“分类:量表研制一般思路”的版本间的差异

来自Big Physics
(建立内容为“做任何一个领域或者学科的测试,都需要包含对不同层次的知识的掌握程度的测量。各层知识包含:事实性程序性知识、学…”的新页面)
 
 
(未显示同一用户的3个中间版本)
第1行: 第1行:
做任何一个领域或者学科的测试,都需要包含对不同层次的知识的掌握程度的测量。各层知识包含:事实性程序性知识、学科概念知识、学科大图景知识、来自于这个学科的但是超越这个学科的一般性人类思维(系联性思考——上下左右贯通、批判性思维、成长型思维)以及教和学的方法。
+
[[分类:教和学的研究]]
  
测试基础:核心概念的概念网络,测试题到概念网络的标注
+
为了设计[[:分类:理解型学习量表|理解型学习量表]],以及各个学科的知识掌握程度的测试量表,我们需要有一个大致的知识类测试量表的设计研制思路。
测试算法:统计推断
+
 
测试内容:按照知识、意愿、运用三个方面来测试。也就是看看是否知道和理解这些知识,是否会想起来去运用这些知识,把这些知识用于实际问题解决试试
+
做任何一个领域或者学科的测试,都需要包含对不同层次的知识的掌握程度的测量。各层知识包含:事实性程序性知识、学科概念知识、学科大图景知识、来自于这个学科的但是超越这个学科的一般性人类思维(系联性思考——上下左右贯通、批判性思维、成长型思维)以及教和学的方法。第二层、第三层,甚至第四层知识,原则上,也可以当作事实性和程序性知识来考察。但是,更好的考察方法就是通过运用这些知识的场景来进行。
 +
 
 +
因此,为了设计学科知识类量表,我们要有下面的过程。
 +
 
 +
=准备测试基础=
 +
构建这个学科的核心概念的网络,设计或者收集每个知识点的测试题,把这些测试题标注到概念网络。
 +
 
 +
=基于统计推断的自适应的检测算法=
 +
基于概念之间的联系,来做具有推断能力的自适应的检测。注意,这个测量是一个诊断性测量,也就是不仅仅我们可以获得被试掌握了百分之多少的知识(在什么程度),我们还可以算出来,被试掌握了哪些知识到什么程度,哪些知识没有掌握。
 +
 
 +
=从知识、意愿、运用来设计测试问题=
 +
 
 +
从知识的角度,也就是看看是否知道和理解这些知识。需要把各层知识按照事实性程序性知识的方式来检测,也就是填空题、选择题等考虑是否知道这些知识。例如,中国首都是“背景”;乘法是重复的“加法”;数学证明的基本形式是“演绎法(三段论)”;“力”是运动变化的原因(写成数学表达式为“F=ma”,或者更准确地“a=F/m”);等等等等。
 +
 
 +
从意愿的角度,也就是看看是否会想起来去运用这些知识。需要把场景交代明白之后,让测试者决定用什么知识和思维来解决,通过例如选择题和填空题。例如,小明在操场上参加1500米长跑比赛,目前已经完成了两圈。你想大概预测一下小明还需要多久能跑完全程。请问,你用哪些概念、数据和关系(以及这个关系导致的等式)、数学运算来完成这个估计。
 +
 
 +
从运用的角度,就是看看能否把这些知识用于实际问题解决。需要交代问题场景以及必要的甚至多余的数据,让被试来解决问题;甚至,交代问题场景之后,来提出问题,或者把自然语言表达的问题,变成数学等形式语言或者说这个学科的专有词汇表达的问题。
 +
 
 +
=配合分级体系给出级别和诊断=
 +
 
 +
如果还有一个学科能力分级的体系,也就是定义了每一个级别所需要掌握的知识和掌握的程度,则我们还可以在这个诊断性测量的基础上,给出一个被试在这个学科能力上的级别。

2022年1月20日 (四) 04:36的最新版本


为了设计理解型学习量表,以及各个学科的知识掌握程度的测试量表,我们需要有一个大致的知识类测试量表的设计研制思路。

做任何一个领域或者学科的测试,都需要包含对不同层次的知识的掌握程度的测量。各层知识包含:事实性程序性知识、学科概念知识、学科大图景知识、来自于这个学科的但是超越这个学科的一般性人类思维(系联性思考——上下左右贯通、批判性思维、成长型思维)以及教和学的方法。第二层、第三层,甚至第四层知识,原则上,也可以当作事实性和程序性知识来考察。但是,更好的考察方法就是通过运用这些知识的场景来进行。

因此,为了设计学科知识类量表,我们要有下面的过程。

准备测试基础

构建这个学科的核心概念的网络,设计或者收集每个知识点的测试题,把这些测试题标注到概念网络。

基于统计推断的自适应的检测算法

基于概念之间的联系,来做具有推断能力的自适应的检测。注意,这个测量是一个诊断性测量,也就是不仅仅我们可以获得被试掌握了百分之多少的知识(在什么程度),我们还可以算出来,被试掌握了哪些知识到什么程度,哪些知识没有掌握。

从知识、意愿、运用来设计测试问题

从知识的角度,也就是看看是否知道和理解这些知识。需要把各层知识按照事实性程序性知识的方式来检测,也就是填空题、选择题等考虑是否知道这些知识。例如,中国首都是“背景”;乘法是重复的“加法”;数学证明的基本形式是“演绎法(三段论)”;“力”是运动变化的原因(写成数学表达式为“F=ma”,或者更准确地“a=F/m”);等等等等。

从意愿的角度,也就是看看是否会想起来去运用这些知识。需要把场景交代明白之后,让测试者决定用什么知识和思维来解决,通过例如选择题和填空题。例如,小明在操场上参加1500米长跑比赛,目前已经完成了两圈。你想大概预测一下小明还需要多久能跑完全程。请问,你用哪些概念、数据和关系(以及这个关系导致的等式)、数学运算来完成这个估计。

从运用的角度,就是看看能否把这些知识用于实际问题解决。需要交代问题场景以及必要的甚至多余的数据,让被试来解决问题;甚至,交代问题场景之后,来提出问题,或者把自然语言表达的问题,变成数学等形式语言或者说这个学科的专有词汇表达的问题。

配合分级体系给出级别和诊断

如果还有一个学科能力分级的体系,也就是定义了每一个级别所需要掌握的知识和掌握的程度,则我们还可以在这个诊断性测量的基础上,给出一个被试在这个学科能力上的级别。

本分类目前不含有任何页面或媒体文件。