在从虚拟学习环境（VLES）收集的数据中，项目响应理论（IRT）模型可用于指导学生能力的持续测量。然而，IRT的这种应用依赖于与VLE中的测试项目相关联的非偏见项目参数估计。没有正式试点的物品，人们可以期望大量的VLE日志文件数据中的非忽略缺失数据，这预计会对IRT项目参数估计精度产生负面影响，然后对VLE中使用的任何未来能力估计产生负面影响。在心理模切文献中，处理缺失数据的方法大部分地归属于数据和丢失数据量并不像来自VLES那些那么大的条件。在本文中，我们介绍了一个半监督的学习方法，以处理大部分包含在VLE数据中的遗失，从中需要获得未偏置的项目参数估计。所提出的框架展示其获得无偏见的项目参数估计的可能性，然后可以在VLE中固定，以便获得用于操作目的的持续能力估计。