تعدیل پس از شبیه‌سازی، سه مرحله ای

(2-27)
؛ مقدار تابع آگاهی هدف تست که از قبل تعیین شده است.
؛ مقدار تابع آگاهی‌ای از سؤالات تست که تا الان اجرا شده است.
؛ طول تست که از قبل مشخص شده است.
؛ طول تست، که تا الان اجرا شده است.
در روش MTI سؤالات را در سه مرحله ایجاد می‌شود:
تعیین میزان آگاهی که یک آزمون برای رسیدن به دقت قابل قبول برآورد یک آزمودنی نیاز دارد. تجزیه‌ی آگاهی هدف (I) برای هر سؤال (i)، بر اساس معادله‌ی (2-27) بدست می‌آید.
به‌منظور پیروی از شیوه‌ای که CAT سؤالات را انتخاب می‌کند، یعنی، انتخاب سؤالاتی که بیشترین میزان آگاهی در برآورد جدید دارند، آگاهی هدف نیز می‌تواند دستکاری و یا تغییر داده ‌شود، به‌طوری‌که با یک مقداری که به‌اندازه کافی معقول، بزرگ است، شروع شود، و همچنان‌که آزمون به جلو می‌رود، کاهش یابد، و مقدار آگاهی هدف مورد انتظار در چند سؤال آخر ثابت می‌شود. درصورتی‌که، در شبیه‌سازی روش کنترل مواجهه‌ی a- مرتب شده (چانگ و یینگ، 1999)، آگاهی هدف در سطح پایین‌تری قرار می‌گیرد و سپس مقدار مورد انتظار افزایش می‌یابد، زیرا روش a- مرتب‌شده، ابتدا از سؤالاتی با پارامتر a پایین استفاده می‌کند.
ایجاد پارامتر را از طریق توزیع هدف
بر اساس نظر لرد (1980)، رابطه‌ی بین و پارامترهای سؤالی که بیشینه‌ی آگاهی شان در می‌باشد، برابر با معادله‌ی (2-28) است:
(2-28)
D، عامل مقیاس‌سازی است و برابر با 7/1 می‌باشد. حداکثر آگاهی یک سؤال لوجستیک با پارامترهای خاص و که در ایجاد می‌شود، برابر با معادله‌ی (2-17) است که برای یادآوری در زیر آورده شده است:
با دوباره نوشتن معادله و جایگذاری با می‌توان مقدار را به‌دست آورد، که در معادله‌ی (2-29) نشان داده شده است:
(2-29)
با فرض اینکه، و معلوم باشند، پارامتر a بهینه، می‌تواند از طریق معادله‌ی (2-29)به‌دست آید، البته به شرطی‌که، سؤال از مقدار حداقلی از آگاهی در برآورد جدید برخوردار باشد.
محاسبه‌ی پارامتر b از طریق پارامترهای a و c با استفاده از معادله‌ی (2-21)، البته به شرط آنکه سؤالی که ایجاد می‌شود حداکثر آگاهی‌اش در باشد(ریکیسی، 2004، گو و ریکیسی، 2007؛ هی و ریکیسی، 2010).
تعدیل پس از شبیه‌سازی
در نتایج شبیه‌سازی خزانه‌ی سؤال، بردار و ماتریس ، تعداد سؤالات مورد نیاز برای هر bin که از طریق پارامتر a و b مشخص می‌شود، را نشان می‌دهند، مخصوصاً نشان می‌دهد که چه تعداد سؤال در فواصل پارامترهای b ، مقدار آگاهی معینی که مورد نیاز است را فراهم می‌کنند. از آنجا‌ که، bins هم بر اساس پارامترهای a و هم b تعریف می‌شوند، سؤالات در نقطه‌ای که حداکثر آگاهی در آن ایجاد می‌شود، دسته‌بندی می‌شوند. همچنان‌که در بالا ذکر شد، در شبیه‌سازی سؤالات این واقعیت درنظر‌گرفته‌نمی‌شود که سؤالاتی که به یک bin تعلق دارند، می‌توانند نسبت به سؤالاتی که به bin دیگری تعلق دارند که همان سطح مورد نظر را در بر‌می‌گیرد، آگاهی بیشتری ایجاد کنند. برای مثال، نمودار 2-11 نشان می‌دهد که سؤالات متعلق به ab-bin برابر با ممکن است آگاهی بیشتری در بین و نسبت به سؤالات ab-bin برابر با ایجاد کند، اگرچه، سؤالاتی که درab-bin=B ، قرار دارند، حداکثر میزان آگاهی‌شان روی همان دامنه‌ی موردنظر خواهد بود. به‌عبارت دیگر، در شیوه‌ی انتخاب سؤال، سؤالی که در ab-bin=A قرار دارد بیش از سؤالی که در ab-bin=B قرار می‌گیرد، برای برآوردهای حدود تا ، انتخاب خواهد‌شد.
نمودار 2-11: نمایش سؤالات در یک bin که آگاهی بیشتری نسبت به سؤالات در bin دیگر نشان می‌دهد
بنابراین، عملاً خزانه‌ی سؤال بهینه، به تعداد کافی از سؤالاتی نیاز دارد که آگاهی به‌اندازه‌ی کافی بزرگ، در هر b-bin ایجاد کند، البته بدون توجه به bin که سؤالات به آن تعلق دارند. خزانه‌ی سؤالی که دقیقاً بر اساس تعداد سؤالات مورد نیاز الگویی که از شبیه‌سازی خزانه‌ی سؤال به‌دست آمده، ساخته می‌شود، دارای سؤالات اضافی خواهد بود.
این سؤالات با استفاده از یک جدول آگاهی مرتب می‌شوند. این جدول برای انتخاب سؤالاتی با بالاترین میزان آگاهی از bin هایی که از طریق شیوه‌ی شبیه‌سازی تعریف شده‌اند، ساخته می‌شود. این کار به شکل دادن طرح پایانی خزانه‌ی سؤال کمک می‌کند. برای به‌دست آوردن بالاتررین میزان آگاهی سؤال برای هر b-bin، نقاط میانی b-bin ها به عنوان لنگر سطح عمل می‌کند و نقاط میانی a-bin، به عنوان پارامتر a و نقاط میانی b-bin به عنوان پارامتر b ، و نمایانگر bin هستند که سؤال از آن به‌دست می‌آید. برای مثال سطوح هایی که برای تشکیل جدول آگاهی مورد نیاز است، عبارت است از؛ ، بنابراین سؤالی با پارامترهای ، سؤالی است که به bin برابر با را نشان می‌دهد. اگر سه سؤال از این bin مورد نیاز باشد، سه سؤال با پارامترهای یکسان به جدول آگاهی وارد می‌شوند. در این شیوه برای نشان دادن تعداد سؤالات مورد نیاز در هر bin سؤالات مناسبی انتخاب می‌شوند.