دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Gregory J. Cizek, James A. Wollack سری: Educational Psychology Handbook ISBN (شابک) : 1138821802, 1317588096 ناشر: Routledge سال نشر: 2016 تعداد صفحات: 530 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب کتاب راهنمای روشهای کمی برای تشخیص تقلب در آزمونها: تقلب (آموزش)، پیشگیری، روش شناسی، تقلب (آموزش)، پیشگیری، روش های آماری، آزمون ها و اندازه گیری های آموزشی، آموزش، مدیریت، عمومی، آموزش، سازمان ها و موسسات
در صورت تبدیل فایل کتاب Handbook of quantitative methods for detecting cheating on tests به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کتاب راهنمای روشهای کمی برای تشخیص تقلب در آزمونها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
اتکای فزاینده به آزمون در آموزش و پرورش آمریکا و دریافت مجوز و گواهینامه با تشدید تقلب در آزمون ها در همه سطوح همراه شده است. راهنمای روشهای کمی برای تشخیص تقلب در آزمونها که توسط دو تن از برجستهترین متخصصان این موضوع ویرایش شده است، خلاصهای جامع از پزشکی قانونی دادههای پیچیدهتر را ارائه میدهد که برای بررسی اینکه آیا تقلب رخ داده است یا خیر. این جلد که برای پزشکان، متخصصان آزمایش و محققان در آزمایش، اندازهگیری و ارزیابی نوشته شده است، بر این ادعا استوار است که شواهد آماری اغلب به یک جهش استنتاجی کمتری نیاز دارند تا به این نتیجه برسیم که تقلب اتفاق افتاده است تا سایر منابع شواهد رایجتر.
این کتاب راهنما در بخشهایی سازماندهی شده است که تقریباً با انواع تهدیدات مربوط به آزمون منصفانه که توسط اشکال مختلف تقلب نشان داده میشوند، مطابقت دارد. در بخش اول، ویراستاران اصول و اهمیت تقلب را تشریح میکنند و مجموعه دادههای رایجی را معرفی میکنند که روشهای تشخیص تقلب نویسندگان فصل برای آنها اعمال شده است. مشارکتکنندگان در بخش دوم، روشهایی را برای شناسایی تقلب از نظر شباهت غیرمحتمل در پاسخهای آزمون، آگاهی از قبل و محتوای آزمون به خطر انداخته، و دستکاری آزمون توصیف میکنند. فصلهای بخش III بر سیاست و پیامدهای عملی استفاده از روشهای تشخیص کمی تمرکز دارند. ترکیبی از فصول روششناختی و همچنین خلاصهای کلی، نتیجهگیری و گامهای بعدی برای این حوزه، جنبههای کلیدی بخش پایانی هستند.
The rising reliance on testing in American education and for licensure and certification has been accompanied by an escalation in cheating on tests at all levels. Edited by two of the foremost experts on the subject, the Handbook of Quantitative Methods for Detecting Cheating on Tests offers a comprehensive compendium of increasingly sophisticated data forensics used to investigate whether or not cheating has occurred. Written for practitioners, testing professionals, and scholars in testing, measurement, and assessment, this volume builds on the claim that statistical evidence often requires less of an inferential leap to conclude that cheating has taken place than do other, more common sources of evidence.
This handbook is organized into sections that roughly correspond to the kinds of threats to fair testing represented by different forms of cheating. In Section I, the editors outline the fundamentals and significance of cheating, and they introduce the common datasets to which chapter authors' cheating detection methods were applied. Contributors describe, in Section II, methods for identifying cheating in terms of improbable similarity in test responses, preknowledge and compromised test content, and test tampering. Chapters in Section III concentrate on policy and practical implications of using quantitative detection methods. Synthesis across methodological chapters as well as an overall summary, conclusions, and next steps for the field are the key aspects of the final section.
Content: Exploring Cheating on Tests : The Context, the Concern, and the Challenges / Gregory J. Cizek and James A. Wollack --
Similarity, Answer Copying, and Aberrance : Understanding the Status Quo / Cengiz Zopluoglu --
Detecting Potential Collusion among Individual Examinees using Similarity Analysis / Dennis D. Maynes --
Identifying and Investigating Aberrant Responses Using Psychometrics-Based and Machine Learning-Based Approaches / Doyoung Kim, Ada Woo, and Phil Dickison --
Detecting Preknowledge and Item Compromise : Understanding the Status Quo / Carol A. Eckerly --
Detection of Test Collusion using Cluster Analysis / James A. Wollack --
Detecting Candidate Pre-knowledge and Compromised Content using Differential Person and Item Functioning / Lisa O'Leary and Russell Smith --
Identification of Item Preknowledge by the Methods of Information Theory and Combinatorial Optimization / Dmitry Belov --
Using Response Time Data to Detect Compromised Items and/or People / Keith A. Boughton, Jessalyn Smith and Hao Ren --
Detecting Erasures and Unusual Gain Scores : Understanding the Status Quo / Scott Bishop and Karla Egan --
Detection of Test Tampering at the Group Level / James A. Wollack and Carol A. Eckerly --
A Bayesian Hierarchical Linear Model for Detecting Aberrant Growth at the Group Level / William P. Skorupski, Joe Fitzpatrick and Karla Egan --
Using Nonlinear Regression to Identify Unusual Performance Level Classification Rates / J. Michael Clark, William P. Skorupski and Stephen Murphy --
Detecting Unexpected Changes in Pass Rates : A Comparison of Two Statistical Approaches / Matthew N. Gaertner and Yuanyuan Z. McBride --
Security Vulnerabilities Facing Next Generation Accountability Testing / Joseph Martineau, Daniel Jurich, Jeffrey B. Hauger, and Kristen Huff --
Establishing Baseline Data for Incidents of Misconduct in the NextGen Assessment Environment / Deborah J. Harris and Chi-Yu Huang --
Visual Displays of Test Fraud Data / Brett P. Foley --
The Case for Bayesian Methods when Investigating Test Fraud / William P. Skorupski and Howard Wainer --
When Numbers Are Not Enough : Collection and Use of Collateral Evidence to Assess the Ethics and Professionalism of Examinees Suspected of Test Fraud / Marc J. Weinstein --
What We Have Learned? / Lorin Mueller, Yu Zhang and Steve Ferrara --
The Future of Quantitative Methods for Detecting Cheating : Conclusions, Cautions, and Recommendations / James A. Wollack and Gregory J. Cizek.