实用汉语水平认定考试(简称C.TEST)是用来测试母语非汉语的外籍人士在国际环境下社会生活以及日常工作中实际运用汉语的能力的考试。C.TEST分为初级(E-F级)和中高级(A-D级)两个独立的考试。阅读理解是中高级(A-D级)考试中的一个题型,包括6篇阅读理解文章,每篇文章后有5道题目。一般的标准化考试通常是通过在部分目标被试群体中实施预测(field test)的方法取得题目难度和区分度等参数,然后再选择符合要求的题目拼成正式考试的试卷。可是,由于每次C.TEST考试的正式考试题目都是公开的,而且现有试题数量又不大,所以通过预测的方法获取题目难度参数存在很多的问题和困难。目前C.TEST阅读理解题目的难度完全由命题人员根据自己的实际命题经验来把握,因此带有一定的主观性,难度控制很难实现。人工神经网络作为现代人工智能研究的一个分支,模仿生物神经网络的结构和工作方式,具备强大的学习能力,在预测领域(prediction)(例如,对发展趋势的预测等)发挥了很大的作用。利用人工神经网络模型对题目难度进行预测,不需要依靠被试反应,而只需输入变量,调整网络就可以得到题目的难度参数。本研究选取C.TEST(A-D)的阅读理解题目作为研究阅读理解题目难度的基本语料,综合众多学者的观点初步建立了影响阅读理解题目难度的因素框架,利用统计学方法进一步提取框架内的因素,然后将这些因素作为输入变量,根据人工神经网络理论建立的模型,使用MATLAB软件中的神经网络工具箱,对题目难度进行预测,得到了人工神经网络预测难度值与实际考试得到的难度值显著相关的结果。这一研究结果证明,利用人工神经网络模型对语言测验的题目难度等参数进行预测是可行的,后续的研究应该将重点放在进一步提高人工神经网络预测的准确性方面。