计算机化自适应测验（CAT）中原始题项目参数估计的深度剖析与创新探索.docxVIP

计算机化自适应测验（CAT）中原始题项目参数估计的深度剖析与创新探索

一、引言

1.1研究背景与意义

随着计算机技术和测量理论的不断发展，计算机化自适应测验（ComputerizedAdaptiveTesting，CAT）在教育、心理测量等领域得到了日益广泛的应用。与传统的纸笔测验不同，CAT能够根据被试者的能力水平实时调整测试题目，实现“量体裁衣”式的个性化测评，从而大大提高了测验的效率和准确性。例如，美国的研究生入学考试GRE、商学院研究生招生测验GMAT等都采用了CAT模式，为高校选拔人才提供了高效且精准的评估方式。

优质的题库是CAT有效实施的关键基础。一个大型、高质量的题库能够确保测验在不同能力水平上都有足够的题目可供选择，从而提高测验的覆盖范围和精度。然而，目前CAT题库的建设面临诸多挑战。一方面，传统的题库建设方式成本高昂，需要耗费大量的人力、物力和时间。从命题专家根据测验目的命制试题，到通过实测收集被试对试题的作答反应、评分，再到进行项目参数估计和筛选，每一个环节都需要精心设计和严格执行。另一方面，保密性较差也是一个突出问题，尤其是在等值技术方面，锚题的重复使用容易导致题目泄露，影响测验的安全性和公平性。

在这样的背景下，在实施CAT过程中插入未经过参数估计的项目（原始题），并同时对原始题项目参数进行估计，成为了一种极具潜力的解决方