计算机化自适应诊断测验(Computerized Adaptive Testing for Cognitive Diagnosis,CD-CAT)是认知诊断(Cognitive Diagnosis,CD)与计算机化自适应测验(Computerized Adaptive Testing,CAT)相结合的产物,运用好的认知诊断CAT选题策略,能够快速、准确地诊断出被试对测验所涉及属性的掌握情况,因而备受国内外研究者和应用者的青睐。目前认知诊断CAT对题库曝光度和终止规则的研究较少,故本文对具有曝光度控制的认知诊断CAT选题策略及终止规则进行讨论。本文基于DINA模型提出兼顾被试能力水平、知识状态和题库安全的选题策略和结合曝光控制因子的KL-E选题策略及DFSPP、DFMPP、HM三种变长终止规则,并基于DINA模型,对常用选题策略和终止规则进行了综合模拟实验。Monte Carlo模拟实验结果显示:一、在选题时加入对项目Fisher信息量、曝光控制和项目优先级三个控制因子的兼顾被试能力水平、知识状态和题库安全的选题策略,在小幅降低测验速度的条件下,可以大幅提高测量精度,使题库项目使用趋向均匀;二、相同参数下,KL-E方法虽然在PMR指标上的表现不如传统KL方法,但在2?指标上的表现较传统KL方法有较大的优势,在AMMR指标上的表现与传统KL相差不大;三、DFSPP、DFMPP和HM三种变长终止规则与传统方法比,均有各自的优势;四、以K=6的线性型属性层级结构为例,引入项目Fisher信息量、曝光因子和项目优先级的兼顾被试能力水平、知识状态和题库安全的选题策略和DFSPP、DFMPP和HM三种变长终止规则的综合效果更为理想。