A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions

认知诊断作为一种有效的测量工具，已经发展了几十年，可以评估人类的认知状态，如能力水平和知识掌握程度。它已经应用于广泛的领域，包括教育、体育、心理诊断等。通过提供更好的认知状态意识，它可以作为个性化服务的基础，例如设计良好的医疗治疗、教学策略和职业培训。本文旨在提供对认知诊断当前模型的综述，更多地关注使用基于机器学习的方法的新发展。通过比较模型结构、参数估计算法、模型评估方法和应用，我们提供了对认知诊断模型近期趋势的相对全面的回顾。此外，我们讨论了值得探索的未来方向。另外，我们发布了两个Python库：EduData用于易于访问我们收集的一些相关公共数据集，EduCDM实现了流行的CDM，以便于应用和研究目的。

本论文旨在提供一份关于认知诊断模型的综述，比较不同模型的结构、参数估计算法、模型评估方法和应用，并重点关注基于机器学习方法的新发展。

论文提供了一份关于认知诊断模型的全面综述，重点关注了基于机器学习方法的新发展，如何更好地评估人类认知状态，并提供了两个Python库，方便使用公共数据集和实现常见的CDM模型。

论文讨论了模型结构、参数估计算法、模型评估方法和应用，提供了两个Python库：EduData和EduCDM，分别用于公共数据集的访问和常见CDM模型的实现。此外，还涉及未来的研究方向。

最近的相关研究包括：1. A comparative study of cognitive diagnosis models with multiple attributes; 2. A review of cognitive diagnostic assessment in education; 3. A Bayesian network approach to cognitive diagnosis.