Notice bibliographique
Résumé
Computerized adaptive testing (CAT) is an efficient method to administer psychometric or educational tests and questionnaires. Unlike the standard fixed (“paper-and-pencil”) tests, items in a CAT are iteratively and optimally selected within a bank of available items, on the basis of previously administered items and the current ability estimate of the examinee. This general approach has several assets with respect to fixed tests: it reduces the risk of fraud, it allows for individualized questionnaires according to the examinee’s ability level, and fewer items must be administered to reach the same level of precision in the ability estimates. The purpose of this talk is threefold. First, a general overview of CAT is proposed and its main principles are quickly outlined. Second, a recently developed R package, called catR, is briefly presented and its functionalities are described. Finally, two applications are discussed. The first application is a live demonstration of catR, by using its by-default item bank about English aptitude assessment, and several CAT options. The second application focuses on the on-line testing platform Concerto, a web interface for the development and testing of CAT sessions that uses catR as underlying computational package. The R package catR was jointly developed with Gilles Raîche (Université du Québec à Montréal, Canada). The platform Concerto is under development by The Psychometrics Centre (Cambridge University, UK) under the supervision of Michal Kosinski and John Rust.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».