换一批基于迁移学习与Q矩阵约束的神经网络认知诊断方法
Cognitive diagnosis method via neural networks with transfer learning and Q-matrix constraints
摘要神经网络作为最重要的机器学习方法已被广泛地用于认知诊断,但目前仍没有一种简单通用的神经网络认知诊断方法.因此,提出一种 Q 矩阵约束的神经网络认知诊断方法(Bi-QNN),并基于迁移学习进行训练.新模型的优势在于:(1)使用人员无需专门设计网络结构,新模型可以根据Q矩阵与交互式Q矩阵自适应任意数据集;(2)网络结构的设计原理源于GDINA模型,使其能够较好地表达属性的主效应与交互效应;(3)基于迁移学习的模型训练方案能有效地解决标记数据稀缺问题,提高模型的易用性与适用范围.实验结果表明:Bi-QNN在模拟数据集上的预测误差整体上比参数化方法GDINA与DINA的表现更好;在一定的范围内,模型对属性数量敏感性相对较低,当属性数量增加时在一定程度上仍能保持较好的分类准确率;基于迁移学习训练的 Bi-QNN 方法能更好地适应不同样本量的数据集,在模拟数据与实证数据的多种条件下保持对其它模型的领先;模型性能的进一步提升受到基于参数模型的模拟数据的限制,对试题质量仍有一定的敏感性.
更多相关知识
关键词
认知诊断Q矩阵人工神经网络迁移学习cognitive diagnostic assessmentQ-matrixartificial neural networktransfer learning
分类号
B841
栏目名称
DOI
10.3724/SP.J.1041.2026.0755
发布时间
2026-04-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62577018）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
