引言：为什么重温 IRT？

最近在折腾知识追踪相关的研究和开源框架开发，看了不少顶会的 Paper，也敲了不少深度学习的代码。在这个过程中我越来越深刻地意识到一个问题：很多时候我们用复杂的神经网络去拟合学生的学习轨迹，其实本质上还是在试图回答教育测量学里那个最古老的问题——“如何准确评估一个人的真实能力，以及一道题的真实属性？”绕开底层逻辑去搭算法模型，总觉得像是在沙滩上建城堡。所以，我决定放慢脚步，回过头来把现代教育测量学的基石——项目反应理论（Item Response Theory, IRT） 系统地啃一遍。

CTT 与 IRT

在心理测量学中，用于分析考试数据和评估能力的主要框架有两种。

• 经典测量理论（CTT）

• 项目反应理论（IRT）

经典测量理论 (Classical Test Theory, CTT)

• 核心理念：将 观测分数（X）分解为 真实分数（T）和 误差（E） $X=T+E$

• 特点：

  • 难度：算通过率。100 个人里有 80 个做对，难度就是 0.8。

  • 区分度：算这道题的得分和卷面总分的相关系数。

• 局限性：

  • 样本依赖：题目难度和区分度取决于所测试的群体。

  • 忽略题目质量差异：默认每题权重一样，简单粗暴加总分

  • 无法建模能力变化：一次考试定终身，只评估静态结果

项目反应理论 (Item Response Theory, IRT)

• 核心理念：假设个体的能力（潜在特征 $\theta$ ）决定了其对某一具体题目的反应概率。

• 特点：

  • 样本独立性：被试的能力估计和题目参数估计均不依赖于特定的样本。

  • 个体化测量：可以实现计算机自适应测验（CAT），根据学生水平调整题目难度。

  • 高级处理：可处理猜测参数（如3参数模型）。

• 局限：模型假设较严格，样本量要求巨大，计算复杂。

IRT 实际应用

经典IRT（单维）