Краткое содержание

arXiv:2504.15543v2 Тип объявления: замена-перекрёстная публикация Аннотация: Адаптивное компьютерное тестирование (Computer Adaptive Testing, CAT) направлено на точное определение уровня способностей индивида с использованием лишь подмножества инструмента теории отклика элементов (Item Response Theory, IRT). Во многих приложениях адаптивного тестирования также необходимо обеспечить разнообразную экспозицию вопросов в различных сессиях тестирования, чтобы ни один вопрос не был чрезмерно или недостаточно использован. В CAT вопросы выбираются последовательно на основе текущей оценки способности респондента. Предыдущие методы почти повсеместно рассматривают выбор вопроса через призму оптимизации, что мотивирует использование жадных процедур выбора вопросов. Хотя они эффективны, эти детерминированные методы обычно имеют плохую экспозицию вопросов. Существующие стохастические методы для выбора вопросов являются произвольными, при этом веса выборки вопросов не имеют теоретического обоснования. В данной статье мы формулируем задачу стохастического CAT как проблему усреднения байесовских моделей. Мы ищем вероятности выборки вопросов, рассматриваемые в долгосрочном частотном смысле, которые обеспечивают оптимальное усреднение модели.