انتخاب مدل تشخیصی شناختی مناسب برای آزمون های درک مطلب (مورد مطالعه: آزمون کارشناسی ارشد رشته زبان انگلیسی) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
سنجش تشخیصی شناختی، نوعی از سنجش آموزشی است که با به کارگیری مدل های روان سنجی به تعیین و تشخیص نارسایی های یادگیری کمک می کند. با توجه به اینکه مدل های زیادی در این زمینه وجود دارد؛ انتخاب یک مدل تشخیصی شناختی مناسب برای تحلیل داده ها اهمیت زیادی خواهد داشت. هدف از اجرای پژوهش حاضر، تعیین مدل مناسب برای آزمون های خواندن و درک مطلب است. داده های مورد بررسی در این پژوهش شامل پاسخنامه 3000 نفر از شرکت کنندگان در آزمون سراسری کارشناسی ارشد رشته زبان انگلیسی بوده است که از بین 16044 شرکت کننده به صورت تصادفی انتخاب شده اند. روش کار به این صورت بود که پس از تشکیل ماتریس Q مدل کلی (G-DINA و LCDM)، دو مدل جبرانی (ACDM و DINO) و دو مدل غیر جبرانی (RRUM و DINA) برای مقایسه در نظر گرفته شدند. ازنظر شاخص برازش ماکزیمم خی-دو هیچ یک از مدل ها برازش نداشتند؛ ولی در مقابل نتایج شاخص SRMSR نشان داد که همه مدل ها برازش قابل قبولی با داده ها دارند. در مقایسه بین شاخص های برازش نسبی مشخص شد که مدل های G-DINA و ACDM برازش بهتر و مدل های DINO و DINA برازش ضعیف تری نسبت به سایر مدل ها دارند. در بررسی شاخص برازش سؤال نیز فقط مدل های G-DINA و LCDM با همه سؤال ها برازش مطلوبی نشان دادند.Choosing an Appropriate Cognitive Diagnostic Model for Reading Comprehension Tests: A Case Study of the Graduate Entrance Exam of the English language
Cognitive Diagnostic Assessment is a type of educational assessment that serves to identification and diagnosis of the learning disabilities through the application of psychometric models. Presence of numerous models, makes it crucial choose an appropriate Cognitive Diagnostic Model for data analysis. The purpose of this study was to determine a fitting model for reading comprehension tests. The examined data in this study were included responses from 3,000 participants in the Graduate Entrance Exam for English language field, which were selected randomly out of 16044 people. After Creation of matrix Q, two general models (G-DINA and LCDM), two compensatory models (ACDM and DINO) and two non-compensatory models (RRUM and DINA) were considered for comparison. In terms of Chi-squared maximum Fit Index, none of the models were fitted; but in contrast the results of SRMSR index showed that the fit of all data were acceptable with the data. A comparison of Relative Fit Indices cleared that G-DINA and ACDM models have a stronger fit and DINO and DINA have a poorer fit in comparison to the other models. Also, investigating the Question Fit index showed that only G-DINA and LCDM have a fit with all questions.
تبلیغات
