0 绪论 1
1 题目特征曲线模型 13
1.1 正态卵形曲线模型 13
1.2 Birnbaum的两参数Logistic模型 14
1.3 Birnbaum的三参数Logistic ICC模型 15
1.4 Rasch模型 15
1.5 模型的选择和模型数据适合检验 17
2 Newton-Raphson迭代算法和EM算法 20
2.1 Newton迭代法 20
2.2 EM算法 22
3 题目参数和能力参数的联合极大似然估计 24
4 题目参数的边缘极大似然估计 36
5 题目参数的贝叶斯模型估计 53
6 能力参数的极大似然估计 68
7 能力参数的MAP估计 74
8 能力参数的EAP估计 80
9 题目参数的等值 85
9.1 平均数/标准差等值法和平均数/平均数等值法 86
9.2 题目特征曲线的等值方法 88
10.1 题库的知识能力结构 91
10 题库构造 91
10.2 题目的统计特征：题目参数 94
10.3 题目之间相互提示和相互关联的信息 96
10.4 题目使用记录及题目曝光控制参数 96
10.5 题型、评分办法、命题材料说明 98
11 自适应测验的算法 99
11.1 起点算法 100
11.2 题目选择算法 102
11.3 测验终止算法 108
11.4 对能力分数的解释及使用风险控制 109
12.1 ICC模型的单维假设检验 110
12 实验研究及C语言编程 110
12.2 模型与CET4VS测验数据适合检验 111
12.3 题目参数估计程序检验 115
12.4 能力参数估计的模拟计算 121
12.5 CETVS测试题库及自适应测验的初级开发 122
附录A BILOG3.0软件的运行结果 124
附录B CETMMLE.C程序的运行结果 143
附录C CET4VSCAT.CPP源程序 146
附录D 实验用题目及参数估计值 162
参考文献 172