計算機化自適應測驗（簡體書）

《計算機化自適應測驗》是“人工智能與智能教育叢書”的一本。計算機化自適應測驗是一種全新的測評形式，它采取了“因人施測”“量體裁衣”的自適應測評思想，為每一個被試選擇一份適合他/她的測驗。與傳統紙筆測驗相比，計算機化自適應測驗不僅可以達到更高的測量精度，還具有縮短測驗長度、減輕學生負擔等優勢。本書用通俗的語言深入淺出地介紹了計算機化自適應測驗的發展歷史、主要理論與技術，展示了其在高利害考試、個性化學習反饋、職業資格考試中的應用。同時，總結了在人工智能時代，計算機化自適應測驗新的發展趨勢，展現了從“自適應”轉向“智適應”的多種可能性。閱讀本書，讀者可以深入地了解這一影響我們很多重大人生選擇的關鍵技術。

鄭蟬金，華東師範大學教育心理學系、上海智能教育研究院副教授，主要研究領域為心理與教育測量、認知診斷測驗、計算機化自適應測驗、應用統計與研究方法。

汪騰，華東師範大學教育心理學系、上海智能教育研究院博士研究生，主要研究方向為心理與教育測量、認知診斷測驗、計算機化自適應測驗。

人類已進入智能時代。教育與人工智能相融合，掀起了教育變革的第三次浪潮！智能教育為每一位學習者提供個性化服務，能夠有效提升教育質量，促進教育公平。與此同時，人工智能時代對勞動者素質也提出了更高要求，向傳統教育方式發起了挑戰。

“人工智能與智能教育叢書”聚焦人工智能前沿理論、核心技術，用大量鮮活生動的案例，探討人工智能技術推動教育方式和學習方式變革的顛覆性力量。

叢書以人工智能關鍵技術為牽引，以教育場景應用為落腳點，系統解讀人工智能關鍵技術的發展歷史、理論基礎、技術進展、倫理道德、運用場景等，分析其在教育場景中的應用形式和價值。希望通過這套書，與各行各業的讀者一同關注、學習、探索、思考，發揮人工智能優勢，建設更加開放靈活的高質量教育體系。

一、計算機化自適應測驗的前世今生

自適應測驗的緣起 

計算機化測驗的發展簡史

計算機化自適應測驗基本知識

二、智能化測驗的“熵鞅”之法

熵論與自適應選題算法 

原來它只是一場公平的賭博！

三、智能化測驗的四個應用場景

不一樣的高考：劍橋領思考試系統 

個性化學習的引擎：智能化的認知診斷系統

專業人士的守護神：職業資格考試

眾裡尋他/她：人才選拔測試

四、從自適應到智適應：當計算機化自適應測驗遇到人工智能

一切為了學習：智能化測驗的未來 

遊戲化測驗：讓測驗更高級、更有趣

計算心理測量學的崛起

什麼是計算機化自適應測驗

計算機化自適應測驗，顧名思義，包含了兩個重要的組成部分，即計算機化測驗以及自適應測驗，它們分別是計算機化自適應測驗中的硬件與軟件元素。

計算機化自適應測驗首先是利用計算機進行測驗的形式。在其發展的最早階段，為了避免紙筆考試帶來的種種弊端，計算機作為一種新的工具被引入測驗。當時只是把紙筆考試的內容直接照搬到計算機上，並沒有加入任何自適應測驗的智能化功能，因此被稱為基於計算機的測驗。

在信息技術手段被引入測驗後，測驗增加了很多新的功能，包括數據記錄和題目呈現形式的多樣化等。其中，最先被重點挖掘的一項是：利用智能化算法提高測驗效率——這就是在計算機化測驗中引入自適應測驗的核心思想。

自適應測驗是一種智能化測驗形式，它能夠根據學生回答問題的情況，選擇與其能力最匹配的題目供其作答，然後根據學生給出的答案對其能力進行評估，之後再選出與他能力最匹配的題目供其作答，如此循環反復，直到滿足測量準確度或者長度的要求。從考生的角度來看，考試的難度與其能力是匹配的。如果考生能答對中等難度的題目，接下來需要回答的題目就會更難一些。如果他們回答錯誤，就會被分配到一些更簡單的題目。這種智能化的出題形式必須依靠算法來實現。

自計算機化自適應測驗誕生以來，在各種文獻中出現了很多不同的專有名詞來描述它，包括定制式考試、個性化考試、程序化考試、序列項目考試、作答權變考試、計算機化考試以及樹狀分支考試。這些術語反映了這種智能化測驗的不同側面，例如：定制式考試體現了智能化測驗為每一位考生“量體裁衣”，提供獨特的考試內容；程序化考試說明這個考試是受計算機程序控制的；序列項目考試揭示了智能化測驗中的考題是按照一定順序選定並展示給考生的現象；作答權變考試指出了考題的選擇是基於已有作答的基本事實；樹狀分支考試體現了每個考生可能在每個節點（考題）被分流到不同的路徑、接受不同的考題，因而形成了一個有趣的樹狀分支圖。

由於本身具有的運算能力以及能夠加載其他信息技術的特質，計算機成為呈現這種智能化測驗的最佳載體。而在這種測驗的發展過程中，雖然研發人員使用過很多不同的名稱，但是它們都在試圖體現這種測驗可以根據考生的表現智能化地開展這一本質，因此，目前被學術界和工業界普遍接受的名稱是“自適應測驗”。於是，“計算機化自適應測驗”這個特定稱謂應運而生。

熵論在自適應測驗中的應用與原理

自適應測驗實現智能化測驗的核心元素是選題算法。為了定制適應每個人不同水平的測驗題，自適應測驗的選題算法經歷了多次演變，其中最為引人注目的是把計算機科學中的信息論引入自適應測驗，這樣就可以把自適應選題看作一個不斷追逐信息最大化或者減少能力估計混亂情況的“熵減”過程。

在自適應測驗發展的早期，人們認為當一道測驗題不是“太難”或者“太容易”時，測驗效率最高。因此，從直覺的角度來說，如果考生答對了一道題，那麼下一道題應該更難；如果考生答錯了一道題，那麼下一道題應該相對容易一點。這個看似簡單但是又非常符合常識的過程在數學上被稱為羅賓斯-門羅過程。

其實，這個過程最早被用在藥物實驗中，特別是藥物毒性研究中。為了尋找藥物中合適的毒性含量，科學家不停地調整給動物實驗物件藥物中的毒性含量，最後停留在正好殺死50%實驗動物的含量上。這個不停調整藥物含量的過程與自適應測驗中動態地調整問題難度的過程基本一致。其實計算機化自適應測驗的基本思路就是偉大的心理與教育測量學家羅德從藥物實驗中的羅賓斯-門羅過程中獲得靈感，並經過一些改造後應用於自適應測驗的。與此匹配的選題算法被稱為“難度匹配法”，也就是選擇難度與考生能力水平最接近的題目。此後，隨著項目反應理論模型的大發展，羅德等多位研究者提出了使用更加精確的費雪信息函數作為選題的標準。顧名思義，從難度的匹配過渡到了對問題中包含的測量信息的度量，從單純地關注問題難度過渡到了關注多方面信息並綜合形成一個複雜指標。這個重大的技術改變使計算機化自適應測驗的效率大幅提升。利用費雪信息函數來選題充分體現了自適應測驗的智能化。信息函數不僅體現了自適應的特點，更加可貴的是，它提供了一個可以量化的指標，具有高度的規範性與科學性。