《深化新时代教育评价改革总体方案》拓宽了教育测评的范围，教育测评不仅需要关注学生的学业成绩，也需要关注学生理想信念、爱国主义、品德修养综合素质发展等情况，关注学生在德智体美劳各方面的发展情况。

量表是测评学生综合素质发展情况的重要工具，量表的长度关系着测评的质量，过长的量表可能会引起被试的各种不良反应，如增加作答的随意性，从而导致测评误差，因此量表简化是保证测评质量的重要途径。

由于传统的人工简化方法存在难以统筹各项指标等问题，探索量表简化的自动化方法也成为了量表简化问题的研究热点，其中基于元启发式算法的研究和基于机器学习模型的研究最为典型。基于元启发式算法的研究的简化目标设置时考虑的指标更为全面，但缺少预测模型，简化后的量表往往需要重新划定常模和标准；基于机器学习模型的研究可直接预测量表得分或诊断结果，但容易忽略量表的结构性特征，造成信度偏低等问题。此外，这两类研究很少关注多量表测评情境，但在大规模教育测评中，由于测评具有周期性，并且需要同时施测多种量表，即使每个量表经过单独简化，测评的总长度仍然可能维持在较高水平，被试的不良反应可能进一步加剧。因此，在大规模教育测评的背景下，需要对多量表测评情境的量表简化进行探究。

针对上述问题，本文综合运用元启发式算法和机器学习模型，以抑郁倾向量表为例，探索单量表和多量表测评情境中自动化简化量表方案。研究从预测效果、诊断效果、信度和因子结构四个维度出发构建科学、可靠的目标函数和限制条件。使用启发式算法中的遗传算法生成题目子集，将题目子集输入多种机器学习模型，综合对比，筛选出不同长度的简化版量表，得到两种情境下的“最佳简化版量表”，和 “最短简化版量表”，以满足不同的测评需求。除此之外，与四种以往研究中常用的简化方法相比，验证本文方法的有效性。主要研究结论如下：

（1）简化方案能有效获取不同长度的简化量表。与其他简化方法相比，所使用的方法在缩短长度和保证性能方面存在优势。

（2）简化量表的整体特征和项目特征表现良好。所选出量表的各项整体指标均达标，在各项指标间取得了较好的平衡，同时量表中题目的平均因子载荷、题总相关也有所提升。

（3）多量表测评情境的量表简化具有潜在优势。尤其是在选择“最短简化版量表”时，在本研究的简化方案下，多量表测评情境最短能将抑郁倾向量表长度缩短50%，而单量表测评情境只能缩短40%。

最后，本文讨论了所得简化量表的应用前景，首先，长度缩短能够减少前述的测评误差；其次，“最佳简化版量表”和“最短简化版量表”具有不同的典型应用场景，前者更适用于抑郁倾向的初筛，后者更适用于基于平台的过程性监测数据收集。此外，本文使用的简化方案也具有灵活的调整空间，具有迁移能力。