Cognitive diagnosis method via neural networks with transfer learning and Q-matrix constraints
Abstract
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。
Fields of Study & Subjects
Psychometric Methodologies and Testing
Intelligent Tutoring Systems and Adaptive Learning
Educational Technology and Assessment
Publication details
- Journal / source
- Acta Psychologica Sinica
- Volume
- 58
- Issue
- 4
- Pages
- 755–755
- Publication date
- 1 January 2026
- Language
- EN