结合α分层改进基于IRT计算机自适应题库系统

IRT理论中基于最大信息量函数的选题方法会使系统偏向于选取信息函数值最大的试题进行测验,容易造成部分试题被反复选取,导致试题的曝光度过高从而影响后期测验的有效性。本文在原有选题策略的基础上融入α分层和内容筛选,有效地提高了系统的有效性和安全性。

CAT选题策略分类概述

选题是计算机化自适应测验(CAT)测试过程的关键环节,选题策略的目标是要达到较高的测量精度,同时也实现试题曝光率控制及其他测验目标的实现。本文根据选题策略的基本原理和衍生发展,将众多CAT选题策略分为五大选题策略系列:Fisher函数系列、K-LI函数系列、α分层系列、贝叶斯系列、b匹配系列;并根据测验目标(测验精度、试题曝光率控制、内容平衡、多条件约束)对这些选题策略进行了细分,并对CAT选题策略的选择思路进行归纳。