自适应词汇量测试算法
1. 自适应测试的核心思想
传统的词汇量测试通常采用全量覆盖或固定抽样的方式。若要评估测试者的词汇量，最直接但效率最低的方法是测试大词表中的每一个单词。这种方法在实际工程中并不可行。
自适应测试（Computerized Adaptive Testing, CAT）的核心思想是：只向测试者呈现当前阶段最具有信息量的题目。
1.1 传统测试的局限性
若测试者的词汇水平较高（例如熟知 weave、unveil、fragile 等词），则继续测试 apple、dog、school 等高频词的实际意义不大，因为这些题目无法提供关于其真实能力的区分信息。
反之，若测试者在基础词汇上已经出现较高的错误率，则直接测试 photosynthesis、jurisdiction 或 metamorphosis 等极低频学术词汇，也难以获得有效的评估数据，因为其结果大概率只能证明测试者不会这些词。
1.2 信息量最大化原则
有效的测试应当动态调整难度，使其贴近测试者当前的实际水平。在心理测量学中，当题目的难度刚好对应测试者答对概率约为 50% 时，该题能提供最大的信息量。
通过引入这种动态反馈机制，测试系统可以在仅使用数十道经过精细筛选的题目后，较为准确地估计测试者的整体词汇量，从而避免了几千次的冗余测试。
2. 词频尺度与能力指标
在自适应词汇测试系统中，需要建立合理的度量衡来连接“词汇难度”、“测试者能力”与“词汇量大小”。
2.1 Zipf 词频尺度
Zipf 值是一种对数词频刻度，用于衡量一个词在语料库中的常见程度。其数学定义为：
\[\text{Zipf} = \log_{10}(\text{每十亿词中的出现次数})\]Zipf 值每下降 1，意味着词频大约下降 10 倍。以下为常见的词频水平对照：
| Zipf 值 | 词频水平 | 代表单词 | 难度级别 |
|---|---|---|---|
| 6 左右 | 极高频 | the, be, have | 极简单 |
| 5 左右 | 高频 | decide, improve, describe | 常见 |
| 4 左右 | 中频 | fragile, deceive, abstract | 中等 |
| 3 左右 | 低频 | weave, unveil, forestry | 较难 |
| 2 以下 | 极低频 | 学术词、专业词、生僻词 | 很难 |
2.2 测试能力值（$\theta$）
能力值 $\theta$（Theta）是项目反应理论（IRT）中用于表示测试者潜在能力的数值。在词汇测试中，$\theta$ 越高，代表测试者的词汇能力越强，能够掌握更低频（Zipf 值更低）的词汇。
2.3 标准误（Standard Error, SE）
标准误 $\text{SE}$ 表示当前对测试者能力估计的不确定程度。随着答题数量的增加，系统收集到的信息量增多，$\text{SE}$ 会逐步减小，评估结果趋于稳定。
| SE 范围 | 评估结果解释 |
|---|---|
| $\ge 0.8$ | 极不稳定，无法用于参考 |
| $0.5 \sim 0.8$ | 粗略估计 |
| $0.4 \sim 0.5$ | 具有一定的参考价值，但波动风险仍存 |
| $0.3 \sim 0.4$ | 较为稳定 |
| $< 0.3$ | 非常稳定 |
2.4 词汇量估计（Vocab Size）
最终呈现给测试者的词汇量（如 11,700）并不是直接测得的，而是通过估计出的 $\theta$ 值映射至对应的 Zipf 阈值，并在一个按词频排序的大词表中统计出所有高于（或等于）该阈值的词汇数量得到的。
3. 项目反应理论与 Rasch 模型
3.1 什么是项目反应理论（IRT）？
项目反应理论（Item Response Theory, IRT）是现代心理测量学的核心理论，用以探索测试者的潜在特质能力（$\theta$）与题目特征（难度、区分度等）对作答反应概率的影响。
在自适应词汇测试中：
- 主体：测试者（能力值为 $\theta$）。
- 客体：单词选择题（难度为 $b$）。
- 目标：估计测试者答对某道题的条件概率。
3.2 经典 Rasch 模型
Rasch 模型是一参数逻辑模型（1PL），它只考虑一个题目特征参数——难度 $b$。该模型假设所有题目具有相同的区分度，且不存在猜测影响。
其数学公式为：
\[P(\text{correct} \mid \theta, b) = \frac{1}{1 + e^{-(\theta - b)}}\]也可以简写为 Sigmoid 函数的形式：
\[P(\text{correct}) = \sigma(\theta - b)\]其中：
\[\sigma(x) = \frac{1}{1 + e^{-x}}\]3.3 Sigmoid 函数用于能力建模的性质
Sigmoid 函数的数学特性与实际答题表现高度契合：
- 有界性：输出值恒在 $(0, 1)$ 区间内，符合概率定义。
- 当能力远高于难度时（$\theta \gg b$）： \(\theta - b \to +\infty \implies P(\text{correct}) \to 1\) 表示题目对测试者过于简单，答对概率趋近于 1。
- 当能力远低于难度时（$\theta \ll b$）： \(\theta - b \to -\infty \implies P(\text{correct}) \to 0\) 表示题目对测试者过于困难，答对概率趋近于 0（在未引入猜测项的前提下）。
- 当能力等于难度时（$\theta = b$）： \(\theta - b = 0 \implies P(\text{correct}) = \sigma(0) = 0.5\) 表示测试者恰有 50% 的概率答对该题。
4. 最大似然估计与参数更新
在测试过程中，系统需要基于测试者已完成的 $n$ 道题的作答表现，逆向求解出最合理的 $\theta$ 值。
这一过程通常通过最大似然估计（Maximum Likelihood Estimation, MLE）结合牛顿-拉夫森迭代法（Newton-Raphson Method）来实现。
4.1 似然函数的构建
设测试者已回答 $n$ 道题。
- 第 $i$ 道题的难度为 $b_i$。
- 作答结果记为 $u_i$，其中 $u_i = 1$ 表示答对，$u_i = 0$ 表示答错。
- 模型预测答对概率为 $p_i = \sigma(\theta - b_i)$。
对于单道题，观测到作答结果 $u_i$ 的概率（概率质量函数）可以统一写为：
\[P(U_i = u_i \mid \theta) = p_i^{u_i} (1 - p_i)^{1 - u_i}\]假设各项作答之间在局部独立，则 $n$ 道题的联合概率即为似然函数 $L(\theta)$：
\[L(\theta) = \prod_{i=1}^{n} p_i^{u_i} (1 - p_i)^{1 - u_i}\]最大似然估计的目标，即是寻找一个 $\hat{\theta}$ 使得 $L(\theta)$ 最大化：
\[\hat{\theta} = \arg\max_{\theta} L(\theta)\]4.2 对数似然函数
为了避免连乘计算带来的数值下溢问题，通常对似然函数取自然对数，得到对数似然函数 $\ell(\theta)$：
\[\ell(\theta) = \ln L(\theta) = \sum_{i=1}^{n} \left[ u_i \ln(p_i) + (1 - u_i) \ln(1 - p_i) \right]\]4.3 一阶导数（梯度）的推导
我们需要对 $\ell(\theta)$ 求关于 $\theta$ 的一阶偏导数。
首先，根据 Sigmoid 函数的导数性质：
\[\frac{d p_i}{d \theta} = p_i(1 - p_i)\]将此性质代入对数似然函数求导：
\[\frac{d}{d \theta} [u_i \ln(p_i)] = \frac{u_i}{p_i} \cdot p_i(1 - p_i) = u_i(1 - p_i)\] \[\frac{d}{d \theta} [(1 - u_i) \ln(1 - p_i)] = \frac{1 - u_i}{1 - p_i} \cdot (-p_i(1 - p_i)) = -(1 - u_i)p_i\]两项相加，得单项导数：
\[u_i(1 - p_i) - (1 - u_i)p_i = u_i - u_i p_i - p_i + u_i p_i = u_i - p_i\]因此，对数似然函数的一阶导数（梯度 $g$）为：
\[g(\theta) = \frac{d\ell}{d\theta} = \sum_{i=1}^{n} (u_i - p_i)\]梯度的直观物理意义
- $\sum u_i$ 是测试者实际答对的题数。
- $\sum p_i$ 是模型基于当前能力值预测的期望答对题数。
- 若 $\sum u_i > \sum p_i$，说明测试者的实际表现优于模型预期，一阶导数为正，$\theta$ 应该往调大的方向更新。
- 若 $\sum u_i < \sum p_i$，说明测试者实际表现逊于预期，一阶导数为负值，$\theta$ 应该往调小的方向更新。
4.4 二阶导数与 Fisher 信息量
对一阶导数继续关于 $\theta$ 求导：
\[\frac{d^2\ell}{d\theta^2} = \frac{d}{d\theta} \sum_{i=1}^{n} (u_i - p_i) = -\sum_{i=1}^{n} \frac{d p_i}{d \theta} = -\sum_{i=1}^{n} p_i(1 - p_i)\]由于 $p_i \in (0,1)$，二阶导数恒为负值，说明对数似然函数是严格凹函数，存在全局最大值。
在心理测量学中，Fisher 信息量 $I(\theta)$ 定义为对数似然函数二阶导数负值的期望。在此处，其形式为：
\[I(\theta) = \sum_{i=1}^{n} p_i(1 - p_i)\]4.5 标准误（SE）的计算
估计的渐近标准误（Standard Error）可通过 Fisher 信息量直接计算：
\[\text{SE}(\theta) = \frac{1}{\sqrt{I(\theta)}} = \frac{1}{\sqrt{\sum_{i=1}^{n} p_i(1 - p_i)}}\]信息量与不确定性的直观联系
单道题目的信息量为 $I_i(\theta) = p_i(1 - p_i)$。
- 当 $p_i = 0.5$（测试者刚好有半数把握答对该题）时，单题信息量达到最大值 $0.5 \times 0.5 = 0.25$。
- 当 $p_i \to 1$ 或 $p_i \to 0$ 时，单题信息量趋近于 $0$。
这从数学上证明了：难度与测试者当前能力匹配度极高的题目，能提供最高的信息量，从而使标准误最快下降。
5. 算法：自适应选题、更新与换算
自适应词汇测试在运行期间是一个闭环控制系统：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
[ 1. 抽选具有最大信息量的题目 ]
│
▼
[ 2. 呈现题目并接收作答反应 ]
│
▼
[ 3. 采用牛顿迭代法更新能力值 ]
│
▼
[ 4. 判定是否满足终止测试条件 ]
/ \
(否) (是)
/ \
▼ ▼
[ 返回步骤 1 ] [ 进行词汇量换算 ]
5.1 选题策略：最大信息量选题
当估计出当前能力值为 $\theta$ 后，系统需要从未作答的候选题库中选择下一道题。对于每一道候选题目 $j$，计算其在当前 $\theta$ 处的 Fisher 信息量：
\[\text{nextItem} = \arg\max_{j \in \text{Candidates}} p_j(1 - p_j)\]在 Rasch 模型中，因为 $p_j = \sigma(\theta - b_j)$，其最大信息量直接对应于题目难度 $b_j$ 与当前能力值 $\theta$ 的接近程度。因此，选题逻辑可退化为：选择难度 $b$ 与当前 $\theta$ 差值绝对值最小的题目。
5.2 能力估计更新：牛顿迭代法
每增加一个新的作答反应，系统通过牛顿-拉夫森法进行迭代更新。更新公式如下：
\[\theta^{(k+1)} = \theta^{(k)} - \frac{g(\theta^{(k)})}{H(\theta^{(k)})} = \theta^{(k)} + \frac{\sum (u_i - p_i)}{\sum p_i(1 - p_i)}\]为了保证工程上的数值鲁棒性，通常会对单步的更新量（步长）进行阶段性截断（例如单步调整幅度限制在 $[-1.0, 1.0]$ 区间内），以防止在测试初期因作答数据较少而导致估计值剧烈震荡。
5.3 终止条件设计
为了平衡测试精度与用户体验，系统通常结合多个条件来决定何时结束测试：
- 极值约束：已答题数达到设定的上限值（如 $60$ 题）。
- 基本信息收集：已答题数达到了设定的下限值（如 $20$ 题）。
- 精度约束：当前估计的标准误 $\text{SE}$ 降至目标阈值（如 $0.35$）以下。
- 收敛约束：最近数道题更新带来的 $\theta$ 变化量或词汇量估计变动幅度已经极小（如近 $5$ 题变化量小于 $5\%$）。
5.4 能力值向词汇量的映射路径
心理测量学输出的 $\theta$ 值（通常分布在 $[-4.0, 4.0]$ 之间）对最终用户而言不够直观，需要将其转换为词汇量指标。
步骤一：能力值 $\theta$ 到 Zipf 阈值的映射
由于能力值越高，可识别的低频词（Zipf 值较小的词）越多，因此 $\theta$ 与 Zipf 阈值呈负相关。通常可以通过对真实样本测试数据的统计标定，拟合出一条线性对应关系：
\[\text{zipf_threshold} = A - B \times \theta\]例如经验参数设为 $A = 4.5, B = 0.725$： 若当前 $\theta = 1.806$，则：
\[\text{zipf_threshold} = 4.5 - 0.725 \times 1.806 \approx 3.19\]步骤二：Zipf 阈值到词汇量的映射
获得 Zipf 阈值后，系统将检索后台的大词表，统计符合以下条件的单词个数：
\[\text{vocab_size} = \text{Count}(\text{words where } \text{Zipf} \ge \text{zipf\_threshold})\]若大词表中 $\text{Zipf} \ge 3.19$ 的词共有 $11,700$ 个，则最终输出给用户的词汇量估计即为 $11,700$ 词。
6. 模型演进：引入猜测参数与多维考量
虽然经典的 Rasch 模型简洁稳定，但在实际的多选题词汇测试中，测试者即使完全不会也有可能通过随机猜测答对题目。为此，我们需要更复杂的模型设计。
6.1 三参数逻辑斯蒂模型（3PL IRT）
在多选题场景下，更精准的模型是三参数逻辑斯蒂模型（Three-Parameter Logistic Model, 3PL）：
\[P(U_i = 1 \mid \theta) = c_i + \frac{1 - c_i}{1 + e^{-a_i(\theta - b_i)}}\]模型参数定义及其工程现实意义如下：
1. $b_i$：难度参数（Difficulty）
代表题目在能力轴上的位置。在无猜测（$c_i = 0$）且区分度 $a_i = 1$ 的情况下，当测试者能力 $\theta = b_i$ 时，其答对概率为 0.5。
2. $a_i$：区分度参数（Discrimination）
代表概率曲线在 $\theta = b_i$ 处的斜率。
- 高区分度：说明该词能够显著区分出能力在其难度线上下的人。
- 低区分度：曲线较平缓，说明能力高和能力低的人答对该题的概率差异不大（可能由于题干释义模糊或选项设计不合理导致）。
3. $c_i$：猜测参数（Guessing）
代表极低能力个体随机猜测时答对该题的渐近概率。
- 对于三选一单选题，理论猜测概率为 $0.33$。
- 在实际中，由于干扰项的迷惑程度不同或测试者具备部分排除能力，猜测参数通常由实际数据标定，并不一定恰好等于 $1/\text{选项数}$。
7. 工程实践：浏览器端自适应词汇测试系统实现
前文已经从理论层面说明了自适应测试、Rasch 模型、最大似然估计、Fisher 信息量与标准误的关系。本章进一步结合一个可运行的浏览器端原型，说明这些数学概念如何被转化为实际代码。
该系统使用 HTML、CSS 与原生 JavaScript 实现，不依赖后端服务即可完成题目展示、作答记录、能力值更新、标准误计算、词汇量估计和可视化报告生成。它适合作为自适应词汇测试算法的最小可行原型。
7.1 系统整体结构
从工程角度看，整个系统可以拆分为四个核心部分：
题库数据层 题库以数组
itemBank的形式存储，每个题目包含英文单词、正确释义、干扰项、Zipf 词频值与难度参数。测量算法层 该层负责根据 Rasch 模型计算答对概率、题目信息量、能力值更新与标准误。
测试流程控制层 该层负责控制开始测试、进入下一题、记录答案、判断是否终止测试以及生成最终报告。
用户界面层 该层负责展示当前能力值、标准误、Zipf 阈值、估计词汇量、答题进度和能力收敛曲线。
其运行流程可以概括为：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
初始化能力值 θ
↓
从题库中选择信息量最大的题目
↓
展示题目与选项
↓
用户作答
↓
记录反应并更新 θ
↓
计算 SE 与词汇量估计
↓
判断是否达到终止条件
↓
输出评测报告
7.2 题库设计：从词频到难度参数
在代码中，每个词条采用如下结构：
1
2
3
4
5
6
7
{
word: "alleviate",
correct: "减轻",
options: ["减轻", "加重", "创造", "毁坏"],
zipf: 3.2,
difficulty: 1.1
}
其中：
word是测试词。correct是正确中文释义。options是四个候选选项。zipf表示该词的大致词频水平。difficulty是 Rasch 模型中的题目难度参数 (b)。
需要注意的是，当前代码中的 difficulty 并不是通过真实大规模作答数据标定得到的统计参数，而是根据词频、常识难度和考试等级进行的人工近似。因此它更适合用于算法演示和原型验证，而不是直接作为高精度测评系统的正式标定题库。
7.3 答对概率计算：Rasch 模型的代码化
系统使用如下函数计算 Sigmoid：
1
2
3
4
5
function sigmoid(x) {
return x >= 0
? 1 / (1 + Math.exp(-x))
: Math.exp(x) / (1 + Math.exp(x));
}
这里采用了分段写法，是为了避免当 (x) 绝对值很大时出现指数溢出。随后，系统通过：
1
2
3
function probabilityCorrect(theta, item) {
return sigmoid(theta - item.difficulty);
}
实现 Rasch 模型：
\[P(\text{correct} \mid \theta, b) = \frac{1}{1 + e^{-(\theta - b)}}\]其中：
- 当 $\theta > b$ 时，测试者能力高于题目难度，答对概率较高。
- 当 $\theta < b$ 时，测试者能力低于题目难度，答对概率较低。
- 当 $\theta = b$ 时，答对概率约为 $0.5$，该题最能区分测试者能力。
这一函数是整个系统的概率核心。后续的选题、能力更新和标准误计算都依赖它。
7.4 自适应选题：最大信息量原则
系统通过以下函数选择下一道题：
1
2
3
4
function itemInformation(theta, item) {
const p = probabilityCorrect(theta, item);
return p * (1 - p);
}
单题信息量为：
\[I_i(\theta) = p_i(1 - p_i)\]当 $p_i = 0.5$ 时，信息量达到最大值 $0.25$。这意味着最有价值的题目不是最简单或最难的题目，而是难度最接近当前能力估计值的题目。
选题函数如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
function selectNextItem() {
const unused = itemBank.filter(
(item) => !state.usedWords.has(item.word),
);
if (unused.length === 0) return null;
return unused.reduce((best, item) => {
const infoCurrent = itemInformation(state.theta, item);
const infoBest = itemInformation(state.theta, best);
if (Math.abs(infoCurrent - infoBest) < 0.02)
return Math.random() > 0.5 ? item : best;
return infoCurrent > infoBest ? item : best;
}, unused[0]);
}
该实现有三个关键点：
只从未作答题目中选题 系统通过
usedWords避免重复出现同一个单词。选择当前信息量最大的题目 对所有候选题计算 (p(1-p))，选择信息量最高者。
加入微小随机扰动 当多个题目信息量接近时，系统不会机械地选择题库中最靠前的题目，而是加入一定随机性。这可以减少测试路径的僵化，使不同测试者或多次测试之间的题目序列更加自然。
7.5 能力值更新：最大似然估计的工程实现
每次用户作答后，系统都会把当前题目、作答结果和选项状态写入测试状态：
1
state.responses.push({ item, correct, chosen });
随后调用：
1
updateTheta();
能力值更新函数的核心逻辑如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
for (let iter = 0; iter < 10; iter++) {
let gradient = 0,
information = 0;
for (const resp of state.responses) {
const p = probabilityCorrect(thetaTemp, resp.item);
gradient += resp.correct - p;
information += p * (1 - p);
}
if (information < 1e-5) break;
let step = gradient / information;
step = Math.max(Math.min(step, 1), -1);
thetaTemp += step;
if (Math.abs(step) < 1e-4) break;
}
它对应前文推导的牛顿迭代更新式。
代码中还加入了三个重要的工程保护：
第一，极端作答保护
当测试者目前为全对或全错时，传统 MLE 容易出现估计发散。代码中对此进行了单独处理：
1
2
3
4
5
if (score === 0) {
state.theta = Math.max(-4, state.theta - 0.5);
} else if (score === state.responses.length) {
state.theta = Math.min(4, state.theta + 0.5);
}
这样做可以避免在测试初期因为样本太少而导致 $\theta$ 一次性跳到极端位置。
第二，步长截断
代码将单次更新步长限制在 $[-1, 1]$：
1
step = Math.max(Math.min(step, 1), -1);
这可以降低数值震荡风险，使能力轨迹更加平滑。
第三，能力边界限制
最终能力值被限制在 $[-4, 4]$：
1
state.theta = Math.max(Math.min(thetaTemp, 4), -4);
这相当于给测量尺度设置了合理边界，防止极少量异常作答把能力估计推向不现实的范围。
7.6 标准误与终止条件
系统通过如下函数计算当前标准误：
1
2
3
4
5
6
7
8
9
10
11
12
function standardError() {
let information = 0;
for (const resp of state.responses) {
const p = probabilityCorrect(state.theta, resp.item);
information += p * (1 - p);
}
return information <= 1e-5
? Infinity
: 1 / Math.sqrt(information);
}
其数学形式为：
$ SE(\theta) = \frac{1} {\sqrt{\sum_i p_i(1-p_i)}} $
随着测试进行，信息量逐步累积，标准误通常会下降。系统的终止条件由 isDone() 控制：
1
2
3
4
5
6
7
8
9
10
11
function isDone() {
const answered = state.responses.length;
const se = standardError();
if (answered >= config.maxQuestions) return true;
if (answered >= config.minQuestions && se <= config.targetSe)
return true;
return false;
}
当前配置为：
1
2
3
4
5
6
const config = {
minQuestions: 20,
maxQuestions: 50,
targetSe: 0.38,
totalLexiconSize: 50000,
};
因此，测试至少完成 20 题；若 20 题后标准误已经低于 0.38，则可以结束；若一直未达到精度要求，则最多完成 50 题。
这种设计体现了自适应测试中的典型权衡：既不能为了追求精度让测试无限延长，也不能在信息不足时过早输出结果。
7.7 从能力值到词汇量估计
当前系统先将 (\theta) 映射为 Zipf 阈值：
1
2
3
function thetaToZipfThreshold(theta = state.theta) {
return 4.5 - 0.725 * theta;
}
对应公式为：
$ \text{Zipf Threshold} = 4.5 - 0.725 \theta $
能力越高，(\theta) 越大，对应的 Zipf 阈值越低，表示测试者可以识别更低频的词。
随后，系统使用指数函数估算词汇量：
1
2
3
4
5
6
7
8
9
10
function estimateVocabSize(theta = state.theta) {
if (theta <= -4) return 500;
const baseVocab = 6000;
const growthFactor = 0.366;
let vocab = baseVocab * Math.exp(growthFactor * theta);
return Math.round(vocab / 50) * 50;
}
这意味着：
$ \text{Vocab} = 6000 \times e^{0.366\theta} $
在该映射下：
- $\theta = 0$ 时，估计词汇量约为 6000。
- $\theta = 2$ 时，估计词汇量约为 12500。
- $\theta = 4$ 时，估计词汇量约为 26000。
这种映射方式比直接用小题库中 Zipf 阈值以上的题目比例进行外推更平滑，也更适合前端演示。但它本质上仍是经验换算公式，并非真实大词表统计结果。若要用于正式测评，应使用完整词表和真实语料频率进行重新标定。
7.8 结果报告与可视化反馈
测试结束后，系统调用 showReport() 生成报告：
1
2
3
const vocab = estimateVocabSize();
const lowTheta = Math.max(state.theta - 1.96 * se, -4);
const highTheta = Math.min(state.theta + 1.96 * se, 4);
报告不仅输出点估计词汇量，还根据标准误计算 95% 置信区间
此外，系统还使用 Canvas 绘制能力值收敛轨迹：
1
state.history.push(state.theta);
每一次能力值更新都会被记录到 history 中，并绘制为折线图。该图可以直观展示测试初期的快速波动以及后期逐渐收敛的过程。
从用户体验角度看，这种设计有两个好处：
- 测试者可以实时看到系统如何根据作答表现调整难度。
- 最终报告不只是给出一个孤立数值，而是展示能力估计的稳定程度。
7.9 原型系统的工程价值
该浏览器端实现虽然简化，但已经覆盖了自适应词汇测试的关键闭环：
- 使用 Rasch 模型计算答对概率。
- 使用 Fisher 信息量选择题目。
- 使用最大似然估计更新能力值。
- 使用标准误判断结果稳定性。
- 使用经验映射输出词汇量。
- 使用图表展示能力收敛轨迹。
- 使用置信区间呈现测量不确定性。
因此，它不仅是一个可交互网页工具，也可以被视为一个自适应测试算法的教学型实现。后续若要演进为正式系统，主要工作不在于重写算法框架，而在于补充真实题库标定、完整词表映射、用户数据存储、反作弊机制和多维能力建模。
