چالش‌های مدل‌سازیِ سنجش شناختی-تشخیصی و چگونگی رفع آن‌ها در داده‌های مطالعه تیمز

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار پژوهشگاه مطالعات آموزش و پرورش

2 گروه جمعیت شناسی، دانشکده علوم اجتماعی، دانشگاه تهران

10.22084/j.psychogy.2022.23446.2269

چکیده

سنجش شناختی-تشخیصی به عنوان یکی از مباحث جدید در سنجش آموزشی مطرح شده است. در این روش، اطلاعات وسیع‌تری در مورد چگونگی یادگیری افراد و نحوة تسلط بر مهارت‌های شناختیِ لازم برای بهبود فرایند یادگیری بررسی می‌شود. به علت تفاوت‌های سنجش شناختی-تشخیصی با مدل‌های دیگر سنجش، چالش‌های خاصی در مدل‌سازی این روش وجود دارد. به عنوان نمونه‌ای عملی از مدل‌سازی، داده‌های علوم مطالعة تیمز با رویکرد شناختی-تشخیصی تحلیل شده و مشکلات فرایند مدل‌سازی آن مستند گردید. هر یک از چالش‌ها مورد تشریح قرار گرفته تا تفاوت‌های آن با رویه‌های مرسوم مدل‌سازی آشکار گردد. چالش‌های مورد بحث شامل تک ‌بُعدی بودن در مقابل چند بُعدی بودن، تعداد خصیصه‌ها، همبستگی بین خصیصه‌ها، تعداد مناسب سؤال در هر خصیصه، درجة دقت خصیصه‌ها، اعتبار خصیصه‌ها، روایی سنجش شناختی-تشخیصی، پارامترهای سؤال، برازش مدل، شناسایی و تعیّن مدل، هم‌گرایی و نمونه‌گیری‌های پیچیده بودند. برای نشان دادن چگونگی حل این چالش‌ها در نمونه‌ای عملی، تجربة مدل‌سازی شناختی-تشخیصی داده‌های مطالعۀ تیمز به بحث گذاشته شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Challenges of modeling in cognitive diagnostic assessment and solving them in TIMSS data

نویسندگان [English]

  • Masoud Kabiri 1
  • Mahmood Ghazi Tabatabaei 2
1 Assistant Professor of Research Institute for Education (RIE)
2 Social Science Faculty, University of Tehran
چکیده [English]

Cognitive diagnostic assessment has been introduced as a new issue in educational measurement. In this approach, more information were examined about how people learn and master on cognitive attribute in the school. There are several issues of modeling data in cognitive diagnostic assessment due to differences with other statistical modeling. In present study, science data of grade eight in TIMSS was analyzed by cognitive diagnostic assessment, as an empirical example, and the problems were entitled as modeling challenges. Each challenge has been explained in order to highlight differences with usual statistical modeling. The challenges included; unidimensiality versus multidimensiality, number of attribute, correlation between attributes, number of items in each attribute, operationalization of attribute, reliability of attribute, validity, item parameters, fit of model, identification and specification, convergence, and complex sampling. Each of topics was discussed in context of modeling TIMSS data in science course and experience of solving these challenges were shared.

کلیدواژه‌ها [English]

  • Cognitive diagnostic assessment
  • Modeling
  • TIMSS
  • science