近日，开元体育(中国)有限公司官网心理学院詹沛达课题组2021级硕士研究生夏淑兰与詹沛达副教授共同在SSCI期刊Journal of Research in Science Teaching (JCR Q1, 中科院一区TOP, IF = 4.6)发表题为Assessing Concept Mapping Competence Using Item Expansion-based Diagnostic Classification Analysis的学术论文，香港大学Chan，Kennedy Kam Ho教授和心理学院王立君教授参与合作研究。
心理学院詹沛达课题组研究成果。图片来源 心理学院
该研究探讨了基于题目拓展的诊断分类分析(item expansion-based diagnostic classification analysis, IE-DCA)如何用于分析学生的概念图素养。研究发现，使用IE-DCA不仅可以测量学生的概念图绘制能力，还能诊断学生的概念图绘制技能的掌握或缺失情况。
研究基于Zhan等人（2022）提出IE-DCA对概念图进行诊断分类分析。已有研究发现，学生在创造概念图时会执行两种认知过程：关系加工（Relational process）和特定项目加工（item-specific process）。前者可以根据关系框架理论（relational frame theory）分解成因果性框架、比较性框架和解释性框架等；后者则可以根据知识领域进行特定知识的分解。学生必须执行这两种认知过程，才能成功创建概念图；因此在诊断分类模型中，上述认知过程可以被看作是潜在属性（attribute）。另外，学生概念图是各不相同的，需要根据专家概念图分解后得到的命题来将其标准化。在这个分析方法中，学生概念图被编码为一组0-1向量：当学生概念图中存在专家概念图分解得到的命题，那么就记为1，否则就是0。基于标准化的学生概念图和属性，通过诊断分类模型分析，可以获得学生的概念图属性模式，为针对性补救提供了有效的诊断信息。
研究中，对127名学生绘制的关于物理知识“质点和刚体”的概念图进行分析。结果表明，基于IE-DCA获得的潜在类别（即属性模式）比单一的综合原始分数提供了更详细的有关学生概念图能力的反馈信息；概念图属性之间的相互作用似乎遵循联合凝结规则，这表明学生必须同时掌握所有必需的属性，才能有很高的概率正确绘制概念图。综上所述，引入IE-DCA方法是分析概念图和推断学生概念图能力的一种可行方法。
编辑：朱睿
