منابع پایان نامه درمورد پایگاه اطلاعات

2007).
ایجاد سؤالات بهینه در مدل سه پارامتری برای CAT
کیفیت سؤالاتی که در یک خزانه‌ی سؤال قرار دارد، تعیین کننده‌ی مهمی برای موفقیت برنامه‌ی سنجش انطباقی کامپیوتری (CAT) می‌باشد. در این پژوهش برای ایجاد سؤالات بهینه در رویکرد اکتشافی از روش‌هایی برای شبیه‌سازی پارامترهای سؤال استفاده شد. این سه روش براساس ایده‌های گو (2007)، مک برید و وایس (1976)، برای ایجاد خصوصیات بهینه‌ی سؤال در مدل سه پارامتری بوجود آمد. که در این پژوهش با اندکی تغییر در روش‌های ایجاد سؤال پیشین، از سه روش استفاده شد. روش اول، روش تصادفی (R)، نامیده می‌شود، روش دوم، روش آمیخته‌ی تصادفی و پیش‌بینی (MRP) نامیده می‌شود و روش سوم، روش کمینه‌ی آگاهی تست (MTI) می‌باشد.
ایجاد پارامترهای سؤال در طول فرآیند شبیه‌سازی خزانه‌ی سؤال
به‌منظور این‌که، ویژگی‌های بهینه‌ی سؤال، برای یک برنامه‌ی CAT عملیاتی هدف از لحاظ کاربردی مفید و واقع‌بینانه باشد، اطلاعات پیشین برای شبیه‌سازی، وارد تجزیه و تحلیل شدند. اطلاعات پیشین شامل، توزیع‌های پارامترهای سؤالات عملیاتی، رابطه‌ی بین پارامترهای سؤال، اعتبار تست، و برآوردهای توانایی آزمودنی‌ها می‌باشد. بر این اساس، در این پژوهش، در آزمون تک محتوایی تحلیل بر روی 455 سؤال موجود در خزانه‌ی سؤال CAT عملیاتی صورت گرفت. و در آزمون CAT با تعادل محتوایی تحلیل بر روی 921 سؤال موجود در خزانه‌ی کلی صورت گرفت.
اطلاعات مربوط به CAT تک محتوایی
نتایج تحلیل بر روی 455 سؤال درس حسابان- دیفرانسیل، نشان داد که در کل بین پارامترهای a و b سؤالات عملیاتی هیچ نوع همبستگی معنادار آماری دیده نشد، توزیع پارامتر a ، نرمال با میانگین 0893/1 و انحراف استاندارد 2745/0 بود. نرمال بودن این توزیع از طریق آزمون کالموگروف-اسمیرنف با مورد تایید قرار گرفت. همچنین، پارامتر c از توزیع بتا پیروی کرد. این توزیع بهتر از توزیع‌های دیگر پارامتر c را توصیف می‌کرد. برای این‌که الگوی رابطه‌ی پارامترهای a و b در سؤالات خزانه‌ی عملیاتی به صورت دقیق‌تری مشخص شود، ابتدا، همه‌ی سؤالات بر اساس مقادیر پارامتر b شان به سه گروه تقسیم‌بندی شدند (گروه اول؛ 4- تا 7204/1-، گروه دوم؛ 7204/1- تا 7204/1 و گروه سوم؛ 7204/1 تا 4). سپس، همبستگی بین پارامترهای a و b برای هر سه گروه با استفاده از نرم‌افزار SPSS-16 محاسبه شد. نتایج نشان داد که، تنها در گروه سوم سؤالات، یعنی، گروهی که پارامتر b آنها بالا است (سؤالاتی با مقادیر بالاتر از 7204/1) بین پارامترهای a و b از لحاظ آماری همبستگی معناداری وجود داشت. بنابراین، در این گروه یک رگرسیون ساده برای پیش‌بینی a توسط b محاسبه شد. معادله‌ی رگرسیون برابر با بود. که یک عنصر تصادفی‌ای بود که از توزیع نرمال ) پیروی می‌کرد. در این توزیع از طریق فرمول زیر که بر اساس ایده‌ی مک‌برد و وایس (1976) ایجاد شد، محاسبه شد: .
روش تصادفی (R)
در موقعیتی از آزمون CAT عملیاتی که در آن پارامترهای a و b از لحاظ آماری با یکدیگر همبستگی نداشتند و مستقل از یکدیگر بودند، به‌کار رفت. برای ایجاد یک سؤال بهینه، با استفاده از روش R، گام‌های زیر دنبال شد:
برای یک سؤال خاص،
پارامتر و از طریق توزیع‌های هدف مخصوص‌شان (خزانه‌ی سؤال عملیاتی) ایجاد شد. در این پژوهش، توزیع با توجه به توزیع سؤالات در خزانه‌ی عملیاتی از توزیع نرمال و توزیع پارامتر c از توزیع بتا پیروی کرد.
باتوجه به اینکه هم وهم معلوم بودند، با استفاده از معادله (3-7) محاسبه شد، درصورتی‌که برآورد جدید توانایی ‌باشد، بر اساس معادله‌ی (3-7):.
(3-6)
در نتیجه
(3-7)
روش آمیخته‌ی تصادفی و پیش‌بینی (MRP)
همان‌طور که نام این روش نیز اشاره می‌کند، MRP، یک روش آمیخته‌ است. قسمت روش تصادفی R آن که در بالا توصیف شد. قسمت روش پیش‌بینی (P)، در اصل، عقیده‌ی مک‌برید و وایس (1976)، را دنبال می‌کند، که در این شیوه، خزانه‌ی سؤال “کاملی” به همراه پارامترهای سؤال بهینه براساس رگرسیون پارامترهای روی پارامترهای ، شبیه‌سازی می‌شود. روش P براین واقعیت استوار است که، پارامترهای a و b به‌طور معناداری با‌ یکدیگر همبسته‌اند (چانگ و وندرلیندن، 2003؛ وندرلیندن، اسکرامز و اسچنیپکا، 1999). به‌علاوه، واریانس پارامتر a با افزایش پارامتر b، افزایش می‌یابد، که این مشخص می‌کند که با استفاده از تبدیلات لگاریتمی، پارامترهای a به‌طور خطی با پارامترهای b مرتبط می‌شوند (گو و ریکیسی، 2007). برای مدل‌یابی کردن این روابط، پارامتر a برای یک سؤال شبیه‌سازی شده برابر با تابع رگرسیونی تبدیل لگاریتمی پارامتر a روی پارامتر b می‌باشد (ریکیسی، 2004). که دارای توزیع نرمال می‌باشد. با اضافه‌ کردن یک عبارت خطا در تابع رگرسیونی، پراکندگی در پارامترهای a در روش برآورد خزانه‌ی سؤال، به‌وجود می‌آید.
(3-8)
(3-9)
برای ایجاد یک سؤال بهینه با استفاده از رویکرد MRP مراحل زیر دنبال شد:
برای هر سؤال، اگر مقدار آن، که می‌توانست بوسیله‌ی در هر مرحله از اجرای آزمون تقریب زده شود، پایین‌تر از 7204/1 بود، یعنی جزء گروه‌هایی که در آن همبستگی معناداری بین پارامتر a و b وجود نداشت، بود، برای ایجاد ویژگی‌های سؤال بهینه از روش R که در بالا توصیف شد، استفاده می‌شد. در غیر این‌صورت، اگر مقدار برابر یا بالاتر از 7204/1 بود، یعنی، برای گروهی که همبستگی معناداری بین پارامتر a و b وجود داشت، روش‌های زیر به‌کار رفت:
پارامتر از طریق توزیع هدف، یعنی توزیع بتا ایجاد شد.
پارامتر از طریق ، که می‌توانست در هر گام انتخاب سؤال از طریق بدست آید و از توزیع نرمال () پیروی می‌کرد، ایجاد شد.
پارامتر دوباره از طریق معادله‌ی (3-7) محاسبه شد.
روش حداقل آگاهی آزمون (MTI)
روش MTI بر این فرض است که زمانی‌که آزمون‌های CAT مجزایی که از خزانه‌ی سؤال سرهم می‌شود، عیناً بتواند میزان آگاهی کافی مورد نظر را برای اندازه‌گیری توانایی آزمودنی فراهم کند، خزانه‌ی سؤال بهینه‌ محسوب می‌شود. اگر آزمون میزان آگاهی بیشتری بتواند ایجاد کند، آزمون با دقت بیشتری می‌تواند سطح توانایی آزمودنی را برآورد کند. با این‌وجود، برای ساخت آزمونی که میزان آگاهی بیشتری بتواند ایجاد کند، به سؤالاتی با ضرایب تشخیص بالا نیاز داریم، در صورتی که معمولاً ساخت این نوع سؤالات گران و دشوار می‌باشد، مخصوصاً اگر سؤالات آسان باشد، این دشواری دو چندان می‌شود. روش MTI این اطمینان را به ما می‌دهد که آزمون‌ها دارای دقت کافی برای برآورد توانایی هستند، ولی شامل سؤالاتی با ضرایب تشخیص بسیار بالا نیستند. در روش MTI، یک مقدار آگاهی هدف برروی دامنه‌ای از مقیاس قرار می‌دهد. هر سؤالی که برای آزمودنی اجرا می‌شود در مقدار آگاهی هدف آزمون، سهیم است. برای اجرای رویکرد حداقل آگاهی تست، گام اول، تعیین آگاهی هدف تست می‌باشد. براساس اطلاعات پیشین در مورد تست از روی خزانه‌ی عملیاتی و توزیع برآوردهای توانایی، حداقل آگاهی هدف تست می‌تواند از طریق دو معادله‌ی (3-10) و (3-11) تعیین شود:
(3-10)
(3-11)
؛ انحراف استاندارد برآوردهای توانایی را نشان می‌دهد. ؛ خطای استاندارد برآورد را نشان می‌دهد ؛ آگاهی تست را نشان می‌دهد. زمانی‌که ، معلوم شد، پس از آن آگاهی مورد انتظاری که هر سؤال باید فراهم کند، می‌تواند از طریق تقسیم بر طول تست بدست آید. با توجه به این واقعیت که آگاهی واقعی‌ای که یک سؤال می‌تواند ایجاد کند، مشروط به برآورد جدید توانایی، ممکن است کاملاً مطابق با آگاهی مورد انتظار نباشد، بنابراین، آگاهی هدف سؤال باید هر بار پس از این‌که یک سؤال اجرا می‌شود، به روز شود. معادله‌ی (3-12) برای به‌روز کردن آگاهی هدف سؤال به‌کار می‌رود. ، آگاهی تست را نشان می‌دهد و ، طول تست را نشان می‌دهد.
(3-12)
در این پژوهش، با استفاده از تحلیل داده‌های مربوط به CAT عملیاتی، حداقل آگاهی هدف آزمون تقریباً برابر با 4/21 بدست آمد، در این پژوهش، آگاهی هدف آزمون با توجه به سطوح متفاوت توانایی محاسبه شد. برای آزمودنی‌هایی با توانایی بین 6245/1- و 088235/1، آگاهی هدف آزمون برابر با 4/21 بدست آمد، و بنابراین، . همچنین، برای آزمودنی‌هایی با توانایی‌های واقعی بین 088235/1 تا 5/2 یا بین 6245/1- و 5/2-، آگاهی هدف آزمون برابر با 4/18 بدست آمد، و. بنابراین، و برای بقیه‌ی آزمودنی‌ها، آگاهی هدف آزمون برابر با 4/15 است، ( و بنابراین، . زمانی‌که آگاهی آزمون معلوم شد، سپس، آگاهی مورد انتظاری که هر سؤال باید ایجاد می‌کرد، از طریق معادله‌ی (3-12) به‌دست آمد. لازم به ذکر است که دو نمره‌ی برش 6245/1- و 088235/1 به همراه نمره‌ی 5397/.-، سه نمره‌ی برشی بودند که در این پژوهش برای تعیین جایگاه آزمودنی‌ها در سطوح متفاوت توانایی ریاضی به کار رفتند. این نمرات برش از طریق مطالعات گوناگون در مورد توانایی حساب، مانند مطالعه‌ی هی و ریکیسی، 2010؛ گرفته شدند.
در روش MTI سؤالات را در سه مرحله ایجاد شدند (ریکیسی، 2004، گو و ریکیسی، 2007؛ هی و ریکیسی، 2010):
پارامتر از طریق توزیع هدف، یعنی توزیع بتا ایجاد شد.
پارامتر از طریق معادله‌ی (3-13) ایجاد شد.
(3-13)
که در واقع، از سازماندهی دوباره‌ی معادله‌ی (3-14) به‌دست آمده است. البته می‌تواند به جای در معادله‌ی (3-13) قرار گیرد:
(3-14)
با توجه به اینکه هم پارامتر و هم پارامتر معلوم بودند، پارامتر نیز می‌توانست با استفاده از معادلات 6 و 7 محاسبه شود.

اطلاعات مربوط به CAT سه محتوایی

 

اینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید

رشته روانشناسی و علوم تربیتی همه موضوعات و گرایش ها :روانشناسی بالینی ، تربیتی ، صنعتی سازمانی ،آموزش‌ و پرورش‌، کودکاناستثنائی‌،روانسنجی، تکنولوژی آموزشی ، مدیریت آموزشی ، برنامه ریزی درسی ، زیست روانشناسی ، روانشناسی رشد

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

در مورد آزمون CAT با تعادل محتوایی نیز تحلیلی مشابه با آزمون یک محتوایی صورت گرفت و از تمام مراحل قبل استفاده شد، در اینجا به منظور جلوگیری از طولانی شدن مطالب، نتایج این قسمت در جدول 3-2 ،3-3، 3-4 و 3-5 آورده شده است. لازم به ذکر است که در مورد این آزمون، سه نمره برش 6245/1-، 0 و 6245/1 تعیین گردید. بنابراین، برنامه‌ی CAT آزمون سه محتوایی، نسبت به CAT یک محتوایی، دارای نقطه‌ی برش بالایی است، به همین خاطر به سؤالات دشوارتری نیاز دارد. این نقاط برش از تحقیقات مختلف گرفته شده است (هی، ریکیسی، 2010؛ 2011).
در مورد محاسبه‌ی همبستگی بین پارامترهای a و b نیز تحلیلی مشابه با آزمون یک محتوایی انجام گرفت، معادله‌ی رگرسیون بین پارامتر a و b نیز برابر با مقدار روبرو شد؛ . در این آزمون نیز، در سطوح بالای دشواری، سؤالات دارای ضریب تشخیص بالاتری بودند و از این نظر بین دو نوع آزمون تفاوت معناداری مشاهده نشد.
ویژگی‌های این مطالعه‌ که به شیوه‌ی شبیه‌سازی مونت کارلو ریکیسی(2003؛ 2004؛ 2009) اضافه شده است:
در شبیه‌سازی اولیه ریکیسی (2003)، این روش مرسوم بود که تابع بهینه CAT برای مدل راش، به شکلی در برنامه‌نویسی نوشته می‌شد که برنامه‌نویس با توجه به توزیعی جمعیتی که خزانه‌ی سؤال‌ می‌خواهد برای آن ساخته شود، و با در نظر گرفتن بازه مجاز، یک مقدار توانایی واقعی () را به شکل تصادفی انتخاب کند و با آن مقدار () شبیه‌سازی را آغاز کند. در این پژوهش پس از بررسی‌های انجام شده روی مدل پیشنهادی ریکیسی (2003)، به دستورنویسی این روش دستوری اضافه شد، مبنی بر این‌که، خود برنامه از بین توزیع جمعیت مورد نظر در بازه معین یک مقدار را انتخاب کند و کاربر هیچ اختیاری در انتخاب این مقدار توانایی واقعی () نداشته باشد. این دستور، کار شبیه‌سازی را آسان‌تر و با سرعت بیشتری انجام می‌دهد، تنها تفاوتی که ایجاد می‌کند این است که این دستور در برنامه به شکلی تعبیه شده است که نفر اولی که به طور تصادفی (از توزیع نرمال با میانگین 0 و انحراف معیار 1، در بازه 4- تا 4 در فواصل 125/0) انتخاب می‌شود، از مرکز توزیع می‌باشد. ولی بقیه آزمودنی‌هایی که انتخاب می‌شوند در کل دامنه‌ی توانایی پراکنده هستند. همان‌طور که در نمودار 3-4 نمایش داده می‌شود، زمانی‌که برای 500 آزمودنی این برنامه اجرا شد، توزیع نمونه‌گیری از نرمال فاصله‌ای ندارد. این نرمال بودن برای 6000 نفر نمونه‌ی مورد نظر در مطالعه‌ی حاضر نیز قابل مشاهده است که از توزیع نرمال پیروی می‌کند و کاملاً زنگوله‌ای شکل است (نمودار 3-5). بنابراین این اطمینان را ایجاد می‌کند که برنامه‌ی شبیه‌ساز در طول کل دامنه‌ی توانایی نمونه‌گیری می‌کند. حتی در این دستور این امکان فراهم شده است که تعداد آزمودنی‌های شبیه‌سازی شده در کل بازه نشان داده‌شود (نمودار 3-4 و 3-5). این دستور برنامه‌نویسی، اجرای برنامه‌ی شبیه‌سازی خزانه‌ی سؤال را با سرعت و دقت بهتری از برنامه‌ی اولیه، انجام می‌دهد.
مفهوم p-optimality و r-optimality، (“bin-and-union”)به مدل سه پارامتری تعمیم داده شد، این تعمیم با سه روش R، PM و MTI در شبیه‌سازی روش ریکیسی وارد شد.
مفهوم کنترل مواجهه‌ی سیمپسون-هتر برای اولین بار در رویکرد اکتشافی ریکیسی، از طریق ایجاد یک خزانه‌ی مجازی در پایگاه اطلاعاتی MATLAB و اجراهای چرخشی CAT برای تعیین پارامترهای کنترل مواجهه و کنترل مواجهه‌ی بیش از حد سؤالات وارد شد.
تعادل محتوایی با ایجاد وزن‌هایی از طریق رویکرد برنامه‌نویسی (WDM) ایجاد و در شبیه‌سازی روش ریکیسی وارد شد.
از آنجا که هدف پژوهش حاضر طراحی الگوی خزانه سؤال بهینه بر اساس شبیه‌سازی کامپیوتری می‌باشد، از این‌رو در جدول 3-1 مشخصات کامل شبیه سازی آورده شده است.
نرم افزار شبیه سازی
در پژوهش حاضر به منظور تعیین مشخصات خزانه‌های سؤال ایده‌آل موردنظر و ارزیابی خزانه‌ی سؤال بهینه از بسته‌ی نرم افزار “MATLAB (2014)” استفاده شد.
همچنین، برای ایجاد وزن‌های محتوایی به روش WDM از بسته نرم افزار “GAMS” استفاده‌ شد.
همچنین، به منظور مطالعه‌ی آماره‌های سؤالات و مدرج‌سازی پارامترهای آنها از نرم افزار SPSS-16 و BILOG-MG استفاده شد.
جدول 3-1: طراحی شبیهسازی
20
Fix Test length
Test length

60
Simulation & to identify the features of possible candidate ideal item pools
Examinee distribution
Evaluate general performance models &
Compute statistics conditional on
No Exposure control
Exposure control
Target exposure rate will
Sympson-Hetter
b-bin: 0.2 & b-bin: 0.4
a-bin: Δa2=2ΔIMaximum = 0.4
Bin width
Single content for arithmetic
Three contents for mathematic science
Content Balancing
Random Procedure
Design Method
Prediction Model
Minimum Test Information
Owen’s Bayesian method
ability estimation technique
Maximize likelihood
Maximum Information
Item Selection Procedure
Multiple

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *