相对于传统教学方式,在线教育为学习者提供了更加自由的学习环境,同时也提供了更加丰富的教学资源。但目前国内的在线教育平台在实施过程中还存在许多问题,大多数平台只是简单的推送学习资源,对不同学习者的能力和知识背景缺乏考虑。所以如何在学习者学习过程中对其能力和知识掌握情况进行评估,并给出合理的学习建议对于提高在线教育的教学质量具有重要的现实意义。本文依据自适应学习的基本思想,通过自适应测试的方式评估学习者的能力和相应知识点的掌握情况。在自适应测试过程中,不断评估学习者的当前能力值,并选择最适合其当前能力值的题目供其测试练习。如果学习者在当前知识点上的测试结果未达到考核要求,并且满足测试终止条件,系统会终止测试并提供相应知识点的学习接口,如果达到考核要求,系统会提供后续知识点的测试和学习接口,最终实现通过自适应测试的方式来引导学生进行针对性学习的目的。本文首先研究了计算机自适应测试中的项目反应理论,并采用项目反应理论中的三参数Logistic模型作为主要理论模型。接着,对导学系统进行需求分析与设计,并构建了相应的领域知识模型和学习者模型。然后,着重研究了自适应测试中的能力估计方法和项目选择方法。通过蒙特卡洛实验法模拟自适应测试,对比分析极大似然估计法和贝叶斯期望后验法两种常用能力估计方法的性能后,选用极大似然估计法作为本文的能力估计方法,并对其可能会出现无法收敛的缺陷进行改进,蒙特卡洛实验对比证明改进后的能力估计方法收敛情况要明显优于改进前的。在项目选择上设计了一种基于最大信息量法的项目选择方法,该方法综合考虑了项目信息量大小、曝光控制、内容平衡及知识点之间的关联关系,在保证测试精度的同时对使用频率过高的项目进行控制,从而提高题库的使用率。另外,本文还研究设计了一种基于经典测量理论的项目参数初值设置方法,以及一种简便有效的项目难度参数维护方法,以保证测试过程中项目参数的准确性。最后对自适应测试导学系统进行编码实现,并与在线教育平台结合,对自适应测试模块功能和试题管理模块功能进行测试分析。结果表明本文实现的自适应测试导学系统满足设计需求,达到了预期的设计目标。