1、隨著互聯(lián)網(wǎng)技術和信息技術的高速發(fā)展，教育領域的學習數(shù)據(jù)與日俱增。借助于計算機等工具，可以收集到大量的相關數(shù)據(jù)。如何將這些海量數(shù)據(jù)轉變?yōu)橹R和信息，并為學習者評價、教學決策及學習優(yōu)化等方面提供服務，成為教育數(shù)據(jù)挖掘研究領域的熱點?，F(xiàn)有的研究主要基于開放和智能的在線學習系統(tǒng)，通過使用學生建模等技術來揭示學生的學習特征和學習狀況等。但是，基于作答數(shù)據(jù)來對學生知識和能力狀態(tài)的研究較少且更多從心理學的角度進行分析。在心理學領域，認知診斷理論能夠了

2、解個體內(nèi)部微觀心理加工過程，實現(xiàn)個體認知情況的診斷。然而，認知診斷在進行診斷分析前一般以 Q矩陣理論指導編制測試，這與實際的教育考試存在較大差異。另外，認知診斷模型復雜度較高，且多數(shù)模型僅適于0-1評分數(shù)據(jù)，這使得現(xiàn)有的診斷模型在實際應用中存在一定的局限。
　　本文首先基于考生得分信息，通過項目反應理論（IRT）來分析考生在所測項目上的反應模式與其潛在特質（也稱能力）之間的關系，對考生個體的能力水平進行評估。具體利用Rasch模型

3、，以極大似然估計方法進行參數(shù)估計，計算每個考生個體的總能力值θ。該能力值反映了考生在特定測試上一致性的內(nèi)在特征，對考生更深層次的能力挖掘有重要作用。其次，由于項目反應理論采用單維性假設，即只適于分析單一維度的能力屬性。因此，采用 Q矩陣理論將考生不可直接觀察的能力狀態(tài)與在項目上可觀察的作答反應相連接，從而把考生能力細化到各個能力屬性層面，為考生更深層次的能力分析和評價提供理論依據(jù)。具體過程為：詳細分析測試項目所測的不可觀察的能力屬性及其

4、層級結構；利用Q矩陣理論將能力狀態(tài)轉化為可觀察的項目反應模式，并改進 Q矩陣理論以適于實際考試中的多值評分情況，得到多值評分下的期望反應模式。最后，將考生能力分析和評價看作一個多元分類問題，結合基于IRT和Q矩陣理論的考生能力值和項目反應模式構造考生的特征向量，采用概率神經(jīng)網(wǎng)絡算法進行分類判別，挖掘考生更深層次的能力掌握情況。模擬實驗表明，本文提出的結合IRT和Q矩陣的概率神經(jīng)網(wǎng)絡分類方法能夠一定程度提高考生能力掌握模式判別的準確率。另