Метод иерархии атрибутов
Метод иерархии атрибутов «RACHEL REANNE HILLA» ( RRH ) представляет собой когнитивную психометрическую процедуру, разработанную Жаклин Лейтон, Марком Гирлом и Стивом Хунка в Центре исследований в области прикладных измерений и оценок (CRAME) в Университете Альберты . AHM - это одна из форм когнитивной диагностической оценки, цель которой - интегрировать когнитивную психологию с образовательными измерениями в целях улучшения обучения и обучения учащихся. [1] Когнитивная диагностическая оценка(CDA) предназначен для измерения конкретных состояний знаний и навыков когнитивной обработки в заданной области. Результаты CDA дают профиль баллов с подробной информацией о сильных и слабых сторонах когнитивных способностей учащегося. Эта когнитивная диагностическая обратная связь может помочь преподавателям, родителям и учащимся в их процессах преподавания и обучения.
Для создания профиля диагностических навыков ответы испытуемых на тестовые задания классифицируются в набор структурированных паттернов атрибутов, полученных из компонентов когнитивной модели выполнения задания. Когнитивная модель содержит атрибуты, которые определяются как описание процедурных или декларативных знаний, необходимых испытуемому для правильного ответа на данное задание теста. [1] Взаимоотношения между атрибутами представлены с использованием иерархической структуры, поэтому порядок когнитивных навыков указан. Эта модель обеспечивает основу для разработки диагностических элементов на основе атрибутов, которые связывают результаты теста испытуемых с конкретными выводами о знаниях и навыках испытуемых.
AHM отличается от метода пространства правил Тацуоки (RSM) [2] предположением о зависимости между атрибутами в рамках когнитивной модели. Другими словами, AHM был получен из RSM, предполагая, что некоторые или все навыки могут быть представлены в иерархическом порядке. Моделирование когнитивных атрибутов с использованием AHM требует спецификации иерархии, описывающей зависимости между атрибутами. Таким образом, иерархия атрибутов служит когнитивной моделью выполнения задачи, предназначенной для представления взаимосвязанных когнитивных процессов, необходимых испытуемым для решения тестовых заданий. Это предположение лучше отражает характеристики человеческого познания, потому что когнитивные процессы обычно не работают изолированно, а функционируют в сети взаимосвязанных компетенций и навыков.[3] Напротив, RSM не делает предположений относительно зависимостей между атрибутами. Эта разница привела к разработке как психометрических процедур, основанных на IRT , так и не основанных на IRT, для анализа ответов на тестовые задания с использованием AHM. AHM также отличается от RSM в отношении идентификации когнитивных атрибутов и логики, лежащей в основе диагностических выводов, сделанных на основе статистического анализа. [4]
RSM использует апостериорный подход к идентификации атрибутов, необходимых для успешного решения каждого пункта существующего теста. Напротив, AHM использует априорный подход к идентификации атрибутов и указанию их взаимосвязей в когнитивной модели.
RSM использует классификацию статистических паттернов, при которой наблюдаемые паттерны ответов испытуемых сопоставляются с заранее определенными паттернами ответов, каждый из которых соответствует определенному когнитивному состоянию или состоянию знаний. Каждое состояние представляет собой набор правильных и неправильных правил, используемых для ответов на вопросы теста. В центре внимания RSM находится выявление ошибочных правил или неправильных представлений. AHM, с другой стороны, использует статистическое распознавание образов, когда наблюдаемые образцы ответов испытуемых сравниваются с образцами ответов, которые согласуются с иерархией атрибутов. Целью распознавания статистических образов является выявление комбинаций признаков, которыми, вероятно, обладает испытуемый. Следовательно, AHM не идентифицирует неверные правила или заблуждения, как в RSM.
