生成式大语言模型赋能心理测量学：优势、挑战与应用

　　1 引言

　　心理测量学作为心理学研究的基础领域之一，致力于发展和完善用于评估个体心理特质的工具与方法。随着社会进步和科技发展，心理测量学面临着新的挑战，即如何实现心理特质评估的速度、精度与生态效度的全面提升(骆方等，2021)。为适应现代心理测量学发展的新要求，人工智能技术已经成为促进心理测量学发展的新生力量。例如，研究者在测验编制流程中引入基于机器学习和自然语言处理的自动化题目生成技术，以提高测验编制效率(Gotz et al.，2023；Hommel et al.，2022；Laverghetta Jr & Licato，2023)；在项目反应理论(Item Response Theory，IRT)和认知诊断模型(Cognitive Diagnostic Model，CDM)等测量模型中引入机器学习方法，以提高对个体特质识别的精度等(Bergner et al.，2012；Martínez-Plumed et al.，2016；Pliakos et al.，2019；Wang，liu et al.，2023)。然而，现有融合人工智能技术的测评方法最大的不足，在于对大量高质量标注数据的依赖，无论是用于指导测验研发，还是用于评分模型的训练，数据的获取过程均需要耗费大量时间和人力资源(Ersozlu et al.，2024)。而且在数据量的限制下，模型的泛化能力通常较差，往往在一种测验上表现良好，而在另一种测验上性能较差，无法适应新的任务需求(Janiesch et al.，2021)。

　　生成式大语言模型(Generative Large LanguageModels，Generative LLMs，通常简称LLMs)的快速发展和迭代，为心理测量学带来了新的契机和变革。 LLMs是一种在大规模语料库上进行预训练的人工智能技术，能够捕捉复杂的上下文语义信息，并支持特定场景数据下的微调优化，相关核心概念和含义见下页表1所示。基于LLMs开展心理测量研究，有利于实现数据获取、分析到结果反馈的全方面智能化，使得心理测评变得更加高效和精准。 LLMs还可以生成高度灵活和多样的自然语言，这为心理测量学的发展提供了丰富的想象空间。然而，LLMs是否能够代替测验编制者、测验主试者、测验评分者、测验反馈者甚至测验受试者，这在心理测量领域中引起了广泛的探索和争议(Buongiorno et al.，2024；Chiu et al.，2024；Goretzko & Bühner，2022；Ke et al.，2025；Lee & Yeo，2022；Pellert et al.，2024)。本文通过梳理心理测量学发展历程及其与人工智能技术的交叉研究，明确LLMs在交互方式、内容理解、评分手段等方面对于赋能心理测量研究与应用表现出的显著优势，同时指出LLMs仍然面临稳定性、创造性、拓展性等方面的技术挑战。此外，通过模拟特质行为情境、构建标准化代理互动、实现动态情感识别对话以及模拟专家/考生角色等，LLMs与心理测量学的结合在情境判断测验生成、合作式问题解决能力评估、心理健康智慧诊疗和试题质量分析等领域展现出良好的应用前景，可作为LLMs赋能心理测量学的重点突破方向。

　　

　　2 LLMs赋能心理测量学的优势

　　2.1 LLMs改变心理测验交互方式

　　随着技术的发展，心理测验的交互形式经历了巨大的变革，从纸笔测验到计算机化测验，再到如今个体可以通过对话式智能技术与计算机进行交互。本节将简要介绍测验形式的发展历史及其特点，探讨基于LLMs的新型交互方式对心理测量范式的推动作用。 (1)纸笔化心理测验

　　纸笔测验的历史非常悠久，是最早的心理测验形式，其交互方式以纸笔为载体。心理学领域普遍认为比奈和西蒙在1905年构建了世界上第一个现代智力测验(Boake，2002；Matarazzo，1992)，但早在1000多年前，我国就有广泛使用纸笔形式的选拔性考试的记录(张厚粲，骆方，2020)。纸笔测验通常是固定格式的，考生依次回答预设的固定题目，其题目形式包括选择题、判断题、配对题、填空等客观题，或是需要文字表述的开放式主观题(Berry，2008)。 (2)计算机化心理测验

　　随着计算机和网络的普及，计算机化测验使得心理测验的交互方式更加灵活，除了纸笔测验中的常规题目，计算机化测验允许更复杂、更贴合现实情境的题目。例如，PISA(Programme for International Student Assessment)在2012年新增问题解决测验，使用符合生活场景的应用题等形式，为高阶能力测评提供更多可能性；2015年应用固定式人机交互题目实现对合作问题解决能力的测量等(OECD，2013，2017)。游戏化测评和基于游戏的测评也是计算机化测验发展中的重要产物，结合游戏的趣味性和吸引力，能有效降低测验的焦虑(DeRosier & Thomas，2019；Mavridis & Tsiatsos，2017)，游戏中的过程性数据和得分数据可用于评估被试的人格特质和认知能力，有较大的测评应用潜力(Haizel et al.，2021；Kim et al.，2016；孙鑫等，2018)。计算机化自适应测验(Computerized Adaptive Test，CAT)结合了计算机和IRT技术，能够根据考生的反应即时选择适合其能力水平的题目，从而减少不必要的题目数量，缩短测验时间，提高测验的效率，还可以实现跨题目、跨时间的等值，CAT目前在GRE(Graduate Record Examinations)、GMAT(Graduate Management Admission Test)、Duolingo等国际大型测验中被广泛使用。