教育测评即教育测量与评价,是现代教育科学研究的三大领域之一.从狭义上讲,它是教育者通过一定手段、方法和工具,测量和评估受教育者的能力、综合素养和个性的过程.传统教学考试是基于经典测量理论的教育测评,由于有测量误差的存在,被试者的真实能力水平值不等于所测值,越来越不能适应教育测评的需求,基于项目反应理论的自适应计算机考试系统（Computerized Adaptive Testing,CAT）应运而生.CAT一般指以计算机为媒介的自适应测评,目的是为每个被试提供最优的测评,从而对被试的能力水平进行精确地测评.它可以根据被试的能力选择难度适合的项目,从而更快、更稳健地估计出被试能力值.要得到被试能力的稳健估计,要求CAT具备如下条件:能够高度拟合被试响应行为的底层IRT模型、高效的选题策略及稳健的能力参数估计.因此,本文选择四参数logistic模型（Four Parameter Logistic Model,4PLM）作为CAT的底层模型,并对CAT的选题策略及4PLM极大似然估计法（4PLM-MLE）进行优化,提出了最优能力对应选题法和4PLM稳健估计方法（4PLM-Robust）,以减少被试测评时间并提高能力估计准确性.论文首先介绍了自适应测试和项目反应理论的研究现状,比较了项目反应理论较经典测量理论的优势,系统地介绍了四种项目反应模型及CAT主要算法;然后,对以4PLM为底层数学模型的CAT选题策略进行优化,提出最优能力对应法,并推导出被试最优能力值的显示表达式,模拟实验和实证分析表明此选题策略能够有效提高选题效率,减轻系统负担.注意到,不是每个被试对同一个试题都伴随着相同的猜测度,这会导致被试能力被高估或者低估.因此,提出4PLM-R.obust估计法来对能力参数进行估计.理想实验和模拟实验表明4PLM-Robust可以有效地对被试能力进行稳健估计.对以四参数logistic.s模型为底层模型的CAT进行研究,优化最大信息量选题策略及能力参数估计方法,能够很好地纠正被试因为猜测现象或睡眠现象导致的被试能力高估或低估,使被试的能力估计更加准确,同时又具备了测验方便、时间自由、选题效率高的优点.