认知诊断评估主要用于测量被试的知识结构和加工技能(简称属性),它的终极目标,是服务于学习和学习进程的评估。要实现个性化教育和个性化学习,离不开诊断测试。在进行认知诊断评估的过程中,创建属性空间—构建认知模型这一过程中涉及到Q矩阵。而正确构建Q矩阵,恰恰又是实现认知诊断评估十分关键的步骤之一。因此Q矩阵标定成为了研究的热点问题,Q矩阵的好坏也影响了项目参数估计以及被试分类的准确性。已有的Q矩阵修正或标定方法通常是基于较长测验上的得分数据并借助于认知诊断模型进行估计,参数估计往往要求大量的被试且需要专家标定较多试题的Q矩阵,不太适合小样本下的随堂测验而且专家标定较多试题会受到更多人为主观因素的干扰。因此,本研究主要考虑在样本量较小条件下基于仅含少量试题的已知Q矩阵标定其他试题的Q矩阵问题。考虑到根据确定性输入噪声"与"门模型(DINA)中可达阵R与简化Q矩阵存在布尔"与"的关系,提出基于确定性输入噪声"或"门模型(DINO)可达阵R列与简化Q阵列存在布尔"或"的关系,并由此推出基于可达阵的补偿模型Q矩阵标定方法。实验结果表明:当可达阵失误与猜测小于0.20且待标定项目参数小于0.25时,该方法所得Q矩阵元素返真率达到90%以上;当可达阵失误与猜测参数均在0.25以下时,真实Q阵与估计Q阵之间的差异很小;在专家事先标定少量测验试题属性向量的基础之上,对其他未标定的测验试题属性向量进行标定能获得较高的正确率。