计算机化自适应测验（CAT）是以IRT作理论基石，将现代计算机技术成功应用于心理测量领域的产物。CAT可以在不同的时间、地点施测，还能够智能化地为考生选择适合其能力的题目，做到因材施测,实现考试的个性化。同时，CAT可以根据被试的作答情况进行评分，通过EAP、MLE等参数估计算法对被试的能力做出估计，测验效率较高。项目反应理论根据评分模型的不同可以分为0-1评分模型和多级评分模型。对于CAT而言，选题策略是其最关键的部分，也是CAT智能化的体现。CAT中项目曝光率的控制至关重要，它直接影响到测验的安全性、公平性。一个优良的选题策略要对能力估计准确性、项目曝光均匀性等做到权衡，既要保证测验效率高又要维护题库中项目调用的均匀性来确保考试安全。目前，针对CAT中项目过度曝光问题提出的选题策略颇多。本文对2011年程小扬等人提出的将曝光控制因子引入CAT选题策略进行了深入探讨。本文在引入曝光控制因子的CAT选题策略的基础上，将定长测验的测验长度以及不定长测验中被试累积信息量加入到新选题策略中，将当前施测的项目数与测验长度之比（percentage of length，PL）的缺额以及不定长测验中被试累积信息量占目标信息量之比（percentage ofinformation，PI）的缺额两个指标与曝光控制因子相结合提出了在不分层的条件下自动控制区分度作用的选题策略。采用蒙特卡洛模拟进行多次实验，结果表明新方法在项目调用均匀性、测验效率等评价指标上效果均较为理想。