| تعداد نشریات | 60 |
| تعداد شماره‌ها | 2,090 |
| تعداد مقالات | 16,802 |
| تعداد مشاهده مقاله | 46,032,499 |
| تعداد دریافت فایل اصل مقاله | 25,776,377 |
تأثیر منطقه‌بندی بر برآورد پارامتر توانایی و رتبه‌بندی آزمودنی‌ها در آزمونهای بزرگ مقیاس | ||
| فصلنامه روان شناسی تربیتی | ||
| دوره 17، شماره 60، تیر 1400، صفحه 1-40 اصل مقاله (1.72 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jep.2022.63068.3450 | ||
| نویسندگان | ||
| جلیل یونسی* 1؛ سید امین موسوی2 | ||
| 1دانشیار گروه سنجش و اندازه‌گیری، دانشگاه علامه طباطبائی، تهران، ایران | ||
| 2دانشیار روانسنجی و سنجش و اندازه‌گیری کلاسی، دانشگاه ساسکاچوان، ساسکاتون، کانادا | ||
| چکیده | ||
| این پژوهش با هدف بررسی تأثیر ادغام سهمیه‌بندی در برآورد توانایی (پیش از رتبه بندی) و نیز رتبه‌بندی آزمودنی‌ها در آزمونهای بزرگ مقیاس (مثل کنکور سراسری) انجام شد. طرح این پژوهش در زمرۀ طرح‌های پیمایشی است. به دلیل این که هدف این پژوهش تحلیل داده‌هایی است که قبلاً طی یک طرح پیشین توسط سازمان سنجش جمع‌آوری شده‌اند، این طرح را می‌توان در زمرۀ تحلیل ثانویه داده‌ها نیز در نظر گرفت. جامعه آماری این طرح شامل تمام داوطلبان گروه ریاضی است که در آزمون سراسری سال 1394-1393 شرکت نموده‌اند. نمونه مورد استفاده در این پژوهش شامل داده‌های مربوط به 3000 آزمودنی گروه ریاضی از مناطق (سهمیه) یک، دو و سه است که از طرف سازمان سنجش در اختیار پژوهشگران قرار گرفته است. داده‌های اصلی مورد استفاده در این پژوهش عبارتست از پاسخ‌های نمره‌گذاری شده آزمودنی‌ها به سؤالات آزمون (به صورت 1 برای پاسخ صحیح و 0 برای پاسخ غلط) و کد مربوط به سهمیه انتخابی. به طور خلاصه، می‌توان چنین نتیجه‌گیری کرد که تفاوت بین مناطق سه‌گانه و یا هر نوع خوشه‌بندی در داده‌ها هنگامی در نتایج تأثیر دارد که تحلیل در سطح کل نمونه و ورای خوشه‌ها صورت می‌گیرد. در چنین وضعیتی، امکان مشاهده تفاوت معنادار بین رتبه‌دهی با استفاده از روش‌های متفاوت، حتی زمانی که مقدار ICC بسیار پایین باشد (مانند تحلیل حاضر)، وجود دارد. | ||
| کلیدواژه‌ها | ||
| آزمون بزرگ مقیاس؛ پارامتر توانایی؛ سهمیه‌بندی؛ منطقه‌بندی | ||
| مراجع | ||
|
پیک سنجش (1393الف). راهنمای داوطلبان برای انتخاب رشته و ضوابط پذیرش دانشجو در آزمون سراسری 93، سال نوزدهم، شماره 14.
پیک سنجش (1393ب). نمره کل آزمون چگونه ساخته می شود؟، سال نوزدهم، شماره 16.
تیلور، کاترین، اس. (2013). روایی و رواسازی. ترجمه یونسی (1398). انتشارات دانشگاه علامه طباطبائی.
خدایی، ابراهیم (1393). توضیحات رئیس سازمان سنجش درباره سهمیه ها. https://www.tabnak.ir/fa/news/
شارعپور، محمود (1386). جامعهشناسی آموزش و پرورش. تهران: انتشارات سمت.
فاطمه اسلامی هرندی، فریبا کریمی، محمدعلی نادی (1398). شناسایی مؤلفه های عدالت آموزشی در آموزش و پرورش ایران، فصلنامه پژوهش در نظام های آموزشی، 13(47)، ۵۵-۷۵.
لرد، فردریک، ام. (1980). کاربردهای نظریه سؤال- پاسخ. ترجمه دلاور و یونسی (1391). انتشارات رشد.
مگنوسون، داوید. (1966). مبانی نظری آزمونهای روانی. ترجمۀ محمد نقی براهنی (1370)، انتشارات دانشگاه تهران.
یونسی، جلیل اسکندری، فرزاد، ، دلاور، علی، فلسفی‌نژاد، محمدرضا، فرخی، نورعلی (1393). مقایسه توانمندی رویکرد بیزی مدل IRTچندسطحی و مدل کلاسیک چندسطحی: تحلیل داده‌های آزمون فیزیک تیمز پیشرفته (2008)، فصلنامه اندازه‌گیری تربیتی، 5 (15)، ۱۶۶-۱۸۶.
یونسی، جلیل، دلاور، علی، اسکندری، فرزاد، فلسفی‌نژاد، محمدرضا، فرخی، نورعلی (1393). توانمندی رویکرد بیزی مدل چندسطحی: تحلیل داده‌های آزمون ریاضیات تیمز پیشرفته (2008)، فصلنامه پژوهش در نظام‌های آموزشی، 8 (24)، ۲۹۵.
References
Bennett, C. , Both, C. & Yeadle, S. (2001). Mainstreaming equality in the committees of the Scottish parliament. University of strathclyde.
Beretvas, S. N., & Kamata, A. (2005). The multilevel measurement models: Introduction to the special issue. Journal of Applied Measurement, 6, 247-254.
Bloom, H. S. (2005). Learning more from social experiments: Evolving analytic approaches.
Brennan, R. L (2006). (Ed.). Educational measurement (4th ed.). Westport, CT: Praeger.
Embereston, Susan E.; Reise, Steven P. (2000). Item Response Theory for psychologists. Lawrence Erlbaum Associates, Publishers, Mahwah, New Jersey. London.
Feinberg, R. A., & Rubright, J. D. (2016). Conducting Simulation Studies in Psychometrics. Educational Measurement: Issues and Practice, 35(2), 36-49.
Feldman, S. (2001). Closing the Achievement Gap. American Educator, 25(3), 7-9.
Fox, J. P. (2010). Bayesian Item Response Modeling: Theory and Applications. New York: Springer.
Fox, J.-P. (2001). Multilevel IRT: A Bayesian Perspective on Estimating Parameters and Testing Statistical Hypotheses. PhD dissertation, University of Twente, Faculty of Behavioural Sciences.
Ganzeboom, H.B.G., Treiman, D.J., and Ultee, W. (1991). Comparative intergenerational stratification research: Three generations and beyond, Annual Review of Sociology, 17: 277-302.
Gee, J. P. (2008). A sociocultural perspective on opportunity to learn. Assessment, equity, and opportunity to learn, 76-108.
Goldstein, H. (2003). Multilevel Statistical Models, 3rd ed. London: Hodder Arnold.
Golstein, H. (1999). Multilevel Statistical Models. London: Institute of Education, Multilevel Models Project.
Herman, J. L., Klein, D. C., & Abedi, J. (2000). Assessing students' opportunity to learn: Teacher and student perspectives. Educational Measurement: Issues and Practice, 19(4), 16-24.
Kamata, A., Bauer, D.J. & Miyazaki, Y. (2008). Multilevel measurement modeling. In A.A. O'Connell & D.B. McCoach (Eds.) Multilevel Modeling of Educational Data (pp. 345-388). Charlotte, NC: Information Age Publishing.
Kane, M. T. (2006). Validation. In R. L. Brennan (ed.), Educational measurement (4th Ed.) (pp. 17-64). Westport, CT: Praeger.
Kerckhoff, A.C. (1995). Institutional arrangements and stratification processes in industrial societies, Annual Review of Sociology, 15: 323-347.
Kline, R. B. (1998). Principles and practice of structural equation modeling. New York: Guilford.
Messick, S. (1989). Validity. In R. L. Linn (Ed.), Educational measurement (3rd Ed.) (pp. 13-103). New York: Macmillan.
Mousavi, A. (2013, April). Analyzing data from educational surveys: a comparison of HLM and Multilevel IRT, Paper presented at the annual conference of National council on Measurement in Education. San Francisco. USA.
Muthén, L. K., & Muthén, B. O. (2012). Mplus 7.1 for Windows. Los Angeles, CA: Muthén & Muthén.
New York, NY: Russell Sage Foundation.
Nunnally. J. C. & Burnstein (1994). Psychometric Theory. Mc Graw- Hill book Co.
Raudenbush, S. W. and Bryk, A. S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods, 2nd ed. Thousand Oaks, CA: Sage.
Rutkowski, L., Gonzalez, E., Joncas, M., & von Davier, M. (2010). International large-scale assessment data issues in secondary analysis and reporting. Educational Researcher, 39(2), 142-151.
Schmidt, W.H., & Maier, A. (2009). Opportunity to Learn. In Sykes, G., Schneider, B., & Plank, D.N (Eds.), Handbook of Educational Policy (p. 541-559). New York, NY: Routledge.
Snijders T. A. B., & Bosker R. J. (2000). Multilevel analysis. An introduction to Basic and Advanced Multilevel Modeling. Thousand Oaks, CA: Sage.
van der Linden, W. J. and Hambleton, R. K. (1997). Handbook of Modern Item Response Theory. New York: Springer.
Vartanian, T. P. (2010). Secondary data analysis. Oxford University Press.
Zimowski, M. F., Muraki, E., Mislevy, R. J., and Bock, R. D. (1996). BILOG MG: Multiple-Group IRT Analysis and Test Maintenance for Binary Items [computer software]. Chicago, IL: Scientific Software International. | ||
|
آمار تعداد مشاهده مقاله: 598 تعداد دریافت فایل اصل مقاله: 513 |
||