第一篇 测评概述与发展趋势
第一章 测量与评价
第一节 测量与评价的概述
一、测量与评价的基本概念
二、测量与评价的基本性质
第二节 测量与评价的发展
一、测评起源阶段
二、测评量化阶段
三、测评兴起阶段
四、测评大规模阶段
五、测评学习化阶段
第三节 测量与评价的意义
一、测评的分类
二、测评的教育功能
三、测评的其他功能
第二章 测量与评价智慧化
第一节 测评诊断化和学习化
一、测评诊断化
二、测评学习化
第二节 测评自适应化和网络化
一、测评自适应化
二、测评网络化
第三节 测评大规模化和大数据化
一、测评大规模化
二、测评大数据化
第二篇 诊断化和学习化测评
第三章 学习评价理论
第一节 学习段评价
一、学习段评价的缘起
二、学习段评价的概念
三、学习段评价的内涵
第二节 学习性评价
一、学习性评价的缘起
二、学习性评价的概念
三、学习性评价的内涵
第三节 学习化评价
一、学习化评价的缘起
二、学习化评价的概念
三、学习化评价的内涵
第四节 学习评价的启示
一、学习评价观念的转变
二、学习评价的发展
第四章 认知诊断评估概述
第一节 认知诊断评估的缘起
一、认知取向的心理测量学的发展需要
二、个性化认知信息的社会需求
第二节 认知诊断评估的概念
一、认知诊断评估的属性
二、认知诊断评估的概念
第三节 认知诊断评估的内涵
一、认知诊断评估的理论
二、认知诊断评估的发展
第四节 认知诊断评估的框架
一、测量目的描述
二、认知模型构建
三、测验Q矩阵设计
四、任务开发
五、模型评价
六、数据分析和结果报告
第五章 认知诊断评估核心技术
第一节 课堂评估
一、课堂评估的缘起
二、课堂评估的概念
三、课堂评估的内涵
四、课堂评估的发展
第二节 认知诊断中智能化Q矩阵标定
一、EM算法
二、Q矩阵探索性方法
三、Q矩阵修正性方法
四、Q矩阵质量评价
第三节 认知诊断中智能化组卷算法
一、认知诊断中项目质量评价
二、认知诊断中测验质量评价
三、认知诊断中组卷算法
第四节 认知诊断中学习进程评价
一、学习进程
二、学习进程评价模型
第三篇 自适应化和网络化测评
第六章 计算机化自适应化测验
第一节 多维项目反应理论
一、项目反应理论特点
二、项目反应理论模型
第二节 计算机化自适应测验
一、CAT题库
二、CAT选题算法
三、CAT能力估计
四、CAT曝光控制
五、CAT终止策略
六、CAT题库扩充
七、CAT应用案例
第三节 计算机化多阶段自适应测验
一、MST核心思想
二、MST关键设计
三、MST应用案例
第四节 计算机化自适应诊断测验
一、CD-CAT题库
二、CD-CAT初始题
三、CD-CAT选题算法
四、CD-CAT分类方法
五、CD-CAT终止规则
六、CD-CAT题库扩充
七、CD-CAT应用案例
第七章 面向服务的测评架构和技术
第一节 面向服务的测评架构
一、测评服务化的必然性
二、测评服务化的愿景
三、面向服务化的测评架构
第二节 云测评平台和技术
一、云测评平台的发展
二、云测评平台的特征
三、云测评平台的技术
第三节 云题库的发展和技术
一、云题库的发展
二、云题库的特征
三、云题库的技术
第四节 教育大数据分析和技术
一、教育大数据
二、教育大数据的特征
三、教育大数据分析技术
第四篇 大规模化和大数据化测评
第八章 大规模测评的公平性技术
第一节 测评公平性
一、教育公平性
二、测评公平性
第二节 测评公平性评价发展
一、国外公平性评价
二、国内公平性评价
第三节 测评公平性检验方法
一、基本概念
二、方法分类
三、检验假设
四、检验方法
第四节 测评公平性决策指标
一、决策指标的作用
二、决策规则
三、决策指标
第五节 测评公平性的启示
一、科学命题和科学施测
二、科学评分和科学分析
三、科学决策和科学研究
第九章 测评大数据分析技术
第一节 深度学习在测评中的应用
一、深度学习
二、神经网络在测评中的应用
三、深度学习在测评中的应用展望
第二节 知识计算在测评中的应用
一、知识计算
二、贝叶斯网在测评中的应用
三、知识计算在测评中的应用展望
第三节 社会计算在测评中的应用
一、社会计算
二、社会计算在测评中的应用展望
第四节 可视化技术在测评中的应用
一、可视化技术
二、可视化技术在测评中的应用展望
第五篇 智慧化测评展望
第十章 智慧化测评的发展方向
第一节 智慧化测评的应用研究
一、大规模测评中智慧化测评的应用
二、课堂评估中智慧化测评的应用
三、在线教育中智慧化测评的应用
第二节 智慧化测评的理论创新
一、大规模智慧化测评的理论创新
二、智慧课堂测评的理论创新
三、智慧在线教育测评的理论创新
参考文献
展开
