با توجه به حجم زیاد اطلاعات در وب، کاربران برای یافتن اطلاعات مورد نظر خود باید تلاش بیشتری نمایند. عمل ذخیره، سازمان دهی و ارائه اطلاعات به کاربران، بازیابی اطلاعات و سیستم-های که این اعمال را انجام می دهند، سیستم های بازیابی اطلاعات نامیده می شود. ارزیابی سیستم ها بازیابی اطلاعات کاری سخت و دشوار است و از طریق مجموعه تست انجام می شود. ساخت مجموعه تست یک فرایند زمان بر و هزینه بر است که با استفاده مجدد از مجموعه تست می-توان در زمان و هزینه صرفه جویی کرد. با توجه به اینکه چه اسنادی در مجموعه تست قضاوت نشده و چه اسناد قضاوت شده ای توسط سیستم بازیابی شده است، میزان اعتماد به آزمایش ها می تواند بالقوه کمتر شود. در این پایان نامه روشی برای تعیین قابلیت استفاده مجدد مجموعه تست با قضاوت های چند سطحی ارائه می دهیم. به کمک این روش می توان تعیین کرد که آیا یک مجموعه تست برای ارزیابی یک سیستم جدید مناسب هست یا نه. در این تحقیق، از دو مجموعه تست محک و همشهری برای انجام آزمایشات استفاده شده است و نتایج به دست آمده از آزمایش ها نشان دهنده مفید بودن معیار قابلیت استفاده مجدد است. علاوه بر این، روش پیشنهادی نشان می-دهد که می توان بازه های اطمینان را که نماینده قابلیت استفاده مجدد مجموعه تست می باشند، با اعتماد تخمین زد.