本文在项目反应理论(IRT)框架下,就目前流行的参数估计方法进行分析比较;对IRT中3PLM的参数估计问题,用传统的统计估计方法解决得并不令人满意,我们应用新的估计方法——改进的遗传算法解决这一问题。新方法不需要未知参数的求导及先验分布的任何信息,同时也克服了传统参数估计算法中对迭代初值要求严格的缺点。蒙特卡洛模拟结果显示,这种新的估计方法提高了估计值对真值的恢复能力,特别是提高了项目的难度和猜测度参数估计的精度。本文主要围绕遗传算法的技术基础、特性研究以及在IRT 3PLM参数估计方面的应用等问题,重点进行了以下的研究工作: 1.搜集、整理和总结了近年来国内外在IRT参数估计领域内的主要参数估计方法,对IRT中各种算法的基本算法原理、构成、特点及相关的应用问题等进行了较为系统的研究和探讨。 2.对遗传算法的结构特点和算法特性进行系统的介绍。 3.根据IRT中3PLM参数估计特性对遗传算法进行了相应的探讨和改进。 4.为了验证遗传算法在IRT 3PLM参数估计方面所具有的独特优势,本文将改进后的遗传算法应用于IRT中多个3PLM参数估计适应度函数。 本文的创新点是: 1.将现有遗传算法中的改进方法进行综合,提出了“改进实码遗传算法”这新的参数估计方法,并将它应用于IRT中3PLM参数估计,得到了良好的效果。 2.将以前只能用于双参数估计,且要求能力已知的X~2检验的参数估计方法应用于3PLM,新方法放宽了对适应范围的要求(不需能力值已知)。 3.将多个检验统计量经过改写,应用于IRT的3PLM参数估计。 4.就新的参数估计方法所提出多个适应度函数,进行了性能对比的模拟实验。