本报告介绍了国内外计算机化自适应评测（CAT）的应用现状，以及国内外学者对选题策略的研究现状。
在国外，美国对CAT的研究最领先，并对其的推广和应用比较广泛。1991年起，美国的Novell公司成功应用CAT进行测试。之后在资格认证考试领域、GRE、GMAT、K12领域中，逐渐采用了CAT测验。1971年Lord提出了b匹配选题策略，1975年Owen提出贝叶斯选题策略，1978年Lord又提出了最大Fisher信息量方法，这三种选题策略是最基础的选题策略。本次报告也讲解了基于此三种选题策略的多种新的选题策略。
在国内，关于CAT的研究比国外起步略晚，在CAT开发技术在国内也应用缓慢。本次报告介绍了当前我国在选题策略方面研究的主要学者及其相关研究内容。例如：程小杨等人针对用极大项目信息量准则（MIC）选题效率高但项目分布不均匀造成测试安全性下降以及a分层（A-STR）方法通过控制曝光率提高了测验的安全性但测验效率有所下降的确定的缺点，提出了引入曝光因子的计算机化自适应测验选题策略。蒋昌猛、冯筠、孙霞等人针对海量习题带来的信息过载导致学习针对性不强、效率不高等问题，提出了基于知识点层次图的个性化习题推荐算法（ReKHG）。朱天宇、黄振亚等人认为基于认知诊断的方法只能建模单个学生的学习状态，不能利用相似学生的共性特征，并针对此问题提出了一种基于学生知识点掌握程度的协同过滤试题推荐方法。
总的来说，当前的研究在功能上比较关注评测的效率和题库的安全性，较少对用户的行为数据、学习数据进行分析；在算法上运用复杂的数学表达式，实际中应用人员难以理解；存在改进的空间。 |