Analyse des éléments des questions à choix multiples utilisées comme évaluation sommative dans un institut médical à Haryana
Notice bibliographique
Résumé
Introduction: Multiple choice questions (MCQs) are one of the popular tools used for evaluating medical students since they can be used to test a large number of candidates with only minimal human intervention. These MCQs also need testing for quality and standard which will ultimately improve the teaching-learning process. This study is conducted to assess the quality of MCQs of our in-use question bank. Methods: A total of 80 MCQs from the biochemistry internal examinations conducted in 2021 held at Al-Falah Medical College, Haryana for 147 students of 1st year Bachelor of Medicine and Bachelor of Surgery (M.B.B.S) were analyzed for difficulty index, discrimination index, and distractor effectiveness. The MCQs were the single best response type with one key option and three distractors. Statistical analysis for calculation of Mean, Standard Deviation, and Pearson correlation was performed on the data obtained using Microsoft excel 2010. Results: The observed mean of difficulty index, discrimination index, and distractor effectiveness was 75.08±15.68, 0.32±0.17, and 53.30±29.37 respectively. No item had a negative discrimination index. The Pearson correlation between DIF I and DI was negative (r = -0.43) and insignificant. Conclusion: Item analysis helps to optimize the existing question bank by helping in identifying flawed items. It is recommended to use this tool to standardize the testing process so as to accurately assess the student performance and improve the teaching-learning outcome.
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 | 0,024 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».