④重复步骤①③，直到所有新增题目都被估计，则得到包含所有题目的属性向量矩阵Q。
第二步是对所有题目的属性向量和题目参数进行校正，包括以下几个具体步骤：
⑦算法结束，得到Q矩阵的最终估计值。
第一步对每个题目进行估计时，每次是“增量”式地选择一个新题进行估计，当包含的“基础题”较多时，这种方法会有利于对每个新题的估计，因为此时数据包含较多有用的信息和较少的噪声信息。但是当“基础题”的数量较少时，即当数据包含的信息不足以对某些新题进行估计时，偏差可能会出现。当然，正如其他统计推断方法一样，基于统计量的决策总是会受到测试数据误差的影响，因此，最终结果应该结合专家判断进行综合决策。
本章小结
领域目标的定义是评价活动的参照标准，如果参照标准出现偏差，评价活动将失去意义。领域目标的定义应该将自上而下的理论逻辑驱动与自下而上的任务材料列举有机结合，这样既能够保证领域目标定义的完备性，又能够保证测量过程的精确性。
题目属性定义包括两种形态：基于已定义的属性命制题目和基于已命制的题目定义属性。无论哪种形态下的题目属性定义，都需要专家定义与数据分析相结合。专家定义提供了关于题目属性定义的理论和个体先验信息（基于大量过去经验的总结），数据分析提供了关于题目属性定义的样本测试数据信息，两种信息的有机结合能够提供关于使题目属性定义得更加完备的后验判断。
领域目标的定义是题目编制的基础，题目编制是为了测量和评价具体被试或群体在领域目标上的发展状态。测验题目属性定义是为了使编制的测验与领域目标有机地结合在一起。
思考题
1.如何从任务内容角度和潜在特质结构角度定义领域模型？
2.领域认知模型建构的主要方法有哪些？
3.你了解的题目属性定义和验证的主要方法有哪些？它们有哪些优势和不足？
