es:manual:test:adaptativo
Diferencias
Muestra las diferencias entre dos versiones de la página.
Ambos lados, revisión anteriorRevisión previaPróxima revisión | Revisión previa | ||
es:manual:test:adaptativo [2022/05/28 20:31] – [Adaptaciones basadas en la Teoría de Respuesta al Ítem discreta] root | es:manual:test:adaptativo [2022/05/29 17:10] (actual) – [Adaptaciones basadas en la Teoría de Respuesta al Ítem discreta] root | ||
---|---|---|---|
Línea 154: | Línea 154: | ||
El método basado en la función de información es tambien equivalente a los anteriores, ya que la función de información viene a ser la inversa de la varianza. La única diferencia en este caso es que en vez de buscar el menor valor, se busca la pregunta que tenga un mayor valor de la función de información para el nivel de conocimientos actual del alumno, es decir: | El método basado en la función de información es tambien equivalente a los anteriores, ya que la función de información viene a ser la inversa de la varianza. La única diferencia en este caso es que en vez de buscar el menor valor, se busca la pregunta que tenga un mayor valor de la función de información para el nivel de conocimientos actual del alumno, es decir: | ||
- | Supongamos que el alumno tiene actualmente una distribución de su nivel de conocimiento $$p(\theta, | + | Supongamos que el alumno tiene actualmente una distribución de su nivel de conocimiento $$p(\theta, |
- | Para cada pregunta y cada una de las opciones de respuesta la función de información viene dada por la fórmula $$I_i(\theta) = \frac{(\frac{\partial(p(\theta))}{\partial \theta})^2}{p(\theta)(1-p(\theta))}$$ | + | Para cada pregunta y cada una de las opciones de respuesta la función de información viene dada por la fórmula $$I_i(\theta) = \frac{1}{\sigma_i^2(\hat\theta|\theta)}$$ |
- | Una vez obtenida la función de información de los $N$ ítems solo es necesario escoger el ítem $P_i$ que de un valor máximo para la función de información para el nivel de conocimiento estimado $\hat{\theta}$, | + | Una vez obtenida la función de información de los $N$ ítems solo es necesario escoger el ítem $P_i$ que de un valor máximo para la función de información para el nivel de conocimiento estimado $\hat{\theta}$, |
Línea 170: | Línea 170: | ||
=== Basado en la función de información === | === Basado en la función de información === | ||
- | En este caso, el cálculo de la función de información se hace en función de los parámetros de las curvas características, | + | En este caso, el cálculo de la función de información se hace en función de los parámetros de las curvas características, |
- | en donde $a_i$ es el parámetro de discrimición y $c_i$ el de adivinanza. | + | en donde $D$ es una constante cuyo calor es 1.702 que hace que la función logística se aproxime mejor a la distribución normal; |
es/manual/test/adaptativo.txt · Última modificación: 2022/05/29 17:10 por root