计算机自适应测试(简称CAT)是现代教育与心理测量学理论和计算机技术充分结合的产物。在计算机技术迅猛发展的今天,它得到了越来越广泛的关注和应用。然而,传统的CAT由于其选题策略的局限性,造成了测试安全,项目曝光率,测试效率,题库利用率等一系列的问题。尽管许多学者已经就这些问题进行了大量的研究,也提出了一些有效地解决办法,但是这些新方法大都停留在模拟研究阶段,实用性不大,且这些研究都相互独立,并未有效地结合起来解决实际问题。针对这些问题,本文首先对计算机自适应测试的相关理论及发展进行了分析,重点研究了项目反应理论及其常用的三种逻辑斯蒂模型,并比较了各种参数对自适应测试的影响。然后,对计算机自适应测试中题库、施测过程、能力估计方法和测试终止规则四个关键部分进行了深入分析。并着重对选题策略进行了深入的研究：通过分析研究三种比较成熟的自适应测试方法：分层选题策略、Sympson-Hetter方法和改良多项式模型方法,提出了一种改进的自适应测试选题策略CSTR_MMM_SH。此选题策略是一种结合了分层法、SH方法和改良多项式模型方法的组合型选题策略。首先,它以分层法为基础,将题库分层(使得每一层的内容覆盖面基本与整个题库的内容覆盖面一致；每一层的难度系数b的分布尽可能的与整个题库的难度系数b的分布相似；每一层区分度a的平均值随着层数的上升而递增),并将整个测试也分为对应的若干个阶段。这样就体现了分层法在测试的早期阶段实施低区分度的试题,测试后期分别实施中等区分度和高区分度的试题来平衡项目利用率的优势。然后,通过SH方法来弥补分层法对项目曝光控制的不足之处,使得项目曝光率的分布更平衡。最后,利用改良多项式模型方法将内容平衡引入到整个测试中,使得测试过程更合理,测试结果更具有可比性。并且,基于此改进的选题策略,本文设计了一个自适应测试系统。系统采用三参数逻辑斯蒂模型设计题库,极大似然估计法估计被试能力,CSTR_MMM_SH选题策略选题,最后采用定长与不定长结合的方法终止测试。