结合影子题库和动态a分层选题策略研究

摘要

计算机化自适应测验（computerized adaptive testing，简称CAT）是项目反应理论（item response theory，简称IRT）成功应用的结果，引进了强大的现代科技手段——计算机，CAT根据被试能力自动选择测试项目施测，最后估计被试的能力。这种新型测验不同于传统的笔试测验，它根据被试不同的答题反应，主动选择适应被试能力的项目，以获得准确的被试能力估计值。因此，CAT是因人而异的个性化测验。根据评分模型的不同CAT采用的模型有:0-1评分模型和多级评分模型。 选题策略是CAT中必不可少的组成部分，准确、高效且安全的选题策略是CAT一直以来追求的目标。经典的最大Fisher信息量选题具有效率高，估计准确等优点，但项目调用的不均匀性威胁到题库的安全。增设影子题库是一个能较好地平衡项目调用均匀性的方案。本文结合两种选题策略的优点，在0-1评分模型中，设计了一个新的选题策略，并把此方法引入按最大信息量分层和按a分层中。多级评分作为CAT中的一个分支方向，可以提供丰富的项目特征信息，文中结合曝光控制因子在Samejima等级反应模型中提出动态a分层法。模拟实验结果显示，以上新方法比已有的一些方法结果较为理想。

目录

声明

摘要

第1章 引言

1．1 研究背景

1．2 国内外研究现状

1．3 本文主要研究内容及创新点

1．4 本文的组织结构

第2章 项目反应理论

2．1 潜在特质理论与项目特征曲线

2．1．1 潜在特质简介

2．1．2 项目特征曲线简介

2．2 项目反应理论的基础模型

2．2．1 二值(0-1)评分项目的单维模型

2．2．2 多值评分项目的单维模型

2．3 参数估计

第3章 计算机化自适应测验

3．1 题库与题库建设

3．2 选题策略

3．2．1 Logistic模型中常用的选题策略

3．2．2 等级评分模型中常用的选题策略

3．3 能力估计方法

3．4 终止条件

第4章 新选题策略的设计

4．1 3PLM下结合影子题库的选题策略

4．1．1 引入结合影子题库选题方法的按a分层

4．1．2 引入结合影子题库选题方法的按最大信息量分层

4．2 GRM下动态a分层选题策略

第5章 实验模拟与实验结果分析

5．1 实验模拟

5．1．1 3PLM下结合影子题库选题策略的题库模拟

5．1．2 GRM下动态a分层选题策略的题库模拟

5．2 施测过程

5．2．1 3PLM下结合影子题库选题策略的施测过程

5．2．2 GRM下动态a分层选题策略的施测过程

5．3 评价指标

5．4 结果分析

5．4．1 3PLM下结合影子题库选题策略的实验结果分析

5．4．2 GRM下动态a分层的实验结果分析

第6章 总结与展望

6．1 总结

6．2 进一步研究的问题

参考文献

致谢

在读期间公开发表论文(著)及科研情况