وزن دهی بهینه به سوال ها و خرده آزمون های ورودی برای ساخت نمره کل ترکیبی
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 251
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JRESE-3-4_004
تاریخ نمایه سازی: 18 اردیبهشت 1401
Abstract:
این تحقیق به منظور وزن دهی بهینه به خرده آزمون ها و سوال های آزمون سراسری برای ساخت نمره کل ترکیبی انجام شده است. هدف نهایی این تحقیق پایین آوردن خطای اندازه گیری نمره کل ترکیبی بر اساس نظریه کلاسیک آزمون سازی بود. وزن دهی در سه سطح صورت گرفته است نخست آزمون سی سوالی چهارگزینه ای حساب دیفرانسیل که نمونه آن ۳۴۰۹ نفر بود بر اساس وزن دهی در سطح گزینه های سوال (درصد محبوبیت گزینه ها، نمره فرمولی) و در سطح سوال (سرجمع ساده بدون وزن یا وزن موثر سوال، وزن عاملی سوال و وزن دشواری سوال) وزن دهی شده اند. همچنین در سطح خرده آزمون یک مجموعه آزمون سراسری دستیاری پزشکی با پنج خرده آزمون با طول برابر شش سوال که نمونه آن ۳۵۷۲ نفر بود نیز به روش های مختلف (متوسط ضریب همبستگی پیرسون، وزن عاملی و ضرایب رگرسیون) وزن دهی شده اند. به علاوه یک مجموعه آزمون دستیاری پزشکی دیگر با طول خرده آزمون های نابرابر به ترتیب ۴۵، ۲۶، ۲۴، ۶ و ۶ سوال که در بین گروه ۳۶۳۸ نفری اجرا شده بر اساس وزن موثر خود خرده آزمون ها (بدون وزن) مورد بررسی قرار گرفته است. این تحقیق نشان داد که روش نمره فرمولی بیشترین واریانس خطا را نسبت به دیگر روش ها تولید می کند. تنها وزن دهی بر اساس دشواری سوال می تواند رتبه بندی افراد را به نفع افراد شایسته تر تغییر دهد و دیگر روش های وزن دهی برای افزایش پایایی رضایت بخش نیستند و ضریب پایایی آزمون در همان ابتدا تحت تاثیر سوال های خوب و خرده آزمون های خوش ساخت با طول بهینه است.
Keywords:
وزن دهی , نمره کل ترکیبی , نظریه کلاسیک آزمون سازی , ضریب پایایی , نمره واقعی , خطای اندازه گیری , نمره فرمولی
Authors
سلیمان ذوالفقارنسب
کارشناس ارشد پژوهشی مرکز تحقیقات، ارزشیابی، اعنبارسنجی و تضمین کیفیت آموزش عالی سازمان سنجش آموزش کشور
ابراهیم خدایی
دانشیار دانشگاه تهران
غلامرضا یادگارزاده
عضو هیات علمی سازمان سنجش آموزش کشور
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :