TY - JOUR ID - 39887 TI - انتخاب مدل تشخیصی شناختی مناسب برای آزمون‌های درک مطلب (مورد مطالعه: آزمون کارشناسی ارشد رشته زبان انگلیسی) JO - مطالعات اندازه گیری و ارزشیابی آموزشی JA - EMES LA - fa SN - 2476-2865 AU - رحیمی, ریحانه AU - دلاور, علی AU - یونسی, جلیل AU - نصیری, زهره سادات AD - دانشجوی دکتری سنجش و اندازه گیری، دانشکده روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبائی، ایران AD - استاد گروه سنجش و اندازه‌گیری، دانشکده روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبائی، ایران AD - دانشیار گروه سنجش و اندازه‌گیری، دانشکده روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبائی، ایران AD - کارشناسی ارشد سنجش و اندازه‌گیری، دانشکده روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبائی، ایران Y1 - 2020 PY - 2020 VL - 10 IS - 29 SP - 205 EP - 227 KW - سنجش تشخیصی شناختی KW - ماتریس Q KW - مدل کلی KW - مدل جبرانی KW - مدل غیرجبرانی DO - 10.22034/emes.2020.39887 N2 - سنجش تشخیصی شناختی، نوعی از سنجش آموزشی است که با به‌کارگیری مدل‌های روان‌سنجی به تعیین و تشخیص نارسایی‌های یادگیری کمک می‌کند. با توجه به اینکه مدل‌های زیادی در این زمینه وجود دارد؛ انتخاب یک مدل تشخیصی شناختی مناسب برای تحلیل داده‌ها اهمیت زیادی خواهد داشت. هدف از اجرای پژوهش حاضر، تعیین مدل مناسب برای آزمون‌های خواندن و درک مطلب است. داده‌های مورد بررسی در این پژوهش شامل پاسخنامه 3000 نفر از شرکت‌کنندگان در آزمون سراسری کارشناسی ارشد رشته زبان انگلیسی بوده است که از بین 16044 شرکت‌کننده به صورت ‌تصادفی انتخاب ‌شده‌اند. روش کار به این صورت بود که پس از تشکیل ماتریس Q مدل کلی (G-DINA و LCDM)، دو مدل جبرانی (ACDM و DINO) و دو مدل غیر جبرانی (RRUM و DINA) برای مقایسه در نظر گرفته شدند. ازنظر شاخص برازش ماکزیمم خی-دو هیچ‌یک از مدل‌ها برازش نداشتند؛ ولی در مقابل نتایج شاخص SRMSR نشان داد که همه مدل‌ها برازش قابل قبولی با داده‌ها دارند. در مقایسه بین شاخص‌های برازش نسبی مشخص شد که مدل‌های G-DINA و ACDM برازش بهتر و مدل‌های DINO و DINA برازش ضعیف‌تری نسبت به سایر مدل‌ها دارند. در بررسی شاخص برازش سؤال نیز فقط مدل‌های G-DINA و LCDM با همه سؤال‌ها برازش مطلوبی نشان دادند. UR - https://jresearch.sanjesh.org/article_39887.html L1 - https://jresearch.sanjesh.org/article_39887_3c57dd20e0649d3aeb4294bddeb40b74.pdf ER -