POSTER: A Validity Argument Approach to Collaborative Development of the Colleges Mathematics Assessment Program
Notice bibliographique
Résumé
Introduction Ensuring that a test will produce results that are valid for the intended uses, such as the placement of students into community college mathematics courses, begins during test development. When test development is a collaboration among intended users, such as the community colleges within a province, communicating to all collaborators the implications of the many decisions that must be made about content, format, scoring, and reporting is especially important. Objectives This paper describes and illustrates a validity argument approach to support collaborative test development through the example of Ontario’s Colleges Mathematics Assessment Program (CMAP). Design/Methodology For mathematics tests, Schilling and Hill (2007) have proposed a variation on Kane’s (2002, 2013) validity argument approach. The assumptions required to support the proposed use of the test results and corresponding evidence for those assumptions are organized into three categories: (1) Elemental – concerning the performance of specific test items, (2) Structural – concerning the internal structure of the test, and (3) Ecological – concerning the external structure of the test. In this paper, we use Schilling and Hill’s (2007) three categories to relate the assumptions and evidence to decisions made in developing the test. Results The resulting validity argument makes explicit why each test development decision is important and what types of evidence might inform or support each decision. For use with collaborators with minimal test development experience or expertise, the elements of the argument are expressed in non-technical language. Conclusions In one of their critiques of Kane’s validity argument approach, Schilling and Hill (2007) note the scarcity of real-world examples using an interpretive argument approach. This study provides an illustration of this approach, with a particular emphasis on the use of non-technical language to support collaborative test development. References Kane, M. (2002). Validating high-stakes testing programs. Educational Measurement: Issues and Practice, 21 (1), 31-41. Kane, M. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50, 1-73. Schilling, S. G., & Hill, H. C. (2007). Assessing measures of mathematical knowledge for teaching: A validity argument approach. Measurement: Interdisciplinary Research & Perspectives, 5 (2/3), 70-80.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».