认知诊断计算机化自适应测验选题策略：理论、实践与优化.docxVIP

认知诊断计算机化自适应测验选题策略：理论、实践与优化

一、引言

1.1研究背景与意义

在教育测量领域，随着计算机技术、通信设备和网络技术的迅速发展，教育信息化的发展面临着重大变革，由数据主导的“大时代”正在走入教育领域，进而渗透到教育发展与改革的战略中。复杂的、数据驱动的个性化教学一般需要提供非线性的教学辅导，以及能够满足学习者个别化、具有差异的认知水平和能力水平的诊断评估。认知诊断计算机化自适应测验（ComputerizedAdaptiveTestforCognitiveDiagnosis,CD-CAT）应运而生，它是计算机化自适应测验理论和认知诊断理论相结合的产物。

认知诊断测验（CDT）是认知心理学与现代测量学相结合的成果，它突破了传统测验仅对被试能力层面评估的局限，深入到个体内部微观的认知状态（KS）进行诊断，从而进一步揭示个体内部心理加工过程和各种认知特征，如同医生通过各种检查最终确认病人的疾病类型一样。项目反应理论（IRT）的测量目标是一个连续的变量，即宏观能力（θ）；而认知诊断模型的测量目标则是一个离散向量，即认知状态（KS）。这里的属性是认知诊断理论中的重要概念，它表示测验项目的特征，也就是我们通常所说的知识点。

计算机化自适应测验（CAT）依据被试的能力水平动态选择测试题目，能更高效地测量被试能力。而CD-CAT则是将CAT和认知诊断测验这两种现代测量形式有机结合，把传统CAT自适应化的原理应用到被试知识状态估计目标上。其优势在于可以更精确、更迅速、更灵活地测量出被试的潜在知识结构。从发展历程来看，最初是传统的测量理论指导下的纸笔测验，随后发展到微观的项目反应理论纸笔测验。在这个阶段，将宏观的测量目标改为离散变量，便形成了认知诊断测验，从而能够对被试者认知状态（KS）进行诊断。接着，项目反应理论指导下的纸笔测验进行自适应化，形成了计算机自适应测验（CAT），最后将测量目标也改为离散变量并与认知诊断测验相结合，就产生了认知诊断计算机自适应测验（CD-CAT）。例如，传统纸笔测验只能给出试卷分数；项目反应理论纸笔测验可根据试卷分数估计学生的能力；认知诊断测验不仅能知道学生的能力，还能准确了解学生的知识状态，明确哪些知识点掌握得好，哪些较为薄弱；计算机化自适应测验会根据学生的能力掌握程度，尽量提供相匹配能力的题目；而认知诊断计算机化自适应测验则能够依据学生的能力和知识状态(KS)，动态地给出相匹配的题目，使其更趋近于学生的实际能力和知识状态水平。

选题策略作为CD-CAT的核心组成部分，对测验的准确性和效率起着关键作用。测验的准确性关乎能否精准判断被试的知识状态和能力水平，这直接影响到对被试的评估结果以及后续的教学决策。例如，在教学中，如果不能准确诊断学生的知识掌握情况，教师可能会采取不恰当的教学方法，导致教学效果不佳。而效率则涉及到测验所需的时间和资源，合理的选题策略能够在保证测量精度的前提下，减少测验题目数量，缩短测验时间，提高测量效率，节省人力、物力和时间成本。例如，在大规模的学业水平测试中，如果测验时间过长，不仅会增加组织难度，还可能使学生产生疲劳，影响测试结果的真实性。因此，研究具有认知诊断功能的计算机化自适应测验的选题策略，对于提高教育测量的质量和效率，实现个性化教学，具有重要的理论和实践意义。

1.2国内外研究现状

认知诊断计算机化自适应测验（CD-CAT）作为教育测量领域的前沿研究方向，在选题策略方面取得了丰硕的理论和实践成果。

国外对CD-CAT选题策略的研究起步较早。早期研究主要集中在将传统CAT的选题策略进行调整以适应认知诊断的需求，例如将经典的最大信息量选题策略应用于CD-CAT中，通过计算项目对被试知识状态估计的信息量来选择题目。随着研究的深入，学者们开始关注如何更精准地利用认知诊断模型中的信息进行选题。有研究提出基于后验分布信息对KL（Kullback-Leibler）指标进行加权的PWKL选题策略，结合被试的后验分布信息，提高了对被试知识状态判准率。还有研究从属性层面出发，分析项目对不同属性的诊断能力，以此为依据构建选题策略，使得所选题目能更全面、准确地诊断被试在各个属性上的掌握情况。在实践方面，一些国外的教育测评机构将CD-CAT选题策略应用于实际的测评项目中，如针对学生的学科能力诊断测试，通过自适应的选题，能够快速、准确地了解学生在不同知识板块的学习状况，为教学提供有针对性的建议。

国内在CD-CAT选题策略的研究上也呈现出蓬勃发展的态势。众多学者从不同角度对选题策略进行了创新和优化。有学者结合认知诊断中的项目区分度信息，对PWKL进行修正，提出了GIDPWKL、A