De la Torre和Chiu（2016）在δ法的基础上进一步发展提出了ς2法，在G-DINA模型框架下，选择对方差贡献最大同时涉及属性数量最少的情况，实现Q矩阵的修正。
汪大勋等（2019）提出了二阶段法。第一阶段对项目中的每个属性进行显著性检验，第二阶段中使用似然比检验验证属性的准确性，提高了项目搜索效率（这是已经被做了？）。
Ma 和De la Torre（2019）结合ς2法和Wald 检验提出Stepwise方法。首先根据ς2法筛选出每个属性可能的q向量，然后通过Wald 检验逐个类别进行q向量的修正。
汪大勋等（2020）提出了相对拟合指标法，根据初始 Q 矩阵估计的项目参数，计算相对拟合统计量-2LL、AIC、BIC，选择最优拟合的属性掌握情况进行 q 向量的修正。在多级评分数据当中，BIC 法表现出更好的性能。
原本
为了克服Q矩阵主观性问题并提高Q矩阵界定的正确性，国内外学者提出不同的方法进行Q矩阵估计和修正。De la Torre(2008)针对DINA模型提出一种通过顺序搜索所有可能的考察模式使猜测和失误参数估计最小的经验方法(法)【】，该研究需要进行多次迭代寻求最优解，计算复杂，耗时较长。涂东波等(2012)提出基于掌握组和未掌握组的被试者作答记录的差异性效应指标，结合gs参数大小对Q矩阵进行判断正误和修正【】，虽然γ法计算简单，时间较快，部分修正指标与![]()法相当，但修正效果需要较大样本量()才能保证稳定水平【】。参数化方法还有基于残差的方法 (Chen, 2017)、ICC-IR法(汪大勋, 2018))和二阶段法(汪大勋, 2019)等【】。关于非参数化方法，RSS法(Chiu, 2013)通过计算理想作答与实际作答之间的距离来进行Q矩阵修正【】, 计算相对简单, 并且修正效果较好, 但该方法目前还无法实现对Q矩阵的估计。汪大勋(2018)提出基于海明距离的非参数化方法，该方法简单且运行时间短，估计准确率尚可【】。
改写
为了解决Q矩阵的主观性问题并提升其准确性，国内外学者们提出了多种策略来估计和校正Q矩阵。例如，De la Torre (2008) 针对DINA模型设计了一种经验方法(δ法)，该方法通过顺序探索所有潜在的答题模式以最小化猜测和错误参数的估计值【】。这一过程涉及反复迭代以寻找最优解，因此计算负担较重且耗时较长。另一方面，涂东波等人(2012)则依据熟练组与非熟练组应试者答题记录的差异性效应指标，并结合gs参数的大小，来评判Q矩阵的正确性并进行必要的调整（γ法）【】。尽管这种方法在计算上更为简便且效率较高，某些修正指标与δ法相当，但要确保修正结果的稳定性，通常需要较大的样本容量【】。在参数化方法领域，还包括了基于残差分析的方法（Chen, 2017）、使用ICC-IR方法（汪大勋, 2018）以及两阶段处理策略（汪大勋, 2019）等【】。而在非参数化方法领域，Chiu (2013) 提出的RSS法通过量化理想回答与实际回答之间的差距来指导Q矩阵的修正【】，此法不仅计算简便，修正成效亦佳，然而，它目前尚不能直接用于Q矩阵的初步估计。此外，汪大勋(2018)引入了一种基于海明距离的非参数方法，该方法简单且运行时间短，估计准确率尚可
原本
上述开发的方法大部分在实际使用上存在大样本启动问题，如γ法，基于残差的方法；也存在由复杂计算和操作步骤所产生的耗时长问题，如δ法；本文通过试验发现，在样本量较少的情况下，尽管部分算法对错误Q矩阵修正效果较好，但在修正的同时可能出现将大量原本正确的Q矩阵改为错误的情形。由于Q矩阵错误的界定仅有较低的频率，因此本末倒置的做法并不可取。在新领域应用或新增知识结构范式时，往往存在数据量较少、项目质量较低的情况，则上述算法可能难以很好的完成修改任务。在冷启动问题下，如何以较快的速度和较高的质量完成低质小样本情形下的Q矩阵修改是一个重要问题，因此本文在前人研究的基础上，提出了基于假设检验的Q矩阵修正方法。
改写
许多现有的开发方法在实际应用中遭遇了挑战，比如γ法和基于残差的方法常常受到小样本启动难题的困扰。另一方面，δ法等技术则因为复杂的计算流程和繁琐的操作步骤而导致耗时巨大。通过实验，我们观察到在数据量有限（特别是样本稀少）或问题质量不佳（即正确与错误答案的区分不明显）的条件下，尽管某些算法能相对有效地修正错误的Q矩阵，但它们也可能不慎将大量原本正确的Q矩阵条目误标为错误。鉴于正确识别Q矩阵错误的机会本就不高，这种反向修正的问题尤为突出，实非理想解决方案。在探索新领域或构建新的知识框架时，通常会遇到数据稀缺且项目初期质量不高的现实，这进一步限制了现有算法在这些情境下有效修正Q矩阵的能力。面对冷启动环境下，如何高效且准确地处理少量且质量欠佳的样本中的Q矩阵修正，成为了亟待解决的关键问题。有鉴于此，本研究在借鉴前人研究成果的基础上，创新性地提出了一种基于假设检验的Q矩阵修正策略。
已写论文的格式
为了保证引言部分行间距一致，对公式大小进行控制
- 影响行间距的公式改成 10px，不影响的不改
- 大写 Q 改成 10
- δ改成 10