随着计算机的普及以及人们对教育的重视，传统的纸笔测验只为被试提供一个总分，这已远远不能满足人们的需求，再加上项目反应理论（Item ResponseTheory， IRT）的快速发展，这样就孕育产生了既能为被试提供测验分数，又能估计被试能力水平的测验——计算机化自适应测验（Computerized AdaptiveTesting，CAT）。早期的CAT基本上都是基于IRT的基础上进行的，以下简记为IRT-CAT。IRT-CAT虽然能估计被试的能力水平，但是不能为被试提供详细的诊断信息，即被试掌握了哪些属性，未掌握哪些属性，也就无从采取补救措施。随着认知心理学和心理测量学的结合，随继产生具有认知诊断功能的计算机化自适应测验——计算机化自适应诊断测验（Computerized Adaptive Testing with CognitiveDiagnosis，CD-CAT）。CD-CAT不仅为被试提供一个测验分数，而且为被试提供详细的诊断信息，即被试掌握了哪些属性，未掌握哪些属性，也就是可以得出被试的内在知识状态及认知技能，进而对其进行补救，这样有利于指导教师教学和学生学习。CD-CAT同IRT-CAT一样，最重要的是选题策略，本文讨论修正的整体判别指标法(Modified Global Discrimination Index Method，MGDI）、CDM信息量指标法（CDM Information Index， CDI）、改进的整体判别CDM信息量指标法（MGCDI）这三种选题策略在四种属性层级结构上，是否先选择可达矩阵的所有列对应的项目对诊断准确率的影响。本文采用DINA模型，但为了消除DINA模型中项目参数对诊断准确率的影响，本文采用固定项目参数的方法。由于从题库中先选择可达矩阵的所有列对应的项目，必然导致可达矩阵的列对应项目的曝光率高，题库的安全性受到威胁。本文采用在选题策略中引用MPI以达到控制这些项目的曝光率，使题库的使用更加均匀。通过Monte Carlo模拟研究，结果表明：当采用相同的选题策略进行选择项目时，先选择可达矩阵的所有列对应的项目比不使用这些项目的诊断准确率高；引用MPI的选题策略可以有效地控制曝光率。