最大優(yōu)先級(jí)指標(biāo)選題策略的相關(guān)研究.pdf

1、分類號(hào)：密級(jí)：學(xué)校代碼：10414學(xué)號(hào)：2009010955碩士研究生學(xué)位論文士研究生學(xué)位論文最大優(yōu)先級(jí)指標(biāo)選題策略的相關(guān)研究最大優(yōu)先級(jí)指標(biāo)選題策略的相關(guān)研究ResearchonItemionResearchonItemionunderunderMaximumMaximumPriityPriityIndexIndex湯楠湯楠院所：計(jì)算機(jī)信息工程學(xué)院導(dǎo)師姓名：丁樹良學(xué)科專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)研究方向：智能教育軟件二○一年I摘要項(xiàng)目反應(yīng)理論

2、（IRT）在潛在特質(zhì)理論的基礎(chǔ)上發(fā)展起來的，與傳統(tǒng)的經(jīng)典測(cè)量理論（CTT）相比，有能力估計(jì)獨(dú)立于樣本、項(xiàng)目參數(shù)估計(jì)更為準(zhǔn)確等優(yōu)勢(shì)。計(jì)算機(jī)化自適應(yīng)測(cè)驗(yàn)（CAT）則是IRT在人工智能上的一個(gè)重要應(yīng)用，它能更科學(xué)地針對(duì)被試選題，讓每一個(gè)被試能夠作答適合自己能力的項(xiàng)目，再通過如貝葉斯期望后驗(yàn)估計(jì)法（EAP）等算法進(jìn)行能力估計(jì)。由此可見IRT在計(jì)算機(jī)的輔助下比CTT更能快更準(zhǔn)確地估計(jì)被試能力，同時(shí)也從某種程度上減少了對(duì)人力物力上的投入。在CAT中

3、，選題策略是一個(gè)核心部分，也是最智能的部分，因?yàn)樗枰紤]的因素較多，比如測(cè)量精度及曝光率等。怎樣將這些相互沖突的因素在選題策略上進(jìn)行權(quán)衡（tradeoff）是一個(gè)值得深入研究的課題。CAT中使用的IRT模型主要分為01模型和多級(jí)評(píng)分模型，其中多級(jí)評(píng)分模型主要有等級(jí)反應(yīng)模型（GRM）和拓廣分布評(píng)分模型（GPCM）。本文的研究建立在GRM模型之上。在01評(píng)分的選題策略中，對(duì)于曝光率控制較好的選題策略有按a分層法、引入曝光因子的選題策略等，

4、并且引入曝光因子的選題策略在曝光率控制均優(yōu)于其他選題策略。在多級(jí)評(píng)分中應(yīng)該怎樣將曝光因子引入、引入曝光因子之后的效果如何、有沒有對(duì)已存在的多級(jí)評(píng)分選題策略有所改進(jìn)等，均是本文研究的重點(diǎn)。對(duì)于限制條件的平衡控制上，有按內(nèi)容分層（cSTR）和ChengYing提出的最大優(yōu)先級(jí)指標(biāo)（MPI）等。隨后潘奕嬈對(duì)其可能存在的越界問題給與修正，提出修改后的MPI方法（MMPI）。由于MPI和MMPI方法在選擇項(xiàng)目的過程中，容易使某些信息量大且包含限制

5、條件數(shù)較多的項(xiàng)目頻繁出現(xiàn)，于是提出將曝光因子引入MMPI方法。結(jié)果表明，引入后的方法在曝光率控制上得到了極大的改進(jìn)。此外，最大優(yōu)先級(jí)指標(biāo)中，公式較為簡(jiǎn)潔的一階段選題可能存在難以避免的越界情況。本文針對(duì)這一情況進(jìn)行研究，分析此現(xiàn)象可能存在的原因，并對(duì)其修正。實(shí)驗(yàn)表明，在越界情況上，修正后的方法比之前的具有明顯優(yōu)勢(shì)。此外，考慮到MPI指標(biāo)中曝光率控制的不足，將修正的方案與引入曝光因子的方法相結(jié)合。結(jié)合后的方法，同時(shí)具備了計(jì)算公式簡(jiǎn)潔、曝光控