多层Q矩阵嵌入的神经网络用于认知诊断 (M-QCDNet)：面向心理测量可解释性的结构感知深度学习架构

arXiv cs.LG 论文
cognitive-diagnosis neural-network psychometrics deep-learning q-matrix structure-aware

摘要

提出M-QCDNet，一种结构感知的深度学习架构，嵌入多层Q矩阵以增强认知诊断中的心理测量可解释性。

arXiv:2607.01278v1 公告类型：新 摘要：该研究提出了一种多层Q矩阵嵌入的神经网络用于认知诊断（M-QCDNet），将认知诊断模型（CDM）的结构可解释性与深度学习神经网络（NN）相结合。M-QCDNet使用Q矩阵作为结构先验来建模项目-技能关系，确保潜在掌握概况保持可解释并与认知理论一致，然后通过提出的损失函数（带有L2惩罚）来惩罚与Q矩阵不匹配的技能，并平衡预测性能与结构一致性。还进一步开发了相应的评估矩阵，即基于可解释对齐的度量，用于量化预测的技能激活与项目级技能的匹配程度。M-QCDNet为课堂实践提供了实际益处，能够早期发现学习困难并支持基于掌握的干预措施。通过将诊断有效性嵌入模型设计，M-QCDNet弥合了心理测量透明性与神经灵活性之间的差距，推动了可解释、公平且可操作的AI在认知诊断中的发展。
查看原文
查看缓存全文

缓存时间: 2026/07/03 05:39 

# 多层Q矩阵嵌入神经网络用于认知诊断（M-QCDNet）：面向心理测量可解释性的结构感知深度学习架构
来源: https://arxiv.org/abs/2607.01278
文献工具

## 文献浏览工具（切换）

代码、数据与媒体

## 本文相关的代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

IArxiv推荐器（切换）

关于arXivLabs

## arXivLabs：社区协作的实验项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都已接受并认同我们的价值观：开放、社区、卓越以及用户数据隐私。arXiv 致力于这些价值观，并仅与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法？**了解更多关于 arXivLabs** (https://info.arxiv.org/labs/index.html)。

相似文章