GMAT的设计是建立在统计学和心理学上的，是一个真正的基于现代测试理论的考试，其评分算法和那些基于传统考试理论的测试，如高考或四六级，有着很大的不同。
那么，我们参加GMAT考试，每做一题到底是怎么计分的呢？笔者分两步来解释。
第一步：从每一道题怎么计分？
第二步：做完一整套题目怎么计分？
首先，GMAT每一道题都是用真金白银堆起来的，花钱的原因在于这样一道题目想要对考生做出一个评价（或得分），必须事先让一群类似考生的人做一下该题目并通过统计数据得出该题目特有的三个参数：a，b，c。
有时候我们在考试中有时遇到一些不计分数的题，其目的就在免费给GMAC测参数。当然，考生并不知情。这三个参数来源于下面的数学模型：
但是在实际使用中，GMAC出于使用的方便，将其做了简化，简化计算模型如下:
根据这个模型所绘制出的曲线叫做项目特征曲线（Item CharacteristicCurve），长得是下面这个样子。你看，横轴就是上面函数中的θ。项目特征曲线意义在于描述出“成功解答某一特定考试项目的可能性”和“被测试者能力”（就是θ）之间的关系。
a叫做区分度参数或项目区分度
它的值是项目特征曲线拐点处的斜率，即斜率的最大值。
在这一点上，能力值微小的改变会造成最大的P值（即回答正确率）变动。a体现的是该测试项目的最大区分度。
b叫做项目难度参数，也称为项目难度
b一般表示在项目特征曲线图像最陡的那一点所对应的θ值。对于下限为0的项目特征曲线函数来说，b所对应的是概率为0.5的测试者能力值。
改变b会导致项目特征曲线的左右移动，但是不改变其形状。
当b值增加，会使项目特征曲线向右移动（θ值高的方向），这会引起在θ不变的情况下，答题正确率下降，亦即题目难度增加。
反之当b值减小，项目特征曲线向左移动。题目难度降低。
c一般被称为“猜测参数”或者“伪猜测参数”
在图像上，c所代表的是项目特征曲线的下限，其直观意义为：当一个被测试者的能力值非常低，比如接近负无穷，但是他仍然能够有可能做对这道题目的概率，c就是他猜测的能力。
干货来了，GMAC给出的他们正在使用的项目特征曲线是这样的：
对于这个特定的题目，其三个参数是明确的：
a＝1，b＝0，c＝0.1
但是请注意，GMAT题库里面每一道题都有一套自己的参数，所以想要彻底破解很难。
第二步对整套题的作答算分，这项工作对人来说比较容易，但是很考验计算机的性能，利用极大似然估计方法[1]（Maximum LikelihoodEstimate）对每一道题得到的数据进行综合分析。
GMAC比较牛逼，能够对 θ 取5000个离散值得到考生的5000个“pattern”，然后再做拟合然后得出学生最终的一个“pattern”，从而映射出一个分数。
了解了GMAT的考试评分，我们再看一下它究竟考什么
数学部分的考试内容对中国学生不会构成挑战，其考点都是我们高考前就熟知的内容。重点是verbal部分，其命题的理论基石是“higher-order thinking”。
Higher-order thinking, 也作higher order thinking skills (HOTS)，是基于学习分类学（例如布鲁姆分类学（Bloom’s Taxonomy））的一个教育改革理念。
该理念认为有些类型的学习比其它类型的学习不但需要更多的认知处理过程，而且还给学习者带来很多益处。
比如在布鲁姆分类学中，和分析（analysis）、评价（evaluation）、综合（synthesis，或创造新知识）有关的技能被认为是更高级别的（higher order）。
Higher-order thinking需要利用到复杂的判断技巧，比如批判思维（critical thinking）和解决问题的能力（problem solving）。
看到这里就眼熟了吧，GMAT verbal里的阅读和逻辑最需要的就是批判思维（critical thinking），而（problem solving）就是数学测试的一个版块！
有些人是第一次看到这个概念，对于这个理念的有用性，我引用Susan M.Brookhart的一段话：
“真相（facts）和思想（concepts）既不会从天上掉下来，也不会在书本中写到。
它们只能被发现，并在反复争论中被公认为事实。
当我们教学生运用higher－order thinking时，我们不能只教一些有用的花哨的技巧去适应21世纪信息时代对生活的要求，我们真正要教的，是要教他们to be human。”
参加GMAT考试不仅仅能帮助考生跨进商学院，更是启迪认知与学习能力的一个绝佳工具。
