罗照盛 喻晓锋,2 高椿雷 李喻骏 彭亚风王 睿 王钰彤

    (1江西师范大学心理学院,南昌 330022) (2亳州师范高等专科学校,亳州 236800)

    1 引言

    相对于传统的测验形式,计算机化自适应测验(Computerized Adaptive Test,CAT)由于有更高的测试效率和更好的测验精度而受到广泛关注(Barrada,Olea,Ponsoda,&Abad,2008;Chang &Ying,1999;Chang,Qian,&Ying,2001;程小杨,丁树良,严深海,朱隆尹,2011;刘珍,丁树良,林海菁,2008)。与其它测验形式相比,认知诊断(Cognitive Diagnosis,CD)测验最大的优势在于它能提供被试在测验领域上的知识诊断报告,这个诊断报告包含了更加丰富的评价信息,可以对被试的进一步学习、教师开展针对性教学等提供帮助(Leighton&Gierl,2007;Rupp,Templin,&Henson,2010)。

    认知诊断计算机化自适应测验(Cognitive Diagnostic Computerized Adaptive Testing,CD-CAT)(Cheng,2009a,2009b;McGlohen&Chang,2008;Xu,Chang,&Douglas,2003)建立在传统CAT(指没有诊断功能的CAT)的基础之上,同时赋予传统CAT新的功效—认知诊断,它是将认知诊断的基本理论、方法与计算机自适应测验相结合的产物。CD-CAT结合了CAT和CD的优点,它一方面可以对被试的知识状态进行诊断;另一方面在诊断过程中可以有针对性、“量体裁衣”式的选择项目让被试作答,从而有利于提高测验效率和测量精度(Cheng,2009a)。根据Wang (2013)的描述,CD-CAT是结合了CD和CAT二者的优点的一种测验,其中CD的目的是根据被试的知识掌握情况对被试分类,找到被试的优势和弱点,而 CAT的算法则使这一过程尽可能更高效的实现。

    在传统 CAT研究中,选题策略是一个重要的组成部分,每次都是基于被试的当前能力估计值,根据某种信息测度(比如Fisher最大信息量)来选择下一个要施测的项目,从而达到采用较少的项目估计被试的能力也能达到预先设定的精度(Chang &Ying,1996)。

    关于CD-CAT的选题策略,已有的研究主要有5种：一是基于 KL信息量的选题策略(KL),即根据被试的当前属性掌握模式估计值,每次从题库或剩余题库中选择KL信息量最大的项目施测(Cheng,2009a) ......