La información sobre el conjunto de sesiones seleccionadas se presenta de forma gráfica para proporcionar al profesor una visión rápida del proceso de evaluación. Los datos se muestran en las pestañas “Frecuencias absolutas”, “Frecuencias relativas”, “Función de información” y “Tiempo de realización” de la sección Analizador.

Cualquier test con un número finito de ítems siempre dará unos valores discretos. Por ejemplo un test con 10 ítems dicotómicos de evaluación porcentual solo podrá resultar en un once valores 0%, 10%, 20% hasta 100%. Sin embargo, cuando la evaluación de los ítems es mas fina o hay muchos ítems, la combinación de valores da lugar a números que se asimilan a un valor real.

En el caso de la teoría de respuesta al ítem, al utilizar curvas características contínuas se obtienen valores reales en el intervalo $[-\infty, +\infty]$, aunque en la práctica se considera el intervalo $[-3,+3]$.

Siette esta diseñado desde un principio para trabajar con un número relativamente pequeño de valores discretos, en los que se resumen las puntuaciones de los test. Estos intervalos equivalen constituyen un conjunto de clases ordenadas en las que se coloca a cada uno de los alumnos. De esta forma, la tarea de Siette consiste en “clasificar” a los alumnos dependiendo de sus resultados en el test, lo que da cabida al uso de diversas técnicas de clasificación basadas en Inteligencia Artificial, como las redes neuronales, los árboles de decisión o la clasificación bayesiana ¹⁾.

Esta clasificación facilita en cierta forma la toma de decisiones. Por ejemplo, podrían establecerse solo dos clases como resultado de un test “Suspenso” o “Aprobado”. Para muchas otras aplicaciones es conveniente incrementar el número de clases, aunque siguen siendo necesarias, por ejemplo si el resultado del test determina una acción tutorial, un refuerzo específico o una asignación a un grupo determinado ²⁾

En la sección Analizador, en la pestaña Frecuencias absolutas, se muestra la distribución del test discretizada según el número de niveles del test. Los valores del eje de abscisas corresponden a la “marca de clase” o valor medio del intervalo.

Debajo de este gráfico se muestran los valores de la distribución, es decir el número de alumnos que ha terminado el test en cada nivel de conocimiento.

Si se modifica el número de niveles de conocimiento del test, o bien se modifican los criterios de selección o filtrado de sesiones será necesario recargar la información del analizador para actualizarla.

En la pestaña Frecuencias relativas, se utiliza una discretización mucho más fina (50 valores), es decir mas parecida al caso contínuo. Sobre esta distribución se muestra también el ajuste de una función de Gauss (normal), lo que permite apreciar a simple vista si la distribución empírica se asemeja o no a la normal.

La función de información de un test se define como la suma de las funciones de información de cada uno de los $N$ ítems del test: $$I(\theta) = \sum_{i=0}^N (I(\theta_i))$$ .

La función de información de un ítem se define como: $$I_i(theta)\frac{\left(\frac{\partial P_i(\theta)}{\partial \theta}\right)^2}{P_i(\theta)}$$