[發明專利]一種基于學習測評數據的個性化認知診斷方法

在審

• 申請號: 202110456701.6
• 申請日: 2021-04-27
• 公開（公告）號: CN113284011A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 劉霞林
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G09B7/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

教學過程中需要階段性地診斷學生在課程學習中存在的問題和不足。傳統的學業診斷方法多采用分數診斷法，這種方法側重于學生的題目得分和總得分，忽略了試題題型、難度、內容以及評分標準的差異，只能提供單一籠統的診斷信息用于診斷評估，難以深入挖掘測評數據、充分獲得能夠代表學生認知水平和知識掌握程度的足夠信息。現有的的個性化認知診斷模型和系統，在簡潔性和診斷屬性的設計上還存在不足，也缺乏針對教學目標達成情況和知識點掌握情況的個性化認知診斷。本發明提出一種基于學習測評數據的個性化認知診斷方法，該方法能夠利用期末/期中考試，甚至平時的日常測驗快速對學生的學習情況做出個性化認知診斷。本發明包括對教學目標達成的診斷和對知識點掌握的診斷。

技術領域

本發明涉及信息技術在教育領域的應用，具體涉及一種基于學習測評數據的個性化認知診斷方法。

背景技術

教學過程中需要階段性地診斷學生在課程學習中存在的問題和不足。傳統的學業診斷方法多采用分數診斷法，即通過考試或測驗，基于試題考察學生對所學內容的掌握程度，然后對個體數據如分數、排名和整體數據如班級平均分、標準差等統計量進行計算及分析，這種方法側重于學生的題目得分和總得分，忽略了試題題型、難度、內容以及評分標準的差異，只能提供單一籠統的診斷信息用于診斷評估，難以深入挖掘測評數據、充分獲得能夠代表學生認知水平和知識掌握程度的足夠信息。

目前為止，研究者從各種不同的角度提出了近100種認知診斷模型，如Tatsuoka在20 世紀80年代提出的規則空間模型，DiBello等人在1995年提出的統合模型，Junker和Sijts- ma在2001年提出確定性輸入、噪音‘與’門模型，Leighton、Gierl和Hunka在2004年以及 Leighton和Gierl在2007年提出的屬性層次方法等。這些模型的共同特點是計算復雜，需要大量的運算才能實現認知診斷，而且不易理解，一定程度上阻礙了它們的廣泛應用。文獻[1] 的作者實現了一個基于形成性測評數據的個性化學習評價系統，對學習平臺上生成的形成性測評信息進行歸類整理并納入評價標準。根據學習目標和知識掌握程度要求的不同，構成個性化評價方案，從學習態度、學習活動、內容交互、資源工具、評分反饋等多方面對學習者的學習成效進行評價^[2]。牟智佳構建了基于電子書包的個性化評價系統，設計了基于教育大數據的個性化評價層次塔，從課程內容學習、參與互動交流、考試與作品、課外資源學習四個方面進行評價，并通過云管理層實現對教育云服務平臺、云存儲池和云集群計算平臺的調度和管理^[3]。Mislevy,R.J.,Steinberg,L.S.等設計了一個以證據為中心的評價系統，該系統以形成性評價或總結性評價為目的，提供與評價目的相適應的評價證據^[4]。文獻[5]提出了一個學習和測試智能系統(Learning and testing intelligentsystem,LTIS),該系統利用基于認知組件 (Cognitive component)的混合診斷測試(mixeddiagnostic tests，MDT)方法對學習者的專業知識和技能進行評估。雖然國內外學者建立了較多的個性化認知診斷模型和系統，但在簡潔性和診斷屬性的設計上還存在不足，也缺乏針對教學目標達成情況和知識點掌握情況的個性化認知診斷。

為解決上述問題，本發明設計了面向教學目標和知識點的認知診斷屬性，利用云學習平臺上積累的學習測評數據，基于Q矩陣，實現教學過程中學習者的知識和認知水平的快速診斷。

參考文獻：

[1]陳明選,王詩佳.測評大數據支持下的學習反饋設計研究[J].電化教育研究,2018,039 (003):35-42,61.

[2]陳敏,楊現民.泛在學習環境下基于過程性信息的個性化學習評價系統的設計與實現[J].中國電化教育,2016(6):21-26.

[3]牟智佳.電子書包中基于教育大數據的個性化學習評價模型與系統設計[J].遠程教育雜志, 2014(5):90-96.