Présentation d'un outil logiciel pour soutenir la détection des tentatives de fraudes lors de l'évaluation des apprentissages Sébastien Béland (UQAM) Gilles.

Slides:



Advertisements
Présentations similaires
Logiques spatiales et intercommunalité
Advertisements

1 Lentente sur la semaine régulière de travail des enseignantes et des enseignants des commissions scolaires.
La demande dessence au Canada Analyse de la stabilité de lélasticité-prix et revenu dans le temps. Vendredi le 11 février 2011, GREEN-CDAT, Université
Analyse d’items Ensemble de procédés statistiques dont le but est d ’évaluer la qualité d’un instrument de mesure et des items qui le composent. Ensemble.
Le Centre international détudes pédagogiques CIEP Ministère de lEducation nationale Quand les psychométriciens sen mêlent… Patrick Riba.
Stage des directeurs de Chelles - M.G. - décembre 2005 Présentation de GIBII.
Tests et Validation du logiciel
Le CLUB Crée en octobre 1965 Charte remise le 13 mars 1971 à AMIENS
Introduction à l’Algorithmique
- I - Les Classifications de l’O.M.S.
POL3140 Psychologie politique
La transmission des langues ancestrales
HISTORIQUE ET DONNÉES STATISTIQUES DE LINDEXATION Mis à jour le
JXDVDTEK – Une DVDthèque en Java et XML
Présentation de l’application « Livret personnel de compétences »
Scoring Séance II.
Diffusion Nationale TOULOUSE -Mars 2006 Structure et Services « STS » Les échanges.
Inspection générale de lEducation nationale LENSEIGNEMENT DU PORTUGAIS EN FRANCE EN octobre 2012.
RENCONTRE ANNUELLE 2009 Des rapports DISCO avec SOPHIA ! (un avant-goût de la formation) Présenté par : André Daigle.
Introduction à la programmation (420-PK2-SL) cours 15 Gestion des applications Technologie de linformation (LEA.BW)
40 ANS DE CHOEUR On a 5 ans! Concert du 5 ième anniversaire. Le chef chante.
L’ÉVALUATION DANS UN CONTEXTE D’APPROCHE PAR COMPÉTENCES
Ne pas cliquer, défilement automatique
LUTILISATION DES COURS EN LIGNE Atelier SOFAD - Commissions scolaires Pierre Giguère et Jean-Simon Labrecque 2 novembre 2011.
Le LabUQAM, un dispositif technologique pour la recherche sur l'apprentissage ouvert en sciences Patrice Potvin & Martin Riopel.
Les types d’évaluation pédagogique dans un système d’enseignement/apprentissage La littérature foisonne de typologie d’évaluation dans un système d’enseignement/apprentissage.
Directeur de thèse : Jean PHILIPPE Co-directeur de thèse : Quan LE
Zone de rejet et scoring
Recherche d’un thème de projet Identification d’un besoin
Présentation de lapplication Livret personnel de compétences.
Chine Par: Patricia EtChelsey Plus DInformation Chine est près de MongoliaChine est près de Mongolia Plus de 1.2 milliards personnesPlus de 1.2 milliards.
Transformations et transitions
Champs de Markov cachés pour la classification de gènes..
A quoi lévaluation diagnostique (CE2 - 6 e ) peut-elle bien servir dans la formation des maîtres ?
La mise à lessai dune plate-forme dévaluation sur mesure : webQuiz Komi SODOKÉ Martin RIOPEL Université du Québec à Montréal ACFAS – Université McGill.
Vancouver, SCÉÉ 1. Raîche et collab. (2008) Lutilisation des simulations informatisées pour la recherche en éducation Gilles Raîche, UQAM Komi Sodoké,
Mesurer la performance des entreprises de développement local Par Maxime Simoneau Juin 2002.
La détection des patrons de réponse inappropriés dans le contexte des tests adaptatifs par ordinateur Gilles Raîche, UQAM Jean-Guy Blais, Université de.
Analyse des patrons de réponses inappropriés dans les bases de données pour la recherche en sciences humaines et sociales Gilles Raîche, UQAM Jean-Guy.
Lévaluation de la compétence en anglais, langue seconde, au collégial par le TCALS-II Christian Démoré, Gilles Raîche et François Vigneau Université de.
Etape « 6. Correction et discussion »
Macro-régulation dans le contexte du cycle de construction dune évaluation des apprentissages.
07/06/ Le génie en première classe Offrir des consultations et de laide en vue de lamélioration de lenseignement et, à terme, contribuer à lamélioration.
Dette des étudiants de premier cycle universitaire au Canada, de 1990 à 2005
Chronologie Par: Julie-Ann Michaud Classe: 8e B.
CDS - 2 mars 2006 Améliorer la maîtrise du français des étudiants de 1er bac. en médecine et dentisterie dans le cadre du MIT.
CDS - 9 février 2011 Améliorer la maîtrise du français des étudiants de 1er bac. en médecine et dentisterie dans le cadre du MIT.
STT-3220 Méthodes de prévision Section 2 Modèle avec deux variances inconnues: Méthode reposant sur un test préliminaire Version: 21 janvier 2008.
Portfolio europeo delle linguePortfolio europeic da linguas Europäisches Sprachenportfolio Portfolio européen des langues European language portfolio Lintroduction.
Estimation de la valeur génétique du Pur-Sang Anglais en République Tchèque Franey Anne Frisée Vincent Vanloocke Denis.
Masters IIGLI et IGLII – Programmation générique et conception objet – – Claude Montacié 1 Cours n° 4 Polymorphisme II.
Modélisations et applications de la théorie de la réponse à l’item
IA IPR Académie de Rennes L’algorithmique une nouveauté ? Regard sur les programmes et les ressources ; quelques pistes.
JOYEUX ANNIVERSAIRE MAITRESSE
Réforme depuis les années 80. Les réformes réalisées depuis 1980 : le primaire Pour améliorer ses résultats dans le premier degré, l’éducation nationale.
Je suis né en 2010 Je suis né en 2009 Je ne sais pas nager Je dois passer un test à la rentrée Je suis né en 2008 Je suis né en 2007 Je suis né en 2006.
Les tests adaptatifs en langue: quel est leur avenir ? Michel D. LAURIER Université de Montréal Colloque ACFAS 2006 Solutions apportées et problèmes engendrés.
Mathématiques Université en ligne. Les modules de mathématiques disponibles Trois types de modules ➢ Modules de transition entre lycée et université ➢
Tutorat en bio-informatique
Fusion de paramètres en classification Parole/Musique Julie Mauclair – Equipe Parole Julien Pinquier – Equipe SAMoVA.
Classe de 5 ème - Collège Charles-Péguy Calculez :  1 er calcul :
Classe de 6 ème – Collège Charles-Péguy Bobigny Trouvez le nombre manquant en utilisant les tables de multiplication :  6 x __ = 36  1 er calcul :
CDS - 8 février 2007 Améliorer la maîtrise du français des étudiants de 1er bac. en médecine et dentisterie dans le cadre du MIT.
Collège Pierre Brossolette-Brionne
dIDACTIQUE III UNITÉ II: L’évaluation en fle
Scripts et fonctions Instructions de contrôle
Catherine Leduc, conseillère d’orientation
Utilisation du logiciel EduStat © Analyse classique d’items Compilations.
CONSEILS POUR LA REDACTION NA 2012/ Le mémoire de M2 n’est pas un rapport de stage: il doit développer une problématique en liaison avec vos missions.
Transcription de la présentation:

Présentation d'un outil logiciel pour soutenir la détection des tentatives de fraudes lors de l'évaluation des apprentissages Sébastien Béland (UQAM) Gilles Raîche (UQAM) David Magis (U. Liège) Martin Lesage (UQAM) ADMÉE Canada Jeudi 26 novembre 2009

Plan 1. Mise en contexte. 2. Classification des indices. 2.1 Indices non-paramétriques. 2.2 Indices paramétriques. 3. Le programme personFitR. 4. Un exemple dapplication. 5. Discussion.

1. Mise en contexte 75% des étudiants américains ont déjà triché (Hutton, 2006). 78% des enseignants au collégial croient que leurs étudiants ne répondent pas correctement aux tests (Laurier, Froio, Pearo et Fournier, 1998).

1. Que peut-on faire pour prévenir ce type de comportement/stratégie? Avoir plusieurs surveillants au sein dune classe. Avoir des locaux bien éclairés. Répéter le même item sous différentes formes afin de vérifier la consistance des réponses dun sujet. Etc.

1. Indices de détection de patrons de réponses inappropriés Indice de détection {0,0,1,1,1,0,0,1,1} Résultat du calcul

2. Classification des indices Selon Meijer et Sijtsma (2001) et Karabatsos (2003), il existe 2 grandes catégories dindices: Indices paramétriques (découlant de la théorie de la réponse aux items). Indices non-paramétriques (ne découlant pas de la théorie de la réponse aux items).

G=Σ0(1-0)+1(1-0)+1(1-0) 2.1 Indices non-paramétriques: un exemple 2 erreurs de Guttman Patron de réponses ordonné dun sujet = {001} Guttman (1944, 1950)

2.2 Indices paramétriques Où θ est un paramètre dhabileté de la personne a i un paramètre de discrimination de litem b i un paramètre de difficulté de litem c i un paramètre de pseudo-chance de litem Cette catégorie dindices est basée sur la probabilité de bonne réponse dun étudiant à un item.

2.2 Indices paramétriques: un exemple Levine et Rubin (1979) Drasgow, Levine et Williams (1985)

3. Malheureusement, il existe peu de logiciels qui intègrent ce genre dindices WPerfit (Ferrando et Lorenzo, 2000) Lz, ECIz2 et ECIz4 Package ltm (Rizopouloz, 2009) Lz Webdétecte (Raîche, 2005) Lz

3. personfitR: 27 indices Indices non-paramétriques Indices paramétriques GGuttman (1944, 1950)UWright et Stone (1979) G*Van Der Flier (1977)lnUWright (1980) NCITatsuoka et Tatsuoka (1982)ZUWright et Stone (1979) CSato (1975)WWright (1980) MCIHarnisch et Linn (1981)lnWWright (1980) rbisDonlon et Fischer (1968)ZUWright et Stone (1979) LoLevine et Rubin (1979) Lz Drasgow, Levine et Williams (1985) M Molenaar et Hoijtink (1990) ECITatsuoka (1984) ZetaTatsuoka (1996) SfitFerrando (2004) Cfit et Dfit Blais, Raîche et Magis (2009)

3. personFitR: commentaires préliminaires Le programme utilise uniquement des matrices de données dichotomiques. Le traitement des données manquantes doit se faire a priori. Il est possible dutiliser les modèles logistiques 1PL, 2PL et 3PL dans le cas des indices paramétriques.

3. Structure théorique de personfitR Fonction perfitFull Indice… Fonction perfit Indice…

perfitFull( index=Lz, data, subject=1:nrow(daa), it=NULL, model= 1PL, method=ML ) 3. personFitR: la commande principale

perfitFull( index=Lz, data, subject=1:nrow(data), it=NULL, model=1PL, method=ML ) index Choix de un ou plusieurs indice(s).

3. personFitR: la commande principale perfitFull( index="Lz", data, subject=1:nrow(data), it=NULL, model="1PL", method="ML ) data Nom de la matrice à analyser.

3. personFitR: la commande principale perfitFull( index=Lz, data, subject=1:nrow(data), it=NULL, model=1PL, method=ML ) subject Possibilité dobtenir le score de lindice pour un ou plusieurs sujets particuliers. Il est à noter que les sujets sont tous sélectionnés par défaut.

3. personFitR: la commande principale perfitFull( index="Lz", data, subject=1:nrow(data), it=NULL, model="1PL", method="ML ) It=NULL Cet argument est la matrice des paramètres ditems. Dans le cadre de personFitR, nous faisons un appel au programme-logiciel difR pour faire lestimation. Ici, on peut lestimer les items (par défaut).

3. personFitR: la commande principale perfitFull( index="Lz", data, subject=1:nrow(data), it=NULL, model="1PL", method="ML ) model="1PL", Lutilisateur peut sélectionner le modèle 1PL, 2PL ou 3PL.

3. personFitR: la commande principale perfitFull( index=Lz, data, subject=1:nrow(data), it=NULL, model=1PL", method=ML ) method="ML Lutilisateur doit sélectionner une méthode destimation de lhabileté suivante: ML, MAP et WLE.

4. Un exemple Données Test de classement en anglais-langue seconde passé à 1373 étudiants du Collège de lOutaouais (1998). 85 items divisés en 8 sous-tests.

4. Un exemple: Lo Statslz <- perfitFull(index="Lo",x, model=2PL",method="MAP")

5. Discussion Extensions futures Implémentation de Lz* (Snijders, 2001). Possibilité dutiliser le 4PL. Possibilité de fixer la valeur de la pseudo- chance. Ajout dautres indices.

Merci de votre attention!!!