診断的ファセット状態モデル（DFSM）による診断評価からの指導に有用な情報の抽出

科学分野:

• 教育測定
• 心理測定学
• 認知科学

背景:

• 現代の教育改革には、診断テストの改善が必要です。
• 現在の方法では、学習に不可欠な中間的な理解を捉えられないことがよくあります。
• 評価結果の正確な解釈は、ターゲットを絞った指導に不可欠です。

研究 の 目的:

• 強化された診断評価のための新しい心理測定モデル、診断的ファセット状態モデル（DFSM）を開発すること。
• ターゲットと学生の理解の中間段階を同時にモデル化すること。
• より詳細な診断情報のために、誤った選択肢を含むすべての応答選択肢を利用すること。

主な方法:

• 認知診断モデル（CDM）の一種である診断的ファセット状態モデル（DFSM）を開発しました。
• 正則化期待値最大化アルゴリズム（REM）を使用してモデル推定を行い、スパース性のためのログペナルティを組み込みました。
• 推定された許容可能な潜在クラスからファセットマップを推測するためのヒューリスティックアルゴリズムを提案しました。

主要な成果:

• 正則化期待値最大化アルゴリズム（REM）は、シミュレーションにおいてモデルパラメータを効果的に推定し、許容される潜在クラスを特定しました。
• DFSMは、ターゲットと理解の中間ファセットの両方をうまくモデル化しました。
• 正誤だけでなく、応答オプションの分析は、独自の診断洞察を提供しました。

結論:

• 診断的ファセット状態モデル（DFSM）は、教育評価に対するより詳細なアプローチを提供します。
• 提案されたREMアルゴリズムは、DFSMパラメータの推定に効果的です。
• このモデルは、実世界のデータ分析の実現可能性を示し、診断精度を向上させます。