天才一秒记住【梧桐文学】地址：https://www.wtwx.net
策略，进而影响测验的公平性。
“作弊”
策略主要包括：Wainer策略和Kingsbury策略。
Wainer策略：Wainer（1993）提出被试在自适应作答阶段，故意答错所有题目，计算机根据被试作答情况估计的能力值会越来越低，导致被试作答的题目越来越容易。
然后在允许修改阶段被试全力答对所有题目，通过这种方法被试获得正偏的能力估计值。
研究发现使用Wainer策略后造成被试真实能力水平和施测题目难度不匹配，不匹配程度越大，引起的测量误差也越大，特别对于中高能力水平的被试会有较大的能力估计正偏差（Bowles＆Pommerich，2001；Stog，1997；VispoelRog＆Bleiler，1999）。
Wainer策略表面看起来似乎是很诱人的，但是要通过Wainer策略来作弊却是一件十分冒险的事，Gershstrom（1995）通过模拟研究发现只有当被试在修改阶段答对所有题目时，Wainer策略才是有效的，即使答错一个题目，考生的能力估计值也会被严重低估。
为了评估Wainer策略对被试能力估计产生的影响，Vispoel等人（1999）研究通过模拟和真实数据以及贝叶斯后验期望（EAP）和极大似然估计（MLE）来评估Wainer策略的有效性。
结果发现Wainer策略的有效性取决于能力估计的方法，模拟实验表明：使用EAP估计后，能力分布在［-2，0.5］的被试能力估计值有小程度的提高，而中高能力被试被严重低估；而MLE的结果是使用Wainer策略后中高能力的被试能力被严重高估。
通过真实的实验数据也得到了类似的结果。
研究还发现MLE更易受到Wainer策略的不利影响。
Vispoel等人（1999）的实验结论后来也得到Davey和Fan（2000）研究结果的验证。
Kingsbury策略（简称K策略）是由Kingsbury（1996）提出的一种“作弊”
策略，指被试通过感知题目难度的变化来纠正错误。
例如，被试根据当前题目的难度判断上一个题目是否答对，如果被试认为当前题目比前一题难度更大，就认为前一题答对了，相反，就会怀疑前一题答错了，并有针对性地修改之前的答案。
Kingsbury（1996）通过模拟数据检验了K策略对测验产生的影响，其研究基于两个前提假设：①假设题目难度高于真实能力1个单位时，被试会猜测答案。
②假设被试认为当前题目的难度低于前一题，并超过0.5个单位时，将会修改前一题的答案。
研究发现成功使用K策略的被试能力估计水平都得到了提高，但是不同水平的被试提高的程度不一样，从低能力到高能力，能力提高的程度依次降低，能力估计值平均提高了0.11。
成功应用K策略的关键在于被试能否识别出题目难度的变化。
为了考察被试对成对题目难易的真实分辨能力，Wise，Finney，Enders，Freeman和Severance（1999）用真实的数据进行了研究。
结果发现被试在辨别题目难易任务中整体表现较差，即使两题难度差异超过0.5个单位，也只有73%的被试能成功辨别。
被试在成功使用K策略后平均能力估计值只有较小程度的提高，平均增幅只有0.01。
由此可看出被试很难使用K策略来作弊。
Davey和Fan（2000）后来通过模拟研究也发现被试通过K策略来作弊的机会是很小的。
除了以上所描述的RCAT可能导致的问题之外，事实上允许被试修改答案造成的影响涉及CAT的方方面面，包括题库的建设和维护、选题策略、能力估计方法、终止规则等。
例如，通过检查并修改答案之后，被试就有更多的时间记住题目，也有可能损害题库的安全性。
在选题策略方面传统的最大化信息选题可能会导致更多的误差，因此在RCAT的应用方面可能还需要做出一些调整。
如果后面的题目对前面题目的答案有提示，通过修改答案被试就会答对一些本该答错的题目，也会带来额外的估计误差。
修改答案后导致能力估计出现较大的偏差，部分被试可能要额外增加测验题目或者改变测验的终止规则。
然而允许被试在CAT中返回修改答案符合被试一直以来形成的考试习惯，通过提供给被试一次改正错误的机会，有助于保证测验的公平公正性。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！