Análise métrica de questões componentes de testes de rendimento: mecanismo de feedback para aprimorar sua elaboração
Notice bibliographique
Résumé
Resumo O texto aborda a releví¢ncia da atividade de análise métrica das questões ou dos itens componentes de testes de rendimento, enquanto procedimento essencial ao feedback que se deve proporcionar aos elaboradores das mesmas. Nesse í¢mbito, o objetivo do ensaio foi comparar os efeitos das características métricas dos itens sobre a estimativa do nível de habilidade do aluno (θ), utilizando-se, para tal, o modelo de três parí¢metros logísticos da Teoria da Resposta ao Item (TRI). Este trabalho mostra uma das inúmeras possibilidades resultantes do uso da TRI: análises estatísticas pertinentes para aferir se o instrumento e os itens ou questões que o compõem cumpriram suas funções pedagógicas, isto é, se estimaram de modo válido e confiável o aprendizado dos discentes. Palavras chave: avaliação educacional; avaliação da aprendizagem; Teoria da Resposta ao Item (TRI); testes de rendimento. Metric analysis of assessment test components: feedback mechanisms to improve design Abstract This paper overviews the relevance of item metric analysis of assessment tests as an essential feedback procedure which should be provided to those who design them. The essay intends to compare the effects of the item metric characteristics over the estimated skill level of students (θ), using the three logistic parameters of the Item Response Theory (IRT). This work shows one of the many possibilities resulting from the use of the IRT: relevant statistical analysis to verify whether or not the tool and its items meet the expected pedagogical functions, i.e.: if they can validly and reliably estimate the learning of students. Key words: Educational Assessment; Learning Assessment; Item Response Theory (IRT); Performance Tests.
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 | 0,003 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».