基於研究動機，本研究欲探討以貝氏網路為基礎之適性測驗的預測精準度，
以及不同選題策略的精準度比較。基於上述研究動機以及研究目的設計出來的研 究方法，本研究之研究結論分述如下：
一、在探討不同選題策略所形成的適性測驗，對貝氏網路估計學生子技能與錯誤 概念之成效方面，我們可以發現，以貝氏網路為基礎的選題策略其成效良好，
其中AO*及M-AO*的方法在正確率方面沒有太大的差異，但在運算速度上，
以M-AO*方法的速度較AO*方法來的快速，速度相差有20被之多。
二、比較固定不同施測題數下，預測學生之子技能及錯誤類型的正確率方面。我 們用95%的答對率為基準，發現以貝氏網路為基礎的適性選題策略，達到95%
的答對率也只需要做三題即可達到，省題比率達到73%；隨機選題法的選題 策略，達到95%的答對率需要做七題即可達到，省題比率36%；以知識結構 為基礎之適性測驗選題法，在OT閾值為0、0.01時，達到95%的答對率需要做 十題，省題比率達到9%；在OT閾值為0.02、0.03時，達到95%的答對率需要 做五題，省題比率達到55%；在OT閾值為0.04、0.05、0.06、0.07時，達到95%
的答對率需要做四題，省題比率達到64%。研究結果顯示，以貝氏網路為基 礎之適性選題策略成效良好，其省題比率與判斷正確率的效果都比其他選題 策略來的好。
參考文獻
中文部份
白曉珊、劉育隆、郭伯臣、施慶麟（2006）。電腦化適性診斷測驗與適性補救教學模式 之研發─以「整數四則」單元為例。2006 年第七屆海峽兩岸心理與教育測驗學術研 討會，2006 年 10 月 28-29 日，國立政治大學。
李俊儀（2005）。以貝氏網路為基礎的電腦化適性測驗選題策略-以國小數學科診斷測驗 為例。臺中師範學院教育測驗統計研究所碩士論文。台中市。
李俊儀、許雅菱、施淑娟、郭伯臣、許天維（2005）。貝氏網路在錯誤類型分類之應用-以國小四年級學童「面積」單元為例。銘傳大學 2005 國際學術研討會。
呂靜芳 (1999)。由網站行為歷程以貝式學習建立學習者模式之引導系統，國立中央大學 資訊工程研究所碩士論文。
余民寧 (1993)。次序性評定資料的信效分析和因素分析。教育與心理研究。16 期。1-21。
林立敏、白曉珊、郭伯臣、劉育隆（2006）。數位個別指導教材研發與適性補救教學模 式之研究－以國小五年級數學「因數與倍數」單元為例。TANET2006 台灣區網際 網路研討會，2006 年 11 月 3 日，花蓮教育大學。
林垣圻（2006），以貝氏網路為基礎的適性測驗電腦化的可行性評估-以國小數學科診斷 測驗為例。台中教育大學數學教育研究所碩士論文。台中市。
施淑娟（2006）。應用貝氏網路認知診斷模式進行國小五年級小數單元學習診斷之研究。
國立台灣師範大學教育心理與輔導博士論文。
施淑娟、許雅菱、李俊儀、劉湘川、郭伯臣（2005）。應用貝氏網路診斷國小四年級學 童--「小數加減」錯誤類型之研究。第二十屆科學教育學術研討會。國立高雄師範 大學。
莊惠萍、劉育隆、郭伯臣、曾彥鈞（2006）。電腦化適性測驗與數位個別指導整合教學 模式之研發。「台灣教育傳播暨科技學會」2006 年學術研討會，2006 年 12 月 16 日，
國立台灣師範大學。
郭伯臣（2004）。國小數學科電腦化適性診斷測驗（II）。行政院國家科學委員會專題研 究計畫成果報告（NSC-92-2521-S-142-003）。
郭伯臣、李俊儀、許雅菱、林文質（2005）。以證據為中心的數學評量設計-以貝氏網路 為例。全國科學教育年會。
郭伯臣、謝友振、張峻豪、蔡坤穎（2005）。以結構理論為基礎之適性測驗與適性補救 教學線上系統。台灣數位學習發展研討會，2005 年 5 月 6-7 日，國立台灣師範大學。
曾彥鈞、劉育隆、郭伯臣、楊智為（2006）。以知識結構為基礎之適性化診斷測驗系統 建製，TANET2006 台灣區網際網路研討會，2006 年 11 月 3 日，花蓮教育大學。
黃碧雲（2005）。以能力指標結構為基礎的電腦適性測驗編制及動畫補救教學之應用-以 國小數學領域四年級能力指標代數、統計與機率為例。台中師範學院進修暨推廣部 數學教育學系在職進修碩士論文。台中市。
黃雅鳳（2006）。以貝氏網路為基礎之能力指標測驗編製及補救教學動畫製作-以六年級 數學領堿之「分數與小數」相關指標為例。臺中亞洲大學資訊工程研究所碩士論文。
臺中縣。
黃珮璇、王暄博、郭伯臣、劉湘川（2006）。國小數學科電腦化適性診斷測驗強韌性探 究。2006 年電腦與網路科技在教育上的應用研討會。國立新竹教育大學。
趙琬津（2006）。數位個別指導模式與教材研發-以「三角形」單元為例。國立台中教育 大學教育測驗統計所碩士論文。台中市。
盧炎成（2006）。個別化數位補救教學模式之成效以「小數的除法」單元為例。國立台 中教育大學教育測驗統計所碩士論文。台中市。
謝典佑、許曜瀚、楊智為、許天維（2007）。結合結構理論與貝氏網路之學生概念診斷 模型。第三屆臺灣數位學習發展研討會（TWELF2007），亞洲大學資訊學院。
謝典佑、曾筱倩、郭伯臣、許天維（2007）。結合知識本體論與貝氏網路之電腦適性測 驗。2007 心理與教育測驗學術研討會。2007 年 11 月 3 日，國立台灣師範大學。
蘇文君、汪端正、郭伯臣 (2006)。貝氏網路在數學領域「數與量」主題測驗之應用- 以 國小五年級「等值分數」單元為例。中華民國第 22 屆科學教育學術研討會。2006 年 12 月 16 日，國立臺灣師範大學。
英文部分
Airasian, P.W., & Bart, W. M. (1973). Ordering theory: A new and useful measurement model.
Educational Technology, May, 56-60.
Almond, R. G., & Mislevy, R. J. (1999). Graphical models and computerized adaptive testing.
Applied Psychological Measurement, 23, 223-238.
Almond, R.G., Steinberg, L.S., & Mislevy, R.J. (2003). A framework for reusing assessment components. In H. Yanai, A. Okada, K. Shigemasu, Y. Kano, & J.J. Meulman (Eds.), New developments in psychometrics , 28-288. Tokyo: Springer.
Bart,W. M., & Krus, D. J. (1973). An ordering-theoretic method to determine hierarchies among items. Educational and Psychological Measurement,33,291-300.
Bunderson, C. V., Inouye, D. K., & Olsen, J. B. (1989). The four generations of computerized educational measurement. In R. L. Linn (Ed.), Educational measurement (3rd ed.), 367-407. New York: Macmillan.
Jensen, F. V. (2001). Bayesian Networks and Decision Graphs. Springer.
Mislevy, R. J. (1994), Evidence and inference in educational assessment, Psychometrika 59 (4), 439–483.
Mislevy, R. J. (1995). Probability-based inference in cognitive diagnosis. In P. Nichols, S.Chipman, & R. Brennan (Eds.), Cognitively diagnostic assessment, 43-71. Hillsdale, NJ: Erlbaum.
Mislevy, R.J., & Gitomer, D.H. (1996). The role of probability-based inference in an intelligent tutoring system. User-Modeling and User-Adapted Interaction, 5, 253-282.
Mislevy, P. and F. G. Martin. (1998). Comparison of Tifton 85 and other Cynodon grasses for production and nutritive value under grazing. Soil Crop Soc. 57. 77- 82. Florida Proc.
Mislevy, R. J., R. G. Almond, D. Yan, and L. S. Steinberg (1999), Bayes nets in educational assessment: Where the numbers come from. In K. B. Laskey and H. Prade (Eds.), Uncertainty in Artificial Intelligence, 99, 437- 446. Morgan-Kaufmann.
Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann, San Mateo CA.
Richard E. Neapolitan. (2003). Learning Bayesian Networks. Prentice Hall.
Spiegelhalter, D. J., Dawid, A. P., Lauritzen, S. L. and Cowell, R. G. (1993) Bayesian analysis in expert systems (with discussion), Statistical Science, 8, 219-283.
Wainer, H. et al. (Ed., 1990), Computerized Adaptive Testing: A Primer. Hillsdale, New Jersey:
Lawrence Erlabum Associates, Publishers.