[发明专利]一种认知能力的自适应测评方法、测评系统及其使用方法

权利要求书

1.一种认知能力的自适应测评方法，其特征在于，包括以下步骤：

步骤1，若被试能力在测试初始，则其初始先验分布由贝叶斯层次模型赋予初值；若对n-1个被试能力完成了测试，且当第n个被试已进行(t-1)次测试，需对其进行第t次测试时，则被试能力先验分布由(t-1)次测试后获得的后验分布赋值；

步骤2，求解使期望效用函数的互信息效用最大值的候选设计，并使用其对应的试题对被试能力进行施测；

步骤3，使用三参数项目反应模型计算期望后验估计值，构建其未知参数的后验分布；

步骤4，得到观测结果；

步骤5，计算被试能力的后验分布；

步骤6，判断当前总信息量是否满足终止条件，若当前信息量大于阈值条件，则结束测试，获得观测结果；若当前信息量不满足终止条件，则返回步骤1将所述被试特质后验分布作为下一题测试中的被试先验分布，继续循环。

2.如权利要求1所述的认知能力的自适应测评方法，其特征在于，进一步包括步骤7，当一个被试结束测试时，更新被试个体空间内的贝叶斯层次模型，并在下个被试测试之初赋予合适的初值，其更新表达式如下：

p(θ_n+1|y_1:n)＝p(θ_n|y_1:n-1)；

其中，

其中，p(η)是高层模型参数η的先验分布，通过在θ_1:n和η上集成后续表达式，得到了边际分布p(y_1:n)。

3.如权利要求1所述的认知能力的自适应测评方法，其特征在于，所述步骤2中，所述期望效用函数的表达式为：

其中，y_1:n-1表示为过去n-1个被试能力的所有观测结果，y_n^(1:t)包含了当前第n个被试能力过去t-1个测试评估y_n^(1:t-1)和当前的候选观测y_n^(t)。

4.如权利要求1所述的认知能力的自适应测评方法，其特征在于，所述步骤3中，若试验样本数据、被试特质先验分布确定，假设项目参数的先验分布密度函数为g(ξ)，则关于未知项目反应模型项目参数的后验分布为：

其中，

其中，P_t(ξ)为三参数项目反应模型为

其中，L(ξ)为项目参数的似然函数；

其中，表示某种反应模式u_n的边际概率；

最终求得项目参数E(ξ_n|u_n,θ_n)，并将其更新为最新的IRT模型参数；

和/或，

所述步骤5中，使用贝叶斯层次模型的框架来计算被试特质的后验分布，其表达式为：

其中，

其中，y_n^(1:t)＝y_n^(t-1)+y_n^(t)，其中y_n^(t)在步骤4中得到y_n^(t)＝P(u_n)；

其中，p(η)是高层模型参数η的先验分布，通过在θ_1:n和η上集成后续表达式，得到了边际分布p(y_1:n)。

5.如权利要求4所述的认知能力的自适应测评方法，其特征在于，所述项目反应模型参数的求解方法包括：联合似然估计法、贝叶斯期望后验法、马尔科夫链方法。

6.如权利要求1所述的认知能力的自适应测评方法，其特征在于，为了在题库扩展中免去项目反应模型重新建模的过程，进一步进行参数化建模，在题库中记录每个项目以及其项目反应模型中对应的参数，将其与语料库中的项目以及认知能力相关参数进行相关性建模；和/或,所述方法结合测评内容并以游戏形式输出。