基于学习矢量量化神经网络的创造力评价

剖析了创造力评价的重要意义及当前存在的问题,根据创造力评价指标及等级的数目,构建了由输入层、隐含层、输出层组成的学习矢量量化(LVQ)神经网络,用训练好的网络对测试样本进行仿真测试,仿真结果和实际情况正好相符,体现出LVQ神经网络在创造力评价中的实用性和有效性。     

中文版“工作投入量表”测量信度的分析——基于多元概化理论和310名教师的调查数据

在应用工作投入量表（中文版UWES）对310名小学教师进行测试的基础上,运用多元概化理论对数据展开系统分析。结果表明：工作投入量表的整体测量信度高,它既可用于常模参照测验又可用于标准参照测验,其三个维度也有较高的测量信度;工作投入量表的各个因子分值比例比较适宜;在信度要求稍低的测验情景中,可采用精简版的工作投入量表对工作投入进行替代测量。