由於教學上的需要，一般常使用考試測驗來了解學生的學習情況與 學習成就。而電腦在教學活動上的應用已經漸漸廣泛，使用電腦來輔助 測驗也逐漸地推行。美國著名的GRE測驗在1992年已經可以電腦版本來 進行考試；1993年開始利用電腦化適性測驗(Computerized Adaptive Test，以下簡稱CAT)的方式來進行測驗，並且在1999年停用現行的紙筆 測驗，改採電腦考試。美國IBM和Arthur Andersen目前也在著手發展電 腦輔助測驗系統。紐西蘭的三位學者也曾提出一套“Knowledge Based Computer Assisted Instruction System”，這套系統最大的特色在於 進行測驗時系統會自動變換題目中所包含有數字的部份，以避免受測者
應不同考試科目，著重於測驗系統裡的分類。近年來，愈來愈多學者研
另外還必須依據課程的需要來建立題庫。學者 Millman 與 Arter(1984) 認為題庫應為一群使用方便的試題彙編，該群試題可運用於各種測驗場
結果的可信度之外，對測驗編製者而言還能夠節省編製測驗所花的時 間。在實際建立題庫常會面臨以下五個重大課題(余民寧，1993)：
1. 題庫應該包含多少試題：基本上而言，題庫內的試題當然是愈多愈 好，但是應該考慮所加入題庫的試題，是否具有內容效度和統計品 質應達成的標準，以及考慮測驗的目的何在？學者 Prosser(1974) 建議每個概念至少要包含 10 個試題，每一單元課程內容至少要包含 50 題；Reckase(1981)則建議 100 至 200 個難度均勻分佈，且具有 合理的鑑別度的試題，便可適用在電腦化適性測驗裡。另外，測驗
3. 題庫內試題是否必需具備量尺化的參數：所謂量尺化的試題參數，
5. 題庫是否安全：題庫的建立固然可以使日後的測驗編製更加容易， 抗拒的趨勢。通常電腦化測驗分為電腦輔助測驗(Computerized Based Test)與電腦化適性測驗兩大類，以下為此二類測驗系統的簡介：
A. 呈現更真實的試題：利用多媒體的方式，電腦不再受限於
能的反應情形，這是傳統紙筆測驗不容易做到的。
電腦依據受試者估計的能力水準估計值，自動選擇符合受試者能力的題 目加以施測，然後重新估算受試者能力，並依此選取下一題目供受測者 作答，直到受試者能力的估計值已經達到很精確的地步或是答完一定的 題數才停止測驗，以下為CAT的優點（何榮桂，2000）：
l 具個別化測驗的特性：CAT 的個別化有兩層意義：一是
數， 而測驗結果通常以受試者在總題數中答對多少題來加以評 估。 如果兩個以上受試者在同一測驗得滿分，是否能真正表示 這些人的能力水準一樣 ，值得商榷；相反的，若有一些受試者 未答對任何題目 (即零分 )，這些人的能力水準也未必相同。這個 情況在傳統測驗無法解釋碰到此種上限(Ceiling)及 下 限 (Bottom) 效應的問題。傳統測驗結果的解釋容易讓人誤解，以為能力 (傳 實得總分(Observe Score)或受試者在理論上的真分數(True Score)。
在古典測驗理論中，受試者在測驗上的實得總分是受試者每部分試題得 分的總和，但受試者在各個部分的試題上得分不一定相同，而總分卻出 現相同的情形。因此我們無法由受試者在測驗總分反推得知受試者在每 一個試題的得分；換句話說，若只憑分數的高低，實難以深入了解受測
者的學習問題與困難所在 (鄭富森，1993)。CAT能夠以比傳統測驗較少 的試題,便可以精確地估算受試者的能力水準，同時若結合題目反應理 論(Item Response theory，簡稱IRT)來實施個別化適性測驗,精確分析 各試題的特性，則可讓測驗的評分更為客觀及公正，容易蒐集學生作答 訊息以供教師進行學習診斷。關於IRT的基本概念，主要可以分為下列 三項來說明(Hambleton & Swaminathan，1985)：
1. 受試者在某測驗試題上的表現情形，可由一組因素來加以預測或解 釋，這組因素稱為潛在特質(Latent Traits)或能力(Abilities)。
2. 受試者的表現和這組潛在特質之間的關係，可透過一條連續嚴格遞 增(Monotonically Increasing)的函數來加以詮釋，此函數稱為試 題特徵函數(Item Characteristic Function )，而把不同能力的學 生在某試題的得分期望連結成線，此曲線稱為試題特徵曲線(Item Characteristic Curve；簡稱ICC)。
3. 試題反應理論的目在於提供試題不變量(Invariant)和能力估計 值。由於IRT試題反應理論是針對古典測驗理論的缺失而發展出來的, 所以有以下三項特色(Hambleton & Swaminathan，1985)：
A. 在受試母群中，試題參數估計值是不受取樣波動(Sampling Fluction)的影響；不同的取樣結果只呈現ICC的局部區間，
連結了不同的取樣結果，則可呈現完整的ICC圖。
B. 在試題的選擇過程中，受試者能力估計值不受波動的影響。
C. 能力可以被確切地估算。
要能夠精確地分析試題及受測者的資料，必須要在以下的假設都成 立的情況下，才能合理而確切地估算並解釋受測者能力：
1. 單維度(Unidimensionality)：單維度是指影響測驗的表現由一個主 要成份(Dominant)或因素所決定；而這個成分或因素就是測驗所測
2.局部獨立(Local Independence)：當影響測驗結果的能力固定時，受 試者對測驗中某一試題的作答情形不受其他試題作答的影響。此假設是 由於採用最大可能估計值(Maximun Likelihood Estimator)的估算方法 而產生。
3.非速度測驗：受試者在試題上的反應,不應受時間因素的影響；換言
之，受試者不應有時間不夠而無法答完所題目的現象產生。受試者沒有 回答的題目是因為本身能力不足所致的 ,而非受時間的限制所造成 (Hambleton & Swaminathan，1985;余民寧，1992；古松民，2001)。
IRT以試題特徵函數表達受試者能力和測驗反應間之關係，因函數中 所採用的參數個數不同，可被區分為不同的模式。常用的數學模式有單 參數、雙參數及三參數等三種，各模式之試題特徵函數如下三種公式所 示：
單參數模式：
雙參數模式：
三參數模式：
其中D=1.702；e：自然對數；j：受試者編號；
θj：第 j 位受試者之能力值；i：題目編號；
ai，bi，ci：第i題的鑑別參數、難度參數、猜測參數 pij(θj)：能力θj答對第i題的機率函數。
將上列函數式以圖形表示之，則稱為試題特徵曲線（ICC）。圖2-1 為典型的三參數模式ICC，橫軸θ表示受試群體之能力分佈，縱軸P則為
受 試 能 力 θ 答 對 此 題 的 機 率 。 圖 中 的 ICC1(a,b,c)=(1,-1,0.07),ICC2(a,b,c)=(1,0,0.05) ,ICC3(a,b,c)=(
1,1,0.05)。
圖2-1、試題特徵曲線（圖片來源：古松民，2001.8）
然而，在電腦適性測驗中，由於題庫裡的每一個項目皆有其區域獨 立性，因此在適性測驗進行時，每次只能出現一個題目，而且不能夠提 供受試者有關項目答案的回饋，受試者不能跳過任何一題，也無法選擇 答題次序。而在過去幾年，許多國外的學者研究受試者對於電腦適性測 驗與紙筆測驗間的心理與行為上的差異，發現試題呈現方式（例如試題 一次只呈現一題、受試者不能選擇答題順序、不能更改答案等）確實會 影響受試者的心裡因素，進而連帶影響其測驗表現。學者吳裕益與王佳 文（1997）認為電腦適性測驗的缺點如下：
l 必須依順序作答，不能跳答。
l 必須要有電腦設備。
l 某些題型（如申論題、作文等）無法使用電腦。
l 能力分數解釋較困難。
l 需了解項目反應理論。
l 部份受試者及家長可能無法接受測驗結果，特別是考試題目及 題數不同，所得分數如何比較的問題。
l 電腦化適性測驗與紙筆施測之題目內容以及題目出現之順序
（或前後位置）不同，可能影響能力分數之等值性。