Federico Batini federico.batini@unipg.it Item analisi Federico Batini federico.batini@unipg.it.

Slides:



Advertisements
Presentazioni simili
Misurazione e valutazione
Advertisements

Come organizzare i dati per un'analisi statistica al computer?
Lo schema IS-LM.
Esiti delle prove Invalsi 2010
Il diagramma di Gantt Se il CPM/PERT rappresenta la relazione logica (interdipendenza) tra le attività (il “come” del progetto), il diagramma di Gantt.
METODI STATISTICI PER LO STUDIO DELL’ASSOCIAZIONE TRA DATI QUALITATIVI
Lez. 3 - Gli Indici di VARIABILITA’
Scelta del formato di risposta
Gli errori nell’analisi statistica
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
Cap. 4 Distribuzioni di frequenza, tabelle e grafici Cioè come si sfruttano i dati grezzi, perché è da qui che inizia l’analisi statistica.
Analisi dei commenti dei docenti PNI 2012 Donata Foà SALERNO 2012 Salerno agosto 2012 Donata Foà
RISOLVERE PROBLEMI CON LUSO DI STRUMENTI MATEMATICI DIFFICOLTA RISCONTRATE : LETTURA FRETTOLOSA DEL TESTO E SCARSA RIFLESSIONE SUL SIGNIFICATO DEI DATI.
GRIGLIA PER LA LETTURA DI UN LAVORO SCIENTIFICO
Le analisi per singolo item
La valutazione di impatto netto: alcune riflessioni a margine Gruppo Nazionale Placement Roma, 27 Febbraio 2013.
Matematica e statistica Versione didascalica: parte 8 Sito web del corso Docente: Prof. Sergio Invernizzi, Università di Trieste
STATISTICA a.a VARIABILITA’ BIOLOGICA E CASO
PROGETTAZIONE E REALIZZAZIONE UNITA’ DIDATTICHE
Access: Query semplici
Studente Claudia Puzzo
Analisi delle corrispondenze
Valutazione dei disturbi dell’intelligenza
I CIRCOLO DIDATTICO POMIGLIANO REPORT SCUOLA Dati INVALSI a.s Funzione strumentale: D'Aniello Maria.
Scale di valutazione Federico Batini
Costruiamo un grafico Viene proposto un metodo semplice per la costruzione di un grafico. Un grafico, per essere corretto, richiede losservanza di alcune.
DIREZIONE DIDATTICA “P. GALLUPPI” REGGIO CALABRIA
I sistemi di pianificazione e controllo.
Le distribuzioni campionarie
SOLUZIONE GRAFICA DI DISEQUAZIONI DI SECONDO GRADO
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
Le rilevazioni sugli apprendimenti da parte dell’INVALSI Italiano
Un approccio soft per i primi tre anni della primaria
Introduzione alla Regressione Lineare e alla Correlazione.
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
VALUTAZIONE E TIC Piano Nazionale Di Formazione degli Insegnanti sulle Tecnologie Didattiche dellInformazione e della Comunicazione.
WISC-III: il calcolo dei punteggi
USR Liguria Anna Maria Parodi I RISULTATI DI ITALIANO e altri strumenti utili SEMINARI PROVINCIALI SNV 2011/12.
Stato dellarte & Somministrazione prove III incontro – prima parte Rete Orte 27 Gennaio 2011 Michela Freddano & AnnaSiri.
Il Compendio delle prove OCSE PISA
Dalla Misurazione alla Valutazione
Traduzione e computer (3) Cristina Bosco Informatica applicata alla comunicazione multimediale 2013.
Esercitazione Esame È dato un foglio elettronico in Excel con un elenco di esami sostenuti da studenti Per ciascuna riga dell’elenco sono riportati: matricola.
Corso di biomatematica lezione 7-3: Test di significatività
Un approccio soft per i primi tre anni della primaria
valutare l’andamento delle prove
La statistica.
PERCORSO DI RICERCA - AZIONE SUL CURRICOLO DI MATEMATICA
Lezione B.10 Regressione e inferenza: il modello lineare
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Accenni di analisi monovariata e bivariata
Esercizi Determinare la probabilità che, lanciando due dadi da gioco, si abbia: A: somma dei risultati maggiore di 10 B: differenza dei punteggi in valore.
La valutazione dell’apprendimento degli studenti Clusone, 17 marzo 2015.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5.
Istituto Comprensivo Rignano-Incisa Tirocinante TFA: G. Giuliani
Accenni di analisi monovariata e bivariata
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
ANALISI E INTERPRETAZIONE DATI
LABORATORIO DI DOCIMOLOGIA E VALUTAZIONE DELL’APPRENDIMENTO PERMANENTE CORSO DI LAUREA FSRU Prof. Cinzia Angelini Università Roma Tre Anno accademico
I.C. “A. MANZONI” MESOLA (FE)
DSA DISLESSIE DISGRAFIE DISORTOGRAFIE DISCALCULIE DISTURBI DELLE ABILITA’ NUMERICHE E ARITMETICHE.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
DIPENDENZA STATISTICA TRA DUE CARATTERI Per una stessa collettività può essere interessante studiare più caratteri presenti contemporaneamente in ogni.
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
ARGOMENTI DELLA LEZIONE  Le distribuzioni di frequenza in classi  Le distribuzioni di frequenza in classi  Le tabelle di frequenza  La rappresentazione.
AVVIO DEL SISTEMA NAZIONALE DI VALUTAZIONE USR dell’Emilia-Romagna Roberto Ricci INVALSI Salsomaggiore (PR), 4 marzo 2015.
Gli Indici di VARIABILITA’
1 Corso di Laurea in Scienze e Tecniche psicologiche Esame di Psicometria Il T-Test A cura di Matteo Forgiarini.
Transcript della presentazione:

Federico Batini federico.batini@unipg.it Item analisi Federico Batini federico.batini@unipg.it

Item-analisi Con questa espressione si indica un insieme di tecniche che consentono di ricavare informazioni sull’affidabilità di una prova nel suo complesso e circa il funzionamento dei singoli item. Una volta costruito uno strumento occorre effettuare una prova pilota (try-out) su un campione sufficientemente ampio di soggetti con caratteristiche simili a quelle della popolazione per la quale lo strumento è stato costruito (per verificarne la funzionalità e predisporre eventuali correzioni prima della versione definitiva). Le tecniche di item-analisi trattano la prova nel suo complesso come un insieme coerente.

Item analisi Ci si attende che i soggetti di un certo livello di abilità siano in grado di rispondere alle domande a cui rispondono i soggetti con analoga abilità e rispondano male a domande che richiedono livelli di abilità superiori (chiaramente i soggetti che rispondono bene a un certo livello, avranno risposto bene alle domande di livello inferiore). Per effettuare questa analisi si possono utilizzare diverse tecniche: le più tradizionali si richiamano alla teoria della distribuzione normale (ICC, Item Characteristic Curve), le più recenti alle tecniche della Item Response Theory (IRT) o Latent Trait Theory.

Item analisi: il metodo classico Nel metodo classico l’analisi degli item si sviluppa a partire dai punteggi grezzi ottenuti dai soggetti che hanno risposto alla prova (se tutti gli item contribuiscono allo stesso modo alla prova considereremo 1 la risposta corretta e 0 la risposta errata, omessa, non raggiunta). Ordiniamo dunque le prove dal punteggio complessivo più basso a quello più alto registrando i loro risultati in una tabella. Attraverso questa tecnica si può misurare: la facilità/difficoltà media di ogni domanda (indice di facilità); la capacità di ogni domanda di distinguere i soggetti più abili da quelli meno abili (indice di discriminatività); come funzionano le alternative di risposta.

Item analisi: rappresentazione Nel’asse delle ascisse (orizzontale) in alto, si riporta il nome o il codice di identificazione di ogni soggetto, partendo dal caso che ha ottenuto il punteggio più basso… fino a quello che ha ottenuto il punteggio più alto. Nell’asse delle ordinate (verticale) si riportano i numeri che identificano le singole domande. Alle intersezioni (incroci) si riportano le domande (è sufficiente riportare anche soltanto le risposte sbagliate quando ricorrono con la lettera che contraddistingue la risposta scelta, sbagliando). In una colonna aggiuntiva vi sarà l’opzione di risposta corretta. Per convenzione: se la risposta è omessa si indicherà “O”, se sono state date più risposte sbagliando si segnerà “S”. Una tale configurazione consente una migliore lettura della tabella (dalla concentrazione degli errori nelle prime colonne alla “pulizia” delle ultime). Nell’ultima riga i punteggi per singolo soggetto.

Indice di facilità La rappresentazione grafica consente di accertare: concentrazioni di errori in una sola domanda, la ricorrenza di una stessa lettera (errata) come risposta alla stessa domanda, la presenza di errori ripetuti rispetto a una domanda da parte di soggetti che hanno punteggi alti. Indice di facilità: numero risposte esatte/numero dei casi. Se l’indice di facilità è = a 0 significa che nessuno ha risposto esattamente, la domanda è molto complessa. Se è 1 significa che la domanda è molto semplice, tutti hanno risposto correttamente. Si considerano in genere poco efficaci i quesiti che hanno indici di efficacia inferiori a 0,25, in quanto troppo difficili, o superiori a 0,75, perché troppo facili.

Indice di discriminatività Indice di discriminatività: indica la capacità di una domanda di distinguere i soggetti meno abili da quelli più abili. Si segmenta la nostra tabella in tre tronconi (se il gruppo è piccolo), dei quali i due estremi comprendano lo stesso numero di casi. Per ogni item l’indice di discriminatività si ricava dal rapporto tra la differenza della somma delle risposte esatte dell’estremo superiore, meno la somma di quelle esatte dell’estremo inferiore, fratto il numero di soggetti che compongono un estremo. L’indice varia da +1 a -1. Il valore zero indica che l’item non è discriminativo, quando l’estremo superiore risponde meglio il segno è positivo. Con un indice superiore a 0,30 si può ritenere che la domanda abbia una buona capacità di discriminare i due gruppi di soggetti e quindi di misurare la variabile in esame.