projectCAT：一个用于带有Sympson-Hetter曝光控制、内容平衡和题目选择方法比较的计算机化自适应测验的Shiny应用

projectCAT 是一个开源的 R Shiny 应用程序，提供完整、无需编程的计算机化自适应测验（CAT）模拟环境。它集成了 IRT 参数校准（通过边际极大似然估计实现 1PL、2PL、3PL）、三种自适应选题方法，即最大 Fisher 信息量（MFI）、平均期望信息量（MEI）和最小期望后验方差（MEPV）、三种能力估计方法（EAP、ML 和 MAP）、Sympson-Hetter（SH）曝光控制，以及在多个领域按用户指定目标比例进行的内容平衡。SH 和内容平衡在单受试者模拟和完整的多受试者模拟中运行方式完全相同。应用于内置的 300 题 2PL 演示题库（n = 500，20 题，MFI + EAP）时，RMSE = .36，相关系数 = .94，在 SH（r max = .20）下题目过度曝光率降至 11.3%。内容比例与用户指定的 50/30/20 划分完全一致。projectCAT 可在 https://hdmeasurement.shinyapps.io/projectCAT/ 免费获取。