Att mäta studenters kunskaper i onlinekurser innebär ett antal utmaningar. Forskare från Higher School of Economics och University of Leuven gjorde förbättringar av modellen för att bedöma akademiska prestationer och publicerade sina resultat i tidskriften Heliyon .

Flera systemiska faktorer gör det svårt för utvecklarna av onlinekurser att bedöma studenternas skicklighet korrekt. Först, de genomsnittliga 10 till 15 testfrågorna är för få för att ge ett korrekt och tillförlitligt mått på kunskap. Andra, användningen av flervalsfrågor leder till gissningar och en förvrängning av resultaten. Tredje, frekvent användning av samma uppsättning korrekta svar som ett mått på skicklighet gör det svårt att jämföra elever när provet uppdateras till och med lite.

Forskare från Higher School of Economics och University of Leuven lyckades lösa dessa problem genom att utöka den klassiska Rasch-modellen med ytterligare parametrar.

"Först, vårt utökade tillvägagångssätt inkluderar effekten av flera försök, gör det möjligt att skilja mellan elever som gissar och de som vet svaren, " sade HSE-center för psykometri i eLearning-chef Dmitry Abbakumov. "För det andra, eftersom kunskapsmåtten som erhålls med detta utökade tillvägagångssätt uttrycks på en enda skala, de kan jämföras, även när testfrågorna ändras avsevärt. Och slutligen, vi beräknar mätvärden inte bara baserat på testresultat, men också genom att ta hänsyn till elevens erfarenhet – deras aktivitet när de tittar på videor och prestationer i praktiska sessioner – vilket ger en mer omfattande förståelse av elevens kompetens."

I framtiden, det tillvägagångssätt som forskarna föreslagit skulle kunna användas i bedömningsmotorer på utbildningsplattformar för att få mer exakta mätningar av elevernas kunskaper. Och måtten kan byggas in i navigerings- och rekommendationslösningarna inom digital utbildning.