Five basic steps of CATThe previous

Five basic steps of CAT
The previous paragraph already introduced the five basic steps of CAT. They are
being dealt with more into detail in this section of the paper to provide more insight
into the specificities of CAT. Some steps are rather straightforward to implement,
but especially the step of item selection entails many issues.
Step 1. Initiation
In Step 1, an initial estimate is made of the proficiency level of the
candidate. Generally, the ability level is initialized at the mean of the
proficiency distribution of the population (THISSEN; MISLEVY, 2000). An
alternative is to randomly draw it from the ability distribution. Besides,
initialization based on previously known information about the candidate
might be applied as well (VAN DER LINDEN, 1999).
Step 2. Item selection
Many item selection rules have been proposed for CAT. Maximum Fisher
information (BIRNBAUM, 1968) is most commonly applied, but Fisher interval
information (VEERKAMP; BERGER,1997), Kullback-Leibler information (CHANG;
YING, 1996; VELDKAMP; VAN DER LINDEN, 2002), or mutual information
(WEISSMAN, 2007) might be applied as well. All these item selection rules
have in common that they try to maximize information obtained about the
candidate in order to minimize the error of estimation. Chang e Ying (1999),
on the other hand, observed that during the early stages of CAT administration,
the ability estimate is not very precise yet. They reasoned that selection of
very informative items at an uncertain ability estimates might not be optimal
in practice. As an alternative, they proposed alpha-stratified CAT, where the
item bank is stratified with respect to the discrimination parameter. Items
with lower discrimination parameters have flatter item information curves.
By selecting items with lower discrimination parameters during the early
stages of CAT, the items will provide a comparable amount of information
irrespective of the true ability of the candidate. When the estimated ability
level is more precise, items from higher discrimination strata can be selected.
Over the past ten years, many comparison studies have been carried out to
find the best item selection rule. No overall winner has been found. Most of
the item selection rules perform rather well when twenty or more items are
being selected for the test.
During the second step, test specifications have to be taken into account
as well. These specifications can be related to the content of the test, they can
be about time limits, or about the distribution of answer keys. They can also
be about the word count or about items excluding each other from the same
test when one item contains clues to the other. Specifications can be about the
psychometric properties of the test, or about technical issues, like a minimum
number of items to be selected for a text passage or a graph. For an overview
of various types of specifications, see Van der Linden (2005, chap. 2). Kingsbury
e Zara (1998) proposed to stratify the item bank with respect to, for example,
content classifications, and to rotate item selection over the various strata.
When a limited number of specifications have to be met, this approach might work well. For testing programs where large numbers of specifications have be
formulated, this approach can become intractable. Stocking e Swanson (1993)
introduced a Weighted Deviation Model, where targets were set for various
specifications and the weighted deviation from these targets was minimized, and
Luecht (1998) developed a Normalized Weighted Absolute Deviation Heuristic.
However, both of these methods cannot guarantee that the final CAT will meet
all specifications. As an alternative, Van der Linden e Reese (1998) proposed the
shadow test approach, a 2-stage procedure for item selection where 0-1 linear
programming techniques are applied to make sure that all specifications will be
met. During the first stage, a full-length test is constructed (the shadow test)
that performs optimal with respect to the item selection rule at the current
ability estimate and meets all the specifications. During the 2nd stage, the best
unadministered item is selected from the shadow test to be presented to the
candidate. For an extensive description of the shadow test approach, see also
Van der Linden (2005, Chap. 9).

ผลลัพธ์ (ไทย) 1:

ห้าขั้นตอนพื้นฐานของแมวย่อหน้าก่อนหน้าแล้วแนะนำ 5 ขั้นตอนพื้นฐานของแมว พวกเขามีมีการจัดการเพิ่มเติมลงในรายละเอียดในส่วนนี้ของกระดาษเพื่อให้ความเข้าใจมากขึ้นเป็นจำเพาะของแมว บางขั้นตอนค่อนข้างตรงไปตรงมาใช้แต่โดยเฉพาะขั้นตอนของการเลือกสินค้า entails ปัญหามากมายขั้นตอนที่ 1 การเริ่มต้นในขั้นที่ 1 ทำการประเมินจากระดับความรู้ของการผู้สมัคร โดยทั่วไป ระดับความสามารถในการถูกเตรียมใช้งานที่ความหมายของการวัดระดับการกระจายของประชากร (THISSEN MISLEVY, 2000) มีทางเลือกคือการ สุ่มวาดจากการกระจายความสามารถในการ นอกจากนี้เริ่มต้นรู้จักกันก่อนหน้านี้ข้อมูลเกี่ยวกับผู้สมัครอาจนำไปใช้เช่นกัน (VAN DER ลินเดน 1999)ขั้นตอนที่ 2 เลือกสินค้ากฎการเลือกหลายรายการได้รับการเสนอสำหรับแมว ฟิชเชอร์ที่สูงสุดข้อมูล (นาย 1968) โดยทั่วไปใช้ แต่ช่วงฟิชเชอร์ข้อมูล (VEERKAMP เบอร์เกอร์ 1997) Kullback-Leibler ข้อมูล (ช้างหยิง 1996 VELDKAMP VAN DER ลินเดน 2002), หรือข้อมูลซึ่งกันและกัน(WEISSMAN, 2007) อาจนำมาใช้เช่นกัน เหล่านี้กฎการเลือกของสินค้าทั้งหมดมีเหมือนกันที่พวกเขาพยายามที่จะเพิ่มข้อมูลที่ได้รับเกี่ยวกับการผู้สมัครเพื่อลดข้อผิดพลาดของการประเมิน ช้าง e หยิง (1999),บนมืออื่น ๆ สังเกตที่ช่วงแรก ๆ ของการดูแลแมวการประเมินความสามารถยังไม่แม่นยำได้ พวกเขาจึงให้เหตุผลที่เลือกประเมินข้อมูลมากสินค้าที่มีความสามารถไม่แน่นอนอาจไม่เหมาะสมในทางปฏิบัติ แทน พวกเขาเสนอแมว stratified อัลฟา ซึ่งการสินค้าธนาคารเป็น stratified เกี่ยวกับพารามิเตอร์เลือกปฏิบัติ รายการด้วยพารามิเตอร์เลือกปฏิบัติต่ำมีสินค้าข้อมูลเส้นโค้งราบเรียบโดยเลือกสินค้าที่ มีพารามิเตอร์เลือกปฏิบัติต่ำกว่าในช่วงต้นขั้นตอนของแมว รายการจะให้ข้อมูลจำนวนเทียบเท่าโดยไม่คำนึงถึงความสามารถที่แท้จริงของผู้สมัคร เมื่อความสามารถในการประเมินระดับความแม่นยำมากขึ้น สามารถเลือกสินค้าจากชั้นสูงในการเลือกปฏิบัติสิบปีที่ผ่านมา การศึกษาเปรียบเทียบหลายการดำเนินการค้นหากฎการเลือกสินค้าที่ดีที่สุด ผู้ชนะโดยรวมไม่พบ ส่วนใหญ่ของกฎการเลือกสินค้าทำค่อนข้างดีเมื่อมีสินค้ายี่สิบ หรือมากกว่าถูกเลือกสำหรับการทดสอบในระหว่างขั้นตอนสอง ทดสอบข้อกำหนดจะต้องนำมาพิจารณาเป็นอย่างดี คุณสมบัติเหล่านี้สามารถเกี่ยวข้องกับเนื้อหาของการทดสอบ พวกเขาสามารถจะ เกี่ยวกับการจำกัดเวลา หรือการแจกจ่ายคีย์คำตอบ พวกเขายังสามารถจะ เกี่ยวกับจำนวนคำ หรือรายการที่รวมกันจากที่เดียวกันทดสอบเมื่อหนึ่งรายการประกอบด้วยปมไปอื่น ๆ สามารถเป็นข้อมูลจำเพาะเกี่ยวกับการไซโครเมทริกส์คุณสมบัติ ของการทดสอบ หรือ เกี่ยวกับ ปัญหาทางเทคนิค ชอบน้อยที่สุดจำนวนสินค้าที่เลือกสำหรับทางข้อความหรือกราฟ สำหรับภาพรวมประเภทต่าง ๆ ของข้อมูลจำเพาะ ดูแวนเดอร์ลินเดน (2005, chap. 2) โคลอมโบอีซาร่า (1998) เสนอให้สร้างธนาคารสินค้าการ เช่นเนื้อหาการจัดประเภท และ การหมุนเลือกสินค้าผ่านชั้นต่าง ๆเมื่อจำนวนที่จำกัดของข้อมูลจำเพาะต้องเป็นไปตาม วิธีการนี้อาจทำงานได้ดี สำหรับการทดสอบโปรแกรมที่มีจำนวนมากของข้อกำหนดจะสูตร วิธีการนี้จะสามารถเข้า ถุงเท้ายาว e Swanson (1993)แนะนำเฉลี่ยเบี่ยงเบนรูปแบบ ที่ตั้งเป้าหมายสำหรับต่าง ๆข้อมูลจำเพาะและการถ่วงน้ำหนักเบี่ยงเบนจากเป้าหมายเหล่านี้ถูกย่อเล็กสุด และLuecht (1998) ได้พัฒนาแบบตามปกติเฉลี่ยสัมบูรณ์เบี่ยงเบนพฤติกรรมอย่างไรก็ตาม ทั้งสองวิธีไม่สามารถรับประกันได้ว่า จะได้พบกับแมวสุดท้ายรายละเอียดทั้งหมด เป็นทางเลือก อีแวนเดอร์ลินเดนโตโยต้า (1998) เสนอการวิธีทดสอบเงา ขั้นตอน 2 ขั้นตอนสำหรับการเลือกสินค้าที่เส้น 0-1เทคนิคการเขียนโปรแกรมจะใช้เพื่อให้แน่ใจว่า จะมีรายละเอียดทั้งหมดได้พบกัน สร้างขึ้นในช่วงระยะแรก การทดสอบแบบเต็มตัว (ทดสอบเงา)ที่ทำการที่ดีที่สุดเกี่ยวกับกฎการเลือกสินค้าที่ปัจจุบันสามารถประเมิน และตรงตามข้อกำหนดทั้งหมด ช่วง 2 ที่ดีสุดunadministered เลือกสินค้าทดสอบเงาที่จะเสนอให้ผู้สมัคร สำหรับคำอธิบายอย่างละเอียดของเงาวิธีทดสอบ ดูแวนเดอร์ลินเดน (2005, Chap. 9)

ผลลัพธ์ (ไทย) 2:

ห้าขั้นตอนพื้นฐานของ CAT
วรรคก่อนหน้านี้แล้วนำห้าขั้นตอนพื้นฐานของกสท พวกเขาจะ
ถูกจัดการที่มีมากขึ้นในรายละเอียดในส่วนของกระดาษนี้เพื่อให้เข้าใจมากขึ้น
เข้าไปในความจำเพาะของกสท ขั้นตอนบางอย่างที่ค่อนข้างตรงไปตรงมาในการดำเนินการ
โดยเฉพาะอย่างยิ่งขั้นตอนของการเลือกรายการรายละเอียดหลายประเด็น.
ขั้นตอนที่ 1 เริ่มต้น
ในขั้นตอนที่ 1 การประมาณการครั้งแรกที่ทำจากระดับความสามารถของ
ผู้สมัคร โดยทั่วไประดับความสามารถในการเริ่มต้นที่ค่าเฉลี่ยของ
การกระจายความสามารถของประชากร (THISSEN; MISLEVY, 2000)
ทางเลือกคือการสุ่มวาดมันออกมาจากความสามารถในการจัดจำหน่าย นอกจากนี้
การเริ่มต้นบนพื้นฐานของข้อมูลที่รู้จักกันก่อนหน้านี้เกี่ยวกับผู้สมัครที่
อาจจะนำไปใช้เช่นกัน (VAN DER LINDEN, 1999).
ขั้นตอนที่ 2 เลือกรายการ
กฎการเลือกรายการหลายคนได้รับการเสนอให้กสท ฟิชเชอร์สูงสุด
สารสนเทศ (Birnbaum, 1968) ถูกนำมาใช้กันมากที่สุด แต่ช่วงเวลาที่ฟิชเชอร์
ข้อมูล (VEERKAMP; เบอร์เกอร์ 1997) ข้อมูล Kullback-Leibler (ช้าง
YING 1996; Veldkamp; VAN DER LINDEN, 2002) หรือข้อมูลร่วมกัน
(Weissman 2007) อาจจะนำไปใช้เป็นอย่างดี ทั้งหมดเหล่านี้กฎการเลือกรายการ
มีเหมือนกันที่พวกเขาพยายามที่จะเพิ่มข้อมูลที่ได้รับเกี่ยวกับ
ผู้สมัครในการสั่งซื้อเพื่อลดข้อผิดพลาดของการประเมิน ฉางเอ๋อยิ่ง (1999)
ในมืออื่น ๆ ตั้งข้อสังเกตว่าในช่วงแรกของการบริหารกสท
ประมาณการความสามารถที่ไม่แม่นยำมากยัง พวกเขาให้เหตุผลว่าการเลือกของ
รายการข้อมูลมากที่ประมาณการความสามารถมีความไม่แน่นอนอาจจะไม่ดีที่สุด
ในการปฏิบัติ เป็นทางเลือกที่พวกเขาเสนอแซดอัลฟา CAT ที่
ธนาคารรายการจะถูกแบ่งด้วยความเคารพพารามิเตอร์การเลือกปฏิบัติ รายการ
ที่มีพารามิเตอร์การเลือกปฏิบัติที่ต่ำกว่ามีประจบโค้งรายการข้อมูล.
โดยการเลือกรายการที่มีพารามิเตอร์การเลือกปฏิบัติลดลงในช่วงต้น
ขั้นตอนของกสทรายการที่จะให้จำนวนเดียวกันของข้อมูล
โดยไม่คำนึงถึงความสามารถที่แท้จริงของผู้สมัคร เมื่อความสามารถในการประมาณ
ระดับความแม่นยำมากขึ้นรายการจากการเลือกปฏิบัติชั้นสูงสามารถเลือกได้.
ที่ผ่านมาสิบปีที่ผ่านมาการศึกษาเปรียบเทียบจำนวนมากได้รับการดำเนินการที่จะ
หาการปกครองที่ดีที่สุดสำหรับการเลือกรายการ ไม่มีผู้ชนะโดยรวมมีการค้นพบ ที่สุดของ
รายการกฎการเลือกดำเนินการค่อนข้างดีเมื่อยี่สิบหรือมากกว่ารายการจะ
ถูกเลือกสำหรับการทดสอบ.
ในระหว่างขั้นตอนที่สองรายละเอียดการทดสอบจะต้องนำมาพิจารณา
เช่นกัน คุณสมบัติเหล่านี้อาจจะเกี่ยวข้องกับเนื้อหาของการทดสอบที่พวกเขาสามารถ
จะเกี่ยวกับการ จำกัด เวลาหรือเกี่ยวกับการกระจายของคีย์คำตอบ พวกเขายังสามารถ
จะเกี่ยวกับคำว่านับหรือเกี่ยวกับรายการไม่รวมจากแต่ละอื่น ๆ เดียวกัน
การทดสอบเมื่อหนึ่งรายการมีเบาะแสไปที่อื่น ๆ ข้อมูลจำเพาะอาจจะเกี่ยวกับ
คุณสมบัติทางจิตวิทยาของการทดสอบหรือเกี่ยวกับปัญหาทางเทคนิคเช่นขั้นต่ำ
จำนวนรายการที่ได้รับเลือกสำหรับเนื้อเรื่องข้อความหรือกราฟ สำหรับภาพรวม
ของประเภทต่างๆของรายละเอียดดูแวนเดอร์ลินเด็น (2005, CHAP. 2) Kingsbury
E Zara (1998) เสนอให้แบ่งเป็นชั้น ๆ ธนาคารรายการที่เกี่ยวกับการยกตัวอย่างเช่น
การจำแนกประเภทเนื้อหาและเพื่อหมุนเลือกรายการเหนือชั้นต่างๆ.
เมื่อมีจำนวน จำกัด รายละเอียดได้ที่จะพบวิธีการนี้อาจจะทำงานได้ดี สำหรับการทดสอบโปรแกรมที่ตัวเลขขนาดใหญ่ของข้อกำหนดได้ถูก
สูตรวิธีการนี้จะกลายเป็นยาก ถุงน่องอีเวนสัน (1993)
แนะนำการเบี่ยงเบนแบบถ่วงน้ำหนักที่เป้าหมายที่ตั้งต่าง ๆ
รายละเอียดและค่าเบี่ยงเบนถ่วงน้ำหนักจากเป้าหมายเหล่านี้ได้รับการลดลงและ
Luecht (1998) การพัฒนาปกติถ่วงน้ำหนักเบี่ยงเบนโซลูท Heuristic.
อย่างไรก็ตามทั้งสองวิธีการเหล่านี้ไม่สามารถรับประกัน ที่สุดท้ายกสทจะได้พบกับ
รายละเอียดทั้งหมด เป็นทางเลือกที่แวนเดอร์ลินเด็นอีรีส (1998) ที่นำเสนอ
วิธีการทดสอบเงาเป็นขั้นตอนที่ 2 ขั้นตอนสำหรับการเลือกรายการที่ 0-1 เชิงเส้น
เทคนิคการเขียนโปรแกรมถูกนำมาใช้เพื่อให้แน่ใจว่ารายละเอียดทั้งหมดจะ
ได้พบกับ ในระหว่างขั้นตอนแรกของการทดสอบยาวเต็มรูปแบบที่สร้างขึ้น (การทดสอบเงา)
ที่มีประสิทธิภาพที่ดีที่สุดด้วยความเคารพในกฎการเลือกรายการที่ปัจจุบัน
ประมาณการความสามารถและเป็นไปตามข้อกำหนดทั้งหมด ในระหว่างขั้นตอนที่ 2 ที่ดีที่สุด
รายการ unadministered ถูกเลือกจากการทดสอบเงาที่จะนำเสนอให้กับ
ผู้สมัคร สำหรับรายละเอียดที่ครอบคลุมของวิธีการทดสอบเงาเห็น
แวนเดอร์ลินเด็น (2005, ชับ. 9)

ผลลัพธ์ (ไทย) 3:

ขั้นตอนพื้นฐาน 5 แมวย่อหน้าก่อนหน้าแล้วแนะนำห้าขั้นตอนพื้นฐานของแมว พวกเขาเป็นถูกจัดการในรายละเอียดในส่วนนี้ของกระดาษที่จะให้ข้อมูลเชิงลึกเพิ่มเติมใน - แมว บางขั้นตอนค่อนข้างตรงไปตรงมาเพื่อใช้แต่โดยเฉพาะอย่างยิ่งขั้นตอนของการเลือกรายการที่ใช้หลายๆ ประเด็นขั้นตอนที่ 1 ริเริ่มในขั้นตอนที่ 1 การประเมินเบื้องต้นได้จากระดับของความสามารถทางผู้สมัคร โดยทั่วไป ระดับความสามารถ คือ เริ่มต้นที่ค่าเฉลี่ยของความสามารถในการกระจายของประชากร ( ทีสั้น ; mislevy , 2000 ) เป็นทางเลือกคือการสุ่มวาดมันจากความสามารถในการกระจายสินค้า นอกจากนี้เริ่มต้นจากที่รู้จักกันก่อนหน้านี้เป็นข้อมูลเกี่ยวกับผู้สมัครอาจจะประยุกต์เป็นอย่างดี ( Van der Linden , 1999 )ขั้นตอนที่ 2 การเลือกรายการกฎการเลือกหลายรายการได้รับการเสนอสำหรับแมว ฟิชเชอร์ สูงสุดข้อมูล ( บัม , 1968 ) มักใช้ แต่ช่วง ฟิชเชอร์ข้อมูล ( veerkamp ; Berger , 1997 ) , ข้อมูลลี๊บเลอร์คัลแบ็ก ( ช้าง ;ญิ๋ง , 1996 ; veldkamp ; van der Linden , 2002 ) , หรือข้อมูลซึ่งกันและกัน( Weissman , 2007 ) อาจนำมาใช้ได้เช่นกัน กฎการเลือกรายการเหล่านี้ทั้งหมดมีเหมือนกันที่พวกเขาพยายามที่จะเพิ่มข้อมูลที่ได้รับเกี่ยวกับผู้สมัครเพื่อลดความคลาดเคลื่อนของการประมาณค่า ชางอีอิง ( 1999 )บนมืออื่น ๆ พบว่าในช่วง ระยะ แรก ของ แมว )ความสามารถคงยังไม่แม่นยำมากครับ พวกเขาให้เหตุผลว่า การเลือกของรายการข้อมูลมากที่ไม่แน่นอนสามารถประมาณการอาจไม่เหมาะสมในการปฏิบัติงาน เป็นทางเลือกที่พวกเขาเสนอ อัลฟ่า และแมว ที่รายการธนาคารจะแบ่งเป็นส่วนที่เกี่ยวข้องกับค่าพารามิเตอร์ รายการกับพารามิเตอร์การลดได้ประจบเส้นโค้งข้อมูลรายการโดยการเลือกรายการที่มีพารามิเตอร์การลดลงในช่วงต้นขั้นตอนของแมว , รายการจะให้จำนวนเงินเทียบเท่าของข้อมูลโดยไม่คำนึงถึงความสามารถที่แท้จริงของผู้สมัคร เมื่อประเมินความสามารถระดับความแม่นยำสูงกว่ารายการจากการแบ่งแยกชนชั้น สามารถเลือกได้กว่าสิบปีที่ผ่านมา การศึกษามีวัตถุประสงค์เพื่อเปรียบเทียบค้นหาสินค้าที่ดีที่สุดการเลือกกฎ ไม่รวมผู้ชนะได้ถูกค้นพบ มากที่สุดของรายการการเลือกกฎปฏิบัติค่อนข้างดีเมื่อยี่สิบหรือมากกว่ารายการจะถูกเลือกสำหรับการทดสอบในระหว่างขั้นตอนที่สอง กำหนดทดสอบต้องนํามาพิจารณาได้เป็นอย่างดี คุณสมบัติเหล่านี้สามารถที่เกี่ยวข้องกับเนื้อหาของการทดสอบ พวกเขาสามารถเกี่ยวกับการ จำกัด เวลา หรือ เกี่ยวกับการกระจายของคีย์ตอบ พวกเขายังสามารถจะเกี่ยวกับการนับจำนวนคำหรือเกี่ยวกับรายการไม่รวมกันเหมือนเดิมทดสอบเมื่อรายการหนึ่งมีเบาะแสอื่น ๆ คุณสมบัติสามารถเกี่ยวกับคุณสมบัติไซโครเมตริกของการทดสอบหรือเกี่ยวกับปัญหาด้านเทคนิค เช่น น้อยจำนวนของรายการที่ถูกเลือกสำหรับข้อความผ่านหรือกราฟ สำหรับภาพรวมประเภทต่างๆของข้อมูลดู van der Linden ( 2005 , CHAP 2 ) คิงส์เบอร์รี่และ ซาร่า ( 1998 ) ได้เสนอให้แบ่งเป็นชั้นๆรายการธนาคารด้วยความเคารพ ตัวอย่างหมวดหมู่เนื้อหาและหมุนเลือกสินค้าผ่านชั้นต่าง ๆเมื่อมีจำนวนจำกัดคุณสมบัติ ต้องเจอ วิธีการนี้จะทำงานได้ดี สำหรับโปรแกรมทดสอบที่ตัวเลขขนาดใหญ่ของข้อมูลได้เป็นสูตร วิธีการนี้สามารถกลายเป็น แก่นแก้ว ถุงน่อง E Swanson ( 2536 )แนะนำรูปแบบค่าถ่วงน้ำหนักที่เป้าหมายถูกตั้งค่าต่าง ๆคุณสมบัติและส่วนเบี่ยงเบนจากเป้าหมายเหล่านี้ คือ น้ำหนักลด และluecht ( 1998 ) พัฒนามาตรฐาน ส่วนเบี่ยงเบนสัมบูรณ์ถ่วงน้ำหนักแบบศึกษาสำนึกอย่างไรก็ตาม ทั้งสองวิธีไม่สามารถรับประกันได้ว่าแมวสุดท้ายจะเจอคุณสมบัติทั้งหมด เป็นทางเลือกที่ Van der Linden E รีส ( 1998 ) ได้เสนอวิธีการทดสอบเงา , ขั้นตอนการเลือกรายการที่ 1 พื้นที่เชิงเส้นเทคนิคการเขียนโปรแกรมที่ใช้เพื่อให้แน่ใจว่ารายละเอียดทั้งหมดจะเป็นเจอกัน ในระหว่างขั้นตอนแรก ทดสอบยาวขึ้น ( เงาทดสอบ )ที่มีประสิทธิภาพที่เหมาะสมกับการเคารพกฎในการเลือกรายการปัจจุบันความสามารถในการประเมินค่าและตรงตามข้อกำหนดทั้งหมด ในช่วงระยะที่ 2 ดีที่สุดunadministered รายการที่เลือกจากการทดสอบจะถูกนำเสนอไป เงาผู้สมัคร สำหรับคำอธิบายอย่างละเอียดของเงาทดสอบวิธีการ ดูvan der Linden ( 2005 , CHAP 9 )