Page 112 - 6285

1,00

P(,) 0,75

 = 0
0,50

 = –2 = 2

0,25

0,00
–5 –4 –3 –2 –1 0 1 2 3 4 5

, логіти

Рис. 4.16. Характеристичні криві PCC в однопараметричній моделі

При обробці великих масивів даних використовують спеці-
альні комп'ютерні програми, наприклад RUMM2020 [50]. Оцінки
рівня знань студентів і значень складності завдань визначають
спеціальними ітераційними методами за самоузгодженим алго-
ритмом зі всього набору тестових результатів: для кожного ви-
пробуваного й для кожного завдання.

Подальший розвиток Item Response Theory (IRT) був спря-
мований на розробку моделей, які б надавали можливість най-
кращим чином узгодити теоретичні розрахунки із фактичними
результатами тестувань. Перш за все, це стосується врахування
роздільної здатності кожного тестового завдання. Зупинимося на
цьому докладніше.

Під роздільною здатністю розуміють найменшу різницю в
рів-ні знань студентів, яка може бути зафіксована при виконанні
завдання. Роздільна здатність є додатковим параметром, що ха-
рактеризує відмінності властивостей тестових завдань. Суть
цього параметру стає зрозумілою із розгляду характеристичних
кривих двох завдань на рис. 4.17.

112