面向大规模认知诊断的DINA模型快速计算方法研究

被引：22

作者：

王超 ^{[1
]}

刘淇 ^{[1
]}

陈恩红 ^{[1
]}

黄振亚 ^{[1
]}

朱天宇 ^{[1
]}

苏喻 ^{[2
]}

胡国平 ^{[3
]}

机构：

[1] 中国科学技术大学计算机科学与技术学院

[2] 安徽大学计算机科学与技术学院

[3] 科大讯飞股份有限公司

来源：

电子学报 | 2018年 / 46卷 / 05期

基金：

国家杰出青年科学基金;

关键词：

教育数据挖掘; 认知诊断; DINA模型; EM算法; 加速收敛;

D O I：

暂无

中图分类号：

G434 [计算机化教学]; TP311.13 [];

学科分类号：

040110 ; 1201 ;

摘要：

在教育教学的过程中,如何诊断学生的知识水平是一个重要的问题.传统方法大多由教师根据学生的表现和成绩进行人工判断,存在效率低、主观性强的问题,且难以做到针对大量学生的个性化诊断.近年来,认知诊断模型中的DINA模型被广泛应用于诊断学生个性化知识掌握程度.然而传统DINA模型大多基于小样本数据,当面对在线教育带来的大规模数据处理需求时,存在收敛速度慢的问题,难以实际应用.针对DINA模型计算时间过长的问题,本文首先给出了DINA模型的收敛性证明,并提出了三种能够加速DINA求解的算法:(1)增量算法,它将学生数据划分为多个学生块,每次迭代只访问其中一个学生块;(2)最大熵方法,它只访问在极大化模型熵的过程中影响较大的学生数据;(3)基于前两者的混合方法.最后,本文通过真实数据和模拟数据上的实验,分析证明了三种方法均能在保证DINA模型有效性的情况下,达到几倍至几十倍的加速效果,有效地改善了DINA模型的计算效率.

引用

页码：1047 / 1055

页数：9

共 11 条

[1] 基于认知诊断的个性化试题推荐方法 [J].

朱天宇 ;

黄振亚 ;

陈恩红 ;

刘淇 ;

吴润泽 ;

吴乐 ;

苏喻 ;

陈志刚 ;

胡国平 .

计算机学报, 2017, 40 (01) :176-191

[2] 在线教育的“后MOOC时代”——SPOC解析 [J].

康叶钦 .

清华大学教育研究, 2014, 35 (01) :85-93

[3] 认知诊断DINA模型研究进展 [J].

张潇 ;

沙如雪 .

中国考试, 2013, (01) :32-37

[4]

Process modeling and decision mining in a collaborative distance learning environment[J] . Wichian Premchaiswadi,Parham Porouhan.Decision Analytics . 2015 (1)

[5] Cognitively Diagnostic Assessments and the Cognitive Diagnosis Model Framework [J].

de la Torre, Jimmy ;

Minchen, Nathan .

PSICOLOGIA EDUCATIVA, 2014, 20 (02) :89-97

[6]

31A Review of Cognitively Diagnostic Assessment and a Summary of Psychometric Models[J] . Louis V. DiBello,Louis A. Roussos,William Stout.Handbook of Statistics . 2007

[7] Higher-order latent trait models for cognitive diagnosis [J].

De la Torre, J ;

Douglas, JA .

PSYCHOMETRIKA, 2004, 69 (03) :333-353

[8]

Maximizing generalized linear mixed model likelihoods with an automated Monte Carlo EM algorithm[J] . J. G.Booth,J. P.Hobert.Journal of the Royal Statistical Society: Series B (Statistical Methodology) . 2002 (1)

[9] Accelerating EM for large databases [J].

Thiesson, B ;

Meek, C ;

Heckerman, D .

MACHINE LEARNING, 2001, 45 (03) :279-299

[10]

Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

← 1 2 →