计算机多阶段自适应测验(MST)结合了纸笔测验(P&P)和计算机自适应测验(CAT)两者的优势,MST既有自适应的优势又可以帮助测验开发者更好的管理测验并保持测验平行。认知诊断(CD)可以准确测量出学生的知识状态和认知结构,并为每位学生提供诊断性信息,这有助于学生的自我学习和自适应学习(adaptive learning),并有助于教师有针对性的进行补救教学。本文首次将计算机多阶段自适应测验的自动组卷(ATA)应用于认知诊断中,提出基于认知诊断的计算机多阶段自动组卷(CD-MST)算法。同时,本文提出了一种新的基于认知诊断的题目难度指标;将认知诊断的属性信度指标被定义为CD-MST的统计约束目标,并将这两个指标结合启发式算法(heuristic methods)用于自动组卷的CD-MST中。本文采用蒙特卡洛模拟实验以及实证应用研究相结合的研究范式,验证本文提出的基于CD-MST的自动组卷算法的科学性及其效果。研究一开发了自动组卷的CD-MST并对其有效性进行了Monte Carlo验证;研究二将开发的自动组卷的CD-MST应用与抑郁症状的测量与评估中。研究结果表明:(1)本文提出的CD-MST自动组卷算法成功实现了CD-MST的线下自动组卷;组卷结果即符合测验统计约束也符合测验的非统计约束。(2)使用CD-MST自动组卷算法可以保证所组建的面板(panel)间相互平行。(3)将CD-MST的自动组卷算法应用于抑郁症状的自动组卷可以保证抑郁症状问卷有较好的信度与内容效度,并同时实现各面板(panel)间的平行。为抑郁症状的自动组卷及测评提供了新的方法与技术支持。