Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

Комп ютеризо ваний класифікаці йний тест ККТ англ computerized classification test CCT це система атестації здійснюваної

Комп'ютеризований класифікаційний тест

Комп'ютеризований класифікаційний тест

Комп'ютеризо́ваний класифікаці́йний тест (ККТ, англ. computerized classification test, CCT) — це система атестації, здійснюваної за допомогою комп'ютера з метою класифікування іспитників. Найпоширенішим ККТ є тест на засвоєння знань, у якому тест класифікує іспитників як «склав» або «провалив», але цей термін також охоплює й тести, які класифікують іспитників у понад дві категорії. Хоча цей термін можна вважати загальним для всіх комп'ютеризованих тестів для класифікування, зазвичай його застосовують до тестів, що проводяться інтерактивно або мають змінну довжину, подібно до комп'ютеризованого адаптивного тестування (КАТ). Як і КАТ, ККТ змінної довжини може досягати мети тесту (точної класифікації) із залученням меншої кількості завдань порівняно зі звичайним тестом незмінного вигляду.

Для проведення ККТ потрібні кілька складових:

  1. Банк завдань, відкалібрований за обраною психометричною моделлю, визначеною розробником тесту
  2. Початкова точка
  3. Алгоритм вибору завдань
  4. Критерій завершення та процедура оцінювання

Початкова точка не є предметом обговорення; дослідження ККТ здебільшого стосуються застосування різних методів для інших трьох складових. Примітка: Критерій завершення та процедура оцінювання відокремлені в КАТ, але є одним і тим же в ККТ, оскільки тест завершується, коли ухвалено рішення щодо класифікації. Тож для розробки КАТ потрібно визначати п'ять складових.

Вступ до ККТ представлено в Томпсона (2007) та книзі Паршалла, Спрея, Калона та Дейві (2006). Нижче наведено бібліографію опублікованих досліджень з ККТ.

Як він працює

ККТ дуже подібний до КАТ. Завдання надаються іспитникові по одному. Після відповіді іспитника на завдання комп'ютер оцінює її та визначає, чи вже можливо класифікувати іспитника. Якщо можливо, тест завершується, й іспитника класифіковано. Якщо ні, надається наступне завдання. Цей процес повторюється, доки іспитника не буде класифіковано або не буде досягнуто іншої точки завершення (усі завдання з банку завдань використані або досягнуто максимальної довжини тесту).

Психометрична модель

Для психометричної моделі ККТ доступні два підходи: класична теорія тестування (КТТ) та теорія відгуку завдання (ТВЗ, англ. item response theory, IRT). Класична теорія тестування виходить із моделі станів (англ. state model), оскільки її застосовують шляхом визначення параметрів завдань для вибірки іспитників, для яких визначено, до якої категорії вони належать. Наприклад, може бути відібрано кілька сотень «тих, хто засвоїв» та кілька сотень «тих, хто не засвоїв» для визначення складності й розрізнювальності кожного завдання, але це вимагає здатності легко встановлювати виразну множину людей, що є в кожній групі. ТВЗ, натомість, виходить із моделі рис (англ. trait model); знання або здібності, вимірювані тестом, це континуум. Класифікаційні групи потрібно буде більш-менш довільно визначити вздовж цього континууму, як-от використанням прохідного балу для розмежування тих, хто засвоїв, і тих, хто не засвоїв, але визначення параметрів завдань виходить із моделі рис.

Кожна має свої переваги й недоліки. КТТ пропонує більшу умоглядну простоту. Що важливіше, КТТ вимагає менше іспитників у вибірці для калібрування параметрів завдань, які згодом використовуватимуть у розробці ККТ, що робить її корисною для менших програм тестування. Опис ККТ на основі КТТ див. у Фріка (1992). Проте більшість ККТ використовують ТВЗ. ТВЗ пропонує вищу специфічність, але найважливішою причиною може бути те, що розробка ККТ (і КАТ) є дорогою, і, таким чином, частіше здійснюється великими програмами тестування зі значними ресурсами. Такі програми, ймовірно, використовуватимуть ТВЗ.

Початкова точка

ККТ мусить мати визначену початкову точку, щоби уможливити певні алгоритми. Якщо як критерій завершення використовують (інші мови) (англ. sequential probability ratio test, SPRT), він неявно виходить із початкового відношення 1,0 (однакова ймовірність того, що іспитник засвоїв, і що не засвоїв). Якщо ж критерій завершення ґрунтується на підході довірчого інтервалу, необхідно задати початкову точку на тета (image). Зазвичай це 0,0, центр розподілу, але також можливо випадково обирати значення з певного розподілу, якщо параметри розподілу іспитників відомі. Крім того, можливо використовувати попередню інформацію про конкретного іспитника, наприклад, його результат, отриманий під час попереднього проходження тесту (в разі повторного складання).

Обирання завдань

У ККТ завдання обираються для надання упродовж усього тесту, на відміну від традиційного методу надання незмінного набору завдань усім іспитникам. Хоча зазвичай це роблять на рівні окремих завдань, можливе й обирання груп завдань, відомих як тестлети (Луехт і Нанґестер, 1998; Вос і Ґлас, 2000).

Методи обирання завдань поділяють на дві категорії: на основі прохідного балу, та на основі оцінки. Методи на основі прохідного балу (відомі також як послідовний вибір) максимізують інформацію, яку надає завдання на рівні прохідного балу або балів, якщо їх декілька, незалежно від кваліфікації іспитника. Методи на основі оцінки (відомі також як адаптивне обирання) максимізують інформацію на рівні поточної оцінки кваліфікації іспитника, незалежно від місця розташування прохідного балу. Обидва підходи працюють ефективно, але їхня ефективність залежить, зокрема, від критерію завершення. Оскільки (інші мови) оцінює ймовірності лише поблизу прохідного балу, доречніше обирання завдань на основі прохідного балу. Оскільки критерій завершення на основі довірчого інтервалу орієнтований на оцінку кваліфікації іспитника, доречніше адаптивне обирання завдань. Це пояснюється тим, що тест завершиться класифікацією, коли довірчий інтервал стане достатньо малим, щоби повністю перебувати вище або нижче прохідного балу (див. нижче). Довірчий інтервал буде меншим, якщо стандартна похибка вимірювання буде меншою, а вона, своєю чергою, буде меншою, якщо на рівні тета іспитника більше інформації.

Критерій завершення

Існує три основні критерії завершення, які зазвичай використовують для ККТ. Методи баєсової теорії рішень пропонують велику гнучкість, надаючи нескінченний вибір структур втрат/корисності та критеріїв оцінювання, але водночас вносять більшу довільність. Підхід довірчого інтервалу розраховує довірчий інтервал навколо поточної оцінки тета іспитника на кожному етапі тесту та класифікує іспитника, коли цей інтервал повністю потрапляє в область тета, що визначає класифікацію. Цей метод спочатку був відомий як адаптивне тестування на засвоєння (Kingsbury та Weiss, 1983), але він не обов'язково вимагає адаптивного обирання завдань і не обмежується ситуацією тестування на засвоєння з бінарною класифікацією. Метод (інші мови) (Reckase, 1983) визначає задачу класифікування як перевірку гіпотези того, що тета іспитника дорівнює заданій точці вище прохідного балу або заданій точці нижче прохідного балу.

Примітки

  1. Thompson, N. A. (2007). A Practitioner's Guide for Variable-length Computerized Classification Testing (PDF). Practical Assessment Research & Evaluation (англ.). 12 (1). Архів оригіналу за 21 жовтня 2007.
  2. Parshall, C. G.; Spray, J. A.; Kalohn, J. C.; Davey, T. (2006). Practical considerations in computer-based testing (англ.). New York: Springer.
  3. Колгатін, О.Г.; Колгатіна, Л.С. (2015). Інтерпретація тестових результатів на основі логістичної моделі в табличному процесорі. Теорія та методика навчання математики, фізики, інформатики (укр.). Кривий Ріг: ДВНЗ КНУ. 13 (2): 338—339. doi:10.55056/tmn.v13i2.795.
  4. Карпенко, Є.; Савко, Н.; Лялюк, Ю.; Колісник, Р. (2024). Емоційний інтелект в організації структури мотивації особистості. Інсайт: психологічні виміри суспільства (укр.). 11: 57—76. doi:10.32999/2663-970X/2024-11-4.
  5. Frick, T. (1992). Computerized Adaptive Mastery Tests as Expert Systems. Journal of Educational Computing Research (англ.). 8 (2): 187—213. doi:10.2190/J87V-6VWP-52G7-L4XX.
  6. Luecht, R. M.; Nungester, R. J. (1998). Some practical examples of computer-adaptive sequential testing. Journal of Educational Measurement (англ.). 35: 229—249. doi:10.1111/j.1745-3984.1998.tb00537.x.
  7. Vos, H.J.; Glas, C.A.W. (2000). Testlet-based adaptive mastery testing. У van der Linden, W.J.; Glas, C.A.W. (ред.). Computerized Adaptive Testing: Theory and Practice (англ.). doi:10.1007/0-306-47531-6_15.

Бібліографія дослідження ККТ

  • Armitage, P. (1950). Sequential analysis with more than two alternative hypotheses, and its relation to discriminant function analysis. Journal of the Royal Statistical Society (англ.). 12: 137—144.
  • Braun, H.; Bejar, I.I.; Williamson, D.M. (2006). Rule-based methods for automated scoring: Application in a licensing context. У Williamson, D.M.; Mislevy, R.J.; Bejar, I.I. (ред.). Automated scoring of complex tasks in computer-based testing (англ.). Mahwah, NJ: Erlbaum.
  • Dodd, B.G.; De Ayala, R.J.; Koch, W.R. (1995). Computerized adaptive testing with polytomous items. Applied Psychological Measurement (англ.). 19: 5—22.
  • Eggen, T.J.H.M. (1999). Item selection in adaptive testing with the sequential probability ratio test. Applied Psychological Measurement (англ.). 23: 249—261.
  • Eggen, T.J.H.M.; Straetmans, G.J.J.M. (2000). Computerized adaptive testing for classifying examinees into three categories. Educational and Psychological Measurement (англ.). 60: 713—734.
  • Epstein, K.I.; Knerr, C.S. (1977). Applications of sequential testing procedures to performance testing. 1977 Computerized Adaptive Testing Conference (англ.). Minneapolis, MN.
  • Ferguson, R.L. (1969). The development, implementation, and evaluation of a computer-assisted branched test for a program of individually prescribed instruction (PhD, unpublished) (англ.). University of Pittsburgh.
  • Frick, T.W. (1989). Bayesian adaptation during computer-based tests and computer-guided exercises. Journal of Educational Computing Research (англ.). 5: 89—114.
  • Frick, T.W. (1990). A comparison of three decisions models for adapting the length of computer-based mastery tests. Journal of Educational Computing Research (англ.). 6: 479—513.
  • Frick, T.W. (1992). Computerized adaptive mastery tests as expert systems. Journal of Educational Computing Research (англ.). 8: 187—213.
  • Huang, C.-Y.; Kalohn, J.C.; Lin, C.-J.; Spray, J. (2000). Estimating Item Parameters from Classical Indices for Item Pool Development with a Computerized Classification Test (Research Report 2000–4) (англ.). Iowa City, IA: ACT, Inc.
  • Jacobs-Cassuto, M.S. (2005). A Comparison of Adaptive Mastery Testing Using Testlets With the 3-Parameter Logistic Model (PhD, unpublished) (англ.). University of Minnesota, Minneapolis, MN.
  • Jiao, H.; Lau, A.C. (April 2003). The Effects of Model Misfit in Computerized Classification Test. Annual meeting of the National Council of Educational Measurement (англ.). Chicago, IL.
  • Jiao, H.; Wang, S.; Lau, C.A. (April 2004). An Investigation of Two Combination Procedures of SPRT for Three-category Classification Decisions in Computerized Classification Test. Annual meeting of the American Educational Research Association (англ.). San Antonio.
  • Kalohn, J.C.; Spray, J.A. (1999). The effect of model misspecification on classification decisions made using a computerized test. Journal of Educational Measurement (англ.). 36: 47—59.
  • Kingsbury, G.G.; Weiss, D.J. (1979). An adaptive testing strategy for mastery decisions (Research report 79–05) (англ.). Minneapolis: University of Minnesota, Psychometric Methods Laboratory.
  • Kingsbury, G.G.; Weiss, D.J. (1983). A comparison of IRT-based adaptive mastery testing and a sequential mastery testing procedure. У (ред.). New horizons in testing: Latent trait theory and computerized adaptive testing (англ.). New York: Academic Press. с. 237—254.
  • Lau, C.A. (1996). Robustness of a unidimensional computerized testing mastery procedure with multidimensional testing data (PhD, unpublished) (англ.). University of Iowa, Iowa City IA.
  • Lau, C.A.; Wang, T. (1998). Comparing and combining dichotomous and polytomous items with SPRT procedure in computerized classification testing. Annual meeting of the American Educational Research Association (англ.). San Diego.
  • Lau, C.A.; Wang, T. (1999). Computerized classification testing under practical constraints with a polytomous model. Annual meeting of the American Educational Research Association (англ.). Montreal, Canada.
  • Lau, C.A.; Wang, T. (2000). A new item selection procedure for mixed item type in computerized classification testing. Annual meeting of the American Educational Research Association (англ.). New Orleans, Louisiana.
  • Lewis, C.; Sheehan, K. (1990). Using Bayesian decision theory to design a computerized mastery test. Applied Psychological Measurement (англ.). 14: 367—386.
  • Lin, C.-J.; Spray, J.A. (2000). Effects of item-selection criteria on classification testing with the sequential probability ratio test (Research Report 2000–8) (англ.). Iowa City, IA: ACT, Inc.
  • Linn, R.L.; Rock, D.A.; Cleary, T.A. (1972). Sequential testing for dichotomous decisions. Educational & Psychological Measurement (англ.). 32: 85—95.
  • Luecht, R.M. (1996). Multidimensional Computerized Adaptive Testing in a Certification or Licensure Context. Applied Psychological Measurement (англ.). 20: 389—404.
  • (1983). A procedure for decision making using tailored testing. У Weiss, D.J. (ред.). New horizons in testing: Latent trait theory and computerized adaptive testing (англ.). New York: Academic Press. с. 237—254.
  • Rudner, L.M. (1–5 April 2002). An examination of decision-theory adaptive testing procedures. Annual meeting of the American Educational Research Association (англ.). New Orleans, LA.
  • Sheehan, K.; Lewis, C. (1992). Computerized mastery testing with nonequivalent testlets. Applied Psychological Measurement (англ.). 16: 65—76.
  • Spray, J.A. (1993). Multiple-category classification using a sequential probability ratio test (Research Report 93–7) (англ.). Iowa City, Iowa: ACT, Inc.
  • Spray, J.A.; Abdel-fattah, A.A.; Huang, C.; Lau, C.A. (1997). Unidimensional approximations for a computerized test when the item pool and latent space are multidimensional (Research Report 97–5) (англ.). Iowa City, Iowa: ACT, Inc.
  • Spray, J.A.; Reckase, M.D. (1987). The effect of item parameter estimation error on decisions made using the sequential probability ratio test (Research Report 87–17) (англ.). Iowa City, IA: ACT, Inc.
  • Spray, J.A.; Reckase, M.D. (5–7 April 1994). The selection of test items for decision making with a computerized adaptive test. Annual Meeting of the National Council for Measurement in Education (англ.). New Orleans, LA.
  • Spray, J.A.; Reckase, M.D. (1996). Comparison of SPRT and sequential Bayes procedures for classifying examinees into two categories using a computerized test. Journal of Educational & Behavioral Statistics (англ.). 21: 405—414.
  • Thompson, N.A. (2006). Variable-length computerized classification testing with item response theory. CLEAR Exam Review (англ.). 17 (2).
  • Vos, H.J. (1998). Optimal sequential rules for computer-based instruction. Journal of Educational Computing Research (англ.). 19: 133—154.
  • Vos, H.J. (1999). Applications of Bayesian decision theory to sequential mastery testing. Journal of Educational and Behavioral Statistics (англ.). 24: 271—292.
  • Wald, A. (1947). Sequential analysis (англ.). New York: Wiley.
  • Weiss, D.J.; Kingsbury, G.G. (1984). Application of computerized adaptive testing to educational problems. Journal of Educational Measurement (англ.). 21: 361—375.
  • Weissman, A. (2004). Mutual information item selection in multiple-category classification CAT. Annual Meeting of the National Council for Measurement in Education (англ.). San Diego, CA.
  • Weitzman, R.A. (1982a). Sequential testing for selection. Applied Psychological Measurement (англ.). 6: 337—351.
  • Weitzman, R.A. (1982b). Weiss, D. J. (ред.). Use of sequential testing to prescreen prospective entrants into military service. Proceedings of the 1982 Computerized Adaptive Testing Conference (англ.). Minneapolis, MN: University of Minnesota, Department of Psychology, Psychometric Methods Program.

Посилання

  • Rudner, Lawrence. Measurement Decision Theory (англ.). Архів оригіналу за 16 травня 2024.
  • Weiss, David J. CAT Central (англ.). Архів оригіналу за 11 липня 2006.

Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

Komp yuterizo vanij klasifikaci jnij test KKT angl computerized classification test CCT ce sistema atestaciyi zdijsnyuvanoyi za dopomogoyu komp yutera z metoyu klasifikuvannya ispitnikiv Najposhirenishim KKT ye test na zasvoyennya znan u yakomu test klasifikuye ispitnikiv yak sklav abo provaliv ale cej termin takozh ohoplyuye j testi yaki klasifikuyut ispitnikiv u ponad dvi kategoriyi Hocha cej termin mozhna vvazhati zagalnim dlya vsih komp yuterizovanih testiv dlya klasifikuvannya zazvichaj jogo zastosovuyut do testiv sho provodyatsya interaktivno abo mayut zminnu dovzhinu podibno do komp yuterizovanogo adaptivnogo testuvannya KAT Yak i KAT KKT zminnoyi dovzhini mozhe dosyagati meti testu tochnoyi klasifikaciyi iz zaluchennyam menshoyi kilkosti zavdan porivnyano zi zvichajnim testom nezminnogo viglyadu Dlya provedennya KKT potribni kilka skladovih Bank zavdan vidkalibrovanij za obranoyu psihometrichnoyu modellyu viznachenoyu rozrobnikom testu Pochatkova tochka Algoritm viboru zavdan Kriterij zavershennya ta procedura ocinyuvannya Pochatkova tochka ne ye predmetom obgovorennya doslidzhennya KKT zdebilshogo stosuyutsya zastosuvannya riznih metodiv dlya inshih troh skladovih Primitka Kriterij zavershennya ta procedura ocinyuvannya vidokremleni v KAT ale ye odnim i tim zhe v KKT oskilki test zavershuyetsya koli uhvaleno rishennya shodo klasifikaciyi Tozh dlya rozrobki KAT potribno viznachati p yat skladovih Vstup do KKT predstavleno v Tompsona 2007 ta knizi Parshalla Spreya Kalona ta Dejvi 2006 Nizhche navedeno bibliografiyu opublikovanih doslidzhen z KKT Yak vin pracyuyeKKT duzhe podibnij do KAT Zavdannya nadayutsya ispitnikovi po odnomu Pislya vidpovidi ispitnika na zavdannya komp yuter ocinyuye yiyi ta viznachaye chi vzhe mozhlivo klasifikuvati ispitnika Yaksho mozhlivo test zavershuyetsya j ispitnika klasifikovano Yaksho ni nadayetsya nastupne zavdannya Cej proces povtoryuyetsya doki ispitnika ne bude klasifikovano abo ne bude dosyagnuto inshoyi tochki zavershennya usi zavdannya z banku zavdan vikoristani abo dosyagnuto maksimalnoyi dovzhini testu Psihometrichna modelDlya psihometrichnoyi modeli KKT dostupni dva pidhodi klasichna teoriya testuvannya KTT ta teoriya vidguku zavdannya TVZ angl item response theory IRT Klasichna teoriya testuvannya vihodit iz modeli staniv angl state model oskilki yiyi zastosovuyut shlyahom viznachennya parametriv zavdan dlya vibirki ispitnikiv dlya yakih viznacheno do yakoyi kategoriyi voni nalezhat Napriklad mozhe buti vidibrano kilka soten tih hto zasvoyiv ta kilka soten tih hto ne zasvoyiv dlya viznachennya skladnosti j rozriznyuvalnosti kozhnogo zavdannya ale ce vimagaye zdatnosti legko vstanovlyuvati viraznu mnozhinu lyudej sho ye v kozhnij grupi TVZ natomist vihodit iz modeli ris angl trait model znannya abo zdibnosti vimiryuvani testom ce kontinuum Klasifikacijni grupi potribno bude bilsh mensh dovilno viznachiti vzdovzh cogo kontinuumu yak ot vikoristannyam prohidnogo balu dlya rozmezhuvannya tih hto zasvoyiv i tih hto ne zasvoyiv ale viznachennya parametriv zavdan vihodit iz modeli ris Kozhna maye svoyi perevagi j nedoliki KTT proponuye bilshu umoglyadnu prostotu Sho vazhlivishe KTT vimagaye menshe ispitnikiv u vibirci dlya kalibruvannya parametriv zavdan yaki zgodom vikoristovuvatimut u rozrobci KKT sho robit yiyi korisnoyu dlya menshih program testuvannya Opis KKT na osnovi KTT div u Frika 1992 Prote bilshist KKT vikoristovuyut TVZ TVZ proponuye vishu specifichnist ale najvazhlivishoyu prichinoyu mozhe buti te sho rozrobka KKT i KAT ye dorogoyu i takim chinom chastishe zdijsnyuyetsya velikimi programami testuvannya zi znachnimi resursami Taki programi jmovirno vikoristovuvatimut TVZ Pochatkova tochkaKKT musit mati viznachenu pochatkovu tochku shobi umozhliviti pevni algoritmi Yaksho yak kriterij zavershennya vikoristovuyut inshi movi angl sequential probability ratio test SPRT vin neyavno vihodit iz pochatkovogo vidnoshennya 1 0 odnakova jmovirnist togo sho ispitnik zasvoyiv i sho ne zasvoyiv Yaksho zh kriterij zavershennya gruntuyetsya na pidhodi dovirchogo intervalu neobhidno zadati pochatkovu tochku na teta 8 displaystyle theta Zazvichaj ce 0 0 centr rozpodilu ale takozh mozhlivo vipadkovo obirati znachennya z pevnogo rozpodilu yaksho parametri rozpodilu ispitnikiv vidomi Krim togo mozhlivo vikoristovuvati poperednyu informaciyu pro konkretnogo ispitnika napriklad jogo rezultat otrimanij pid chas poperednogo prohodzhennya testu v razi povtornogo skladannya Obirannya zavdanU KKT zavdannya obirayutsya dlya nadannya uprodovzh usogo testu na vidminu vid tradicijnogo metodu nadannya nezminnogo naboru zavdan usim ispitnikam Hocha zazvichaj ce roblyat na rivni okremih zavdan mozhlive j obirannya grup zavdan vidomih yak testleti Lueht i Nangester 1998 Vos i Glas 2000 Metodi obirannya zavdan podilyayut na dvi kategoriyi na osnovi prohidnogo balu ta na osnovi ocinki Metodi na osnovi prohidnogo balu vidomi takozh yak poslidovnij vibir maksimizuyut informaciyu yaku nadaye zavdannya na rivni prohidnogo balu abo baliv yaksho yih dekilka nezalezhno vid kvalifikaciyi ispitnika Metodi na osnovi ocinki vidomi takozh yak adaptivne obirannya maksimizuyut informaciyu na rivni potochnoyi ocinki kvalifikaciyi ispitnika nezalezhno vid miscya roztashuvannya prohidnogo balu Obidva pidhodi pracyuyut efektivno ale yihnya efektivnist zalezhit zokrema vid kriteriyu zavershennya Oskilki inshi movi ocinyuye jmovirnosti lishe poblizu prohidnogo balu dorechnishe obirannya zavdan na osnovi prohidnogo balu Oskilki kriterij zavershennya na osnovi dovirchogo intervalu oriyentovanij na ocinku kvalifikaciyi ispitnika dorechnishe adaptivne obirannya zavdan Ce poyasnyuyetsya tim sho test zavershitsya klasifikaciyeyu koli dovirchij interval stane dostatno malim shobi povnistyu perebuvati vishe abo nizhche prohidnogo balu div nizhche Dovirchij interval bude menshim yaksho standartna pohibka vimiryuvannya bude menshoyu a vona svoyeyu chergoyu bude menshoyu yaksho na rivni teta ispitnika bilshe informaciyi Kriterij zavershennyaIsnuye tri osnovni kriteriyi zavershennya yaki zazvichaj vikoristovuyut dlya KKT Metodi bayesovoyi teoriyi rishen proponuyut veliku gnuchkist nadayuchi neskinchennij vibir struktur vtrat korisnosti ta kriteriyiv ocinyuvannya ale vodnochas vnosyat bilshu dovilnist Pidhid dovirchogo intervalu rozrahovuye dovirchij interval navkolo potochnoyi ocinki teta ispitnika na kozhnomu etapi testu ta klasifikuye ispitnika koli cej interval povnistyu potraplyaye v oblast teta sho viznachaye klasifikaciyu Cej metod spochatku buv vidomij yak adaptivne testuvannya na zasvoyennya Kingsbury ta Weiss 1983 ale vin ne obov yazkovo vimagaye adaptivnogo obirannya zavdan i ne obmezhuyetsya situaciyeyu testuvannya na zasvoyennya z binarnoyu klasifikaciyeyu Metod inshi movi Reckase 1983 viznachaye zadachu klasifikuvannya yak perevirku gipotezi togo sho teta ispitnika dorivnyuye zadanij tochci vishe prohidnogo balu abo zadanij tochci nizhche prohidnogo balu PrimitkiThompson N A 2007 A Practitioner s Guide for Variable length Computerized Classification Testing PDF Practical Assessment Research amp Evaluation angl 12 1 Arhiv originalu za 21 zhovtnya 2007 Parshall C G Spray J A Kalohn J C Davey T 2006 Practical considerations in computer based testing angl New York Springer Kolgatin O G Kolgatina L S 2015 Interpretaciya testovih rezultativ na osnovi logistichnoyi modeli v tablichnomu procesori Teoriya ta metodika navchannya matematiki fiziki informatiki ukr Krivij Rig DVNZ KNU 13 2 338 339 doi 10 55056 tmn v13i2 795 Karpenko Ye Savko N Lyalyuk Yu Kolisnik R 2024 Emocijnij intelekt v organizaciyi strukturi motivaciyi osobistosti Insajt psihologichni vimiri suspilstva ukr 11 57 76 doi 10 32999 2663 970X 2024 11 4 Frick T 1992 Computerized Adaptive Mastery Tests as Expert Systems Journal of Educational Computing Research angl 8 2 187 213 doi 10 2190 J87V 6VWP 52G7 L4XX Luecht R M Nungester R J 1998 Some practical examples of computer adaptive sequential testing Journal of Educational Measurement angl 35 229 249 doi 10 1111 j 1745 3984 1998 tb00537 x Vos H J Glas C A W 2000 Testlet based adaptive mastery testing U van der Linden W J Glas C A W red Computerized Adaptive Testing Theory and Practice angl doi 10 1007 0 306 47531 6 15 Bibliografiya doslidzhennya KKTArmitage P 1950 Sequential analysis with more than two alternative hypotheses and its relation to discriminant function analysis Journal of the Royal Statistical Society angl 12 137 144 Braun H Bejar I I Williamson D M 2006 Rule based methods for automated scoring Application in a licensing context U Williamson D M Mislevy R J Bejar I I red Automated scoring of complex tasks in computer based testing angl Mahwah NJ Erlbaum Dodd B G De Ayala R J Koch W R 1995 Computerized adaptive testing with polytomous items Applied Psychological Measurement angl 19 5 22 Eggen T J H M 1999 Item selection in adaptive testing with the sequential probability ratio test Applied Psychological Measurement angl 23 249 261 Eggen T J H M Straetmans G J J M 2000 Computerized adaptive testing for classifying examinees into three categories Educational and Psychological Measurement angl 60 713 734 Epstein K I Knerr C S 1977 Applications of sequential testing procedures to performance testing 1977 Computerized Adaptive Testing Conference angl Minneapolis MN Ferguson R L 1969 The development implementation and evaluation of a computer assisted branched test for a program of individually prescribed instruction PhD unpublished angl University of Pittsburgh Frick T W 1989 Bayesian adaptation during computer based tests and computer guided exercises Journal of Educational Computing Research angl 5 89 114 Frick T W 1990 A comparison of three decisions models for adapting the length of computer based mastery tests Journal of Educational Computing Research angl 6 479 513 Frick T W 1992 Computerized adaptive mastery tests as expert systems Journal of Educational Computing Research angl 8 187 213 Huang C Y Kalohn J C Lin C J Spray J 2000 Estimating Item Parameters from Classical Indices for Item Pool Development with a Computerized Classification Test Research Report 2000 4 angl Iowa City IA ACT Inc Jacobs Cassuto M S 2005 A Comparison of Adaptive Mastery Testing Using Testlets With the 3 Parameter Logistic Model PhD unpublished angl University of Minnesota Minneapolis MN Jiao H Lau A C April 2003 The Effects of Model Misfit in Computerized Classification Test Annual meeting of the National Council of Educational Measurement angl Chicago IL Jiao H Wang S Lau C A April 2004 An Investigation of Two Combination Procedures of SPRT for Three category Classification Decisions in Computerized Classification Test Annual meeting of the American Educational Research Association angl San Antonio Kalohn J C Spray J A 1999 The effect of model misspecification on classification decisions made using a computerized test Journal of Educational Measurement angl 36 47 59 Kingsbury G G Weiss D J 1979 An adaptive testing strategy for mastery decisions Research report 79 05 angl Minneapolis University of Minnesota Psychometric Methods Laboratory Kingsbury G G Weiss D J 1983 A comparison of IRT based adaptive mastery testing and a sequential mastery testing procedure U red New horizons in testing Latent trait theory and computerized adaptive testing angl New York Academic Press s 237 254 Lau C A 1996 Robustness of a unidimensional computerized testing mastery procedure with multidimensional testing data PhD unpublished angl University of Iowa Iowa City IA Lau C A Wang T 1998 Comparing and combining dichotomous and polytomous items with SPRT procedure in computerized classification testing Annual meeting of the American Educational Research Association angl San Diego Lau C A Wang T 1999 Computerized classification testing under practical constraints with a polytomous model Annual meeting of the American Educational Research Association angl Montreal Canada Lau C A Wang T 2000 A new item selection procedure for mixed item type in computerized classification testing Annual meeting of the American Educational Research Association angl New Orleans Louisiana Lewis C Sheehan K 1990 Using Bayesian decision theory to design a computerized mastery test Applied Psychological Measurement angl 14 367 386 Lin C J Spray J A 2000 Effects of item selection criteria on classification testing with the sequential probability ratio test Research Report 2000 8 angl Iowa City IA ACT Inc Linn R L Rock D A Cleary T A 1972 Sequential testing for dichotomous decisions Educational amp Psychological Measurement angl 32 85 95 Luecht R M 1996 Multidimensional Computerized Adaptive Testing in a Certification or Licensure Context Applied Psychological Measurement angl 20 389 404 1983 A procedure for decision making using tailored testing U Weiss D J red New horizons in testing Latent trait theory and computerized adaptive testing angl New York Academic Press s 237 254 Rudner L M 1 5 April 2002 An examination of decision theory adaptive testing procedures Annual meeting of the American Educational Research Association angl New Orleans LA Sheehan K Lewis C 1992 Computerized mastery testing with nonequivalent testlets Applied Psychological Measurement angl 16 65 76 Spray J A 1993 Multiple category classification using a sequential probability ratio test Research Report 93 7 angl Iowa City Iowa ACT Inc Spray J A Abdel fattah A A Huang C Lau C A 1997 Unidimensional approximations for a computerized test when the item pool and latent space are multidimensional Research Report 97 5 angl Iowa City Iowa ACT Inc Spray J A Reckase M D 1987 The effect of item parameter estimation error on decisions made using the sequential probability ratio test Research Report 87 17 angl Iowa City IA ACT Inc Spray J A Reckase M D 5 7 April 1994 The selection of test items for decision making with a computerized adaptive test Annual Meeting of the National Council for Measurement in Education angl New Orleans LA Spray J A Reckase M D 1996 Comparison of SPRT and sequential Bayes procedures for classifying examinees into two categories using a computerized test Journal of Educational amp Behavioral Statistics angl 21 405 414 Thompson N A 2006 Variable length computerized classification testing with item response theory CLEAR Exam Review angl 17 2 Vos H J 1998 Optimal sequential rules for computer based instruction Journal of Educational Computing Research angl 19 133 154 Vos H J 1999 Applications of Bayesian decision theory to sequential mastery testing Journal of Educational and Behavioral Statistics angl 24 271 292 Wald A 1947 Sequential analysis angl New York Wiley Weiss D J Kingsbury G G 1984 Application of computerized adaptive testing to educational problems Journal of Educational Measurement angl 21 361 375 Weissman A 2004 Mutual information item selection in multiple category classification CAT Annual Meeting of the National Council for Measurement in Education angl San Diego CA Weitzman R A 1982a Sequential testing for selection Applied Psychological Measurement angl 6 337 351 Weitzman R A 1982b Weiss D J red Use of sequential testing to prescreen prospective entrants into military service Proceedings of the 1982 Computerized Adaptive Testing Conference angl Minneapolis MN University of Minnesota Department of Psychology Psychometric Methods Program PosilannyaRudner Lawrence Measurement Decision Theory angl Arhiv originalu za 16 travnya 2024 Weiss David J CAT Central angl Arhiv originalu za 11 lipnya 2006

Дата публікації:
Топ