一种新的基于神经网络的IRT项目参数估计模型

探讨了一种新的基于广义回归神经网络（GRNN）的IRT（项目反应理论）项目参数估计建模方法，着重介绍了如何建立网络的输出模式及利用Monte Carlo方法建立网络的输入模式，提出了多种对模型进行改进的方法。模拟实验表明，利用GRNN可以以任意精度拟合CTT（经典测验理论）参数统计值和IRT参数值间隐含的非线性关系。与其他方法进行的比较表明，在小样本情况下，该方法的参数估计误差更小。     

基于STEM理念的小学科学课程活动设计

本文基于STEM教育理念分析了小学科学课的价值导向,依据STEM教育的本质特性,以“会飞的空气——走马灯”项目为例,以5E教学模式为基础,从参与、探究、解释、迁移和评价五个方面对课堂教学活动进行设计,以期能够培养小学生的创新思维和解决问题的能力。     

基于神经网络的项目参数估计方法

针对题库建设中项目参数估计的实际问题,提出了一种全新的基于神经网络的参数估计方法;并以二值记分的3PLM为项目反应理论模型,以广义回归神经网络为网络模型,根据Monte Cado实验法进行了模拟实验研究,最后将神经网络方法与传统的数理统计估计方法进行了比较.结果表明,在小样本测验情况下,神经网络方法具有一定的优势,尤其是当去掉对项目参数的先验概率分布的限制时,神经网络方法的优势更加明显,说明本文提出的方法具有一定的价值. ,     

基于VPRS和证据理论的毕业论文综合评价研究

针对高校本科生毕业论文综合评价中既有历史经验数据又有专家评分数据的实际情况,探讨了将变精度粗糙集(VPRS)与证据理论(ET)相结合的综合评价方法,论述了利用VPRS分析历史数据,得到经验mass函数,并结合专家评分数据构造专家mass函数,最后利用证据理论进行证据合成的思想。实例研究表明,该方法充分利用了毕业论文综合评价中的历史经验数据和专家评分数据,结果可靠。     

基于VPRS的消费者决策心理研究

利用改进后的变精度粗糙集模型（VPRS）分析＂消费者决策心理调查问卷＂,样本包括910个大学生.通过设置一定的变精度值使得边界消失或接近消失,然后建立决策矩阵,构造布尔函数,应用吸收律进行化简,从而提取出男女大学生各自的消费决策最大通用规则,并且对这些规则进行了比较分析.实验表明,与经典粗糙集模型相比,该方法计算出的分类预测的准确率有了提高,且提取的规则更加简化,说明该方法是可行的.     

运用神经网络集成估计小样本测验的IRT项目参数

针对标准参照测验题库建设中存在的问题,提出了运用广义回归神经网络集成来估计标准参照测验的IRT项目参数的新方法,讨论了建立神经网络集成的理论依据,给出了实现方法,并以单参数的Logistic模型为研究对象进行模拟实验研究.结果表明,在较小考生样本情况下,相对于传统IRT方法,神经网络集成可以得到远远优于它的结果.