摘要：计算机自适应考试(CAT)系统以其试题的难度、数量自适应考生个性化需求而日益得到教育界的重视。本文基于项目反应理论(IRT),设计了一个适应于CAT系统的题库,该题库采用三参数Logistic模型(3PLM)拟合项目特征曲线,运用联合极大似然估计法(JML)对项目参数进行估计,再通过评价函数对题库参数进行控制和优化,使得题库能够更好地适合不同考生的特点。

摘要：实时线性考试（Linear On-the-Fly Test，LOFT）是一种在计算机上实施的，以题库形式为发送基础的考试设计：根据事先设定好的规则，整套试卷在考生开考时随即从题库中产生，试卷之间题目或多或少总有不同。本文比较LOFT和固定试卷以及计算机自适应考试（CAT）设计之间的差别，并通过一个虚拟案例介绍考试主办方在实施这种设计时需要考虑的具体环节。

摘要：采用网络CAT模式进行各种考试已越来越广泛,但受数学模型的限制,有关题型均为选择、判断等标准化试题,对于需要严格考查考生编程能力的程序设计考试,若全部采用标准化试题就不太合适。本文通过对C语言特点的剖析,在项目反应理论的基础上,就如何建立C程序设计非标准化试题的CAT模型进行探讨。

摘要：一、AI算力提升,让「自适应性」成为语言学习软件标配如今,伴随着技术进步,诸多国际通行的语言类国际考试已经采用了「计算机自适应考试(Computer-Adaptive Test,CAT)」。这一考试形式指的是在考试进行过程中,计算机系统会根据考生已完成题目的表现情况来决定接下来分配的题目。比如,美国商学院入学考试GMAT考试,就是率先践行了「自适应」概念的考试之一。而在2011年改革后的新GRE考试后,更是采用了「多阶段计算机自适应考试(Multi-Stage Adaptive Test,MST)」的形式。

摘要：引入Agent技术和计算机自适应考试理论,构建了一个多Agent网络自适应考试系统模型,分析了其中各Agent的设计,并说明了如何在J2EE平台下实现该模型。