مدل‌های تشخیص شناختی (DINA / G-DINA)

مدل‌های تشخیص شناختی (CDM) خانواده‌ای از مدل‌های متغیر پنهان هستند که برای طبقه‌بندی آزمون‌شوندگان بر اساس تسلط آن‌ها بر مجموعه‌ای از صفات یا مهارت‌های شناختی گسسته طراحی شده‌اند. چارچوب تعمیم‌یافته DINA (G-DINA)، که توسط جیمی د لا توره در سال ۲۰۱۱ معرفی شد، ساختاری یکپارچه را فراهم می‌کند که بسیاری از CDMs خاص - از جمله مدل‌های DINA، DINO، ACDM و LLM - را به عنوان موارد ویژه در بر می‌گیرد و بازخورد تشخیصی دقیق فراتر از یک نمره کلی واحد را امکان‌پذیر می‌سازد.