTM在詞語歸類和數(shù)字推理測驗中的運用外,幾乎沒有其它的研究。國外論及測量與認知相結合的有論文集:((TESTDEsIGN》((測驗設計))、《TesttheoryforanewGenerationofTests))((新一代測驗理論))、《EducationalMeasurement》()、‘Cognitivelydiagnosticassessment》(),
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多策略多成分潛在特質模型在類比推理測驗分析中的應用研究
- 基于多成分潛在特質模型的大學生言語類比推理認知診斷研究.pdf
- 多策略多成分潛在特質模型在類比推理測驗分析中的應用研究.pdf
- 潛在特質模型與潛在分類模型的診斷結果對比研究.pdf
- 潛在特質模型與潛在分類模型的診斷結果對比研究
- 近紅外測量血漿多成分的初步研究.pdf
- 元認知調節(jié)的測量模型研究及其在人事測評中的應用.pdf
- 偏正態(tài)潛在特質IRT模型的Bayes推斷.pdf
- 結合潛在屬性的協(xié)同過濾模型研究.pdf
- 潛在類別模型在稀有變異關聯(lián)分析中的應用研究.pdf
- 認知負荷模型在同聲傳譯中的應用.pdf
- 認知研究中的MPT模型及其應用.pdf
- 全站儀與rtk結合的技術在地籍測量中的應用
- 融合模型在初中代數(shù)認知診斷中的應用.pdf
- 光在多成分介質中傳輸仿真及光譜測量數(shù)據(jù)處理新方法.pdf
- 烯烴光譜預測模型及其在測量中的應用.pdf
- 認知研究中的mpt模型及其應用
- 重復測量線性混合模型在醫(yī)學研究中的應用.pdf
- 指紋圖譜結合多成分定量用于參枝苓口服液的質量評價研究.pdf
- 22655.電化學發(fā)光成像技術在潛在指紋顯現(xiàn)與成分識別中的應用
評論
0/150
提交評論