計算機化自適應測驗選題策略研究——以GRM和DINA模型為例.pdf

1、計算機化自適應測驗（CAT）中具有智能的部分是選題策略，選題策略是CAT研究中最重要的部分。按CMT的功能來分，至少可以分為傳統(tǒng)CAT與具有診斷功能的CAT。本文對傳統(tǒng)CAT的選題策略和具有認知診斷功能的CAT的選題策略分別進行討論。由于具有診斷功能的CAT發(fā)展較晚，對其選題策略的討論較少，故本文用較大的篇幅，對具有認知診斷功能的CAT的選題策略及其相關(guān)問題進行討論。 本文對研究較少的多級評分CAT選題策略進行研究。由于CAT對

2、能力的估計是序貫進行，對每位考生而言，在測驗較早階段能力估計是較粗糙的，好的項目與差的項目應搭配使用，以充分利用題庫中項目。因此，本文提出了交錯選題策略，即給出不同的選題策略，在施測時交錯使用。Monte Carlo模擬表明，該選題策略對多級評分模型（等級反應模型）效果較好。 隨著教育學、心理學、數(shù)學和計算機科學的發(fā)展，特別是模式識別、人工智能和計算機輔助教學等的發(fā)展，刺激和促進了認知診斷的迅速發(fā)展。本文另一個內(nèi)容是，對DINA

3、模型下具有認知診斷功能的自適應測驗的選題策略進行研究，提出一種新的選題策略最大期望信息量方法（Maximum Expect Information Strategy，MEIS），另外還提出了一種計算知識狀態(tài)先驗分布的方法，可用于DINA參數(shù)估計EM算法中，也可用于具有認知診斷功能的CAT中。通過Monte Carlo實驗，對隨機（RD）、相對熵（KL）、香農(nóng)熵（SHE）和MEIS選題策略進行了比較研究。結(jié)果表明：一、MEIS的計算時間較

4、KL和SHE方法要少，與RD方法相當；MEIS比SHE的判準率稍差，比KL和RD方法要好；對于項目調(diào)用均勻性情況，KL和SHE傾向于調(diào)用失誤參數(shù)和猜測參數(shù)之和較小的項目，而MEIS傾向調(diào)用項目參數(shù)之和較大的項目，KL、SHE和MEIS三種策略的項目調(diào)用均勻性都較差。二、在有屬性層次結(jié)構(gòu)下，先驗分布偏離真實分布太大時，MEIS判準率不好，而SHE方法仍然較好。三、采用SHE和MEIS交錯使用，項目調(diào)用均勻性稍有提高。MEIS對于提高質(zhì)量較