用于认知诊断的多层 Q 矩阵嵌入式神经网络 (M-QCDNet)：用于心理测量可解释性的结构感知深度学习架构

arXiv:2607.01278v1 发布类型：新 摘要：该研究提出了一种用于认知诊断的多层 Q 矩阵嵌入式神经网络（M-QCDNet），它将认知诊断模型（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构建项目-技能关系，确保潜在掌握概况保持可解释性并与认知理论一致，然后提出带有 L2 惩罚的损失函数，以惩罚与 Q 矩阵不匹配的技能，并平衡预测性能和结构对齐。相应的评估矩阵，即可解释的基于对齐的指标，量化了预测技能激活与项目级技能的对应程度，得到了进一步开发。 M-QCDNet 为课堂实践提供了实际好处，能够及早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到模型设计中，M-QCDNet 将心理测量透明度和神经灵活性联系起来，推进可解释、公平和可操作的人工智能认知诊断。