Question format is the best predictor of item discrimination: a multivariable analysis
Notice bibliographique
Résumé
ABSTRACT Item discrimination, the point-biserial correlation between performance on a question and total exam score, was analyzed in relation to question format, difficulty, and Bloom’s taxonomy, which are rarely studied together in a joint framework. To estimate their independent contributions in undergraduate biology examinations, simultaneous multivariable linear and logistic models were conducted on an upper year biology item bank ( n = 754). Predictors were question format (multiple-choice question [MCQ], short answer [SA], true/false [TF]), difficulty (easy >80%, moderate 60%–80%, hard <60%), and Bloom (recall, understanding, application, analysis). Question format was the strongest independent predictor. Relative to MCQs, SA items showed higher discrimination and greater odds of meeting the ≥0.35 threshold (odds ratio [OR] = 4.18), while TF items were less discriminating (OR = 0.58). Moderate and hard items exceeded easy questions (ORs = 2.75 and 2.45, respectively). For Bloom, higher-order items outperformed recall questions overall; both understanding and analysis items discriminated better than recall items (ORs = 1.4 and 3.56, respectively). A post hoc grouping of moderate difficulty questions showed that SA + higher-order items (0.53) exceeded MCQ + recall items (0.35), with 89% vs 53% of these items, respectively, meeting a discrimination threshold of ≥0.35. In simultaneous models, question format was the strongest independent predictor of item discrimination, moderate difficulty optimized discrimination, and higher-order objectives exceeded recall. These results provide exploratory insights from a single-institution case study and suggest that adding some higher-order short-answer questions of moderate difficulty may represent a pragmatic strategy for improving assessment quality.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».