蔡　艳

(江西师范大学心理学院，江西省心理与认知科学重点实验室，南昌 330022)



CAT中能力参数估计方法的改进：R-MLE估计法*

蔡艳

(江西师范大学心理学院，江西省心理与认知科学重点实验室，南昌 330022)

摘要：本文对CAT中能力估计的常用方法——最大似然估计法(MLE)进行改进，研究中结合EAP方法提出了改进的MLE法(R-MLE)。Monte Carlo模拟研究发现：不论是在定长CAT还是非定长CAT中，不论是在1PL模型下还是在2PL或3PL模型中，不论是在何种CAT题库结构下，R-MLE法较传统的MLE法具有更佳的估计精度及更有效的测验效率；R-MLE法不仅可以提高CAT的能力估计精度还可以进一步改善CAT测试的效率，具有一定的应用前景。

关键词：计算机化自适应测验；能力估计方法；EAP；MLE

1引言

计算机化自适应测验(CAT)是项目反应理论最为成功的应用之一(Van der linden & Glas，2010)。CAT因“量体裁衣、因人施测”的现代测量思想而深受研究者和应用者的推崇，目前国际上大型CAT的具体实例包括美国研究入学测验(GRE)、美国商学院研究生招生测验(GMAT)等。

当前，对于CAT的研究已引起了国内外学者的广泛关注(如陈平，丁树良，2008；戴海琦，陈德枝，丁树良，邓太萍，2006；简小珠，张敏强，2010；罗芬，丁树良，王晓庆，2012；Barrada，Olea，Ponsoda，& Abad，2010；Chang & Ying，1999，2008；Doebler，2012；Kieftenbeld & Natesan，2012；等)。但从目前研究来看，国内外关于CAT的研究主要集中在CAT的选题策略研究，对这一领域的研究成果也最为丰富。但关于CAT中能力估计方法的研究国内外的文献却不多，尤其是关于CAT能力估计新方法的研究则更少。我们知道，CAT中能力估计的精度不足会导致CAT的优势难于发挥，其自适应(adaptive)的选题策略宗旨也是建立在对被试能力准确估计的基础之上，因此选择合适的CAT能力估计方法或者开发估计精度更高的新方法值得进一步探讨。……