区分度与测验进程相匹配的CAT选题策略

选题策略是计算机化自适应测验(CAT)的核心.该文提出了一种新的选题策略,是一种相对严格的“升a”方法,它选择区分度参数的百分等级尽可能接近测验进程的项目,而且还可以通过调整控制参数的取值来满足不同测验场景的需求.Monte Carlo实验结果表明:该方法在测验精度、项目曝光率控制和题库利用率等方面均表现良好.     

结合项目反应时间与项目区分度的CAT选题新策略

计算机化自适应测验(CAT)的测量有效性不仅在于测验的项目数量,而且还在于被试完成测验所花费的时间.该文提出的结合项目反应时间和项目区分度动态分层的选题新策略是一种连续升a降β的选题方法,该方法在保证测验精度的同时,不仅有效地降低了被试的测验时间,而且还提高了题库的利用率.蒙特卡罗(Monte Carlo)模拟实验结果表明:新选题方法在测验精度、测验时间有效性、题库利用率和测验安全性等评价指标中总体表现良好.     

结合优先级指标和曝光因子的多级评分选题策略

在等级反应模型(GRM)下考察改进的最大优先级指标(MMPI)中引入曝光因子的选题策略与其他选题策略之间的优劣.蒙特卡洛模拟中采用定长CAT,其中能力估计采用贝叶斯期望后验估计(EAP).研究结果表明,MMPI与曝光因子相结合的选题策略,在保证精度的情况下,很大程度上解决了曝光率不均匀问题.     

可达阵在认知诊断选题策略中的运用研究

在香农熵选题策略的基础上,采用4种不同的测验蓝图考察运用可达阵对诊断精度的影响.Monte Carlo模拟试验表明:选择可达阵所有列对应的项目对改进计算机化自适应诊断测验(CD-CAT)的诊断精度有着重要的作用,而且对于CD-CAT的选题策略有重要的参考价值.在CD-CAT过程中选择较多可达阵的列对应的项目能够明显提高模式判准率,项目质量对结果的影响不大;而未包含所有可达阵的列对应的项目时,项目质量对于模式判准率有较大的影响.     

认知诊断CAT中选题策略的改进

计算机化自适应测验(CAT)的选题策略是影响测量准确性的主要因素之一.针对认知诊断CAT初期知识状态估计不准确的问题,改进后验加权Kullback-Leibler信息量,得到了2种平均后验加权Kullback-Leibler信息量选题指标.然后运用DINA(the deterministic inputs,noisyandgate)模型模拟作答反应,在不同测验长度下比较了6种选题策略的优劣.结果表明,新指标能极大地提高测量准确度,当测验长度为15时,知识状态的判准率提高了10%以上;除随机方法外,其他方法的项目曝光率没有明显差异.     

计算机化自适应诊断测验新的选题策略

提出了一种既能满足属性平衡又能有效处理相似属性模式的新方法——改进的极大化整体判别认知诊断模型信息量指标法(MGCDI).对无结构型的属性,讨论定长CD-CAT的选题策略.研究结果表明,使用相同选题策略选题时,先选择可达矩阵的所有列对应的项目比不使用这些项目的诊断准确率高.     

CAT分层类曝光控制策略研究新进展

计算机化自适应测验(computerized adaptive testing, CAT)可以根据每一名考生的不同作答进行自适应选题,提高了测验精度.但高精度也伴随着高曝光风险,分层类项目曝光控制策略作为项目曝光控制的方法之一,是近年来曝光控制研究领域的热点.同时,反应时(RT)的收集是CAT的一大优势,RT对于测验的实施具有重要价值.该文综合介绍了传统的分层策略,并结合RT的分层策略探讨当前分层策略应用于CAT项目曝光控制中存在的问题及其未来研究方向.     

认知诊断计算机化自适应测验按模式分层选题策略

提出一种题库按属性模式分层,并结合项目曝光度控制的新方法.蒙特卡洛模拟研究显示:该方法在题库使用均匀程度上表现优异,并保有较高测量精度.     

等级评分模型下的最大信息量分层选题策略

对于0-1评分模型, R. B.Juan等提出了最大信息量分层选题策略,将此选题策略应用到等级反应评分模型(GRM)中,即以项目 j 的最大信息量 max ()I j 作为分层的依据,以取得该项目的最大信息量时能力点值θmax ()j作为项目的综合难度,分别用 max ()I j 与 max ()jθ替代张华华等提出的按a分层和按b分块按a分层方法中的a、b参数,形成最大信息量按a分层选题策略(MI-AS)和最大信息量按b分块按a分层方法(MI-BS).模拟实验结果表明:MI-AS和MI-BS方法较传统的按a分层方法要好.     

计算机化自适应认知诊断测验按模式分层选题策略

提出了一种题库按属性模式分层并结合项目Fisher信息量、曝光控制因子和项目优先级的新的选题策略.与已有方法比较,该方法不仅提高了题库测验精度,而且在项目使用均衡性上也表现优异.     

认知诊断自适应测验选题策略探新

提出了一种新的认知诊断自适应测验选题策略和题库按项目所包含的属性模式分层方法.与传统方法相比,该方法不仅提高了测量精度而且可以提升选题速度.     

多维自适应测验初探

计算机化自适应测验(CAT)是当前国内外考试改革的一个重要方向.该文对多维自适应测验中的能力估计和项目选择进行了一定的理论探讨,给出了贝叶斯估计中的项目选择算法.当A和x的范围已知时,这个算法把计算max|A xx′|转换成计算max(x′A-1x).     

基于IRT的一种计算机化自适应测验的选题方法

传统的纸笔测验无法有效地满足全部被试的能力估计的要求,计算机化自适应测验（CAT）能够不断根据被试的作答来估计其能力,并抽取与此能力相适应的项目来,选题是CAT的关键．先介绍了CAT的概念和原理,然后借助项目信息函数重点研究了一种CAT的选题方法．     

未来测验新趋势——计算机自适应测验

介绍了计算机自适应测验（CAT）的基本原理及优越性,指出它可以解决传统的纸笔测验自身无法解决的弊端,能够快速准确地估计出被试的真实水平,极大激发被试的考试动机,真正实现因人施测.     

自适应形式的计算机等级考试的选题策略研究

采用自适应形式的计算机等级考试．考试的效率更高,考试结果更公平,更能发挥讣算机等级考试对考牛计算机能力水平测试的功能。要成功地实现自适应形式的计算机等级考试,恰当的选题策略是必需的。对自通应形式的计算机等级考试采用不同的选题策略进行了研究。研究结果表明,相对其它几种选题策略（最大信息量选题策略和随机选题策略）,采用h分区a分层的多阶段选题策略,测验的表现更好,可以很好的控制测验长度,测验的精度也很好,有更高的测验效率,测验的综合表现也最优。     

计算机化自适应测验技术在情绪智力智能测评中的初步应用——基于项目反应理论

在项目反应理论(IRT)框架下,采用计算机化自适应测验技术实现对情绪智力的智能测评.基于IRT系列分析(含单维性检验、模型拟合检验、局部独立性检验以及项目质量分析),构建了符合IRT测量学要求的情绪智力测评的题库,并以此为基础探讨了计算机化自适应测验技术在情绪智力智能测评(CAT-EI)中的应用.实验结果表明:(i)CAT-EI相关算法具有较高的参数估计精度,同时具有较理想的测量信度和效度;(ii)CAT-EI可使用较少的题量(M_ean=9.88题)达到使用整个题库(67题)的测量精度,它一方面能做到减轻被试的测试负担,另一方面实现了对情绪智力高效、快速、准确的智能测评.总之,该研究为实现对情绪智力智能测评提供了一种新的测量技术支持.     

基于项目反应理论自适应考试系统的设计与应用

在个性化教育中,传统的考试形式正面临着越来越多的问题,统一的试题内容并不适用于各个层次的学生,考试成绩无法准确衡量学生的能力.个性化学习系统中的自适应考试系统(PLCAT),部分地解决了传统考试形式所面临的问题.PLCAT考试系统是基于项目反应理论的Web自适应考试系统,学生可以随时随地使用PLCAT系统进行测试,系统能够根据学生的能力自动选择适合学生的试题,并在考试结束时给出个性化的评价.实践证明,PLCAT系统可以提高考试效率和提高对学生评价的精度,更重要的是,它为个性化教育提供了一种更加有效的测验途径,也为贯彻现代化教育理念,提高学生自主学习能力、创新能力提供了一种新思路.     

认知诊断计算机化自适应测量技术在心理障碍诊断与评估中的应用

以现代测量理论为基础,该文尝试将认知诊断与计算机化自适应测验2项新技术应用于心理障碍(抑郁症)的诊断与测评,一方面探讨新技术在抑郁症诊断中的科学性与合理性,另一方面开发基于认知诊断计算机化自适应测验技术的抑郁症测评工具(简记为CD-CAT-D).研究共调查被试2492人,经大样本数据标定及测量学指标筛选,题库最终保留1...     

基于抽样原理的计算机化自适应测验选题策略

沿用曝光控制因子的同时,基于抽样原理,引入区分度分布因子,按区分度的分布情况来选取测验中的项目.以lna～N(0,1)为例,Monte Carlo模拟结果表明:该方法在估计精度、效率和安全性等指标上表现得比较优异.