بررسی گستردگی و دشواری زیرمهارت های خواندن و درک مطلب با استفاده از مدل تشخیصی شناختی جی دینا
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 205
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CLLS-14-19_005
تاریخ نمایه سازی: 27 مهر 1400
چکیده مقاله:
چکیدهمهارت خواندن و درک مطلب یکی از مهمترین مهارتهای زبان انگلیسی، به ویژه در سطح آکادمیک می باشد. این مهارت به تنهایی و در کنار مهارتهای دیگر و از زوایای مختلف در حوزه آموزش و همچنین سنجش مورد بررسی قرار گرفته است. یکی از مولفه های مورد تحقیق، در زمینه سنجش آموزشی، زیرمهارتهای ساختاری مهارت خواندن است. آنچه در پژوهش حاضر بررسی می شود نوع، گستردگی و درجه دشواری این زیرمهارتها و همچنین دشواری سوالات با استفاده از مدل تشخیصی شناختی جی دینا[۱] است. سنجش تشخیصی شناختی[۲]، چارچوب نظری جدیدی در حوزه روانسنجی است که بر خلاف مدلهای سنتی سنجش، به جای رتبه بندی آزمودنی ها بر اساس عملکردشان در آزمون، اطلاعاتی در مورد آزمودنی و تسلطش بر زیرمهارتهای یک حوزه و همچنین خود سوالات آزمون ارائه می دهد. به منظور انجام این پژوهش، سوالات بخش خواندن و درک مطلب آزمون ورودی دانشگاه در مقطع کارشناسی ارشد انتخاب شد و زیرمهارتهای آزمون از طریق سه منبع، مطالعات انجام شده قبلی حوزه، تکنیک فکرگویی و همچنین داوری متخصصین حیطه، استخراج گردید. این زیرمهارتها به همراه پاسخنامه های آزمون مورد نظر در بسته جی دینا (Ma & de la Torre, ۲۰۱۷) در نرم افزار برنامه نویسی R تجزیه و تحلیل شدند. چهار زیرمهارت از این آزمون استخراج و در ادامه، دشواری و گستردگی این زیرمهارت ها و پس از آن دشواری برخی سوالات[۳] به روش سنجش تشخیصی شناختی گزارش شد. در پایان، دلایل احتمالی نتایج به دست آمده در مقایسه با دیگر مطالعات این حوزه مورد تحلیل و بررسی قرار گرفت. واژگان کلیدی: مدل تشخیصی شناختی- زیرمهارت- مدل جی دینا- مهارت خواندن و درک مطلب [۱] G-DINA model[۲] Cognitive Diagnostic Assessment[۳] Item Difficulty
نویسندگان
زهرا جاویدان مهر
دانشگاه شهید بهشتی
محمد رضا عنانی سراب
دانشگاه شهید بهشتی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :