نتيجة الاختبار

تُعدّ درجة الاختبار معلومة ، عادةً ما تكون رقمًا، تُعبّر عن أداء المُختَبَر في الاختبار . أحد التعريفات الرسمية لها هو أنها "ملخص للأدلة الواردة في إجابات المُختَبَر على بنود الاختبار المتعلقة بالمفهوم أو المفاهيم التي يتم قياسها". ^{[ 1 ]}

تُفسَّر نتائج الاختبارات إما بتفسير معياري أو بتفسير مرجعي ، أو أحيانًا بكليهما. التفسير المعياري يعني أن النتيجة تُعطي دلالةً عن المُختَبَر فيما يتعلق بمكانته بين المُختَبَرين الآخرين. أما التفسير المرجعي فيعني أن النتيجة تُعطي معلومات عن المُختَبَر فيما يتعلق بموضوع مُحدد، بغض النظر عن نتائج المُختَبَرين الآخرين. ^{[ 2 ]}

توجد نوعان من درجات الاختبار: الدرجات الخام والدرجات المُعدّلة . الدرجة الخام هي الدرجة دون أي تعديل أو تحويل، مثل عدد الإجابات الصحيحة فقط. أما الدرجة المُعدّلة فهي نتيجة تطبيق بعض التحويلات على الدرجة الخام، كما في التقييم النسبي .

يهدف نظام الدرجات المعيارية إلى توحيد مقياس درجات جميع الممتحنين. لنفترض أن اختبارًا ما يتكون من نموذجين، أحدهما أصعب من الآخر. وقد تم تحديد ذلك بمساواة درجة 65% في النموذج الأول مع درجة 68% في النموذج الثاني. يمكن تحويل الدرجات في كلا النموذجين إلى مقياس بحيث تُسجّل الدرجات المتكافئة بنفس القيمة. على سبيل المثال، يمكن أن تكون كلتا الدرجتين 350 على مقياس من 100 إلى 500.

يُعدّ اختبارا ACT وSAT من أشهر الاختبارات في الولايات المتحدة التي تعتمد على مقياس معياري. يتراوح مقياس ACT من 0 إلى 36، بينما يتراوح مقياس SAT من 200 إلى 800 (لكل قسم). وقد تم اختيار هذين المقياسين لتمثيل متوسط ​​وانحراف معياري قدره 18 و6 (ACT)، و500 و100 على التوالي. وقد تم اختيار الحدين الأعلى والأدنى لأن نطاقًا يزيد أو ينقص عن ثلاثة انحرافات معيارية يشمل أكثر من 99% من المجتمع. أما الدرجات خارج هذا النطاق، فيصعب قياسها، ولا تُقدّم قيمة عملية تُذكر.

تجدر الإشارة إلى أن عملية القياس لا تؤثر على الخصائص السيكومترية للاختبار؛ فهي عملية تحدث بعد اكتمال عملية التقييم (والمعادلة، إن وجدت). لذا، فهي ليست مسألة سيكومترية بحد ذاتها، بل مسألة تتعلق بتفسير النتائج.

قد يتطلب سؤال الاختبار من الطالب حساب مساحة مثلث . قارن المعلومات الواردة في هاتين الإجابتين.

المساحة = 7.5 ^سم²

Base = 5 cm; Height = 3 cm Area = ¹/₂(Base × Height) = ¹/₂(5 cm × 3 cm) = 7.5 cm²

The first shows scoring information loss. The teacher knows whether the student got the right answer, but does not know how the student arrived at the answer. If the answer is wrong, the teacher does not know whether the student was guessing, made a simple error, or fundamentally misunderstands the subject.

When tests are scored right-wrong, an important assumption has been made about learning. The number of right answers or the sum of item scores (where partial credit is given) is assumed to be the appropriate and sufficient measure of current performance status. In addition, a secondary assumption is made that there is no meaningful information in the wrong answers.

In the first place, a correct answer can be achieved using memorization without any profound understanding of the underlying content or conceptual structure of the problem posed. Second, when more than one step for solution is required, there are often a variety of approaches to answering that will lead to a correct result. The fact that the answer is correct does not indicate which of the several possible procedures were used. When the student supplies the answer (or shows the work) this information is readily available from the original documents.

Second, if the wrong answers were blind guesses, there would be no information to be found among these answers. On the other hand, if wrong answers reflect interpretation departures from the expected one, these answers should show an ordered relationship to whatever the overall test is measuring. This departure should be dependent upon the level of psycholinguistic maturity of the student choosing or giving the answer in the vernacular in which the test is written.

In this second case it should be possible to extract this order from the responses to the test items.^[3] Such extraction processes, the Rasch model for instance, are standard practice for item development among professionals. However, because the wrong answers are discarded during the scoring process, analysis of these answers for the information they might contain is seldom undertaken.

Third, although topic-based subtest scores are sometimes provided, the more common practice is to report the total score or a rescaled version of it. This rescaling is intended to compare these scores to a standard of some sort. This further collapse of the test results systematically removes all the information about which particular items were missed.

وبالتالي، فإن تصحيح الاختبار بشكل صحيح أو خاطئ يفقد 1) كيفية توصل الطلاب إلى إجاباتهم الصحيحة ، 2) ما الذي دفعهم إلى الانحراف نحو إجابات غير مقبولة، و3) أين حدث هذا الانحراف عن التوقعات داخل الاختبار.

يشير هذا التعليق إلى أن إجراءات التصحيح الحالية تُخفي ديناميكيات عملية أداء الاختبار وتُغفل قدرات الطلاب المُقيَّمين. إذ تُبسِّط هذه الممارسة الحالية البيانات تبسيطًا مُفرطًا في خطوة التصحيح الأولية. وينتج عن هذا الخطأ الإجرائي حجب معلومات تشخيصية كان من شأنها أن تُساعد المعلمين على خدمة طلابهم بشكل أفضل. كما أنه يمنع أولئك الذين يُعدّون هذه الاختبارات بجدّ من ملاحظة المعلومات التي كان من شأنها أن تُنبههم إلى وجود هذا الخطأ.

يجري حاليًا تطوير حل لهذه المشكلة، يُعرف باسم تقييم طيف الاستجابة (RSE)، ^{[ 4 ]} والذي يبدو أنه قادر على استعادة جميع أشكال فقدان المعلومات الثلاثة هذه، مع الاستمرار في توفير مقياس رقمي لتحديد حالة الأداء الحالية وتتبع تغيير الأداء.

يُقدّم هذا النهج، المعروف باسم RSE، تفسيرًا لكل إجابة، سواء كانت صحيحة أم خاطئة، يُشير إلى عمليات التفكير المُحتملة التي استخدمها المُختَبَر. ^{[ 5 ]} ومن بين النتائج الأخرى، يُشير هذا الفصل إلى أن المعلومات المُسترجعة تُفسّر ما بين ضعفين إلى ثلاثة أضعاف تباين الاختبار مُقارنةً بالنظر إلى الإجابات الصحيحة فقط. يُمكن تفسير هذا الفقدان الكبير للمعلومات بحقيقة أن الإجابات "الخاطئة" تُحذف من المعلومات التي يتم جمعها أثناء عملية التصحيح، وبالتالي لا تعود مُتاحة للكشف عن الخطأ الإجرائي الكامن في تصحيح الإجابات الصحيحة والخاطئة. يتجاوز هذا الإجراء القيود الناتجة عن التبعيات الخطية المُتأصلة في بيانات الاختبار.

• التقييم في التعليم
• النتيجة المئوية