在基于反应时间的证据情况下，对计算机自适应测试中的人员参数更新和项目选择的实时保护机制

计算机化自适应测试旨在通过逐步更新个人能力参数估计值，并利用这些估计值来指导后续题目的选择及测试的终止过程，从而提升测试的精确度和效率。然而，受题目预知识影响的反应可能会扭曲这些估计值，进而改变自适应测试的进程。我们提出了一种基于反应时间的信息实时自适应保护框架，该框架在自适应测试过程中整合了被试监控、受保护的个人能力参数更新以及自适应题目选择机制。通过序列贝叶斯变点检测算法，可以逐题监测反应时间作为动态行为指标。当后续证据表明测试过程中出现突变时，会将反应时间信号与反应正确性相结合，以确定当前反应是否受到题目预知识的影响。被标记为受影响的反应将被排除在能力及速度估计值的更新之外，而最新的受保护估计值则用于指导后续的题目选择和测试终止决策；否则，自适应测试将继续按照标准的更新规则进行。我们在不同的题目选择标准下评估了该框架的性能，包括不同程度上存在预知识的情况、四种不同的题目时间强度分布，以及固定长度或基于精度的终止规则。仿真结果表明，所提出的框架能够在被试和反应层面实现强大的检测能力，有效限制了受污染反应的传播，并提高了个人能力参数估计的准确性和精确度，尤其是在预知识较为普遍或严重时。