计算机自适应测试中三种选题策略的比较研究

发布时间：2020-01-17 20:30

【摘要】：计算机自适应测试的选题方法中,Fisher信息是比较经典的,但是其在测试初期会对考生的能力估计值产生偏差,针对这个问题,有学者引入了KL测验信息量,并指出这种选题方法降低了估计值产生偏差的可能性,提高了题库的利用效率。同时有学者表明用Fisher信息方法选题会造成高区分度参数的曝光,使题库的利用率大大降低。针对这个问题引入难度参数分块区分度参数分层的方法,即b分层方法,本文对b分层方法进行了改进,改进的b分层方法可以更均衡有效的使用题库,使得考试的准确性提高。本文利用Matlab软件模拟生成试题库和被试者,首先对被试能力进行初始化,对其能力进行一个初步估计,再使用b分层法及改进的b分层法和KL信息三种选题方法进行选题,用极大似然估计方法估计出考生的能力值。模拟结果表明,当测试长度为16个题目时,KL信息方法对考生能力的估计最好,其次是改进的b分层法,最后是b分层法;当测试长度为36个题目时,三种方法在能力估计的准确度上没有太大的区别,但是在曝光率的控制方面,KL信息方法表现更好,其次是改进的b分层法,最后是b分层法。
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O212;TP391.76

【参考文献】