近年来,随着计算机技术的发展和个性化学习需求的增加计算机化自适应测验(Computerized Adaptive Testing)受到越来越多的关注,与此同时自适应测验的安全也面临着新的挑战。试题被多次重复使用和考生对试题进行共享等诸多因素使得自适应测验的安全性、公正性和有效性受到影响,因此如何建设一个大型、优质的CAT题库成为计算机自适应测验研究中一个非常重要的课题。目前CAT题库的建设一般都是由命题专家给出试题,然后找到一批被试进行测验获得被试的作答反应,再进行项目参数估计、模型资料拟合检验,然后选择好的试题连同项目参数一并入库。但是这种方法存在几个问题:第一是需要寻找大量的被试进行测验,费时费力,成本很高;第二是在被试进行测验过程中还可能使试题泄密,特别是要建成一个大型、优质的题库还要对试题进行等值,技术复杂,且中间环节太多,安全性就难以保证。尤其是等值可能要用到锚题,锚题重复使用更容易被泄露。如果能够在计算机自适应测试过程中插入原始题(Raw Items,即未经过参数估计的项目),并且同时对原始题的项目参数进行估计,这对建设大型、优质的CAT题库来说其意义是不言而喻的。目前关于这方面的研究,国内刊物未见报道,国外研究也不多。因此本研究对在CAT测试过程中植入原始题并估计其项目参数作一些探索。在本文的实例研究中,采用蒙特卡洛模拟针对单参数和双参数模型分别对原始题的项目参数进行估计,实验结果比较理想。