让自适应测验更知人善选——基于推荐系统的选题策略

摘要：

基于推荐系统中协同过滤推荐的思想,提出两种可以利用已有答题者数据的CAT选题策略:直接基于答题者推荐(DEBR)和间接基于答题者推荐(IEBR).通过两个模拟研究,在不同题库和不同长度的测验中,比较了两种推荐选题策略与两种传统选题策略(FMI和BAS)在测量精度和对题目曝光率控制上的表现,以及影响推荐选题策略表现的因素.结果发现:两种推荐选题策略对题目曝光率的控制优于两种传统选题策略,测量精度不亚于BAS方法,其中DEBR侧重选题精度,IEBR对题目曝光率控制最好.已有答题者数据的特点和质量是影响推荐选题策略表现的主要因素.

关键词：选题策略、已有答题者数据、推荐系统、协同过滤推荐、模拟研究

所属期刊栏目：51

分类号：B841(心理学)

资助基金：国家自然科学基金项目31571152;北京市与中央在京高校共建项目019-105812;国家教育考试科研规划2017年度课题GJK2017015

在线出版日期：2019-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1057-1067