数列推理项目的难度模型构建.pdfVIP

心理学探新2017，V01．37。No．1。78—83 PSYCHOIJOGICALEXPLOR^110N 数列推理项目的难度模型构建 刘亚南 潘逸沁骆方’ (北京师范大学心理学院．北京l∞875) 摘要：研究基于数列推理项目的认知模型归纳整合和丰富了数列推理项目的刺激特征。基 于这些刺激特征生成了92个数列题目，组成四套不同的测验。共给466名学生施测。蛄果表明：测 验的EAP信度为O．87，其中双层运算项目适合高水平能力被试；刺激特征及其交互作用显著影响 题目难度；使用IITM模型构建项目难度模型，该模型可以有效预测项目难度，预测项目难度和实 测项目难度的相关为0．85。这说明研究选择和拓展的刺激特征能够显著增加和预测题目的难度。 关t词：教列推理项目；项目刺激特征；L删；难度预测 中圈分类号：黯41．2 文献标识码：A 文章编号：1003—5184(2017)0l一0078—06 l 引育 列元素之间的关系做出假设。第二阶段是周期性的 在教育领域和人才测评领域，人们往往采用推 觉察，即察觉数列是一个单独的数列还是穿插的几 理测验来测查考生的一般能力，其中数列推理测验 个不同数列的组合。认知加工的第三阶段是模型的 是用来测量归纳推理能力的重要形式之一(H咖＆ 描述。在此过程中需要把起始元素、元素间关系的 NoU，1977)。传统的智力测验，由于缺乏心理学实数量纳入到工作记忆中，以完成对假设模型的验证。 质理论作基础，其效度无法从根本上得以验证，受到 最后阶段需要根据已验证的假设模型来外推缺失的 数字。 人们较多的质疑与批评(戴海琦，刘声涛，2004)。 而且命题人员在编制测验的过程中通常不能超越自 基于数列推理问题的认知加工模型，Holzr蝴， 己的能力水平和经验范围，造成题目重复性强，测试 工过程的刺激特征，包括所需工作记忆容量，周期， 内容狭窄，试题测量学属性不佳等问题(Homker＆ Habon，1986；Wainer，2002)。自80年代起，国外一关系复杂性，运算类型，数列长度等。胁nd鹪y和 些研究者开始研究新的项目生成方法，其中包括认 知设计系统发，它是基于对解决某类型题目的认知 目，规则复杂性，周期和规则广度，这些特征与Holz- 过程的掌握，选择对于认知过程有影响的刺激特征， m肌提出的刺激特征名称不同，但含义类似。其中， 规则数目，即关系复杂性；而规则广度则同所需工作 达到项目生成的目的(Emb№t∞n，2002)。这种方法 一方面可以基于认知模型来编制项目模板，使生成 记忆容量相似，和其他特征(如规则数目)有关。另 的测验题目具有较好的构念效度；另一方面可以基 有研究者提出了斐波那契数列(Fibon∞ci)和增值数 于项目模板构建项目的难度模型，从而实现项目的 法拓展到了加法，乘法，和数列和积数列(Ve聊ts 难度预测(EmbretsonYang，2007)。为了实现数 列推理项目的自动化生成，首先需要对影响数列推 Boeck，2002)。 理项目的刺激特征做出探究。 综上，目前研究得出的影响数列推理的认知过 1．1 数列推理项目的认知模型和刺激特征 程的刺激特征主要有：运算类型、运算复杂性(是否 分层)、周期性、以及所需工作记忆容量。 Simon和Kotov8ky提出了解决数字推理问题的 1．2 I．IITM