概率逻辑与模糊逻辑在精细化学习诊断中的对比研究

发布时间：2024-03-13 22:10

　　精细化学习诊断有助于客观准确探究学生学习现状,为实施有针对性的补救教学提供理论和数据支持。本文对比研究概率逻辑与模糊逻辑在精细化学习诊断中的表现。首先,从"概念"视角介绍和对比两种逻辑。其次,介绍两个分别基于上述两逻辑的代表性模型:HO-PINC和Fuzzy-DINA。然后,对比两模型在五个实证数据上表现。最后,通过模拟研究进一步对比两模型的心理计量学性能。DIC等模型-数据拟合指标和RMSE等参数返真性指标的结果表明两模型对同一批数据有较一致的分析结果。建议实践者忽略模型选择对数据分析的影响,从概念或思辨视角入手选择使用概率逻辑或模糊逻辑来定义属性。

【文章页数】：9 页

【部分图文】：

图1HO-PINC与Fuzzy-DINA针对实证数据的题目参数估计值（篇幅限制仅呈现两个）

首先，表1呈现了HO-PINC和Fuzzy-DINA针对5个实证数据的测验水平模型-数据拟合指标值。根据ppp值可知，除data.pisa00R.ct外，两模型均较好地拟合其余4个实证数据。对data.pisa00R.ct而言，ppp值接近不拟合的边缘，尤其是Fuzzy-DINA....

图2模拟研究Q矩阵

(3）为生成被试n对题目i的作答，首先，依据被试对题目所考查属性的掌握概率或掌握程度是否大于.5来生成理想作答然后，引入20%的随机变化（田伟,辛涛,2012;祝玉芳,丁树良,2009），即每一个理想作答均按20%概率进行随机变化：0→1或1→0，进而有依据上述步骤，每个Q矩阵下....

本文编号：3927640