Hispanopedia WikiLas pruebas adaptativas computarizadas ( CAT , por sus siglas en inglés) son una forma de prueba basada en computadora que se adapta al nivel de habilidad del examinado. [ 1 ] Por esta razón, también se las ha llamado pruebas personalizadas . En otras palabras, es una forma de prueba administrada por computadora en la que el siguiente ítem o conjunto de ítems seleccionados para ser administrados depende de la corrección de las respuestas del examinado a los ítems administrados más recientemente. [ 2 ]
Descripción
La CAT selecciona sucesivamente preguntas ( ítems de prueba ) con el fin de maximizar la precisión del examen basándose en lo que se sabe sobre el examinado a partir de preguntas anteriores. [ 3 ] Desde la perspectiva del examinado, la dificultad del examen parece adaptarse a su nivel de habilidad. Por ejemplo, si un examinado obtiene un buen resultado en un ítem de dificultad intermedia, se le presentará una pregunta más difícil. O, si obtiene un resultado deficiente, se le presentará una pregunta más sencilla. En comparación con las pruebas estáticas que casi todos han experimentado, con un conjunto fijo de ítems administrados a todos los examinados, las pruebas adaptativas por computadora requieren menos ítems para obtener puntuaciones igualmente precisas. [ 3 ]
El método básico de prueba adaptativa por computadora es un algoritmo iterativo con los siguientes pasos: [ 4 ]
- Se busca en el conjunto de elementos disponibles el elemento óptimo, basándose en la estimación actual de la capacidad del examinado.
- El elemento elegido se presenta al examinado, quien luego lo responde correctamente o incorrectamente.
- La estimación de la habilidad se actualiza en función de todas las respuestas anteriores.
- Los pasos 1 a 3 se repiten hasta que se cumpla un criterio de terminación.
No se sabe nada sobre el examinado antes de la administración del primer ítem, por lo que el algoritmo generalmente comienza seleccionando un ítem de dificultad media o media-fácil como primer ítem. [ 5 ]
Como resultado de la administración adaptativa, los distintos examinados reciben pruebas muy diferentes. [ 6 ] Aunque a los examinados se les suelen administrar pruebas diferentes, sus puntuaciones de habilidad son comparables entre sí (es decir, como si hubieran recibido la misma prueba, como es común en las pruebas diseñadas utilizando la teoría clásica de los tests ). La tecnología psicométrica que permite calcular puntuaciones equitativas en diferentes conjuntos de ítems es la teoría de respuesta al ítem (TRI). La TRI es también la metodología preferida para seleccionar los ítems óptimos, que normalmente se seleccionan en función de la información que proporcionan, más que de la dificultad en sí. [ 4 ]
En el Examen Uniforme de Contadores Públicos Certificados se utiliza una metodología relacionada denominada prueba multietapa (MST) o CAST . MST evita o reduce algunas de las desventajas de CAT, como se describe a continuación. [ 7 ]
Ejemplos
La prueba CAT existe desde la década de 1970 y actualmente existen muchas evaluaciones que la utilizan.
- Prueba de admisión para estudios de posgrado en administración
- Prueba MAP de NWEA
- SAT (a partir de 2023 fuera de EE. UU. y en 2024 en EE. UU.) [ 8 ]
- Examen de Licencia del Consejo Nacional
- Batería de Aptitud Vocacional de las Fuerzas Armadas
Además, en la Asociación Internacional de Pruebas Adaptativas Computarizadas [ 9 ] se encuentra una lista de exámenes CAT activos, junto con una lista de programas de investigación CAT actuales y una bibliografía casi exhaustiva de todas las investigaciones CAT publicadas.
Ventajas
Las pruebas adaptativas pueden proporcionar puntuaciones uniformemente precisas para la mayoría de los examinados. [ 4 ] En cambio, las pruebas estándar fijas casi siempre proporcionan la mejor precisión para los examinados de habilidad media y una precisión cada vez menor para los examinados con puntuaciones más extremas.
Una prueba adaptativa generalmente puede acortarse en un 50 % y aun así mantener un nivel de precisión mayor que una versión fija. [ 3 ] Esto se traduce en un ahorro de tiempo para el examinado. Los examinados no pierden tiempo intentando responder preguntas demasiado difíciles o trivialmente fáciles. Además, la organización que realiza la prueba se beneficia del ahorro de tiempo; el costo del tiempo de los examinados se reduce sustancialmente. Sin embargo, dado que el desarrollo de una prueba adaptativa computarizada (CAT) implica un gasto mucho mayor que el de una prueba estándar de formato fijo, se necesita una gran población para que un programa de pruebas CAT sea financieramente rentable.
Generalmente, se pueden encontrar grandes poblaciones objetivo en campos científicos y de investigación. Las pruebas CAT en estos ámbitos pueden utilizarse para detectar precozmente discapacidades o enfermedades. El uso de las pruebas CAT en estos campos ha aumentado considerablemente en los últimos 10 años. Si bien antes no se aceptaban en centros médicos ni laboratorios, ahora se fomenta su uso en el ámbito del diagnóstico.
Al igual que cualquier prueba informatizada , las pruebas adaptativas pueden mostrar los resultados inmediatamente después de su realización.
Las pruebas adaptativas, según el algoritmo de selección de ítems , pueden reducir la exposición a algunos ítems, ya que los examinados suelen recibir conjuntos diferentes de ítems en lugar de que toda la población reciba un único conjunto. Sin embargo, pueden aumentar la exposición a otros (en concreto, a los ítems de dificultad media o media/fácil que se presentan a la mayoría de los examinados al inicio de la prueba). [ 4 ]
Desventajas
El primer problema que se presenta en las CAT es la calibración del banco de ítems. Para modelar las características de los ítems (por ejemplo, para seleccionar el ítem óptimo), todos los ítems de la prueba deben administrarse previamente a una muestra considerable y luego analizarse. Para lograr esto, se deben mezclar nuevos ítems con los ítems operativos de un examen (las respuestas se registran, pero no contribuyen a las puntuaciones de los examinados), lo que se denomina "prueba piloto", "preprueba" o "siembra". [ 4 ] Esto presenta problemas logísticos, éticos y de seguridad. Por ejemplo, es imposible implementar una prueba adaptativa operativa con ítems completamente nuevos y no vistos; [ 5 ] todos los ítems deben ser preprobados con una muestra lo suficientemente grande para obtener estadísticas de ítems estables . Esta muestra puede requerir ser tan grande como 1000 examinados. [ 5 ] Cada programa debe decidir qué porcentaje de la prueba puede estar razonablemente compuesto por ítems de prueba piloto no puntuados.
Aunque las pruebas adaptativas cuentan con algoritmos de control de exposición para evitar el uso excesivo de algunos ítems, [ 4 ] la exposición condicionada a la habilidad a menudo no se controla y puede acercarse fácilmente a 1. Es decir, es común que algunos ítems se vuelvan muy frecuentes en pruebas para personas con la misma habilidad. Esto representa un grave problema de seguridad, ya que los grupos que comparten ítems pueden tener un nivel de habilidad funcional similar. De hecho, un examen completamente aleatorio es el más seguro (pero también el menos eficiente).
Generalmente no se permite revisar las preguntas anteriores, ya que las pruebas adaptativas tienden a presentar preguntas más fáciles después de que una persona responde incorrectamente. Supuestamente, un examinado astuto podría usar estas pistas para detectar respuestas incorrectas y corregirlas. O bien, se podría instruir a los examinados para que elijan deliberadamente un mayor número de respuestas incorrectas, lo que resultaría en una prueba cada vez más fácil. Después de engañar a la prueba adaptativa para que genere un examen lo más fácil posible, podrían revisar las preguntas y responderlas correctamente, posiblemente obteniendo una puntuación muy alta. Los examinados se quejan con frecuencia de la imposibilidad de revisar. [ 10 ]
Debido a su complejidad, el desarrollo de una CAT tiene varios requisitos previos. [ 11 ] Deben estar presentes los grandes tamaños de muestra (típicamente cientos de examinados) requeridos por las calibraciones de la TRI. Los ítems deben poder calificarse en tiempo real si se va a seleccionar un nuevo ítem instantáneamente. Se necesitan psicometristas con experiencia en calibraciones de la TRI e investigación de simulación de CAT para proporcionar documentación de validez . Finalmente, debe estar disponible un sistema de software capaz de realizar una CAT basada en la TRI.
En una CAT con límite de tiempo, es imposible para el examinado presupuestar con precisión el tiempo que puede dedicar a cada pregunta y determinar si va al ritmo adecuado para completar una sección cronometrada. Por lo tanto, los examinados pueden ser penalizados por dedicar demasiado tiempo a una pregunta difícil que se presenta al principio de una sección y luego no completar suficientes preguntas para medir con precisión su competencia en áreas que quedan sin evaluar cuando se agota el tiempo. [ 12 ] Si bien las CAT sin límite de tiempo son excelentes herramientas para evaluaciones formativas que orientan la instrucción posterior, las CAT cronometradas no son adecuadas para evaluaciones sumativas de alto impacto utilizadas para medir la aptitud para trabajos y programas educativos.
Componentes
La construcción de una CAT consta de cinco componentes técnicos (la siguiente lista está adaptada de Weiss y Kingsbury, 1984 [ 3 ] ). Esta lista no incluye aspectos prácticos, como las pruebas piloto de los ítems o su lanzamiento en entornos reales.
- Conjunto de elementos calibrados
- Punto de partida o nivel de entrada
- Algoritmo de selección de elementos
- Procedimiento de puntuación
- Criterio de terminación
Conjunto de elementos calibrados
Debe haber un conjunto de ítems disponibles para que la CAT elija. [ 3 ] Dichos ítems pueden crearse de la manera tradicional (es decir, manualmente) o mediante generación automática de ítems . El conjunto debe calibrarse con un modelo psicométrico, que se utiliza como base para los cuatro componentes restantes. Por lo general, se emplea la teoría de respuesta al ítem como modelo psicométrico. [ 3 ] Una razón por la que la teoría de respuesta al ítem es popular es porque coloca a las personas y los ítems en la misma métrica (denotada por la letra griega theta ), lo que es útil para problemas en la selección de ítems (ver más adelante).
Punto de partida
En las pruebas adaptativas computarizadas (CAT), los ítems se seleccionan en función del desempeño del examinado hasta un punto determinado de la prueba. Sin embargo, es evidente que las CAT no pueden realizar una estimación específica de la capacidad del examinado si no se han administrado ítems. Por lo tanto, es necesaria alguna otra estimación inicial de la capacidad del examinado. Si se dispone de información previa sobre el examinado, se puede utilizar [ 3 ] , pero a menudo las CAT simplemente asumen que el examinado tiene una capacidad promedio; de ahí que el primer ítem suela ser de dificultad media.
Algoritmo de selección de elementos
Como se mencionó anteriormente, la teoría de respuesta al ítem sitúa a los examinados y a los ítems en la misma métrica. Por lo tanto, si la prueba adaptativa computarizada (CAT) tiene una estimación de la habilidad del examinado, puede seleccionar el ítem más apropiado para dicha estimación. [ 5 ] Técnicamente, esto se logra seleccionando el ítem con la mayor cantidad de información en ese momento. [ 3 ] La información es una función del parámetro de discriminación del ítem, así como de la varianza condicional y el parámetro de pseudoadivinación (si se utiliza).
Procedimiento de puntuación
Después de administrar un ítem, la CAT actualiza su estimación del nivel de habilidad del examinado. Si el examinado respondió correctamente, es probable que la CAT estime su habilidad como algo mayor, y viceversa. Esto se hace utilizando la función de respuesta al ítem de la teoría de respuesta al ítem para obtener una función de verosimilitud de la habilidad del examinado. Dos métodos para esto son la estimación de máxima verosimilitud y la estimación bayesiana . Esta última asume una distribución a priori de la habilidad del examinado y tiene dos estimadores comúnmente utilizados: la expectativa a posteriori y la máxima a posteriori . La máxima verosimilitud es equivalente a una estimación bayesiana de máxima a posteriori si se asume una distribución a priori uniforme ( f (x)=1). [ 5 ] La máxima verosimilitud es asintóticamente insesgada, pero no puede proporcionar una estimación theta para un vector de respuesta no mixto (todas correctas o incorrectas), en cuyo caso puede ser necesario utilizar temporalmente un método bayesiano. [ 3 ]
Criterio de terminación
El algoritmo CAT está diseñado para administrar repetidamente ítems y actualizar la estimación de la habilidad del examinado. Esto continuará hasta que se agote el banco de ítems, a menos que se incorpore un criterio de terminación al CAT. A menudo, la prueba se termina cuando el error estándar de medición del examinado cae por debajo de un cierto valor especificado por el usuario; de ahí la afirmación anterior de que una ventaja es que las puntuaciones del examinado serán uniformemente precisas o "equiprecisas". [ 3 ] Existen otros criterios de terminación para diferentes propósitos de la prueba, como si la prueba está diseñada solo para determinar si el examinado debe "aprobar" o "reprobar" la prueba, en lugar de obtener una estimación precisa de su habilidad. [ 3 ] [ 13 ]
Otros temas
Aprobado/suspenso
En muchas situaciones, el propósito de la prueba es clasificar a los examinados en dos o más categorías mutuamente excluyentes y exhaustivas . Esto incluye la común "prueba de dominio" donde las dos clasificaciones son "aprobado" y "suspenso", pero también incluye situaciones donde hay tres o más clasificaciones, como niveles de conocimiento o competencia "Insuficiente", "Básico" y "Avanzado". El tipo de CAT "adaptativo a nivel de ítem" descrito en este artículo es más apropiado para pruebas que no son de "aprobado/suspenso" o para pruebas de aprobado/suspenso donde brindar una buena retroalimentación es extremadamente importante. Se requieren algunas modificaciones para una CAT de aprobado/suspenso, también conocida como prueba de clasificación computarizada (CCT) . [ 13 ] Para los examinados con puntuaciones reales muy cercanas a la puntuación de aprobación, las pruebas de clasificación computarizada darán como resultado pruebas largas, mientras que aquellos con puntuaciones reales muy por encima o por debajo de la puntuación de aprobación tendrán exámenes más cortos.
Por ejemplo, se debe aplicar un nuevo criterio de terminación y un algoritmo de puntuación que clasifique al examinado en una categoría en lugar de proporcionar una estimación puntual de la habilidad. Hay dos metodologías principales disponibles para esto. La más destacada de las dos es la prueba de razón de probabilidad secuencial (SPRT). [ 14 ] [ 15 ] Esta formula el problema de clasificación del examinado como una prueba de hipótesis de que la habilidad del examinado es igual a un punto específico por encima del puntaje de corte o a otro punto específico por debajo del puntaje de corte. Nótese que esta es una formulación de hipótesis puntual en lugar de una formulación de hipótesis compuesta [ 16 ] que es más apropiada conceptualmente. Una formulación de hipótesis compuesta sería que la habilidad del examinado está en la región por encima del puntaje de corte o en la región por debajo del puntaje de corte.
También se utiliza un enfoque de intervalo de confianza , donde después de administrar cada ítem, el algoritmo determina la probabilidad de que la puntuación verdadera del examinado esté por encima o por debajo de la puntuación de aprobación. [ 17 ] [ 18 ] Por ejemplo, el algoritmo puede continuar hasta que el intervalo de confianza del 95 % para la puntuación verdadera ya no contenga la puntuación de aprobación. En ese punto, no se necesitan más ítems porque la decisión de aprobado/suspenso ya tiene una precisión del 95 %, suponiendo que los modelos psicométricos subyacentes a la prueba adaptativa se ajustan al examinado y a la prueba. Este enfoque se denominó originalmente "prueba de dominio adaptativa" [ 17 ] pero puede aplicarse a situaciones de selección y clasificación de ítems no adaptativas con dos o más puntuaciones de corte (la prueba de dominio típica tiene una única puntuación de corte). [ 18 ]
En la práctica, el algoritmo suele estar programado con una duración mínima y máxima para la prueba (o un tiempo mínimo y máximo de administración). De lo contrario, un examinado con una habilidad muy cercana a la puntuación mínima podría responder a todas las preguntas del banco sin que el algoritmo tomara una decisión.
El algoritmo de selección de ítems utilizado depende del criterio de terminación. Maximizar la información en el punto de corte es más apropiado para el SPRT porque maximiza la diferencia en las probabilidades utilizadas en la razón de verosimilitud . [ 19 ] Maximizar la información en la estimación de la habilidad es más apropiado para el enfoque del intervalo de confianza porque minimiza el error estándar condicional de medición, lo que disminuye la amplitud del intervalo de confianza necesario para realizar una clasificación. [ 18 ]
Limitaciones prácticas de la adaptabilidad
La investigadora de ETS, Martha Stocking, ha comentado con ironía que la mayoría de las pruebas adaptativas son en realidad pruebas apenas adaptativas (BAT, por sus siglas en inglés) porque, en la práctica, se imponen muchas restricciones a la selección de ítems. Por ejemplo, los exámenes CAT suelen tener que cumplir con las especificaciones de contenido; [ 4 ] un examen verbal puede necesitar estar compuesto por un número igual de analogías, preguntas de completar espacios en blanco y sinónimos. Los CAT suelen tener algún tipo de restricción en la exposición de los ítems, [ 4 ] para evitar que los ítems más informativos se expongan en exceso. Además, en algunas pruebas, se intenta equilibrar las características superficiales de los ítems, como el género de las personas en los ítems o las etnias implícitas en sus nombres. Por lo tanto, los exámenes CAT frecuentemente tienen restricciones en cuanto a los ítems que pueden elegir y, para algunos exámenes, las restricciones pueden ser sustanciales y requerir estrategias de búsqueda complejas (por ejemplo, programación lineal ) para encontrar ítems adecuados.
Un método sencillo para controlar la exposición a los ítems es el método de estratificación o "randomesque" . En lugar de seleccionar el ítem más informativo en cada punto de la prueba, el algoritmo selecciona aleatoriamente el siguiente ítem entre los cinco o diez ítems más informativos. Esto puede utilizarse durante toda la prueba o solo al principio. [ 4 ] Otro método es el método de Sympson-Hetter, [ 20 ] en el que se extrae un número aleatorio de U(0,1) y se compara con un parámetro k i determinado para cada ítem por el usuario de la prueba. Si el número aleatorio es mayor que k i , se considera el siguiente ítem más informativo. [ 4 ]
Wim van der Linden y sus colegas [ 21 ] han propuesto un enfoque alternativo llamado prueba de sombra , que consiste en crear pruebas de sombra completas como parte del proceso de selección de ítems. Seleccionar ítems a partir de pruebas de sombra ayuda a las pruebas adaptativas a cumplir con los criterios de selección al centrarse en opciones globalmente óptimas (en contraposición a las opciones que son óptimas para un ítem dado ).
Multidimensional
Dado un conjunto de ítems, una prueba adaptativa computarizada multidimensional (MCAT) selecciona aquellos ítems del banco según las habilidades estimadas del estudiante, lo que da como resultado una prueba individualizada. Las MCAT buscan maximizar la precisión de la prueba, basándose en múltiples habilidades de examen simultáneas (a diferencia de una prueba adaptativa computarizada – CAT – que evalúa una sola habilidad) utilizando la secuencia de ítems respondidos previamente ( Piton-Gonçalves y Aluísio 2012 ) .
Véase también
- Seguimiento del conocimiento bayesiano
- Evaluación electrónica , también conocida como prueba informatizada : uso de la tecnología de la información en la evaluación.
- Prueba de clasificación computarizada
- Tecnología educativa : uso de la tecnología en la educación para mejorar el aprendizaje y la enseñanza.
- Pruebas lineales sobre la marcha
- Caja de herramientas del NIH : herramienta de evaluación neurológica
- Aprendizaje activo
- Sistema Elo
Referencias
- ↑ "Pruebas adaptadas por computadora | Ciencias de la computación | Iniciadores de investigación | EBSCO Research" . EBSCO . Consultado el 26 de abril de 2026 .
- ↑ "Consejo Nacional de Medición en Educación" . Archivado del original el 22 de julio de 2017.
- 1 2 3 4 5 6 7 8 9 10 11 Weiss , DJ ; Kingsbury, GG (1984). "Aplicación de pruebas adaptativas computarizadas a problemas educativos" . Journal of Educational Measurement . 21 (4): 361– 375. doi : 10.1111/j.1745-3984.1984.tb01040.x .
- 1 2 3 4 5 6 7 8 9 10 Thissen, D.; Mislevy, RJ (2000). "Algoritmos de prueba". En Wainer, H. (ed.). Pruebas adaptativas computarizadas: una introducción . Mahwah, NJ: Lawrence Erlbaum Associates.
- 1 2 3 4 5 Wainer, H.; Mislevy, RJ (2000). "Teoría de respuesta al ítem, calibración y estimación". En Wainer, H. (ed.). Pruebas adaptativas computarizadas: una introducción . Mahwah, NJ: Lawrence Erlbaum Associates.
- ↑ Green, BF (2000). "Diseño y operación de sistemas". En Wainer, H. (ed.). Pruebas adaptativas computarizadas: una introducción . Mahwah, NJ: Lawrence Erlbaum Associates.
- ↑ Véase el "Número especial de 2006 de Applied Measurement in Education" .o "Pruebas multietapa computarizadas" .Para obtener más información sobre MST.
- ↑ Knox, Liam (5 de marzo de 2024). "College Board lanza el SAT digital" . Inside Higher Ed . Recuperado el 10 de marzo de 2024 .
- ↑ "Asociación Internacional para Pruebas Adaptativas Computarizadas (IACAT)" . Archivado del original el 3 de diciembre de 2009.
- ↑ Lawrence M. Rudner. "Un tutorial interactivo en línea sobre pruebas adaptativas por computadora" . EdRes.org/scripts/cat . Archivado del original el 22 de marzo de 2005. Consultado el 13 de enero de 2025 .
- ↑ "Requisitos de las pruebas adaptativas informatizadas" (PDF) . FastTEST Web . Archivado del original (PDF) el 25 de abril de 2012.
- ↑ "Consejo para el GMAT: Cómo adaptarse a un examen adaptativo por computadora" . Bloomberg . 3 de abril de 2013. Archivado del original el 6 de abril de 2013.
- 1 2 Lin, C.-J.; Spray, JA (2000), Efectos de los criterios de selección de ítems en las pruebas de clasificación con la prueba de razón de probabilidad secuencial. (Informe de investigación 2000-8) (PDF) , Iowa City, IA: ACT, Inc., archivado (PDF) del original el 21 de abril de 2015
- ↑ Wald, A. (1947). Análisis secuencial . Nueva York: Wiley.
- ↑ Reckase, MD (1983). «Un procedimiento para la toma de decisiones mediante pruebas personalizadas». En Weiss, DJ (ed.). Nuevos horizontes en las pruebas: teoría de los rasgos latentes y pruebas adaptativas computarizadas . Nueva York: Academic Press. pp. 237-255 . ISBN 0-12-742780-5.
- ↑ Weitzman, RA (1982). "Pruebas secuenciales para la selección" . Medición psicológica aplicada . 6 (3): 337– 351. CiteSeerX 10.1.1.1030.6828 . doi : 10.1177/014662168200600310 . S2CID 122365749 .
- 1 2 Kingsbury, GG; Weiss, DJ (1983). "Un procedimiento para la toma de decisiones mediante pruebas personalizadas". En Weiss, DJ (ed.). Una comparación de las pruebas de dominio adaptativas basadas en la IRT y un procedimiento de pruebas de dominio secuenciales . Nueva York: Academic Press. pp. 257–283 . ISBN 0-12-742780-5.
- 1 2 3 Eggen, TJH M; Straetmans, GJJM (2000). "Pruebas adaptativas computarizadas para clasificar a los examinados en tres categorías" . Medición educativa y psicológica . 60 (5): 713– 734. doi : 10.1177/00131640021970862 . S2CID 64632296 .
- ↑ Spray, JA; Reckase, MD (5–7 de abril de 1994). La selección de ítems de prueba para la toma de decisiones con una prueba adaptativa computarizada (PDF) . Reunión anual del Consejo Nacional de Medición en Educación. Nueva Orleans, LA. Archivado (PDF) del original el 30 de abril de 2015.
- ↑ Sympson, BJ; Hetter, RD (1985). Control de las tasas de exposición a ítems en pruebas adaptativas computarizadas . Conferencia anual de la Asociación de Pruebas Militares. San Diego.
- ↑ van der Linden, WJ; Veldkamp, BP (2004). "Restricción de la exposición a ítems en pruebas adaptativas computarizadas con pruebas de sombra" . Journal of Educational and Behavioral Statistics . 29 (3): 273– 291. doi : 10.3102/10769986029003273 . S2CID 381707 .
Fuentes adicionales
- Drasgow, F.; Olson-Buchanan, JB, eds. (1999). Innovaciones en la evaluación computarizada . Hillsdale, NJ: Erlbaum.
- Piton-Gonçalves, J.; Aluísio, SM (2015). "Teste Adaptativo Computadorizado Multidimensional con propósitos educativos: principios y métodos" . Ensaio: Avaliação e Políticas Públicas em Educação . 23 (87): 389– 414. doi : 10.1590/S0104-40362015000100016 .
- Piton-Gonçalves, J.; Aluísio, SM (2012). Una arquitectura para pruebas adaptativas computarizadas multidimensionales con fines educativos . Nueva York, NY, EE. UU.: ACM. pp. 17–24 . doi : 10.1145/2382636.2382644 .
- Piton-Gonçalves, J. (2020). "Testes adaptativos para el Enade: una aplicación metodológica" . Meta: Avaliação (en portugues). 12 (36): 665– 688. doi : 10.22347/2175-2753v12i36.2735 .
- Van der Linden, WJ; Glas, CAW, eds. (2000). Pruebas adaptativas computarizadas: teoría y práctica . Boston, MA: Kluwer.
- Wainer, H. , ed. (2000). Pruebas adaptativas computarizadas: una introducción (2.ª ed.). Mahwah, NJ: Lawrence Erlbaum Associates.
- Weiss, DJ, ed. (1983). Nuevos horizontes en las pruebas: teoría de rasgos latentes y pruebas adaptativas computarizadas . Nueva York: Academic Press. pp. 237–254 .
Lecturas adicionales
- "Primera prueba adaptativa: la prueba de CI de Binet" . Asociación Internacional para las Pruebas Adaptativas Computarizadas (IACAT) .
- Pruebas adaptativas y análisis de rendimiento . Procedia Computer Science, Conferencia Internacional sobre Tecnologías y Aplicaciones Informáticas Avanzadas (ICACTA).
- Sands, William A.; Waters, Brian K.; McBride, James R., eds. (1997). Pruebas adaptativas computarizadas: De la investigación a la operación . Washington, DC, EE. UU.: Asociación Americana de Psicología. pp. xvii 292. doi : 10.1037/10244-000 .
- Zara, Anthony R (1999). "Uso de pruebas adaptativas computarizadas para evaluar la competencia de enfermería para la obtención de licencias: algunos antecedentes y perspectivas futuras". Advances in Health Sciences Education . 4 (1): 39– 48. doi : 10.1023/A:1009866321381 . PMID 12386434 . S2CID 27771858 .
Enlaces externos
- Asociación Internacional para las Pruebas Adaptativas Computarizadas . Archivado del original el 3 de diciembre de 2009.
- "Concerto: Plataforma CAT de código abierto" . Universidad de Cambridge .
- "FastTest: plataforma CAT con versión gratuita disponible" . ASC.
- Weiss, David J. "CAT Central" . Universidad de Minnesota. Archivado del original el 11 de julio de 2006.
- "Preguntas frecuentes sobre las pruebas adaptativas por ordenador (CAT)" . Universidad de Minnesota . Consultado el 15 de abril de 2005 .
- Rudner, Lawrence L. (noviembre de 1998). "Un tutorial interactivo en línea sobre pruebas adaptativas por computadora" . Archivado del original el 11 de junio de 2005. Recuperado el 15 de abril de 2005 .
- Número especial: Introducción a las pruebas multietapa . Medición aplicada en educación . 19 (3). Archivado del original el 15 de marzo de 2022.
- «Pruebas adaptativas informatizadas» . Washington, D.C.: Centro de Información y Recursos Educativos (Education Resources Information Center Clearinghouse on Tests Measurement and Evaluation). Archivado del original el 4 de diciembre de 2021.
- Psicometría
- exámenes escolares
- Pruebas basadas en computadora
