基于计算机考试有两个优点:一是在计算机化自适应测验(CAT)中,计算机可以根据考生的能力水平从题库中选择适合其能力水平的试题;二是不仅可以记录考生对每个项目的作答反应数据,还可以记录被试在每题上的作答反应时数据。传统忽略反应时的CAT项目选择方法只关注项目得分信息,对于反应时信息的利用甚少。融合反应时信息的CAT很好地结合了基于计算机考试的优点,并克服了传统忽略反应时CAT缺点,即更多地利用反应时信息会使CAT具有更高的效率。使得具有更高的测验效率。本文首次将4PL-RT模型应用于计算机自适应测试,提出了一种基于4PL-RT模型的CAT算法。主要是从数理统计的角度,一是基于Fisher信息法,利用响应数据和响应时间数据为每个候选人选择合适的项目;另一种方法是用EAP方法估计被试的潜在特征。研究开发并评估了四种新的融合反应时信息的选题算法,并从能力估计精度和测验安全性两类指标与传统忽略反应时的CAT进行综合比较,以验证新方法的优势。研究采用蒙特卡洛模拟实验以及实证应用研究相结合的研究范式,开展了三项研究:研究一主要从数理统计角度出发,对基于4PL-RT的信息量计算算法进行数学推导,并在此基础上开发出融合反应时的CAT选题策略,同时推导出被试能力的EAP估计方法;研究二采用Monte Carlo模拟实验验证基于4PL-RT模型的CAT的算法有效性;研究三开发了融合反应时信息的CAT在瑞文标准推理测验中的应用。研究结果表明:(1)本文提出的融合反应时信息的CAT成功实现了同时利用被试的作答数据和反应时数据的信息,提出的4种新的选题策略不论在测验精度,还是项目曝光率和测验重叠率具有良好的效果。(2)使用融合反应时信息的CAT的性能比传统忽略反应时CAT的性能要好,主要表现在具有更高的参数估计精度和测验安全性。其中,测验长度和测验精度成正比,与题库安全性指标成反比,测验长度为20时,各种选题策略的综合表现最好。(3)将融合反应时信息的CAT应用于瑞文标准推理测验,研究发现,与传统忽略反应时的CAT方法相比较,新方法不仅验证了反应时信息是影响被试能力估计一个重要因素,而且对被试能力估计的精度更高。这为瑞文标准推理测验(甚至其它心理测验)的计算机化自适应测量提供了新的方法和技术支持。