报告人：陈平
报告地点：人民大街校区数学与统计学院501教室
报告时间：2026年11月01日（星期日）9:30-11:00
邀请人：陆婧
报告摘要：
以人工神经网络（ANN）和多模态大语言模型（MLLM）为代表的AI技术，正深刻影响着教育测量的方法体系。本报告聚焦教育测量领域的四项核心议题——缺失值处理、参数估计、题库建设和中文作文自动评分（CAES），系统介绍基于AI的方法探索。
第一，针对李克特量表等有序数据缺乏专用插补方法的问题，提出基于ANN的逐列神经插补法。该方法在保证数据有序性的同时，提升了插补质量与效率。第二，为克服传统参数估计方法面临的“高维积分困境”与样本依赖性问题，构建了新型网络架构——十字估计网络。该网络经训练后，能对未见的新被试或新题目序列进行快速、精准的参数评估。第三，针对高维、小样本等条件下传统在线标定方法易出现收敛困难和估计不准的难题，开发了基于ANN的在线标定方法，其在收敛性能、标定精度与计算效率上均优于传统方法。第四，为提升基于MLLM的CAES模型鲁棒性，提出结合批判性反馈的两阶段微调策略。该策略在评分准确性与泛化能力上优于传统策略，并揭示模型评分“先达标，再精进”的学习路径。
本报告将系统呈现上述四项工作的核心思路、研究结果与方法贡献，以期为教育测量研究提供新的视角。
主讲人简介：
陈平，北京师范大学，教授，博士生导师，中国基础教育质量监测协同创新中心方法组组长。长期从事心理测量前沿理论与方法研究，核心方向包括计算机化自适应测验与分类测验、测量模型参数估计及大规模教育测评技术。主持国家自然科学基金面上项目和青年项目、人社部国家外专项目等课题，在 Psychometrika、Psychological Methods、British Journal of Mathematical and Statistical Psychology (BJMSP)、Journal of Educational and Behavioral Statistics、Behavior Research Methods、Journal of Educational Measurement和心理学报等期刊发表论文 70余篇，出版教材1部，参编著作3部。现任Psychometrika和Chinese/English Journal of Educational Measurement and Evaluation副主编、BJMSP顾问编委、《心理学探新》编委、中国教育技术协会教育测量与评价专业委员会副主任和中国心理学会网络心理专业委员会委员。
学校主页