全书共包括9章内容：第一章主要讲述贝叶斯网与测量模型，及贝叶斯网作为测量模型的优势；第二章主要介绍与贝叶斯网测量模型有关的理论基础，具体介绍各种常用模型；第三章介绍利用贝叶斯网结构学习得到属性之间的层级结构；第四章介绍贝叶斯网分类器在认知诊断分类中的应用及关于贝叶斯网作为诊断模型的进一步讨论；第五章介绍基于贝叶斯网模型的多级计分诊断测验分类研究；第六章主要讲述测验中Q矩阵的验证与估计；第七章主要讲述Q矩阵估计研究；第八章介绍多级计分认知诊断评估中的Q矩阵验证方法与应用研究；第九章介绍认知诊断测验中的被试拟合研究。

喻晓锋，江西师范大学心理学院副教授，基础心理学博士，美国圣母大学博士后，硕士研究生导师。主要研究方向为智慧学习与测评、测验安全等。在《心理学报》《心理科学》等专业期刊发表学术论文50余篇。主持国家自然科学基金、教育部人文社会科学基金等科研项目20余项。

第一章 贝叶斯网与测量模型
1.1 认知诊断
1.2 认知诊断研究的国内外现状
1.3 基于贝叶斯网模型的诊断测验研究
第二章 与贝叶斯网测量模型有关的理论基础
2.1 项目反应理论(IRT)
2.2 认知诊断(CD)
2.3 贝叶斯网络(BN)
第三章 利用贝叶斯网结构学习得到属性之间的层级结构
3.1 贝叶斯网结构学习算法
3.2 利用贝叶斯网结构学习得到属性之间的层级结构
3.3 基于贝叶斯网结构学习得到属性层级结构
第四章 贝叶斯网分类器在认知诊断分类中的应用
4.1 贝叶斯分类器的定理
4.2 几种典型的贝叶斯网分类器
4.3 利用贝叶斯网分类器对认知诊断进行分类
4.4 利用朴素贝叶斯网分类器分类
4.5 关于贝叶斯网诊断模型进一步讨论的问题
第五章 基于贝叶斯网模型的多级计分诊断测验分类研究
5.1 多级计分诊断测验
5.2 贝叶斯网分类器与多级计分诊断模型S-GDINA的比较研究
5.3 研究结果
5.4 Q矩阵包含错误时贝叶斯网分类器与多级计分诊断模型S-GDINA的比较研究
5.5 利用贝叶斯网分类器在实证数据中的应用研究
第六章 测验中Q矩阵的验证与估计
6.1 认知诊断评价的目的
6.2 认知诊断模型
6.3 Q矩阵的估计
6.4 已有Q矩阵估计算法的特点
6.5 属性粒度对认知诊断评价影响的研究
6.6 属性间的补偿关系及诊断模型研究
6.7 Q矩阵的估计算法
6.8 Q矩阵估计算法的改进
第七章 Q矩阵估计研究
7.1 基于S统计量的Q矩阵估计算法改进
7.2 基于似然比D2统计量的Q矩阵估计
7.3 属性粒度和属性关系对CDA分类的影响
7.4 属性间的补偿关系及诊断模型研究
7.5 基于S统计量的Q矩阵、项目参数和被试属性掌握模式估计
7.6 基于D2统计量的Q矩阵、项目参数和被试属性掌握模式估计
7.7 属性粒度对认知诊断分类的影响
7.8 属性间的补偿关系及诊断模型研究
第八章 多级计分认知诊断评估中的Q矩阵验证方法与应用研究
8.1 多级计分认知诊断
8.2 研究的内容和目标
8.3 基于非参数方法——Rp统计量的多级计分下的Q矩阵验证
8.4 基于参数化方法——Sp统计量的多级计分下的Q矩阵验证
第九章 认知诊断测验中的被试拟合研究
9.1 认知诊断评估理论的基础概念
9.2 问题提出和研究创新
9.3 R指标及其临界值和分布特征
9.4 比较R指标与l2、RCI侦察效果
参考文献