本章分為兩節，第一節為本研究之結論，第二節根據部分未盡完善之處，提 出一些具體研究建議，以供後續研究之參考。茲分述如下。
第一節 結論
根據模擬資料分析比較結果，再以 DINA 認知概念診斷模式及 CR-DINA 診 斷模式的研究，提出以下結論：
由模擬樣本資料得知，資料內容之概念是否具有結構概念，不論在個別概念 辨識率的估計上或是整體概念的辨識率上，CR-DINA 模式幾乎都比 DINA 模式 良好。在加入建構反應題時，都能提升原本 DINA 模式的的概念辨識率，加入的 建構題題數越多，提升的程度就越好，在全建構反應題型時，提升的程度最好。
另外在試題粗心參數與人數對辨識率的影響上，我們發現粗心參數越大，人 數越少，提升的程度越好，而且 CR-DINA 模式比 DINA 模式好，只有在全選擇 題時，二種模式都是一樣的，因為全選擇題時都是以 DINA 模式來診斷分析。
而概念間不具結構性，會比具結構性的資料提升要高，而在三種不同結構間，
建構試題的加入，個別單一的概念上，不一定會提升，而且有時還會減少，但在 概念辨識率(ACCR)與整體概念辨識率(PCCR)上，則都會提升辨識率。所以 CR-DINA 模式在概念具有結構時，加入建構反應題後，能提升 DINA 模式的概 念辨識率的估計精準度。
在實徵資料的驗證上，所得的結果也與模擬的資料一致，在個別辨識率上，
個別單 一的 概念 不 一定都 會提 升，但 在 概念 辨識 率與整 體概念 辨識 率都以
第二節 未來研究建議
茲根據本研究部分未盡完善之處，提出以下具體研究建議，以供後續相關研 究之參考。
一、 不同的樣本數
本研究設定樣本人數為 100 人、500 人、以及 1000 人三種，其概念辨識率皆 有明顯變好的趨勢，後續可將樣本數降低在 1000 人之內，來探討最低人數與估 計效果。
二、 概念間具不同的結構關係
本研究探討了有概念間具有結構關係與無結構關係之資料，試題參數對於概 念辨識率都有較明顯的差異。後續可針對各種不同結構的方法來探討其估計效 果。
三、 試題參數的估計
從本研究的結果來看，不論模擬樣本資料的產生方式為 HO-DINA 模式的無 結構資料，或是有結構資料，其粗心機率的估計上皆有較明顯差異，是因為受試 者能力分佈高低不同的影響，後續可針對此部分的差異進行深入研究與探討。另 外，本研究將試題參數設定為 g=0、uniform，s=0.1、0.25、uniform，後續可廣泛 討論不同試題參數的組合來探討其估計效果，如：g=0.3、s=0.4。
四、 建構反應試題選題
本研究在建構試題的選題上是針對概念數，選擇不同的概念數的試題做為建 構反應題，因可選擇的方式眾多，本研究無法一一羅列呈現，所以後續研究者可 以針對不同概念數的建構反應題選擇，找出最佳的組題方式。
參考文獻
王寶庸(1995)。 現代測驗理論。臺北市：心理出版社。
甘媛源、余嘉元(2009)。心理測量理論的新進展：潛在分類模型。
中國考試， 2009(3)，
3-8。
李炯璉 (2010)。「空氣與燃燒」單元之線上診斷測驗建製與分析。亞洲大學 資訊工程學系碩士論文。
林宏憲 (2012)。「分數的乘除法」之不同線上診斷測驗題型成效分析。亞洲大學 資訊工程學系碩士論文。
林玉珍 (2012)。國小自然與生活科技領域「天氣的變化」單元建構題與選擇題之 電腦化測驗研發。亞洲大學資訊工程學系碩士論文。
余民寧(2009)。試題反應理論(IRT)及其應用。臺北市：心理出版社。
涂金堂(2003)。認知診斷評量的探究。
臺南師範學院學報， 37(2):67-97。
涂金堂 (2009)。教育測驗與評量。臺北：三民。
涂冬波、蔡艷、丁樹良 (2012)。認知診斷理論、方法與運用。北京：北京師範大 學出版社。
張永鑫 (2010)。數學科建構反應題診斷系統的建置－以五年級「平行四邊形和三 角形的面積」單元為例。國立臺中教育大學教育測驗統計研究所碩士論文。
陳亭宇 (2010)。DINA 模式與G-DINA 模式參數不變性探討。國立臺中教育大學 教育測驗統計研究所碩士論文。
莊峰魁、王文卿、 劉育隆、郭伯臣(2010)。 「光」單元之電腦化建構反應試題 與診斷模式開發初探。國立新竹教育大學2010 電腦與網路科技在教育上的 應用研討會。
單元為例。國立臺中教育大學教育測驗統計研究所碩士論文。
試 題 反 應 理 論 的 介 紹 ( 五 ) － 模 式 與 資 料 間 適 合 度 的 檢 定 (The assessment of model-data fit)：http://www.edutest.com.tw/e-irt/irt5.htm
盧雪梅 (2009)。評量工具箱。http://web. cc.ntnu.edu.tw/~smlu/toolbox.doc。
Baxter, G. P., & Glaser, R. (1998). Investigating the cognitive complexity of science assessments. Educational Measurement: Issues and Practice, 17, 205-226.
Cheng, Y. (2009). When cognitive diagnosis meets computerized adaptive testing:
CD-CAT. Psychometrika, 74(4), 619–632.
DeCarlo L.T. (2011) On the Analysis of fraction subtraction data: the DINA model, classification, latent class sizes, and the Q-matrix. Applied Psychological Measurement, 35(1), 8-26.
de la Torre, J., & Douglas, J. (2004). Higher-order latent trait models for cognitive diagnosis. Psychometrika, 69(3), 333-353.
de la Torre, J. (2006). Attribute vector profile comparisons at the state level: An application and extension of cognitive diagnosis modeling in NAEP. Paper presented at the international meeting of the Psychometric Society, Montreal, Canada.
de la Torre, J., & Douglas, J. (2008). Model evaluation and multiple strategies in cognitive diagnosis: An analysis of fraction subtraction data. Psychometrika, 73(4), 595-624.
de la Torre, J. & Lee, Y.-S. (2008). Cognitive diagnosticity of IRT-constructed assessment: An empirical investigation. Paper presented at the meeting of the National Council on Measurement in Education, New York, NY.
de la Torre, J. (2008a). An empirically-based method of Q-matrix validation for the DINA model: Development and applications. Journal of Educational Measurement, 45, 343-362.
de la Torre, J. (2008b). Multidimensional scoring of abilities: The ordered polytomous response case. Applied Psychological Measurement, 32, 355-370.
multiple-choice options. Applied Psychological Measurement, 33(3), 163-183.
de la Torre, J. (2009b). DINA model and parameter estimation: A Didactic. Journal of Educational and Behavioral Statistics, 34(1), 115-130.
de la Torre, J., & Lee, Y.-S. (2010). A note on the invariance of the DINA model parameters. Journal of Educational Measurement, 47(1), 115-127.
Henson, R. A., & Douglas, J. (2005). Test construction for cognitive diagnosis.
Applied Psychological Measurement, 29(4), 262-277.
Junker, B., & Sijtsma, K. (2001). Cognitive assessment models with few assumptions, and connections with nonparametric item response theory. Applied Psychological Measurement, 25(3), 258-272.
Linn, R.L. & Gronlund, N.E. (2000). Measurement and Assessment in Teaching (8th ed.). Upper Saddle River, NJ: Merrill.
Maris, E. (1999). Estimating multiple classification latent class models.Psychometrika, 64, 197-212.
Nichols, P., & Sugrue, B. (1999). The lack of fidelity between cognitively complex constructs and conventional test development practice. Educational Measurement:
Issues and Practice, 18, 18–29.
Rupp, A. & Templin, J. (2008). The effects of q-matrix misspecification on parameter Estimates and classification accuracy in the DINA model. Educational and Psychological Measurement, 68(1), 78-96.
Templin, J & Henson, R. (2006) Measurement of Psychological Disorders Using Cognitive Diagnosis Models, Psychological Methods, 11(3): 287-305
Templin, J, Henson, R., & Douglas, J (2006) General theory and estimation of cognitive diagnosis models. Using Mplus to derive model estimates. Paper presented at the 2007 National Council on Measurement in Education training session, Chicago, IL.