在线校准是在计算机化自适应测验(CAT)中校准新题的题目参数的技术。计算机化自适应测验凭借测验时间灵活,题型多样化,欲获得纸笔测验相同的测验精度几乎只要一半长度的测验等优势,从而在许多大型评价项目中得到应用。目前,计算机化自适应测验的题库面临建设成本高且更新、扩充技术较复杂等问题。为确保计算机化自适应测验的有效性,题库的维护和管理至关重要。已经有若干关于两级评分下新题的在线校准研究,但是多级记分项目的在线校准却鲜见报道。由于多级记分项目能够比两级评分项目提供更多信息而被广泛应用,因此探究多级记分项目的在线校准有助于丰富题库结构。在线校准通常采用迭代方法,而迭代的初值选取十分重要。为探究多级记分项目的在线校准的表现,本文提出了一种基于等级反应模型(GRM)的多步EM算法(MEM)为新题估计题目参数的方法。本文中先由扩展的夹逼平均法求取难度初值和多序列相关系数法求取区分度初值,再采用MEM算法联合估计项目参数。Monte Carlo模拟结果表明新题项目参数的估计值返真效果较好,且参数的估计精度随着作答次数的小幅度增加而保持着逐渐提高的趋势。当校准样本量达到500时,新题参数的估计精度较好。在相同的估计精度下,所需样本量比MMLE/EM方法更少。这足以说明该方法在多级评分模型下具有两级评分下同样的优势。