摘 要

测试是学习过程中检测学习效果的重要环节,测验对学习者来说，不仅仅是单纯的评估意义，更重要的是需要激发学习动机和维持学习兴趣。目前我们接触到的测试大部分还是相同题目的测试，测试题目一般参照中等能力的测试者能力编写，对于能力水平较高或较低的测试者来说，这样的测试较难评估他们的实际能力水平。近几年来，大规模开放课程（MOOCs）掀起在线学习新的热潮，但其高退学率一直受人诟病。一个重要的原因可能由于学习者的社会层次、知识水平与学习能力差别过大，传统的在线学习在章节后提供固定题目，较难评估学习者的真实能力，同时也对保持学习者的学习动机和兴趣不利。因些，亟需寻找一种合理评估学习者的评估方法。自适应测试（ComputerAdaptive Testing，CAT）正好可以提供很好的解决方式，它利用项目反应理论建立试题库, 然后系统根据被试者的能力水平估计值自动组织试题, 最终对被试者能力做出较为准确的学习评估。

本文针对在线课程或MOOCs自适应测试需要，以《现代教育技术》课程为例，基于Sakai平台设计一个计算机自适应测试系统。该系统首先利用sakai快速搭建了一个在线协作平台，并基于练习与测试工具提供的题库管理、组卷、测验管理、自动阅卷和成绩管理等功能设计一个自适应测试系统，并可以用sakai-axis工具提供对外提供WebService调用。该系统希望可以通过较准确地测试学习者的学习水平，维持学习者的学习积极性，为缓解MOOCs高退学率提供参考，同时通过测试积累学习者数据，为进一步完善题库和课程资源建设，提高课程教学设计提供借鉴。

关键词： 项目反应理论；能力估计；自适应测试；sakai；

Abstract

Testing is an important part of the process of learning to detect the effect of learning, the test for the learners, not just a simple assessment of the significance, more importantly, need to stimulate learning motivation and maintain learning interest. Most of the tests we are currently exposed to are the same subject test, and the test questions are generally written on the competency of moderately capable testers. For test subjects with higher or lower levels of competence, such tests are more difficult to assess their actual ability level. In recent years, large-scale open courses (MOOCs) set off a new wave of online learning, but its high drop rate has been criticized. An important reason may be due to the learner's social level, the level of knowledge and learning ability is too different, the traditional online learning after the chapter to provide a fixed topic, it is difficult to assess the learner's real ability, but also to keep learners learning motivation and interest. Because of this, there is an urgent need to find a reasonable assessment of the learner's assessment method. The Computer Adaptive Testing (CAT) can provide a good solution. It uses the project response theory to establish the test question bank, and then the system automatically organizes the questions according to the subjects' ability level estimation，and finally make a more accurate learning assessment of the subjects' ability.

In this paper, for the online courses or MOOCs adaptive testing needs to "modern education technology" course, for example, based on Sakai platform design a computer adaptive test system. The system first uses sakai to build an online collaboration platform and designs an adaptive test system based on the functions of quiz management, test paper, quiz management, automatic marking and performance management provided by practice and test tools, and can use sakai-axis to provide external calls to the WebService. The system hopes to test the learner's learning level more accurately, to maintain the learners' enthusiasm for learning, to provide a reference for alleviating the high drop rate of MOOCs, at the same time, through the accumulation of learner data, in order to further improve the question bank and curriculum resources construction, improve the teaching design to provide reference.

Keywords: Item Response Theory; Ability Estimation; Computerized Adaptive Testing; Sakai

目 录

第1章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 2

1.3 论文组织结构 2

第2章 相关理论基础 4

2.1 项目反应理论 4

2.1.1 项目反应模型 4

2.1.2 项目特征曲线 4

2.1.3 信息函数 5

2.2 计算机自适应测试 6

2.2.1自适应测试基本概念 6

2.2.2 自适应测试系统的算法 6

2.3 sakai平台 7

2.3.1 sakai概况 7

2.3.2 练习与测试工具 8

2.3.3 学习评价 10

第3章 自适应测验系统整体设计 11

3.1 需求分析 11

3.2 体系结构 11

3.3功能模块的设计 12

3.4 题库设计 13

3.4 自适应策略设计 14

第4章 自适应测试详细设计 17

4.1课程目标分析 17

4.3 试题库的建立 17

4.4 sakai环境安装和配置 18

4.5 在sakai平台建立《现代教育技术》测试 19

4.6 《现代教育技术》自适应测验设计 19

4.7 模拟测试 19

第5章 总结与展望 22

5.1 研究总结 22

5.2 反思和设想 22

参考文献 23

致谢 24

第1章 绪论

1.1 研究背景和意义

现代信息技术的快速发展，极大地改变了人们的生活和学习方式，使信息获取和知识构建发生了根本性变化。近些年来，互联网的开放性和便捷性造就了跨越时空的在线学习模式，丰富的网络资源、活跃的学习社区和强大的教育支撑平台构成了全新的网络学习环境。学习者可以不受时间、空间的限制，根据自己的需求、知识背景、个人喜好、学习风格等因素来选择学习内容，也可以根据自己的实际情况，调整自己的学习进度和策略。学习者还可以利用网络与同样进行互动交流，甚至与老师一对一地辅导。相对于传统课堂教学而言，在线学习不可比拟的优势，逐渐为大众接受，并成为一种主流的学习趋势。从2012年开始，大规模开放课程（MOOCs）再次掀起了在线学习新的热潮。MOOCs作为一种新颖的在线教育模式，吸引了全球广泛的关注；它为学习者提供了难得一遇的学习机会，“名校、名师、名课”等效应，更吸引了来自世界各地、各种文化层次的学习者热情。

虽然MOOCs从一开始就受到热捧，甚至被誉为是传统教育体系的颠覆者，但另一方面MOOCs也因为著名的高退学率而广受诟病。作为目前极其热门的在线学习方式，它仍然对于学生的自制力有较高的要求，如何培养和保持学习者的学习兴趣依旧是广大教育研究者特别关心的问题。一方面，研究者已经认识到教育应以学习者为中心，根据个体差异、因材施教的重要性；另一方面对学习者进行分阶段分层次地合理评价，更是调动学习者主动性和维持学习兴趣的关键。面对MOOCs中学习者层次复杂、知识水平与学习能力参差不齐等现实问题，合理的学习效果评价将面临较大的挑战，仅仅靠每章节内容中少量的固定题目练习，很难有效调动和维持这些层次差异极大学习者的学习兴趣，亟需寻找更为合适的测验手段或测验方式。测验对学习者来说，不仅仅是单纯的评估意义，更重要的是需要激发学习动机和维持学习兴趣，自适应测试（ComputerAdaptive Testing，CAT）正好可以提供很好的解决方式。它利用项目反应理论建立试题库, 然后系统根据被试者的能力水平估计值自动组织试题, 最终对被试者能力做出较为准确的学习评估。近些年来，计算机自适应测试（CAT）在测试研究领域中迅速发展，并取得引人注目的成果，现已广泛应用于教育测量、职业测试等领域之中。