第四章 研究結果
第二節 模擬資料綜合分析比較
根據估計的結果，進行各種模擬設計比較，探討分析各參數的影響結果。
壹、概念間無結構關係之模擬資料分析
一、 試題參數與個別概念辨識率比較
首先比較在全選擇題時，加入建構反應題，DINA 模式與 CR-DINA 模式是 否可提高原先的概念辨識率？從表 4-2-1 至表 4-2-6 中來看，加入不同的建構題數，
二種模式均能提升概念辨識率，而且 CR-DINA 模式都比 DINA 模試提升的效果 要高。粗心參數為 0.1 時，個別的單一概念上，最高可提升 6.32%，在概念辨識 率(ACCR)上最高可提升 4.88%，而整體概念辨識率(PCCR)最高可提升 19.57%。
另外我們也可發現，當人數越少時，提升的效果也較高。
粗心參數為 0.25 時，個別的單一概念上，最高可提升 12.34%，在概念辨識 率(ACCR)上最高可提升 10.29%，而整體概念辨識率(PCCR)最高可提升 36.69%。
而且也是人數越少時，提升的效果也較高。
在試題參數為 0.5 或是 Uniform 時，亦是一樣的結果，而且試題粗心參數越 高，人數越少，所提升的程度也越高。
而在加入建構反應題題數上來看，在全建構反應題時，概念辨識率為最高，
但在實務操作上，較難達成，所以在加入 20 題就可有不錯的成效。此可供為出 題者出題參考。表中灰色區塊表示提升效果較好者。
表 4-2-1 s=0.1 1000 人之加入建構題提升結果
模式 建構題
題數 k1 k2 k3 k4 k5 ACCR PCCR
DINA
30 0.0520 0.0498 0.0411 0.0298 0.0191 0.0384 0.1615 25 0.0417 0.0447 0.0385 0.0290 0.0186 0.0345 0.1426 20 0.0204 0.0273 0.0239 0.0201 0.0140 0.0211 0.0845 15 0.0066 0.0117 0.0073 0.0143 0.0098 0.0099 0.0392 10 0.0047 0.0051 0.0073 0.0088 0.0054 0.0063 0.0262 5 0.0033 0.0033 0.0027 0.0040 0.0032 0.0033 0.0133
0 0 0 0 0 0 0 0
CR-DINA
30 0.0524 0.0502 0.0413 0.0302 0.0193 0.0387 0.1631 25 0.0419 0.0450 0.0388 0.0291 0.0188 0.0347 0.1435 20 0.0205 0.0276 0.0241 0.0203 0.0142 0.0213 0.0852 15 0.0067 0.0118 0.0075 0.0144 0.0101 0.0101 0.0396 10 0.0047 0.0051 0.0074 0.0089 0.0054 0.0063 0.0264 5 0.0033 0.0033 0.0027 0.0040 0.0032 0.0033 0.0134
0 0 0 0 0 0 0 0
表 4-2-2 s=0.1 500 人之加入建構題提升結果
模式 建構題
題數 k1 k2 k3 k4 k5 ACCR PCCR
DINA
30 0.0513 0.0496 0.0461 0.0293 0.0201 0.0393 0.1626 25 0.0416 0.0444 0.0440 0.0283 0.0200 0.0357 0.1450 20 0.0204 0.0265 0.0302 0.0179 0.0149 0.0220 0.0856 15 0.0063 0.0105 0.0139 0.0128 0.0115 0.0110 0.0420 10 0.0040 0.0071 0.0136 0.0077 0.0070 0.0079 0.0307 5 -0.0017 0.0049 0.0057 0.0028 0.0040 0.0031 0.0112
0 0 0 0 0 0 0 0
CR-DINA
30 0.0526 0.0503 0.0468 0.0297 0.0206 0.0400 0.1661 25 0.0425 0.0448 0.0447 0.0287 0.0203 0.0362 0.1474 20 0.0209 0.0269 0.0305 0.0184 0.0152 0.0224 0.0870 15 0.0063 0.0107 0.0140 0.0133 0.0117 0.0112 0.0425 10 0.0041 0.0072 0.0137 0.0079 0.0071 0.0080 0.0312
表 4-2-3 s=0.1 100 人之加入建構題提升結果
表 4-2-5 s=0.25 500 人之加入建構題提升結果
模式 建構題
題數 k1 k2 k3 k4 k5 ACCR PCCR
DINA
30 0.0976 0.1063 0.0916 0.0681 0.0518 0.0831 0.3087 25 0.0708 0.0916 0.0850 0.0653 0.0503 0.0726 0.2605 20 0.0351 0.0608 0.0630 0.0511 0.0440 0.0508 0.1752 15 0.0079 0.0295 0.0322 0.0407 0.0366 0.0294 0.0987 10 0.0101 0.0202 0.0299 0.0276 0.0289 0.0233 0.0802 5 0.0006 0.0061 0.0110 0.0109 0.0185 0.0094 0.0310
0 0 0 0 0 0 0 0
CR-DINA
30 0.0990 0.1080 0.0933 0.0696 0.0527 0.0845 0.3153 25 0.0717 0.0929 0.0864 0.0663 0.0514 0.0737 0.2649 20 0.0361 0.0620 0.0645 0.0525 0.0450 0.0520 0.1793 15 0.0085 0.0303 0.0332 0.0417 0.0378 0.0303 0.1013 10 0.0102 0.0209 0.0306 0.0282 0.0294 0.0239 0.0818 5 0.0007 0.0063 0.0113 0.0114 0.0190 0.0098 0.0318
0 0 0 0 0 0 0 0
表 4-2-6 s=0.25 100 人之加入建構題提升結果
模式 建構題
題數 k1 k2 k3 k4 k5 ACCR PCCR
DINA
30 0.1096 0.1081 0.1056 0.0843 0.0683 0.0952 0.3304 25 0.0868 0.0936 0.0975 0.0830 0.0672 0.0856 0.2899 20 0.0480 0.0590 0.0747 0.0674 0.0582 0.0615 0.2048 15 0.0103 0.0223 0.0407 0.0499 0.0433 0.0333 0.1101 10 0.0129 0.0180 0.0345 0.0320 0.0307 0.0256 0.0883 5 0.0025 -0.0081 0.0084 0.0146 0.0104 0.0056 0.0246
0 0 0 0 0 0 0 0
CR-DINA
30 0.1234 0.1183 0.1129 0.0891 0.0710 0.1029 0.3669 25 0.0956 0.1026 0.1048 0.0866 0.0697 0.0919 0.3161 20 0.0530 0.0626 0.0792 0.0699 0.0605 0.0650 0.2183 15 0.0139 0.0263 0.0443 0.0530 0.0453 0.0366 0.1179 10 0.0161 0.0208 0.0387 0.0349 0.0350 0.0291 0.0963
表 4-2-1 至表 4-2-6 為加入建構反應題後，提升程度的比較，我們可發現在人 數越少，粗心參數越大時，提升的效果越好。
以下將比較 CR-DINA 模式與 DINA 模式的二種辨識率比較。
從表 4-2-7 來看，表中 k 代表概念，k1 為概念 1，概念 1 到概念 5 的數值為 在各不同的試題粗心參數時，各試題組合的概念平均，從數據的比較結果來看，
在不同粗心參數與樣本人數 1000 人的模擬狀態下，CR-DINA 模式都能提升 DINA 模式的結果，最少提升 0.01%，最多可提升至 0.17%。
從試題粗心參數 s 來看，當 s 值越大，提升的效果就越好，因為當粗心參數 越高時，代表粗心的人數越多，所以在概念辨識率上，DINA 模式因為必須判別 粗心與猜測參數，而 CR-DINA 模式只須判別粗心參數，所以遇到建構反應題時，
CR-DINA 模式的判準率受到的影響因素就較少，所以能提高概念的辨識率。
表 4-2-7 1000 人 個別概念的辨識率估計結果
模式 S k1 k2 k3 k4 k5
CR-DINA 0.1 0.9632 0.9672 0.9740 0.9841 0.9902
DINA 0.1 0.9631 0.9670 0.9739 0.9840 0.9901
提升 0.0001 0.0002 0.0001 0.0001 0.0001 CR-DINA 0.25 0.9247 0.9353 0.9509 0.9689 0.9819
DINA 0.25 0.9243 0.9349 0.9504 0.9685 0.9815
提升 0.0004 0.0004 0.0005 0.0004 0.0004
CR-DINA 0.5 0.8332 0.8500 0.8802 0.9248 0.9543
DINA 0.5 0.8321 0.8486 0.8788 0.9231 0.9527
提升 0.0011 0.0014 0.0014 0.0017 0.0016 CR-DINA Uniform 0.9352 0.9441 0.9569 0.9735 0.9842
DINA Uniform 0.9350 0.9438 0.9565 0.9732 0.9839 提升 0.0002 0.0003 0.0004 0.0003 0.0003
從表 4-2-8 來看，在不同粗心參數與樣本人數 500 人的模擬狀態下，CR-DINA 模式都能提升 DINA 模式的結果，最少提升 0.02%，最多可提升至 0.8%。
從試題粗心參數 s 來看， s 值越大，提升的效果就越好，在試題參數各模式 中，s 參數為 0.5 時，提升的效果最好，而數據結果仍是以 CR-DINA 模式比 DINA 模式的概念辨識率較好一些。
表 4-2-8 500 人 個別概念的辨識率估計結果
模式 S k1 k2 k3 k4 k5
CR-DINA 0.1 0.9640 0.9699 0.9751 0.9846 0.9906
DINA 0.1 0.9636 0.9697 0.9749 0.9843 0.9904
提升 0.0004 0.0002 0.0002 0.0003 0.0002 CR-DINA 0.25 0.9228 0.9328 0.9500 0.9680 0.9802
DINA 0.25 0.9222 0.9320 0.9490 0.9671 0.9795
提升 0.0006 0.0008 0.0010 0.0009 0.0007
CR-DINA 0.5 0.8246 0.8450 0.8768 0.9183 0.9498
DINA 0.5 0.8166 0.8424 0.8746 0.9159 0.9475
提升 0.0080 0.0026 0.0022 0.0024 0.0023 CR-DINA Uniform 0.9345 0.9438 0.9582 0.9716 0.9829
DINA Uniform 0.9339 0.9431 0.9575 0.9709 0.9824 提升 0.0006 0.0007 0.0007 0.0007 0.0005
從表 4-2-9 來看，在不同粗心參數與樣本人數 100 人的模擬狀態下，CR-DINA 模式也是都能提升 DINA 模式的結果，最少提升 0.04%，最多可提升至 2.89%。
從試題粗心參數 s 來看， 也是 s 值越大，提升的效果就越好，在試題參數各 模式中，也是在 s 參數為 0.5 時，提升的效果最好，而數據結果仍是以 CR-DINA 模式比 DINA 模式的概念辨識率較好一些。
不穩定，而人數越多時，其變動率越趨於穩定與常態的結果。
而試題粗心參數 s 值越大，也是提升的效果越好，原因也是猜測參數越大，
答題正確率的變動的程度也會越大，進而也會影響提升的結果。
因此我們從上可得到一個推論結果，當試題參數越大，人數越少時，CR-DINA 模式的提升程度就越高，而且不論試題參數的大小或人數的多寡，CR-DINA 模 式均能提升模式均能提升 DINA 模式的個別概念辨識率。
表 4-2-9 100 人 個別概念的辨識率估計結果
模式 S k1 k2 k3 k4 k5
CR-DINA 0.1 0.9580 0.9653 0.9728 0.9821 0.9864
DINA 0.1 0.9562 0.9640 0.9713 0.9815 0.9860
提升 0.0018 0.0013 0.0015 0.0006 0.0004 CR-DINA 0.25 0.9104 0.9229 0.9399 0.9595 0.9706
DINA 0.25 0.9056 0.9183 0.9359 0.9569 0.9684
提升 0.0048 0.0046 0.0040 0.0026 0.0022
CR-DINA 0.5 0.7547 0.7958 0.8413 0.8832 0.9134
DINA 0.5 0.7258 0.7681 0.8156 0.8668 0.8995
提升 0.0289 0.0277 0.0257 0.0164 0.0139 CR-DINA Uniform 0.9201 0.9335 0.9494 0.9645 0.9753
DINA Uniform 0.9160 0.9300 0.9467 0.9625 0.9745 提升 0.0041 0.0035 0.0027 0.0020 0.0008
二、 試題參數與題數組合比較
在表 4-2-10 中，當為全選擇題時，概念辨識率並沒有提升，因為都是以 DINA 模式為辨識率判準依據，當建構反應題加入時，辨識率就會提升，最少為 0%，
最多為 0.22%。
從表 4-2-10 的結果來看，1000 人的人數下，以全建構反應題的模式的概念 辨識率最佳，即 0/30 的組題模式最佳。隨著選擇題的增加，概念辨識率亦會隨著 降低，在全選擇題的模式概念辨識率最低。從數據結果來看，CR-DINA 模式較 優於 DINA 模式。
而在試題參數上，試題參數值越大，CR-DINA 模式的提升效果也越大，而 且都能提升 DINA 模式概念辨識率。原因也是如同之前的推測，試題參數值越大，
概念辨識率變動也越大。
所以在試題組合上，只要有建構反應題加入，不管組題的方式為何，或是試 題參數大小不一，CR-DINA 模式均能提升 DINA 模式的概念辨識率，而且在全 建構反應題的試題組合類型，其概念辨識率是最佳的。
表 4-2-10 1000 人 試題組合 ACCR 的估計結果
模式 試題參數 30/0 25/5 20/10 15/15 10/20 5/25 0/30
CR-DINA 0.1 0.9609 0.9642 0.9672 0.9710 0.9717 0.9956 0.9996 DINA 0.1 0.9609 0.9642 0.9671 0.9708 0.9715 0.9954 0.9992 提升 0 0 0.0001 0.0002 0.0002 0.0002 0.0004
CR-DINA 0.25 0.9160 0.9225 0.9367 0.9440 0.9648 0.9859 0.9963 DINA 0.25 0.9160 0.9224 0.9364 0.9435 0.9641 0.9852 0.9956 提升 0 0.0001 0.0003 0.0005 0.0007 0.0007 0.0007
CR-DINA 0.5 0.7940 0.8264 0.8651 0.8832 0.9208 0.9539 0.9761 DINA 0.5 0.7940 0.8258 0.8636 0.8815 0.9189 0.9517 0.9740 提升 0 0.0006 0.0015 0.0017 0.0019 0.0022 0.0021
以整體辨識率來看，從表 4-2-11 的結果可知，在 1000 人的人數下，仍以全 建構反應題的模式的整體概念辨識率最佳，即 0/30 的組題模式最佳。但隨著選擇 題的增加，整體概念辨識率也會隨著降低，在全選擇題的類型下，整體概念辨識 率亦為最低，最低為 0.01%，最高為 0.77%。
以試題參數來看，仍是試題參數值越大，提升的效果越好。
所以在試題組合上，全建構反應題的試題組合類型組，並以 CR-DINA 模式 來診斷，其整體概念辨識率亦是最佳的。
表 4-2-11 1000 人 試題組合 PCCR 的估計結果
模式 試題參數 30/0 25/5 20/10 15/15 10/20 5/25 0/30
CR-DINA 0.1 0.8348 0.8482 0.8611 0.8743 0.8779 0.9783 0.9979 DINA 0.1 0.8348 0.8481 0.8609 0.8739 0.8774 0.9774 0.9962 提升 0 0.0001 0.0002 0.0004 0.0005 0.0009 0.0017
CR-DINA 0.25 0.6769 0.7006 0.7519 0.7734 0.8491 0.9329 0.9817 DINA 0.25 0.6769 0.7002 0.7510 0.7723 0.8470 0.9305 0.9787 提升 0 0.0004 0.0009 0.0011 0.0021 0.0024 0.0030
CR-DINA 0.5 0.3627 0.4404 0.5423 0.5873 0.6969 0.8025 0.8899 DINA 0.5 0.3627 0.4395 0.5399 0.5839 0.6916 0.7955 0.8822 提升 0 0.0009 0.0024 0.0034 0.0053 0.0070 0.0077
CR-DINA Uniform 0.7199 0.7361 0.7770 0.7982 0.8626 0.9440 0.9877 DINA Uniform 0.7199 0.7358 0.7761 0.7974 0.8611 0.9422 0.9855 提升 0 0.0003 0.0009 0.0008 0.0015 0.0018 0.0022
從表 4-2-12 的結果來看，500 人的人數下，以全建構反應題的模式的概念辨 識率最佳，即 0/30 的組題模式最佳。隨著選擇題的增加，概念辨識率亦會隨著降 低，在全選擇題的模式概念辨識率最低。從數據結果來看，最低為 0.01%，最高 為 0.87%，而且 CR-DINA 模式較優於 DINA 模式。
在試題參數上，也是試題參數值越大，CR-DINA 模式的提升效果也越大，
而且都能提升 DINA 模式概念辨識率。
所以在試題組合上，也是只要有建構反應題加入，不管組題的方式為何，或 是試題參數為何，CR-DINA 模式均能提升 DINA 模式的概念辨識率。
表 4-2-12 500 人 試題組合 ACCR 的估計結果
模式 試題參數 30/0 25/5 20/10 15/15 10/20 5/25 0/30
CR-DINA 0.1 0.9596 0.9628 0.9676 0.9707 0.9819 0.9958 0.9995 DINA 0.1 0.9596 0.9627 0.9674 0.9706 0.9815 0.9952 0.9988 提升 0 0.0001 0.0002 0.0001 0.0004 0.0006 0.0007
CR-DINA 0.25 0.9116 0.9213 0.9355 0.9419 0.9636 0.9853 0.9961 DINA 0.25 0.9116 0.9210 0.9349 0.9410 0.9624 0.9842 0.9947 提升 0 0.0003 0.0006 0.0009 0.0012 0.0011 0.0014
CR-DINA 0.5 0.7805 0.8165 0.8606 0.8752 0.9176 0.9536 0.9764 DINA 0.5 0.7805 0.8155 0.8578 0.8717 0.9132 0.9449 0.9723 提升 0 0.0010 0.0028 0.0035 0.0044 0.0087 0.0041
CR-DINA Uniform 0.9265 0.9326 0.9450 0.9502 0.9675 0.9887 0.9969 DINA Uniform 0.9265 0.9324 0.9444 0.9496 0.9665 0.9879 0.9955 提升 0 0.0002 0.0006 0.0006 0.0010 0.0008 0.0014
另在 500 人的整體概念辨識率結果從表 4-2-13 的數據結果中可知，亦是以全 建構反應題的模式的整體概念辨識率最佳，提升程度從 0.05%到 2.87%。
所以結果也是與 1000 人的結果相同，CR-DINA 模式能提升 DINA 模式的整 體概念辨識率。
表 4-2-13 500 人 試題組合 PCCR 的估計結果
模式 試題參數 30/0 25/5 20/10 15/15 10/20 5/25 0/30
CR-DINA 0.1 0.8316 0.8430 0.8628 0.8741 0.9186 0.9790 0.9977 DINA 0.1 0.8316 0.8428 0.8623 0.8736 0.9172 0.9766 0.9942 提升 0 0.0002 0.0005 0.0005 0.0014 0.0024 0.0035
CR-DINA 0.25 0.6656 0.6974 0.7474 0.7669 0.8449 0.9305 0.9809 DINA 0.25 0.6656 0.6966 0.7458 0.7643 0.8408 0.9261 0.9743 提升 0 0.0008 0.0016 0.0026 0.0041 0.0044 0.0066
CR-DINA 0.5 0.3396 0.4205 0.5364 0.5678 0.6883 0.8002 0.8910 DINA 0.5 0.3396 0.4184 0.5305 0.5599 0.6757 0.7715 0.8758 提升 0 0.0021 0.0059 0.0079 0.0126 0.0287 0.0152
CR-DINA Uniform 0.7117 0.7355 0.7808 0.7981 0.8603 0.9460 0.9848 DINA Uniform 0.7117 0.7350 0.7787 0.7965 0.8570 0.9425 0.9785 提升 0 0.0005 0.0021 0.0016 0.0033 0.0035 0.0063
100 人的概念辨識率，從表 4-2-14 的結果可知，還是以全建構反應題的模式 的概念辨識率最佳，在全選擇題的類型下，概念辨識率亦為最低。提升程度從 0.05%到 3.97%。
所以結果也是與 1000 人、500 人的結果相同，CR-DINA 模式能提升 DINA 模式的概念辨識率。
表 4-2-14 100 人 試題組合 ACCR 的估計結果
模式 試題參數 30/0 25/5 20/10 15/15 10/20 5/25 0/30
CR-DINA 0.1 0.9508 0.9551 0.9639 0.9661 0.9800 0.9952 0.9996 DINA 0.1 0.9508 0.9551 0.9633 0.9655 0.9783 0.9931 0.9965 提升 0 0 0.0006 0.0006 0.0017 0.0021 0.0031
CR-DINA 0.25 0.8932 0.8998 0.9223 0.9298 0.9583 0.9851 0.9962 DINA 0.25 0.8932 0.8988 0.9188 0.9265 0.9547 0.9788 0.9884 提升 0 0.0010 0.0035 0.0033 0.0036 0.0063 0.0078
CR-DINA 0.5 0.6309 0.7411 0.8226 0.8415 0.9015 0.9496 0.9765 DINA 0.5 0.6309 0.7014 0.7988 0.8238 0.8750 0.9230 0.9532 提升 0 0.0397 0.0238 0.0177 0.0265 0.0266 0.0233
CR-DINA Uniform 0.9073 0.9142 0.9316 0.9401 0.9632 0.9865 0.9969 DINA Uniform 0.9073 0.9137 0.9305 0.9380 0.9591 0.9821 0.9909 提升 0 0.0005 0.0011 0.0021 0.0041 0.0044 0.0060
表 4-2-15 100 人 試題組合 PCCR 的估計結果
100 人的整體概念辨識率，從表 4-2-15 的結果可知，全建構反應題的模式的 整體概念辨識率最佳，而在全選擇題的類型下，整體概念辨識率亦為最低。提升 程度從 0.19%～8.91%。
所以結果也是與 1000 人、500 人的結果相同，CR-DINA 模式能提升 DINA 模式的整體概念辨識率。
因此綜合以上分析，在 1000 人時，在概念辨識率提升上，CR-DINA 模式的 提升程度為 0%～0.22%，在 500 人時為 0.01%～0.87%，在 100 人時為 0.05%～
3.97%，而整體辨識率為 1000 人時為 0.01%～0.77%，在 500 人時為 0.05%～2.87%，
在 100 人時為 0.19%～8.91%，當人數越少時，提升的效果越好，推測的原因可 能是人數越少，答題正確率的變動較大與不穩定，而人數越多時，其變動率越趨 於穩定與常態的結果。
而試題粗心參數 s 值越大，也是提升的效果越好，原因也是猜測參數越大，
模式 試題參數 30/0 25/5 20/10 15/15 10/20 5/25 0/30
CR-DINA 0.1 0.8022 0.8157 0.8486 0.8576 0.9114 0.9762 0.9979 DINA 0.1 0.8022 0.8155 0.8467 0.8554 0.9053 0.9665 0.9829 提升 0 0.0002 0.0019 0.0022 0.0061 0.0097 0.0150
CR-DINA 0.25 0.6141 0.641 0.7104 0.732 0.8324 0.9302 0.981 DINA 0.25 0.6141 0.6387 0.7024 0.7242 0.8189 0.9040 0.9445
提升 0 0.0023 0.0080 0.0078 0.0135 0.0262 0.0365
CR-DINA 0.5 0.1777 0.3066 0.4621 0.5075 0.6509 0.7882 0.8913 DINA 0.5 0.1777 0.2554 0.4157 0.4675 0.5830 0.7061 0.8022 提升 0 0.0512 0.0464 0.0400 0.0679 0.0821 0.0891
CR-DINA Uniform 0.6613 0.6842 0.7445 0.7618 0.8488 0.9359 0.9847 DINA Uniform 0.6613 0.6826 0.7412 0.7556 0.8340 0.9174 0.9557 提升 0 0.0016 0.0033 0.0062 0.0148 0.0185 0.0290
因此我們可得到一個結果，加入建構反應題後，CR-DINA 模式與 DINA 模 式都能提升原先全選擇題時的概念辨識率，而且試題參數越大，人數越少時，提 升程度就越高。其次，不論試題參數的大小或人數的多寡，CR-DINA 模式均優 於 DINA 模式，表示 CR-DINA 模式可以有效提升 DINA 模式的概念辨識率與整 體概念辨識率。
貳、有結構性概念模擬資料分析
一、試題參數與個別概念辨識率比較
表 4-2-16 至表 4-2-18 為有結構性概念資料之不同人數的個別概念，CR-DINA 模式與 DINA 模式的比較結果。灰色區塊部分代表 CR-DINA 模式的提升程度。
在個別概念的提升率比較中，我們可以發現線性結構在 1000 人、500 人、100 人 時，CR-DINA 模式大都能提升 DINA 模式的辨識率，在試題粗心參數 s=0.1 時，
1000 人時為 0%至 0.28%，500 人時是 0%至 0.82%，100 人時是 0%至 2.78%，人 數越少，提升效果越好。
在線性結構資料中，其他的試題粗心參數中，s 值為 0.25 或是隨機 uniform，
亦是以人數較少的，提升效果較高。
在發散性的結構中，粗心參數為 0.1 時，1000 人的狀態會有少數概念出現負 值，但同線性結構結果一樣，也是人數少時，提升的效果較好。其他得試題粗心 參數結果也是相同的結果。
以發散性結構資料的分析數據來看，雖然有些個別概念會出現 DINA 的模式 的辨識率效果較好，或是沒有提升效果，但大致上來看，CR-DINA 模式仍是可 有效提升 DINA 模式的辨識率。推測原因，可能是有些概念在結構之間雖然沒有
以發散性結構資料的分析數據來看，雖然有些個別概念會出現 DINA 的模式 的辨識率效果較好，或是沒有提升效果，但大致上來看，CR-DINA 模式仍是可 有效提升 DINA 模式的辨識率。推測原因，可能是有些概念在結構之間雖然沒有