Un modelo de estado de faceta diagnóstica (DFSM) para extraer información útil para la instrucción de la evaluación...

Área de la Ciencia:

• Medición Educativa
• Psicometría
• Ciencia Cognitiva

Sus antecedentes:

• Las reformas educativas modernas requieren mejores pruebas diagnósticas.
• Los métodos actuales a menudo no logran capturar las comprensiones intermedias cruciales para el aprendizaje.
• La interpretación precisa de los resultados de la evaluación es vital para la instrucción específica.

Objetivo del estudio:

• Desarrollar un modelo psicométrico novedoso, el modelo de estado de faceta diagnóstica (DFSM), para mejorar la evaluación diagnóstica.
• Modelar simultáneamente la comprensión objetivo e intermedia de los estudiantes.
• Utilizar todas las opciones de respuesta, incluidas las incorrectas, para obtener información diagnóstica más matizada.

Principales métodos:

• Se desarrolló el modelo de estado de faceta diagnóstica (DFSM), un tipo de modelo de diagnóstico cognitivo (CDM).
• Se empleó un algoritmo de expectación-maximización regularizada (REM) para la estimación del modelo, incorporando una log-penalización para la escasez.
• Se propuso un algoritmo heurístico para inferir mapas de facetas a partir de las clases latentes permisibles estimadas.

Principales resultados:

• El algoritmo de expectación-maximización regularizada (REM) estimó eficazmente los parámetros del modelo e identificó clases latentes permisibles en simulaciones.
• El DFSM modeló con éxito tanto las facetas objetivo como las intermedias de la comprensión.
• El análisis de las opciones de respuesta, no solo las correctas/incorrectas, proporcionó información diagnóstica única.

Conclusiones:

• El modelo de estado de faceta diagnóstica (DFSM) ofrece un enfoque más matizado para la evaluación educativa.
• El algoritmo REM propuesto es eficaz para estimar los parámetros del DFSM.
• El modelo demuestra viabilidad para el análisis de datos del mundo real, mejorando la precisión diagnóstica.