Том 1 № 26 (2023)
Професійна педагогіка

Професійна педагогіка

АДАПТИВНЕ ТЕСТУВАННЯ В КОНТЕКСТІ ВИКОРИСТАННЯ ЕЛЕКТРОННИХ ЗАСОБІВ НАВЧАННЯ: СУТЬ, РОЗРОБЛЕННЯ ТА ОЦІНЮВАННЯ

Опубліковано 25.07.2023

  • Олександр Радкевич

Олександр Радкевич
Institute of pedagogy of NAPS of Ukraine , Інститут педагогіки НАПН України

Анотація

Актуальність статті зумовлена доцільністю застосування адаптивного тестування в освіті на основі електронних засобів навчання, зокрема Google Forms для точного вимірювання знань і вмінь здобувачів освіти.

Мета: полягає у висвітленні загальної концепцію адаптивного тестування здобувачів освіти в контексті використання електронних засобів навчання.

Методи: аналіз літератури спрямовувався на детальне вивчення наукових робіт зарубіжних та вітчизняних дослідників, статей, книг та інших джерел інформації, які стосуються об'єкта дослідження – для з’ясування існуючого стану проблеми, виявлення невирішених питань та визначення напрямів подальших досліджень; кейс-стаді (вивчення випадків) – для аналізу конкретного випадку, або ряду випадків у контексті дослідження; формування висновків.

Результати: висвітлено значення адаптивного тестування в освітньому процесі, що підлаштовується під потреби кожного здобувача освіти. Розкрито його переваги та недоліки. З'ясовано різновиди адаптивного тестування: лінійне, комп'ютерне та комбіноване. Висвітлено значимість адаптивного тестування з використанням штучного інтелекту. Розглянуто вимоги до підготовки адаптивних тестів, зокрема важливість критеріїв оцінювання і параметрів складності. Наголошено на значущості зворотного зв'язку від учнів і необхідності перегляду тестів для підтримання їх релевантності та валідності. Схарактеризовано загальні правила безпеки під час роботи з Google Forms та важливість автоматичного оцінювання відповідей учнів. Визначено процес аналізу відповідей учнів та відображення результатів тестування. Розглянуто можливості інтеграції Google Forms з освітніми платформами. Підкреслено переваги та обмеження використання Google Forms для адаптивного тестування в закладах загальної середньої освіти.

Висновки: Визначено, що адаптивне тестування є важливим інструментом для глибокого аналізу і створення точних параметрів складності тестових питань. Підкреслено необхідність впровадження зворотного зв'язку від учнів для постійного удосконалення процесу тестування. Зазначено важливість регулярного перегляду та актуалізації тестів для забезпечення їх релевантності. Акцентовано увагу на врахуванні диференціації питань за рівнем складності, релевантності навчального контексту та загальних освітніх цілей.

Ключові слова

адаптивне тестування, Google Forms, зворотний зв'язок, критерії оцінювання, автоматичне оцінювання, загальна середня освіта

pdf (англійська)

Посилання

  1. Almond, R. G., Mislevy, R. J., Steinberg, L. S., Yan, D., & Williamson, D. M. (2015). Bayesian networks in educational assessment. Springer.
  2. Angelo, T. A., & Cross, K. P. (2012). Classroom assessment techniques. Jossey Bass Wiley.
  3. Baraud, Y., Huet, S., & Laurent, B. (2003). Adaptive tests of linear hypotheses by model selection. The Annals of Statistics, 31(1), 225-251.
  4. Bloom, B. S. (1956). Taxonomy of Educational Objectives. Handbook I: Cognitive Domain Text.
  5. Blythe, J., & Camp, L. J. (2012, May). Implementing mental models. In 2012 IEEE symposium on Security and privacy workshops (pp. 86-90). IEEE.
  6. Buehler, M., Griffin, P., & Ross, M. (2007). A Self-Adaptive Algorithm for Context-Aware Ubiquitous Learning. In M. Pechenizkiy, T. Calders, C. Conati, S. Ventura, C. Romero, & J. Stamper (Eds.), Educational Data Mining 2011.
  7. Chen, B., & Bryer, T. (2012). Investigating instructional strategies for using social media in formal and informal learning. International Review of Research in Open and Distributed Learning, 13(1), 87-104.
  8. Cheng, B., Wang, M., Mørch, A. I., Chen, N. S., Kinshuk, & Spector, J. M. (2014). Research on E-Learning in the Workplace 2000–2012: A Bibliometric Analysis of the Literature. Educational Research Review, 11, 56–72.
  9. Choi, S. W., & Chung, H. (2020). Online learning environments in higher education: Connectivism vs. dissociation. Education and Information Technologies, 25(6), 5991–6010.
  10. Chrysafiadi, K., Troussas, C., & Virvou, M. (2018, October). A framework for creating automated online adaptive tests using multiple-criteria decision analysis. In 2018 IEEE international conference on systems, man, and cybernetics (SMC) (pp. 226-231). IEEE.
  11. Creswell, J. W. (2009). Research designs: Qualitative, quantitative, and mixed methods approaches. Callifornia: Sage.
  12. Embretson, S. E. (1996). The new rules of measurement. Psychological assessment, 8(4), 341.
  13. Furlong, M. J., Gilman, R., & Huebner, E. S. (Eds.). (2009). Handbook of positive psychology in schools.
  14. Hadnagy, C. (2010). Social engineering: The art of human hacking. John Wiley & Sons.
  15. Hodges, C. B., Moore, S., Lockee, B. B., Trust, T., & Bond, M. A. (2020). The difference between emergency remote teaching and online learning.
  16. Iftakhar, S. (2016). Google classroom: what works and how. Journal of Education and Social Sciences, 3(1), 12-18.
  17. Jensen, F. V., & Nielsen, T. D. (2007). Bayesian networks and decision graphs (Vol. 2). New York: Springer.
  18. Leenes, R., & Lucivero, F. (2014). Laws on robots, laws by robots, laws in robots: Regulating robot behaviour by design. Law, Innovation and Technology, 6(2), 193-220.
  19. Magis, D., Yan, D., von Davier, A. A., Magis, D., Yan, D., & von Davier, A. A. (2017). An overview of computerized adaptive testing. Computerized Adaptive and Multistage Testing with R: Using Packages catR and mstR, 35-51.
  20. McCormick, A. C., Kinzie, J., & Gonyea, R. M. (2013). Student engagement: Bridging research and practice to improve the quality of undergraduate education. In Higher Education: Handbook of Theory and Research: Volume 28 (pp. 47-92). Dordrecht: Springer Netherlands.
  21. Medina-Díaz, M. D. R., & Verdejo-Carrión, A. L. (2020). Validity and reliability in student learning evaluation throughout active methodologies. ALTERIDAD. Revista de Educación, 15(2), 270-284.
  22. Miller, M. D., Linn, R. L., & Gronlund, N. E., (2009). Measuring and Asssessment in Teaching (10th ed.) Merrill Prentice Hall, Upper Saddle River. NJ
  23. Moore, M. G. (Ed.). (2013). Handbook of distance education. Routledge.
  24. Noroozi, O., Banihashem, S. K., Biemans, H. J., Smits, M., Vervoort, M. T., & Verbaan, C. L. (2023). Design, implementation, and evaluation of an online supported peer feedback module to enhance students’ argumentative essay quality. Education and Information Technologies, 1-28.
  25. Proskura, S. L., & Lytvynova, S. H. (2020). The approaches to Web-based education of computer science bachelors in higher education institutions.
  26. Rasch, G. (1960). Studies in mathematical psychology: I. Probabilistic models for some intelligence and attainment tests.
  27. Reise, S. P., & Revicki, D. A. (Eds.). (2014). Handbook of item response theory modeling: Applications to typical performance assessment. Routledge.
  28. Schäfer, M., Nadi, S., Eghbali, A., & Tip, F. (2023). Adaptive test generation using a large language model. arXiv preprint arXiv:2302.06527.
  29. Sclater, N., Peasgood, A., & Mullan, J. (2016). Learning analytics in higher education. London: Jisc. Accessed February, 8(2017), 176.
  30. Stone, C. A., & Zhang, B. (2003). Assessing goodness of fit of item response theory models: A comparison of traditional and alternative procedures. Journal of Educational Measurement, 40(4), 331–352.
  31. Tess, P. A. (2013). The role of social media in higher education classes (real and virtual) – A literature review. Computers in human behavior, 29(5), A60-A68.
  32. Van der Linden, W. J. (2016). Unidimensional logistic response models. In Handbook of item response theory. Chapman and Hall/CRC.
  33. Walvoord, B. E. (2010). Assessment clear and simple: A practical guide for institutions, departments, and general education. John Wiley & Sons.
  34. Zhuang, Y., Liu, Q., Huang, Z., Li, Z., Shen, S., & Ma, H. (2022, June). Fully Adaptive Framework: Neural Computerized Adaptive Testing for Online Education. In Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 36, No. 4, pp. 4734-4742).
  35. Ляшенко, О. І. (2019). Оцінювання навчальних досягнень учнів за допомогою адаптивного тестування. Освіта для миру= Edukacja dla pokoju, 1, 178-189.
  36. Ляшенко, О. І., Жук, Ю. О., Ващенко, Л. С., Гривко, А. В., & Науменко, С. О. (2017). Тестові технології оцінювання компетентностей учнів. https://undip.org.ua/wp-content/uploads/2021/08/test_2017.pdf
  37. Радкевич, О. (2023). Еволюція електронних засобів внутрішнього контролю та оцінювання якості освіти: від початку до сучасності. Rozwój nowoczesnej edukacji i nauki–stan, poblemy, perspektywy, 115-127.
  38. Соменко, Д. В., Трифонова, О. М., & Садовий, М. І. (2023). Штучний інтелект та нейромережі в освітньому процесі: переваги та недоліки. актуальні проблеми та перспективи технологічної і професійної освіти, 78.
  39. Translated & Transliterated.
  40. Almond, R. G., Mislevy, R. J., Steinberg, L. S., Yan, D., & Williamson, D. M. (2015). Bayesian networks in educational assessment. Springer. [in English].
  41. Angelo, T. A., & Cross, K. P. (2012). Classroom assessment techniques. Jossey Bass Wiley. [in English].
  42. Baraud, Y., Huet, S., & Laurent, B. (2003). Adaptive tests of linear hypotheses by model selection. The Annals of Statistics, 31(1), 225-251. [in English].
  43. Bloom, B. S. (1956). Taxonomy of Educational Objectives. Handbook I: Cognitive Domain Text. [in English].
  44. Blythe, J., & Camp, L. J. (2012, May). Implementing mental models. In 2012 IEEE symposium on Security and privacy workshops (pp. 86-90). IEEE. [in English].
  45. Buehler, M., Griffin, P., & Ross, M. (2007). A Self-Adaptive Algorithm for Context-Aware Ubiquitous Learning. In M. Pechenizkiy, T. Calders, C. Conati, S. Ventura, C. Romero, & J. Stamper (Eds.), Educational Data Mining 2011. [in English].
  46. Chen, B., & Bryer, T. (2012). Investigating instructional strategies for using social media in formal and informal learning. International Review of Research in Open and Distributed Learning, 13(1), 87-104. [in English].
  47. Cheng, B., Wang, M., Mørch, A. I., Chen, N. S., Kinshuk, & Spector, J. M. (2014). Research on E-Learning in the Workplace 2000–2012: A Bibliometric Analysis of the Literature. Educational Research Review, 11, 56–72. [in English].
  48. Choi, S. W., & Chung, H. (2020). Online learning environments in higher education: Connectivism vs. dissociation. Education and Information Technologies, 25(6), 5991–6010. [in English].
  49. Chrysafiadi, K., Troussas, C., & Virvou, M. (2018, October). A framework for creating automated online adaptive tests using multiple-criteria decision analysis. In 2018 IEEE international conference on systems, man, and cybernetics (SMC) (pp. 226-231). IEEE. [in English].
  50. Creswell, J. W. (2009). Research designs: Qualitative, quantitative, and mixed methods approaches. Callifornia: Sage. [in English].
  51. Embretson, S. E. (1996). The new rules of measurement. Psychological assessment, 8(4), 341. [in English].
  52. Furlong, M. J., Gilman, R., & Huebner, E. S. (Eds.). (2009). Handbook of positive psychology in schools. [in English].
  53. Hadnagy, C. (2010). Social engineering: The art of human hacking. John Wiley & Sons. [in English].
  54. Hodges, C. B., Moore, S., Lockee, B. B., Trust, T., & Bond, M. A. (2020). The difference between emergency remote teaching and online learning. [in English].
  55. Iftakhar, S. (2016). Google classroom: what works and how. Journal of Education and Social Sciences, 3(1), 12-18. [in English].
  56. Jensen, F. V., & Nielsen, T. D. (2007). Bayesian networks and decision graphs (Vol. 2). New York: Springer. [in English].
  57. Leenes, R., & Lucivero, F. (2014). Laws on robots, laws by robots, laws in robots: Regulating robot behaviour by design. Law, Innovation and Technology, 6(2), 193-220. [in English].
  58. Magis, D., Yan, D., von Davier, A. A., Magis, D., Yan, D., & von Davier, A. A. (2017). An overview of computerized adaptive testing. Computerized Adaptive and Multistage Testing with R: Using Packages catR and mstR, 35-51. [in English].
  59. McCormick, A. C., Kinzie, J., & Gonyea, R. M. (2013). Student engagement: Bridging research and practice to improve the quality of undergraduate education. In Higher Education: Handbook of Theory and Research: Volume 28 (pp. 47-92). Dordrecht: Springer Netherlands. [in English].
  60. Medina-Díaz, M. D. R., & Verdejo-Carrión, A. L. (2020). Validity and reliability in student learning evaluation throughout active methodologies. ALTERIDAD. Revista de Educación, 15(2), 270-284. [in English].
  61. Miller, M. D., Linn, R. L., & Gronlund, N. E., (2009). Measuring and Asssessment in Teaching (10th ed.) Merrill Prentice Hall, Upper Saddle River. NJ [in English].
  62. Moore, M. G. (Ed.). (2013). Handbook of distance education. Routledge. [in English].
  63. Noroozi, O., Banihashem, S. K., Biemans, H. J., Smits, M., Vervoort, M. T., & Verbaan, C. L. (2023). Design, implementation, and evaluation of an online supported peer feedback module to enhance students’ argumentative essay quality. Education and Information Technologies, 1-28. [in English].
  64. Proskura, S. L., & Lytvynova, S. H. (2020). The approaches to Web-based education of computer science bachelors in higher education institutions. [in English].
  65. Rasch, G. (1960). Studies in mathematical psychology: I. Probabilistic models for some intelligence and attainment tests. [in English].
  66. Reise, S. P., & Revicki, D. A. (Eds.). (2014). Handbook of item response theory modeling: Applications to typical performance assessment. Routledge. [in English].
  67. Schäfer, M., Nadi, S., Eghbali, A., & Tip, F. (2023). Adaptive test generation using a large language model. arXiv preprint arXiv:2302.06527. [in English].
  68. Sclater, N., Peasgood, A., & Mullan, J. (2016). Learning analytics in higher education. London: Jisc. Accessed February, 8(2017), 176. [in English].
  69. Stone, C. A., & Zhang, B. (2003). Assessing goodness of fit of item response theory models: A comparison of traditional and alternative procedures. Journal of Educational Measurement, 40(4), 331–352. [in English].
  70. Tess, P. A. (2013). The role of social media in higher education classes (real and virtual)–A literature review. Computers in human behavior, 29(5), A60-A68. [in English].
  71. Van der Linden, W. J. (2016). Unidimensional logistic response models. In Handbook of item response theory (pp. 41-58). Chapman and Hall/CRC. [in English].
  72. Walvoord, B. E. (2010). Assessment clear and simple: A practical guide for institutions, departments, and general education. John Wiley & Sons. [in English].
  73. Zhuang, Y., Liu, Q., Huang, Z., Li, Z., Shen, S., & Ma, H. (2022, June). Fully Adaptive Framework: Neural Computerized Adaptive Testing for Online Education. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 36, No. 4, pp. 4734-4742). [in English].
  74. Lyashenko, O.I. (2019). Otsinyuvannia navchalnykh dosiahnen uchniv za dopomohoiu adaptivnoho testuvannia [Assessment of students' achievements using adaptive testing]. Osvita dlia myru=Edukacja dla pokoju, 1, 178-189, [in Ukrainian].
  75. Lyashenko, O. I., Zhuk, Yu. O., Vashchenko, L. S., Hryvko, A. V., & Naumenko, S. O. (2017). Testovi tekhnolohii otsiniuvannia kompetentnostei uchniv [Test technologies for assessing students' competencies]. https://undip.org.ua/wp-content/uploads/2021/08/test_2017.pdf [in Ukrainian].
  76. Radkevych, O. (2023). Evolutsiia elektronnykh zasobiv vnutrishnoho kontrolu ta otsiniuvannia yakosti osvity: vid pochatku do suchasnosti [Evolution of electronic tools for internal control and assessment of education quality: from the beginning to the present]. Rozwój nowoczesnej edukacji i nauki–stan, poblemy, perspektywy, 115-127, [in Ukrainian].
  77. Somenko, D.V., Tryfonova, O.M., & Sadovyi, M.I. (2023). Shtuchnyi intelekt ta neiro merezhi v osvitnomu protsesi: perevahy ta nedoliky [Artificial intelligence and neural networks in the educational process: advantages and disadvantages]. Aktualni problemy ta perspektyvy tekhnolohichnoi i profesiinoi osvity [Actual problems and prospects of technological and vocational education], 78, [in Ukrainian].

Статті цього автора (цих авторів), які найбільше читають

<< < 1 2 3 > >>