具有認知診斷功能的計算機化自適應測驗的選題策略研究.pdf

1、隨著計算機技術的發(fā)展和項目反應理論(IRT)的日益完善，基于IRT的計算機化自適應測驗(CAT)，越來越體現(xiàn)出傳統(tǒng)測驗所無可比擬的優(yōu)越性。近年來，認知診斷(CD)也越來越受到人們的重視，將認知診斷和計算機化自適應測驗相結合，開發(fā)具有認知診斷功能的計算機化自適應測驗(CD-CAT)，使得對各個被試的知識狀態(tài)有更加精確的估計。
　　 當前，對于CD-CAT的結果有幾個方面的考慮：1）對被試知識狀態(tài)的估計；2)先考慮被試知識狀態(tài)的估計

2、，再考慮能力的估計；3）對被試的知識狀態(tài)和能力兼顧估計。在對被試的知識狀態(tài)和能力進行估計的CD-CAT選題方法中，常用的是極大信息量方法(MI)、Kullback-Leibler信息函數(shù)法(KL)和Shannon熵方法（SHE）等。其中MI方法針對被試能力進行選題；而SHE方法和KL方法是針對被試的知識狀態(tài)進行選題。
　　 本文采用Monte Carlo方法進行模擬。對幾種選題方法在不同屬性層級關系的條件下進行模擬與比較，并將M

3、I方法和SHE方法相結合，設計出一種新的混合型選題方法，以便對被試的能力和知識狀態(tài)都有較好的估計。其基本思想是：在被試作答試題后，先使用SHE方法選題，將題庫中對于被試當前知識狀態(tài)的Shannon熵值最小的一組題目選出作為備選題組，再使用MI方法選出備選題組中對于被試當前能力估計值的Fisher信息量最大的一道題目作為下一道題給被試作答。新的混合型選題方法可以在保證被試能力的估計值與“真值”之間的絕對誤差的平均數(shù)較低的條件下，對被試的知