本研究為探討2007年第1屆國際地球科學奧林匹亞台灣區選拔試題之研究，研究對象為參加2007年國際地球科學奧林匹亞台灣區選拔選手共390人。期望能從測驗試題分析及選手成績表現的差異，探討選拔試題及評量方式的合適性，以提供未來選拔方式的參考。本研究以古典測驗理論及試題反應理論為基礎，使用Microsoft EXCEL 2003、SPSS for Windows 10及WINSTEPS軟體處理資料，包括試題難度、試題鑑別度、試題參數、選手能力參數及成績描述統計，進行交叉比對分析結果並討論。研究結果顯示： （1）選擇題成績及問答題成績兩者相較之下，選擇題成績較能代表選手能力。 （2）選擇題和問答題兩者得分表現在高分群向度不一致，可能和所測驗的概念不同有關。問答題的設計與成績的採計似乎仍有可以改善的空間，若能針對此改進，未來的初選結果將可能更臻完美。 （3）複選測驗成績具有良好的模式適合度及一致性，能準確的估計選手能力。

一、 中文部分
余民寧（民86）。教育測驗與評量－成就測驗與教學評量。台北：心理出版社。
余民寧（民92）。教育測驗與評量－成就測驗與教學評量（二版二刷）。台北：心理出版社。
余民寧（民96）。試題反應理論的介紹。檢索日期：96年9月11日。取自：http://www.irt.org.tw/index.php?mod=irt
簡茂發（民80）。命題方法與試題分析。國教輔導，第31 卷第1 期，2-13。
黃元齡（民86）。心理與教育測驗理論與方法。台北：大中國圖書公司。
傳粹馨（民91）。信度、Aplha係數與相關議題之研究。教育學刊，18，163—184。
王文科（民91）。教育研究法（七版二刷）。台北：五南。
林清山（民82）。心理與教育統計學。台北：東華書局。
郭生玉（民79）。心理與教育測驗。台北：精華書局。
錢才瑋、王文中、陳承德、張文信、林宏榮、劉歐（2006）。Rasch 分析在醫療界之應用。台南：聞道出版社。
楊明宗（民92）。數學試題分析模式的建制－以「九十學年度四技二專入學測驗」商業類「數學科」試題為例。國立台中師範學院教育測驗統計研究所碩士論文。
黃國清（民93）。台南市九年一貫課程七年級數學領域成就測驗之編製與其相關之研究。國立中山大學教育研究所碩士論文。
趙潤隆（民92）。國際化學奧林匹亞競賽(IChO)歷屆理論競賽試題及歷屆我國選手表現的分析比較研究。國立台灣師範大學化學研究所碩士論文。
王文科（民91）。教育研究法（七版二刷）。台北：五南。
邱皓政（民91）。量化研究與統計分析：SPSS中文視窗版資料分析範例解析。台北：五南。
黃瓊蓉（民89）。心理與教育統計學。台北：學富文化。
胡龍騰、黃瑋瑩、潘中道（民89）。研究方法：步驟化學習指南。台北：學富文化。
游森期﹙2006﹚。古典測驗理論與試題反應理論之比較：從客觀測量觀點談起。IRT測驗與教學，第二期，頁55-74。

二、 英文部分
Armstrong, D.G., Henson, K.T., & Savage, T.V.（1989）. Education：An introduction（3rd, ed.）. New York：Macmillan.
Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee’sability. In F. M. Lord & M. R. Novick, Statistical theories of mental testscores(pp395-479). Reading, Mass.：Addirson - Wesley Publishing.
Baker,F.B. （2001）.The basics of item response theory. Portsmouth, N.H. : Heinemann.
Crocker,L.&Algina,J.（1986）.Interduction to classical and modern test theory.NY：CBS.
Cronbach,L. J.（1990）. Essentials of psychological testing（5th ed.）.New York：Harper＆Row.
Crocker,L.&Algina,J.（1986）.Interduction to classical and modern test theory.NY：CBS.
Chase,C.I.（1978）.Measurement for educational evaluation（2nd ed.）Reading,MA:Addison-Wesley.
Ebel, R. L.,& Frisbie, D. A.（1991）.Essentials of educational measurement（5th ed.）.Englewood Cliffs, NJ: Prentice-Hall.
Ebel, R. L. (1979). Essentials of Educational Measurement. (3rd ed.). Englewood Cliffs, NJ: Prentice-Hall.
Green, D. R., Yen, W. M., & Burket, G. R. (1989).Experiences in the application of item response theory in test construction. Applied Measurement in Education, 2(4),297-312.
Gronlund, N. E. (1993). How to make achievement tests and assessments (5th ed.).Boston: Allyn & Bacon.
Hopkins, K. D., Stanley, J. C., & Hopkins, B. K. (1990). Educational and psychological measurement and evaluation (7th ed.). Englewood Cliffs, NJ：Prentice- Hall.
Hambleton, R. K., & de-Gruijter, D. N. M. (1983). Application of item response models to criterion-referenced test item selection. Journal of Educational Measurement, 20, 355-367.
Hambleton, R. K., & Swaminathan, H. (1985). Item response theory: Principles and applications. Boston: Kluwer.
Hambleton, R.K., Swaminathan,H., & Rogers,H.J.(1991). Fundamentals of Item response theory.Newbury Park,CA:Sage.
Lord, F. M. (1980). Applications of item response theory to practice testing problems.Hillsdale, N. J.：Erlbaum Publishers.
Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. NewYork：Addison-Wesley.
Linacre, J. M. (2006). WINSTEPS Rasch measurement computer program. Chicago: Winsteps.com. Availabe:http://www.winsteps.com. Accessed:July 9 , 2007.
Noll, V. H., Scannell, D. P., & Craig, R. C. (1979). Introduction to Educational Measurement. (4th ed.). Boston: Houghton Mifflin.
Prieto L, Lamarca R, Santed R, McFarlane D, Sanzo JM, Alonso J. Reducing the items of the Nottingham Health Profile. Qual Life Res. 1997;6:703.
Rasch , G.(1980).Probobility models for some intelligence and affainment test Chicago : The University of Chicago Press ( Original edition published in 1960).
Reckase, M.D.（1979）. Unifactor latent trait models applied to multi-factor test : Results and implications .Journal of Educational Statistics, 4,207- 230.
Samejima, F. (1977). A use of the information function in tailored testing. Applied Psychological Measurement, 1, 233-247.
T. Vacha-Haase, R. K. Henson, and J. C. Caruso Reliability Generalization : Moving toward Improved Understanding and Use of Score Reliability Educational and Psychological Measurement, August 1, 2002; 62(4): 562 - 569.
Trevor Bond & Christine Fox (2001) “Applying the Rasch Model: Fundamental Measurement in the Human Science”,Mahwah NJ : Lawrence Erlbaum Associates.
Wright, B.D. & Stone,M.H.(1979).Best test design.Chicago,IL : MESA Press.
Wright, B.D. & Masters,G.N.(1982).Rating scale analysis. Chicago ,IL:MESA Press.