基于GPCM的计算机自适应测验选题策略比较

Item Selection Strategies for Computerized Adaptive Testing with the Generalized Partial Credit Model

选题策略是计算机自适应测验（Computerized Adaptive Testing ， CAT）研究的一项重要内容，它的好坏直接关系到考试的信度、效度及考试的安全性。CAT的许多研究与应用，都建立在0-1二级评分模型基础上，对多级评分CAT的选题策略的研究很少报导。目前国内虽已开展了基于GRM的CAT研究，但基于GPCM的CAT的研究尚未见有关报道。本文通过计算机模拟程序，对基于拓广分部评分模型(Generalized Partial Credit Model， GPCM)下的CAT的四种选题策略在多种情况下进行了比较研究。研究结果表明：被试能力呈正态分布时，选题策略的使用效果与项目步骤参数分布有很大的关系。（1）项目步骤参数均服从正态分布时，采用能力与项目步骤参数匹配选题策略效果最佳；（2）项目步骤参数均服从均匀分布时，能力与项目步骤参数平均数匹配选题策略效果最佳。

The objective of computerized adaptive testing (CAT) is to construct an optimal test for each examinee. Item Selection Strategy (ISS) is an important part of CAT research， whose quality is directly related to the reliability， efficiency， and security of the test.Many researches and applications of CAT are based on a dichotomously scored model. It is highly evident that more information can be obtained from examinees using a polytomously scored model rather than a dichotomous model. Moreover， it