计算机多阶段自适应测验的组卷方法

计算机多阶段自适应测验(MST)实施的关键是成功组建多个满足测验规范(即统计和非统计约束)的平行测验(或称测验面板),自动组卷(ATA)为实现测验平行提供了可能.现有的MST组卷方法研究主要包括以下几种:1)基于线性规范算法的组卷方法;2)基于启发式算法的组卷方法;3)基于蒙特卡洛算法的组卷方法;4)基于在线组卷的方法.该文讨论这几种方法的优缺点并进行比较,同时指出未来可进一步改进这种方法并开发基于认知诊断测验的自动组卷方法.

计算机化多阶段自适应测验研究述评

计算机化多阶段自适应测验是基于计算机技术的测验形式,它将题目集合作为测试单元,通过多阶段自适应的形式对被试进行测试和评分。近年来通过研究各种测验形式,发现其比计算机化自适应测验和纸笔测验突显出更大优势。与纸笔测验相比,其具有参数不变性、能力估计更精确等优势。与计算机化自适应测验相比,其具有可控制题目特性、被试可检查题目等优势。如何减小测量误差,使其应用更加便捷、有效,是未来研究的发展方向。

PISA测试中多阶段自适应测验的实施及启示

国际学生评估项目(Program for International Student Assessment,PISA)于2018年开始引入多阶段自适应测验(Multistage Adaptive Test,MSAT)技术,来测量学生的阅读素养水平。在此背景下,文章首先阐释了MSAT的核心概念,随后介绍了MSAT的实施过程,最后在综合考虑MSAT设计、实施和结果反馈等的基础上,总结出MSAT对我国教育质量监测的启示,即收集多模态交互数据、因地制宜地使用不同测验方式、综合使用多种题目类型以及增加可修改答案的功能等。文章旨在帮助教育工作者加深对MSAT的了解和认识,以促进MSAT技术在教育质量监测中的应用。