Generación automática de piezas basada en transformadores: una revisión crítica

Área de la Ciencia:

• Psicometría
• Inteligencia artificial
• La medición educativa

Sus antecedentes:

• Las pruebas psicométricas modernas se enfrentan a desafíos debido a la evolución de los patrones de uso.
• El desarrollo tradicional de artículos requiere mucho tiempo y es costoso.
• La necesidad de métodos eficientes y válidos de generación de artículos está aumentando.

Objetivo del estudio:

• Revisar críticamente los diferentes enfoques de generación automática de artículos (AIG).
• Evaluar los métodos de AIG con respecto a los desafíos actuales de las pruebas psicométricas.
• Identificar los requisitos para los sistemas AIG ideales.

Principales métodos:

• Revisión de los enfoques conceptualmente diferentes de las AIG automáticas y basadas en transformadores.
• Examen individual de la contribución de cada enfoque a los desafíos.
• Centrarse en el ahorro de costes (construcción, calibración) y la mejora de la validez de los ensayos.

Principales resultados:

• Análisis de cómo los métodos de AIG responden a los desafíos en la construcción y calibración de elementos.
• Evaluación del impacto de la AIG en la validez de las pruebas.
• Identificación de temas comunes y brechas de investigación entre los enfoques de las AIG.

Conclusiones:

• AIG, particularmente los métodos basados en transformadores, son prometedores para abordar los desafíos de las pruebas psicométricas.
• Se necesitan más investigaciones para optimizar la AIG en términos de rentabilidad y validez.
• Los marcos de evaluación estandarizados son cruciales para el desarrollo del AIG.