两种新的多维计算机化分类测验终止规则

摘要

计算机化分类测验(Computerized Classification Testing,CCT)由于具备分类的功能,目前在职业资格考试、健康与护理问卷等以分类为目的的测验中得到广泛应用。作为CCT的重要组成部分,终止规则不仅决定测验停止的条件而且直接影响分类准确率及测验效率。然而,目前少有研究对多维CCT(Mulitidimensional CCT,MCCT)的终止规则进行探索。针对已有MCCT终止规则的不足,提出两种新的MCCT终止规则(即基于马氏距离的多维序贯似然比规则Mahalanobis-SPRT和随机缩减的多维广义似然比规则M-SCGLR),并开展模拟研究在不同实验条件下(比如,不同的题库结构、能力维度间相关及分界函数)考查它们的表现。结果表明:(1)在使用补偿性分界函数的条件下,Mahalanobis-SPRT规则具有较高的分类精度和与同类方法相近的测验长度;(2)在几乎所有实验条件下,M-SCGLR规则不仅在测验精度上大幅优于已有的多维随机缩减规则,而且具有较短的测验长度。