Vancouver, SCÉÉ 1. Raîche et collab. (2008) Lutilisation des simulations informatisées pour la recherche en éducation Gilles Raîche, UQAM Komi Sodoké, UQAM Jean-Guy Blais, Université de Montréal Martin Riopel, UQAM David Magis, Katholieke Universiteit Leuven Société canadienne détudes en éducation Vancouver, 30 mai 2008

Vancouver, SCÉÉ 2. Raîche et collab. (2008) Introduction Concept de simulation Quelques approches classiques Trois exemples Références et contacts PLAN DE LA PRÉSENTATION

Vancouver, SCÉÉ 3. Raîche et collab. (2008) Présentation des chercheurs –Gilles Raîche, UQAM –Komi Sodoké, UQAM –Jean-Guy Blais, Université de Montréal –Martin Riopel, UQAM –David Magis, Katholieke Universiteit Leuven Présentation du CAMRI Présentation des travaux du CAMRI –Détection des patrons de réponses inappropriés –Tests adaptatifs par ordinateurs –Génération automatisée ditems –Etc. INTRODUCTION

Vancouver, SCÉÉ 4. Raîche et collab. (2008) Reproduction simplifiée dun phénomène –Modélisation dune situation –Dans laquelle on peut manipuler des paramètres –Sans avoir à se méfier de lintervention potentielle de variables parasites Réduction de la réalité –Les interprétations qui en découlent doivent être utilisées avec prudence CONCEPT DE SIMULATION

Vancouver, SCÉÉ 5. Raîche et collab. (2008) Simulations non stochastiques –Manipulation des variables propres à un modèle préalablement spécifié – Observation du résultat de cette manipulation Simulations stochastiques –distribution de probabilité connue (Monte Carliste ) –distribution de probabilité distribution de probabilité connue (empirique) –Techniques de réduction de la variance des estimateurs QUELQUES APPROCHES CLASSIQUES

Vancouver, SCÉÉ 6. Raîche et collab. (2008) Exemple de fenêtre des paramètres (gauche), de graphiques produits et de mesures obtenues (droite) (adapté de Riopel, Raîche, Fournier et Nonnon, 2007) 1) SIMULATION NON STOCHASTIQUE

Vancouver, SCÉÉ 7. Raîche et collab. (2008) Estimateur du niveau dhabileté dans un test adaptatif selon le nombre de questions administrées et quatre valeurs du niveau dhabileté (adapté de Raîche, 2004) 2) SIMULATION TOTALEMENT STOCHASTIQUE Les paramètres ditems sont aussi tributaires des valeurs simulées de la réponse à litem

Vancouver, SCÉÉ 8. Raîche et collab. (2008) Taux de détection des patrons de réponses aberrants lorsque 10 % des questions sont affectées en fonction du niveau de classement réel et de la stratégie adoptée (adapté de Raîche, 2004) 3) SIMULATION PARTIELLEMENT STOCHASTIQUE Les paramètres ditems sont ici ceux du TCALS II et ne sont donc pas simulés. Les réponses inversées ne sont pas stochastiques

Vancouver, SCÉÉ 9. Raîche et collab. (2008) Fang, K.-T., Li, R., & Sudjianto, A. (2006). Design and modeling for computer experiments. Boca Raton, FL: Chapman. Laurencelle, L. (2001). Hasard, nombres aléatoires et méthode Monte Carlo. Ste-Foy, QC: Presses de lUniversité du Québec. Raîche, G. (2004). Le testing adaptatif. Dans R. Bertrand et J.-G. Blais (Dirs) : Modèles de mesure. Lapport de la théorie des réponses aux items. Ste-Foy, QC : Presses de lUniversité du Québec. Raîche, G. et Blais, J.-G. (2003). Efficacité du dépistage des étudiants et des étudiants qui cherchent à obtenir un résultat faible au test de classement en anglais, langue seconde, au collégial. Dans J.-G. Blais et G. Raîche (dir.) : Regards sur la modélisation de la mesure en en éducation et en sciences sociales. Ste-Foy, QC : Presses de lUniversité Laval. Riopel, M., Raîche, G., Fournier, F. et Nonnon, P. (2007). Une approche intégrée de la modélisation scientifique assistée par ordinateur. Aster, 43, RÉFÉRENCES

Vancouver, SCÉÉ 10. Raîche et collab. (2008) Gilles Raîche – Komi Sodoké Jean-Guy Blais – Martin Riopel David Magis CONTACTS