王勤云

山东师范大学传播学院 济南 250014

计算机自适应测验中基础数据模拟方法

王勤云

山东师范大学传播学院 济南 250014

在计算机自适应测验中，利用计算机来模拟生成被试和题库，对于选题策略的实验模拟是非常重要的。主要叙述均匀分布、正态分布样本的生成算法以及正态分布的检验方法。

计算机自适应测验；均匀分布；正态分布

计算机自适应测验（Computerized Adaptive Testing，简称CAT）是在测验过程中，根据考试者的当前测试估计能力值，自适应地选择合理难度的题目。CAT被广泛地应用于GRE、 TOEFL等各类考试。随着CAT的广泛应用，测验安全性成为研究重点。选题策略作为CAT中一个重要环节，对测验的安全性有很大影响。合理的选题策略可以有效控制项目曝光率，提高测验安全性。

一种新型选题策略必须经过大量实验才能实际应用。如果每次实验都选取大量的被试和搜集大量项目来组建题库，需要花费大量财力、物力与人力。但如果利用计算机来模拟这些被试和题库，可以节省大量资源，使实验高效、便捷。本文主要阐述被试与题库的生成算法以及正态分布的检验方法。

在CAT中，被试的能力取值在理论上是(,)−∞+∞，但是在实际中，取值范围一般在（-4,4）之间，被试通常服从标准正态分布N(0,1)或者某一区间上的均匀分布。题库中每一个项目都有3个参数a、b、c，其中a为项目的区分度，b为项目的难度，c为项目的猜测系数。项目参数一般来说服从标准正态分布N(0,1)或某一区间上的均匀分布，具体服从何种分布是由研究者自己确定的。……