天才一秒记住【梧桐文学】地址：https://www.wtwx.net
在施测特殊因子维度时，所采用的题目难度参数与一般因子的难度参数是一样的，但是所采用的项目区分度则是双因子模型下特殊因子维度的区分度。
尽管Weiss和Gibbons的这种解决方法在一定程度上解决了内容覆盖不全面的问题，但又带来新的问题，虽然保证测量内容的全面性，但是测量问卷的长度也随之增加。
（二）基于单维的最大Fisher信息量选题，结合内容平衡的选题策略
因为基于单维的最大Fisher信息量在双因子CAT中使用时存在选题内容不均衡的问题，Zheng等人（2013）提出了在双因子CAT中使用基于单维的最大Fisher信息量选题，同时结合内容平衡策略的选题方法。
在YiZheng等人的研究中，采用简明健康状况调查表（36-itemShortFormHealthSurvey，SF-36）的作答数据进行了双因子CAT的模拟研究，比较了无内容平衡随机选题、内容平衡随机选题、无内容平衡最大Fisher信息量选题和内容平衡最大Fisher信息量选题这四种条件下测验的测量精度以及题库使用情况。
在他们的研究中，采用的内容平衡策略为改良的约束性CAT（ModifiededCAT，MCCAT）。
结果表明：相比于随机选题，最大Fisher信息量选题的测量精度更好，而在最大Fisher信息量选题中，在一般因子上没有内容平衡的选题策略测量精度略高于采用了内容平衡的选题策略的测量精度，但是这种差别并不是特别大。
采用了内容平衡策略却能明显地改善最大Fisher信息量选题导致的不同维度之间选题不均衡的情况。
在双因子CAT中，很多时候会出现有的维度题目区分度较高，而有的维度区分度较低，在采用最大Fisher信息量选题的时候就会使得高区分度维度的题目更有可能被选出，而区分度小的维度的题目被选出的比例更少，通过内容平衡策略的限制，区分度较小的维度的题目也会被选出来，因为区分度的高低反映的是信息量的大小，因为内容平衡的限制，使得一些区分度相对较低的维度的题目也能被选入，从而使得整体的信息量（测量精度）稍有降低。
尽管会存在这样的损失，但是带来的收益更高，如提高了题库中一部分题目的使用率，平衡了测验的内容等，因此，采用内容平衡策略还是能够带来一些好处的。
二、基于多维的最大Fisher信息量矩阵选题
上述两种选题策略都是基于单维信息量选题提出的，由于采用单维信息量选题，忽略了公共因子与特殊因子之间的重叠的信息，同时为了保证选题内容覆盖的全面，可能会使得测验的长度增加。
基于这样的背景，Seo（2011）借鉴了Segall（1996）提出的使测验的Fisher信息量矩阵行列式达到最大的方法（也被称为“D-优化法”
）进行双因子CAT的选题。
研究者把Weiss和Gibbons的基于单维最大Fisher信息量选题的BICAT作为参照，以定长测验的形式，比较了以多维选题策略为基础的MBICAT和BICAT的测量精度。
除此之外，研究者还采用了不定长测验的形式，研究了MBICAT下测验的长度。
结果表明，采用多维双因子CAT（MBICAT）方法在测量精度上能够满足要求，测验的精度与采用单维双因子CAT（BICAT）方法下的测量精度比较接近。
在特殊因子为4个、题库为400题的条件下，以OSE作为CAT的终止标准，结果表明：在OSE=0.5作为CAT终止条件时，测验的平均长度为20.97～36.24题；而在以OSE=0.55作为测验终止条件时，测验的平均长度为15.43～23.6题，总体来看，采用多维双因子CAT不仅能够保证测量的精度，同时还能够显著地减少施测的题目。
但是在该研究者的研究中，并没有在不定长测验下同时比较BICAT和MBICAT的测量精度和测验长度，因此，相比于采用单维选题策略的BICAT，采用多维选题策略的MBICAT的测验是否会更有效率还有待新的研究发现。
该研究使用的数据为模拟的二级计分数据，因此在等级数据以及非模拟的数据上采用以多维选题策略为基础的双因子CAT表现如何也亟待后续的研究。
因为双因子IRT模型本身是多维IRT模型的一个特例，因此，一些针对多维IRT模型提出的多维选题策略，应该也可以在双因子CAT中进行一些尝试，基于目前在这方面上的探索还不是很多，因此在未来相关的研究中，可以考虑进行一些尝试。
例如，设置同样的条件比较BICAT和MBICAT的测验效率；在使用多维选题策略时，兼顾内容平衡，从而保证测验的全面；不仅采用模拟的数据进行研究，也需要收集实测数据，以实测数据来研究和比较用不同选题策略的双因子CAT等。
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！