心理測量學(xué)：心理學(xué)皇冠上的數(shù)學(xué)明珠*

文/余嘉元

南京師范大學(xué)心理學(xué)院 南京 210097

翻開人類文明發(fā)展的絢麗畫卷，處處閃爍著數(shù)學(xué)的光輝。恩格斯說，數(shù)學(xué)在一門科學(xué)中應(yīng)用的程度，標(biāo)志著這門科學(xué)的成熟程度。自從馮特（W.Wundt）于1879年在萊比錫大學(xué)建立了第一個(gè)心理學(xué)實(shí)驗(yàn)室以來，人們采用定量方法研究個(gè)體差異的興趣就一直沒有停止過。詩人贊美數(shù)學(xué)是科學(xué)皇冠上的明珠，心理學(xué)家孜孜不倦地把這顆明珠鑲嵌到自己的皇冠上，在這個(gè)艱辛的過程中誕生了心理測量學(xué)。

1 來到人間，只為蒼生

在人類文明初期就有識人用人的需求，它引發(fā)了古代哲人對心理特質(zhì)定量描述的思考。我國春秋時(shí)期，孔子就將人區(qū)分為中人、中人以上和中人以下，古希臘則把人的氣質(zhì)分為多血質(zhì)、膽汁質(zhì)、黏液質(zhì)、抑郁質(zhì)4種類型，這是人類最早的研究探索。

科學(xué)家是最富有探索性的人群，馮特、高爾頓（F.Galton）、卡特爾（J.M.Cattell）的杰出工作為心理測量學(xué)誕生寫下了濃墨重彩的篇章[1]。馮特在實(shí)驗(yàn)心理學(xué)研究中，發(fā)現(xiàn)了人的個(gè)別差異，并給出了定量的描述，這直接導(dǎo)致了心理測量的開展。英國劍橋大學(xué)教授高爾頓建立了人類學(xué)測量實(shí)驗(yàn)室，把統(tǒng)計(jì)學(xué)方法運(yùn)用到心理測量數(shù)據(jù)的分析中。美國賓夕法尼亞大學(xué)教授卡特爾綜合了馮特和高爾頓的學(xué)說，對于個(gè)別差異進(jìn)行了深入的研究，指出“心理學(xué)若不立根于實(shí)驗(yàn)和測量上，決不能有自然科學(xué)的準(zhǔn)確[2]。”這些心理學(xué)家的研究比孔子遲了2000多年，是什么讓遠(yuǎn)隔萬水千山的中國人記住了他們的名字呢？重要的原因是他們采用了實(shí)證和測量的方法，把數(shù)學(xué)融合進(jìn)了自己的研究工作，運(yùn)用定量的方法對人的心理特質(zhì)進(jìn)行了描寫。

社會(huì)需求是科學(xué)發(fā)展的動(dòng)力，1904年，法國教育部組織了一個(gè)委員會(huì)，研究公立學(xué)校中低能兒童班級的管理問題，該委員會(huì)成員比納（A.Binet）和他的助手西蒙（T.Simon）經(jīng)過精心研究，于1905年提出了世界上第一個(gè)科學(xué)的心理量表，稱為比納-西蒙智力量表，使得心理測量擺脫了對顱相、面相、手相的分析，步入了運(yùn)用科學(xué)量表進(jìn)行測量的新時(shí)代[3]。美國著名心理學(xué)家波林（E.G.Boring）指出，在心理測量領(lǐng)域，“19世紀(jì)80年代是高爾頓的10年，90年代是卡特爾的10年，20世紀(jì)頭10年是比納的10年[4]。”這是對心理測量學(xué)誕生時(shí)期各位代表人物所做貢獻(xiàn)的最好總結(jié)。

在社會(huì)強(qiáng)勁需求的推動(dòng)下，涌現(xiàn)出了許多著名的智力測驗(yàn)，例如推孟（L.M.Terman）教授修訂的斯坦福-比納量表，從此智商（Intelligence Quotient，IQ）一詞風(fēng)靡全球。韋克斯勒智力量表、瑞文推理測驗(yàn)的推出，都是智力測量領(lǐng)域的大事。在教育測量方面，桑代克（E.L.Thorndike）把統(tǒng)計(jì)理論引入了心理和教育測量，為測驗(yàn)的編制奠定了理論基礎(chǔ)。心理測量的方法也進(jìn)入了人格領(lǐng)域，1917年第一個(gè)現(xiàn)代意義上的人格問卷伍德沃斯個(gè)人資料調(diào)查表發(fā)表，接著明尼蘇達(dá)多相人格調(diào)查表（MMPI）、加利福尼亞心理調(diào)查表（CPI）、卡特爾16種人格因素問卷（16PF）、艾森克人格問卷（EPQ）、羅夏墨跡測驗(yàn)等相繼問世。

心理測量學(xué)的誕生，就是為社會(huì)服務(wù)的，它向著教育、醫(yī)學(xué)、軍事、工業(yè)等各個(gè)領(lǐng)域浩浩蕩蕩地進(jìn)軍，經(jīng)過100多年的勤奮努力，終于筑成了目前這座心理測量學(xué)的大廈。在這座高聳如云的建筑中，每個(gè)窗戶都有圓溜溜的腦袋在向你呼喚：你要知道自己孩子的智力嗎？你要了解朋友的性格嗎？你要招聘到優(yōu)秀的員工嗎？你要明白自己最適合從事什么職業(yè)嗎？請到我這里來吧！這一浪高一浪的吆喝聲，也許會(huì)讓你感到迷惑：僅僅憑著回答的這幾十道題目，就能把復(fù)雜的心理特質(zhì)測量出來嗎？如果我們對大廈地基進(jìn)行仔細(xì)探測，就可以找到問題的答案。

2 心理測量學(xué)大廈的基石

心理測量學(xué)家是兼有科學(xué)家和工程師素質(zhì)的人才，他們試圖對心理特質(zhì)進(jìn)行定量描述的同時(shí)，兼顧研制心理測量的工具。為了解答測量數(shù)據(jù)是否精確可信、是否真正測到了想測的特質(zhì)、如何編制測量的工具、怎樣解釋測驗(yàn)的分?jǐn)?shù)等問題，他們建立了心理測量學(xué)的基本理論。

2.1 經(jīng)典測驗(yàn)理論

首先出現(xiàn)的是經(jīng)典測驗(yàn)理論（Classical Test Theory，CTT），也稱為真分?jǐn)?shù)理論，這是英國心理學(xué)家斯皮爾曼（C.Spearman）提出并經(jīng)過洛德（F.M.Lord）、諾維克（M.R.Novick）等多位學(xué)者重新陳述和精心構(gòu)建的理論[5]。它的數(shù)學(xué)模型是：X=T+E，其中X是測驗(yàn)分?jǐn)?shù)，T是真分?jǐn)?shù)，E是隨機(jī)誤差。該理論提出了重測信度、復(fù)本信度、同質(zhì)性信度、評分者信度等多種估計(jì)測量精度的方法，以及內(nèi)容效度、構(gòu)念效度和效標(biāo)關(guān)聯(lián)效度等一系列估計(jì)測量有效性的方法。它采用難度、區(qū)分度作為分析題目質(zhì)量的指標(biāo)，運(yùn)用常模對測驗(yàn)分?jǐn)?shù)進(jìn)行解釋和比較，它成為心理測量學(xué)大廈的第一塊基石。

在CTT得到廣泛應(yīng)用的同時(shí)，人們也發(fā)現(xiàn)了它的缺陷，首先是測驗(yàn)分?jǐn)?shù)依賴于題目的難度，因此在高難度測驗(yàn)中得到低分的考生就可能受到“虎媽狼爸”的嚴(yán)懲。同時(shí)題目難度是依賴于考生水平的，如果是根據(jù)弱智考生的作答分?jǐn)?shù)計(jì)算題目難度，那么每道題目都會(huì)難于上青天。為了解決這些問題，項(xiàng)目反應(yīng)理論（Item Response Theory,IRT）在心理學(xué)家的探索中誕生了。

2.2 項(xiàng)目反應(yīng)理論

人的心理特質(zhì)是潛在的、無法直接觀察到的，心理學(xué)家是通過被試對于題目（又稱“項(xiàng)目”）的作答來推測其心理特質(zhì)的，因此就必須探索具有某種水平心理特質(zhì)的人是如何對某個(gè)題目做出反應(yīng)的，這就是項(xiàng)目反應(yīng)理論的由來。經(jīng)過洛德[6]、漢布爾頓（Hambleton）[7]等人的持續(xù)努力，建立了該理論的數(shù)學(xué)模型，其中最常用的是三參數(shù)邏輯斯諦模型：

該模型表示能力為θ的被試，對于區(qū)分度為 ai、難度為 bi、猜測參數(shù)為 ci的第 i道題目的正確作答概率為Pi(θ)。在這個(gè)公式中，被試的能力、題目的3個(gè)參數(shù)和正確作答的概率都是未知的，測量學(xué)家的工作就是要根據(jù)被試對于一組題目的作答情況（通常稱為“反應(yīng)矩陣”）把這些未知量估計(jì)出來。如果有N個(gè)被試，對n道題目進(jìn)行了作答，那么需要估計(jì)的參數(shù)就有N+3n個(gè)，這顯然是一個(gè)非常困難的問題。幸運(yùn)的是，心理學(xué)家是一支高智商的隊(duì)伍，很快就提出了運(yùn)用極大似然法[8]、貝葉斯方法[9]、馬爾可夫鏈蒙特卡羅方法（MCMC）[10]等參數(shù)估計(jì)技術(shù)。在IRT的發(fā)展過程中，還涌現(xiàn)出了多級記分模型[11]、多維項(xiàng)目反應(yīng)模型[12]、展開式模型[13]等，這些模型組成了項(xiàng)目反應(yīng)理論豐富多彩的大家庭。

2.3 概化理論

概化理論（Generability Theory,GT）也是為了克服經(jīng)典測驗(yàn)理論（CTT）的缺點(diǎn)而發(fā)展起來的。CTT把測驗(yàn)分?jǐn)?shù)劃分為真分?jǐn)?shù)和誤差分?jǐn)?shù)，這種貌似簡單的方法使得人們不能判斷誤差究竟是何種原因造成的，也就無法針對性地尋找減少誤差的措施。GT采用了方差分析的方法，把造成誤差的各種來源都進(jìn)行了考慮和分析，并提出了絕對誤差和相對誤差的概念和計(jì)算方法。

CTT的信度理論建立在嚴(yán)格平行測驗(yàn)的強(qiáng)假設(shè)基礎(chǔ)上，也就是要求兩個(gè)平行測驗(yàn)的實(shí)測分?jǐn)?shù)必須具有相同的平均數(shù)和方差，這對于實(shí)際工作者來說，是勉為其難的事情。GT在這方面就比較有人情味，它的分析計(jì)算建立在隨機(jī)平行測驗(yàn)基礎(chǔ)上，即隨機(jī)取自同一題庫的長度相同的測驗(yàn)，這讓大多數(shù)實(shí)際工作者松了口氣。

在CTT中通常用多種信度來描述同一個(gè)測驗(yàn)的精確度，而這些信度之間又缺乏內(nèi)在的關(guān)系。GT則采用了概化系數(shù)、可靠性指標(biāo)、信噪比等指標(biāo)來描述測驗(yàn)的精確程度，而這些指標(biāo)具有內(nèi)在邏輯關(guān)系[14]。基于概化理論，人們可以對諸如作文、面試等多個(gè)評委主觀打分的測量結(jié)果進(jìn)行深入分析，并找到減少誤差的方法。

3 與新時(shí)代同步，和高科技結(jié)緣

心理測量學(xué)是一門充滿靈氣的學(xué)科，它深知要持續(xù)汲取高科技的雨露，才能永葆青春的活力。自20世紀(jì)后期以來，計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)、計(jì)算智能等迅速發(fā)展，心理測量學(xué)盡情地吸允這些新興科學(xué)技術(shù)的營養(yǎng)，使自己成長得更加枝繁葉茂。

3.1 計(jì)算機(jī)化自適應(yīng)測驗(yàn)

在“國家形象宣傳片”中有姚明和丁俊暉站在一起的鏡頭，設(shè)想讓他們穿上完全相同的服裝，那一定會(huì)使觀眾忍俊不禁。可是在我們的生活中，人們總是習(xí)慣地認(rèn)為，讓所有的考生都使用相同試卷是最公正的，其實(shí)并非如此，考生的能力水平有高有低，對于同一張?jiān)嚲恚瑑?yōu)秀考生的水平不能充分發(fā)揮，而后進(jìn)考生則是依靠猜測來答題，對他們來說，這是一張不公正的試卷。

心理學(xué)家機(jī)靈地把項(xiàng)目反應(yīng)理論和計(jì)算機(jī)科學(xué)相結(jié)合，提出了計(jì)算機(jī)化自適應(yīng)測驗(yàn)[15]，其核心是由計(jì)算機(jī)根據(jù)考生的能力水平自動(dòng)選擇測試題目，并最終對考生能力進(jìn)行估計(jì)。心理學(xué)家設(shè)計(jì)了多種試題選擇方法，包括最大全局信息量、最大加權(quán)信息量、分層選題、全貝葉斯準(zhǔn)則等策略[16,17]，這樣每個(gè)考生所面對的是最適合其水平的題目，考生能力可以得到充分發(fā)揮，考試時(shí)間將會(huì)大大縮短，同時(shí)也保證了題庫的安全性。

3.2 認(rèn)知診斷理論

認(rèn)知科學(xué)是21世紀(jì)的前沿科學(xué)，認(rèn)知診斷理論是心理測量學(xué)和認(rèn)知科學(xué)相結(jié)合的產(chǎn)物。傳統(tǒng)的測驗(yàn)只能提供一個(gè)分?jǐn)?shù)，但實(shí)際上，得分相同的考生未必是完全相同的，例如兩位數(shù)學(xué)得分相同的中學(xué)生，可能其中一位的代數(shù)能力較強(qiáng)，而另一位則是幾何能力較強(qiáng)。如果只看其數(shù)學(xué)測驗(yàn)的總分，就無法將他們區(qū)分開來。

認(rèn)知科學(xué)的蓬勃發(fā)展為心理學(xué)家提供了天賜良機(jī)，他們果斷地將心理測量學(xué)和認(rèn)知科學(xué)聯(lián)姻，誕生了嶄新的認(rèn)知診斷理論[18]。從線性邏輯斯蒂模型、多成分潛在特質(zhì)模型、規(guī)則空間模型、屬性層次模型[19]到統(tǒng)一模型、總分模型、NIDA模型、貝葉斯網(wǎng)絡(luò)模型、DINA模型[20]等數(shù)十種認(rèn)知診斷模型相繼問世。這些研究成果能夠?yàn)閷W(xué)生提供診斷性報(bào)告，使得他們擺脫題海戰(zhàn)術(shù)，提高學(xué)習(xí)效率。

3.3 計(jì)算智能的應(yīng)用

計(jì)算智能是以生物進(jìn)化的觀點(diǎn)認(rèn)識和模擬智能，它的主要方法有人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模擬退火、蟻群算法、粒子群算法等，心理學(xué)家始終對該學(xué)科的發(fā)展保持敏銳的關(guān)注。

人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，已經(jīng)被應(yīng)用于各個(gè)領(lǐng)域的模式識別，認(rèn)知診斷的實(shí)質(zhì)就是對學(xué)生進(jìn)行模式識別，Almond等人在2007年就提出將神經(jīng)網(wǎng)絡(luò)方法運(yùn)用于認(rèn)知診斷[21]。由于神經(jīng)網(wǎng)絡(luò)能夠很好地對各個(gè)變量間的非線性關(guān)系進(jìn)行擬合，它通常被運(yùn)用于測驗(yàn)效度檢驗(yàn)，如，心理學(xué)家采用該方法幫助軍隊(duì)進(jìn)行人員選拔[22]。在遠(yuǎn)程教育中，它還和心理測量的項(xiàng)目反應(yīng)理論結(jié)合起來，用于設(shè)計(jì)個(gè)性化的e-learning系統(tǒng)[23]。

遺傳算法作為一種高效的全局并行搜索優(yōu)化算法，適合于處理多目標(biāo)優(yōu)化問題。在心理測量中存在很多優(yōu)化問題，如項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)，就是要尋找一組項(xiàng)目參數(shù)和被試能力值，使得它們代入模型后所得到的反應(yīng)矩陣和被試的實(shí)際作答情況最為接近，有學(xué)者將遺傳算法運(yùn)用于項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)，取得了很好的結(jié)果[24]。測驗(yàn)試卷的組卷是多目標(biāo)優(yōu)化問題，它要滿足測量誤差最小、試卷的內(nèi)容最符合預(yù)先設(shè)計(jì)要求等目標(biāo)，因此遺傳算法也是智能組卷的好方法[25]。

在心理學(xué)的歷史上，心理測量學(xué)就是這樣與新時(shí)代同步，永遠(yuǎn)保持著青春的活力；和高科技結(jié)緣，時(shí)刻放射著燦爛的光輝。

4 廣闊的前景，嚴(yán)峻的挑戰(zhàn)

幾十年來，心理測量理論從CTT的線性模型到IRT的非線性模型，從IRT的單維模型到多維模型，從只考慮單個(gè)方差的CTT模型到專注方差分解GT模型，從只有一個(gè)總分的測驗(yàn)?zāi)Ｐ偷綄Ρ辉囘M(jìn)行模式識別的認(rèn)知診斷模型，從使用統(tǒng)計(jì)方法到計(jì)算智能的應(yīng)用，心理測量學(xué)從來沒有停止過前進(jìn)的步伐。

4.1 教育考試

教育是使用測量手段最多的領(lǐng)域，其中最主要的就是考試。我國對于教育考試一貫高度重視，無論是在考試的科學(xué)性還是安全性方面都做了大量卓有成效的工作。但是，從測量理論的角度來看，還有許多課題值得深入研究。

首先是項(xiàng)目反應(yīng)理論、概化理論、認(rèn)知診斷理論等測量理論如何與我國的各種考試相結(jié)合。高考牽動(dòng)著億萬人民的神經(jīng)，究竟如何將現(xiàn)代的測量理論運(yùn)用到高考中，使之更加科學(xué)、更加公平？由于我國高考的內(nèi)容多、題型多，測驗(yàn)的數(shù)據(jù)是否能夠擬合于現(xiàn)有的測量模型？是否還需要研發(fā)新的模型？

對于一個(gè)使用區(qū)域?qū)拸V的考試，應(yīng)該重視對它的項(xiàng)目功能差異（Differential of Item Function,DIF）進(jìn)行研究[26]。任何一個(gè)測驗(yàn)都會(huì)受到各種無關(guān)因素的影響，而這些因素對于考生全域中的各子總體的影響是不同的，這樣就會(huì)形成項(xiàng)目功能差異。我國幅員遼闊、民族眾多、城鄉(xiāng)差異明顯，這些都可能使得高考試題中出現(xiàn)項(xiàng)目功能差異，然而我們對高考中DIF的研究進(jìn)行了多少呢？這是否會(huì)影響考試的公平性呢？

在教育考試中，還存在測驗(yàn)的統(tǒng)一性和人才需求多樣性的矛盾。在教育改革中已經(jīng)涌現(xiàn)出了多種測評方法，其中有許多采用了主觀評價(jià)的方法，那么概化理論是否可以運(yùn)用到這些方法中？

4.2 資格證書考試

我國設(shè)立的各種資格證書考試對于規(guī)范人才培養(yǎng)和用人制度雖然起到了重要作用，但也存在著某些亟需解決的問題。

首先是合格分?jǐn)?shù)線的制定，也稱為“標(biāo)準(zhǔn)設(shè)置”。這是心理學(xué)家長期關(guān)注的問題，不合格的醫(yī)生會(huì)讓病人血染手術(shù)臺，不稱職的律師會(huì)在法庭里上演鬧劇，心理測量專家研發(fā)了多種劃定分?jǐn)?shù)線的方法[27]，包括Nedelsky法、Angoff法、Ebel法、Bookmark法等多種方法，每種方法都有各自的優(yōu)缺點(diǎn)，我國的資格證書考試是否對這些方法進(jìn)行過深入研究？采用何種方法來劃定分?jǐn)?shù)線？其科學(xué)性如何？標(biāo)準(zhǔn)誤差是多少？

其次是測驗(yàn)的等值，測驗(yàn)如同一把尺子，對于同一種資格證書考試，每年的試題都不同的，因此要把不同年份的測驗(yàn)分?jǐn)?shù)轉(zhuǎn)換到同一把尺子上，這就是測驗(yàn)的等值，它是保證測驗(yàn)公平性的重要手段。心理學(xué)家提出了多種測驗(yàn)等值的方法，包括平均數(shù)等值、線性等值、等百分位等值、動(dòng)差方法等值、特征曲線等值，同時(shí)還給出了等值誤差的計(jì)算方法[28]。在我國的各種資格證書考試中，采用何種等值方法？等值的誤差是多少？能否做到每年都是用相同的尺子去度量考生？

4.3 工業(yè)和組織心理測量

在國際上，心理測量還被廣泛地應(yīng)用于工業(yè)和組織心理學(xué)領(lǐng)域[29]，人員的招聘、選拔和考核，員工滿意度、工作負(fù)荷、組織氛圍、自我效能感、團(tuán)體凝聚力的測量都是成熟企業(yè)的常規(guī)工作。

在民用產(chǎn)品開發(fā)方面，國際上通常采用“消費(fèi)者驅(qū)動(dòng)的產(chǎn)品開發(fā)”[30]，新產(chǎn)品的設(shè)計(jì)決不是技術(shù)人員拍腦袋的產(chǎn)物，而是首先測量消費(fèi)者對于產(chǎn)品功能和外形的需求，然后根據(jù)測量結(jié)果進(jìn)行產(chǎn)品設(shè)計(jì)，否則等產(chǎn)品問世后再去做推銷工作，就事倍功半了。

由此可見，一個(gè)優(yōu)秀的企業(yè)對于內(nèi)部的員工和外部的消費(fèi)者都需要進(jìn)行心理測量，我們的企業(yè)做到了嗎？

5 共同呵護(hù)這顆美麗的明珠

心理測量學(xué)是我們身邊的明珠，人們愛她疼她。愛她，是因?yàn)樗翢o半點(diǎn)私心，來到人間就是為了蒼生；愛她，是因?yàn)樗^不說半句假話，她是建立在CTT、IRT和GT科學(xué)基礎(chǔ)上的；愛她，是因?yàn)樗肋h(yuǎn)那樣坦誠，非但向你提供測量的數(shù)據(jù)，還告訴你估計(jì)的誤差；愛她，是因?yàn)樗蜁r(shí)代同步，與科技結(jié)合，不斷朝氣蓬勃向前進(jìn)；愛她，是因?yàn)樗袕V闊的前景，社會(huì)各領(lǐng)域都在期待她的加盟。疼她，是因?yàn)樵谇斑M(jìn)的道路上，她還面臨著巨大的挑戰(zhàn)，多維模型的參數(shù)估計(jì)、測驗(yàn)等值、項(xiàng)目功能差異、標(biāo)準(zhǔn)設(shè)置等都有許多困難需要克服。對于這樣的學(xué)科，我們要愛她疼她，更要竭盡全力支持她。

5.1 建立良好的法制環(huán)境

測驗(yàn)是一把尺子，各類考試機(jī)構(gòu)揮舞著這把尺子，給考生們貼上合格和不合格、錄用和不錄用的標(biāo)簽。對于這關(guān)系到廣大人民群眾切身利益的事情，我們是否應(yīng)該制定一些法規(guī)？中國心理學(xué)會(huì)公布過《心理測驗(yàn)管理?xiàng)l例》和《心理測驗(yàn)工作者的道德準(zhǔn)則》，但這僅僅是學(xué)術(shù)團(tuán)體的文件。政府是否也應(yīng)該有所作為？是不是可以要求考試機(jī)構(gòu)把他們?nèi)绾卧O(shè)計(jì)和制造這些尺子、如何保證尺子質(zhì)量的信息向社會(huì)公示？國家是否應(yīng)該制定相應(yīng)的法律來規(guī)范這些尺子的研制工作？政府是否應(yīng)該有專門機(jī)構(gòu)來監(jiān)督各種測驗(yàn)的編制和施測？

5.2 培養(yǎng)高質(zhì)量的人才

作為一門學(xué)科，心理測量學(xué)工作者不僅需要掌握心理學(xué)的知識，還需有深厚的數(shù)學(xué)和計(jì)算機(jī)功底，這就需要在學(xué)科規(guī)劃、教學(xué)計(jì)劃制定方面站得更高、看得更遠(yuǎn)。要培養(yǎng)優(yōu)秀的學(xué)生，首先要有潛心做學(xué)問的老師，可以調(diào)查一下，一年365天中，我們的老師有多少日子是全身心地投入到測量理論的鉆研和計(jì)算機(jī)程序的編制中呢？如果這些專業(yè)工作者都不能潛心于學(xué)問，哪里還能培養(yǎng)出高質(zhì)量的學(xué)生？

5.3 加強(qiáng)科研力度

心理測量學(xué)是通過對人的外顯行為的分析，做出對其內(nèi)隱心理特質(zhì)的定量描寫，這個(gè)任務(wù)非常艱巨！然而研究手段很少，除了測驗(yàn)還有哪些是真正有戰(zhàn)斗力的？只有加強(qiáng)科研力度，才能讓這顆明珠更加閃亮！

心理測量學(xué)，當(dāng)我第一次和她相見時(shí)，就被她的無窮魅力所吸引。她讓各種內(nèi)隱的心理特質(zhì)用數(shù)字的形式呈現(xiàn)在我的面前，她把心理變量間的復(fù)雜關(guān)系轉(zhuǎn)化為清晰的數(shù)學(xué)公式，她讓數(shù)學(xué)的明珠在心理學(xué)的皇冠上閃爍光芒。我真心希望每天跟她一起去迎接前進(jìn)道路上的挑戰(zhàn)：建模、參數(shù)估計(jì)、等值、項(xiàng)目功能差異、標(biāo)準(zhǔn)設(shè)置、認(rèn)知診斷等等。心理測量學(xué)向我描繪著美好的前景：教育、醫(yī)學(xué)、工業(yè)、軍事等各個(gè)領(lǐng)域都可以大顯身手，讓我永遠(yuǎn)充滿青春的激情。

致謝感謝南京師范大學(xué)錢錦昕、沙如雪、張瀟，丹麥哥本哈根大學(xué)梅竹等同志在文獻(xiàn)搜集、資料整理等方面給予的幫助和大力支持。

1 Anastasi A.Psychological Testing(7th ed.).New York:Macmillan,2009.

2 Cattell J.Mental tests and measurement.Mind,1890,15:373-381.

3 Weimer W B.The history of psychology and its retrieval from historiography:The problematic nature of history.Social Studies of Science,1974,4:235-259.

4 Boring E G.AHistory of Experimental Psychology(2nd ed.).Englewood Cliffs,NJ:Prentice-Hall,1950.

5 Lord F R,Novik M R.Statistical Theories of Mental Test Scores.Mass:Addison-Wesley,1968.

6 Lord F M.Application of Item Response Theory to Practical Testing Problems.Hillsdale,NJ:Lawrence Erlbaum,1980.

7 Hambleton R K,Swaminathan H.Item Response Theory:Principles and Applications.Boston,MA:Kluwer-Nijhoff,1985.

8 Bock R D.Aitkin M.Marginal maximum likelihood estimation of item parameters:Application of an EM algorithm.Psychometrika,1981,46(4):443-459.

9 Baker F B,Kim S H.Item Response Theory:Parameter Estimation Techniques(2nd ed.).New York:Marcel Dekker,2004.

10 Kim J,Bolt D M.Estimating item response theory models using Markov Chain Monte Carlo methods.Educational Measurement:Issues and Practice,Winter，2007,38-50.

11 Samejima F.Estimation of latent ability using a response pattern of graded scores.Psychometrika Monograph Supplement.1969,34:386-415.

12 Reckase M D.Multidimensional Item Response Theory.In:C.R.Rao(Ed.),Handbook of Statistics(Volume 26).Elsevier B.V.2009.

13 Andrich D,Luo G.Ahyperbolic cosine latent trait model for unfolding dichotomous single-stimulus responses.Applied Psychological Measurement.1993,17:253-276.

14 Brennan R L.Generalizability theory.New York:Springer-Verlag,2001.

15 van der Linden W J,Pashley P J.Item selection and ability estimation.In W.J.van der Linden&C.A.Glas(Eds.),Elements of Adaptive Testing.New York,NY:Springer,2010.

16 Barrada J R,Olea J,Ponsoda V,Abad F J.Amethod for the comparison of item selection rules in computerized adaptive testing.Applied Psychological Measurement,2010,34,438-452.

17 Chang H H,Qian J H,Ying Z L.A-Stratified multistage computerized adaptive testing with b blocking.Applied Psychological Measurement,2001,25:333-341.

18 DiBello L W,Stout W.Editors’Introduction and overview:IRT-based cognitive diagnostic models and related methods.Journal of Educational Measurement.2007,44:285-291.

19 Gierl M J.Making diagnostic inferences about cognitive attributes using the rule-space model and attribute hierarchy method.Journal of Educational Measurement,2007,44:325-340.

20 de la Torre J.DINAmodel and parameter estimation:A didactic.Journal of Educational and Behavioral Statistics,2009,34(1):115-130.

21 Almond R G,DiBello L,Moulder B et al.Modeling diagnostic assessments with Bayesian networks.Journal of Educational Measurement,2007,44:341-359.

22 Arendasy M,Sommer M,Hergovich A.Statistical judgment formation in personnel selection:Astudy in military aviation psychology.Military Psychology,2007,19(2):119-136.

23 Baylari A,Montazer G A.Design a personalized e-learning system based on item response theory and artificial neural network approach.Expert Systems with Applications,2009,36(4):8013-8021.

24 Li F,Jing F.Estimation of multidimensional item response theory models in person parameter base on genetic algorithm.Proceedings 2010 International Conference on Anti-Counterfeiting,Security and Identification,2010,207-210.

25 Yong O Y,Luo H F.Design of personalized test paper generating system of educational telenet based on genetic algorithm.Proceedings of 20094th International Conference on Computer Science and Education,2009,170-173.

26 Kim S H,Cohen AS,Alagoz C et al.DIF detection and effect size measures for polytomously scored items.Journal of Educational Measurement,2007,44(2):93-116.

27 Lin J.The bookmark procedure for setting cut-scores and finalizing performance standards:strengths and weaknesses.The Alberta Journal of Educational Research,2006,52(1):36-52.

28 Kolen MJ.Brennan R L.Test Equating,Scaling,and Linking:Methods and Practices.New York,NY:Springer,2004.

29 Budworth M,Latham G P.New directions in industrialorganizational psychology.Canadian Journal of Behavioral Science,2009,41(4):193-194.

30 Sandmeier P,Morrison P D,Gassmann O.Integrating customers in product innovation:Lessons from industrial development contractors and in-house contractors in rapidly changing customer markets.Creativity and Innovation Management,2010,19(2):89-106.