Tailored Testing, an Application of Stochastic Approximation
个性化测验：随机逼近的一项应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究心理测量中的题目选择和随机逼近，未涉及经济离散选择模型或其他所列细分领域。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
个性化测验：随机逼近的一项应用
- 研究问题
- 为了尽可能准确地估计某位应试者在心理维度上的水平，应如何依次选择测试问题，形成适合该人的测验？
- 方法与思路
- 作者将若干随机逼近程序用于题目序列的选择，并在特定情境下给出这些程序的评价示例；具体更新规则未说明。
- 材料陈述的贡献
- 摘要称考察了随机逼近在个性化测验中的应用，并提供特定情境下的程序评价，但未陈述统一最优性或比较数值。
- 阅读关注点
- 应核对心理水平与作答结果的模型、题目选择和更新规则、准确性的评价方式，以及示例结论依赖的情境条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型、收敛条件与评价结果未提供，不能据此判断程序的普遍最优性。
原文摘要
Some stochastic approximation procedures are considered in connection with the following problem. How shall we choose a sequence of test questions in order to estimate as accurately as possible a given examinee's standing on some psychological dimension? Illustrations are given evaluating certain procedures in a specific context.