p Medir o conhecimento dos alunos em cursos online apresenta uma série de desafios. Pesquisadores da Escola Superior de Economia e da Universidade de Leuven fizeram melhorias no modelo de avaliação de realizações acadêmicas e publicaram seus resultados na revista Heliyon . p Vários fatores sistêmicos tornam difícil para os desenvolvedores de cursos online avaliar com precisão a proficiência do aluno. Primeiro, a média de 10 a 15 questões de teste é muito pequena para produzir uma medida de conhecimento precisa e confiável. Segundo, o uso de questões de múltipla escolha leva a adivinhação e a distorção dos resultados. Terceiro, o uso frequente do mesmo conjunto de respostas corretas como medida de proficiência torna difícil comparar os alunos quando o teste é atualizado, mesmo que ligeiramente.

p Pesquisadores da Escola Superior de Economia e da Universidade de Leuven conseguiram resolver esses problemas expandindo o modelo Rasch clássico com parâmetros adicionais.

p "Primeiro, nossa abordagem expandida inclui o efeito de várias tentativas, tornando possível distinguir entre alunos que adivinham e aqueles que sabem as respostas, "disse o HSE Center for Psychometrics in eLearning Head Dmitry Abbakumov." Em segundo lugar, porque as métricas de conhecimento obtidas com esta abordagem expandida são expressas em uma única escala, eles podem ser comparados, mesmo quando as questões do teste são alteradas significativamente. E finalmente, calculamos métricas com base não apenas em resultados de teste, mas também levando em consideração a experiência do aluno - sua atividade ao assistir vídeos e desempenho em sessões práticas - fornecendo uma compreensão mais abrangente da competência do aluno. "

p No futuro, a abordagem proposta pelos pesquisadores poderia ser usada em motores de avaliação em plataformas educacionais para obter medidas mais precisas do conhecimento dos alunos. E as métricas podem ser incorporadas às soluções de navegação e recomendação em educação digital.