多种分层方法在CAT校准误差中的应用研究

若研究或使用CAT时将项目参数的估计值认为是真实值,则会产生所谓的机会红利(capitalization on chance),国内尚未报道该方面的研究.在定长和不定长CAT测验中考察引入曝光因子的多种分层化选题策略和随机选题策略,综合比较它们在测验精度、题库利用率和机会红利等评价指标中的表现,发现引入曝光因子的2种动态分层方法有更好的表现.

计算机化自适应测验(CAT)的发展和前景展望

近年来,随着新的考试理论(如IRT)的蓬勃发展,计算机自适应考试(CAT)得到了广泛应用,其实例包括GRE(美国研究生院入学考试)和GMAT(美国商学院研究生招生考试)。本文首先简要介绍了CAT的起源、发展和CAT相对于传统纸笔考试的优势。然后,结合目前CAT发展的现状,着重讨论了CAT尚存的一些问题。在此基础上,介绍了一些最新的研究成果。最后,对将来的CAT研究方向做出了预测。

区分度与测验进程相匹配的CAT选题策略

选题策略是计算机化自适应测验(CAT)的核心.该文提出了一种新的选题策略,是一种相对严格的"升a"方法,它选择区分度参数的百分等级尽可能接近测验进程的项目,而且还可以通过调整控制参数的取值来满足不同测验场景的需求.Monte Carlo实验结果表明:该方法在测验精度、项目曝光率控制和题库利用率等方面均表现良好.