推理流程可视化
1 = 该问题测量了这个知识点
0 = 该问题没有测量这个知识点
| 问题 | 回答 | 是否正确 |
|---|
总正确率: 0%
请选择一个学生以查看题目和作答信息
题目参数通过认知诊断模型进行估计（例如项目反应理论IRT）：
难度 (b):
较高的值表示更难的问题
区分度 (a):
问题区分高能力和低能力学生的能力
对于问题 Q1：
对数似然函数：L(θ) = Σ[yᵢ log(pᵢ) + (1-yᵢ) log(1-pᵢ)]
其中，pᵢ = 1 / (1 + exp(-a(θ - b)))
使用边际最大似然法（MML）结合 EM 算法进行估计
诊断模型：
NeuralCDM（工具后续可以自由替换所用模型）
基本原理：
以IRT为基底的神经网络模型
对于知识点 K1，相关题目有：Q1、Q3、Q5
考虑的答题模式：
P(K1=1 | 回答情况) = [P(回答情况 | K1=1) × P(K1=1)] / P(回答情况)
通过与其他知识点的联合概率进行估计
学生的作答情况
流程说明：