Inicio
todoELE
  • Inicio
  • Materiales
    • πŸ“‹ Actividades
    • πŸ“ Conjugación
    • πŸ“Š Corpus
    • πŸ“” Diccionarios
    • βœ… Evaluación
    • βš™οΈ Gramática
    • πŸ“— Manuales
    • ✍️ Ortografía
    • πŸ“… Programación
    • πŸ—£οΈ Pronunciación
    • πŸ“ Recursos
    • πŸ”€ Vocabulario
  • Formación
    • πŸ“š Bibliografía
    • πŸ‘₯ Congresos
    • πŸŽ“ Cursos
    • 🏫 Centros
    • 🏒 Organizaciones
    • πŸ“° Revistas
    • 🌍 Atlas de ELE
  • Trabajo
    • πŸ’Ό Ofertas de trabajo
    • ℹ️ Trabajo - Recursos
  • En la red
    • 🌐 Sitios ELE
    • πŸ“° Agregador
    • πŸ“§ Formespa
  • Tecnología
    • πŸ’» Herramientas digitales
  • Comunidad
    • πŸ“° Actualidad ELE
    • 😊 Anécdotas ELE
    • πŸ“ Blog
    • πŸ“ŒTablón de anuncios
  • Buscar

Ruta de navegación

  • Inicio
  • πŸ“š Bibliografía
  • Improving Spanish classroom assessment via logistic regression: lessons from the Rasch model

Improving Spanish classroom assessment via logistic regression: lessons from the Rasch model

Glen H. Wallace
2020
Journal of Spanish Language Teaching
7-1
51-63
https://www.tandfonline.com/doi/full/10…
artículo
evaluación
investigación
análisis de exámenes

Each year in the United States, hundreds of thousands of undergraduate students enroll in introductory Spanish courses. For many students, passing these classes is a prerequisite for graduation. Consequently, it is imperative that the exams used in these courses are of the highest possible quality. For decades, the Rasch model (a special case of logistic regression) has been used to evaluate high-stakes language assessment, but has rarely been applied to exams used in classrooms. The current study employs the Rasch model to evaluate a midterm exam administered in the fourth week of an introductory Spanish class (n = 399 across 17 sections). This model identifies which questions best evaluate students at different proficiency levels and shows that the test reliably assigns scores near the pass-fail cutoff. The results of this study suggest that for this sample, items testing article-noun agreement were the most appropriate for the average student.

---------------------

Cada año en EE.UU. cientos de miles de estudiantes universitarios se matriculan en clases de español LE/L2 de nivel elemental. Para muchos estudiantes aprobar estas clases es un requisito para la graduación. Por lo tanto, resulta imprescindible que los exámenes sean de la mejor calidad posible. Durante décadas, se ha usado el modelo de Rasch para evaluar exámenes estandarizados. No obstante, dicho modelo apenas se ha empleado con exámenes de clase. Este estudio toma como base el modelo de Rasch para evaluar un examen de una clase de español elemental (n = 399 en 17 secciones). El modelo indica qué preguntas sirven para evaluar mejor a los estudiantes con diferentes niveles de competencia y demuestra que este tipo de examen puede identificar de manera fiable a los estudiantes con el riesgo de suspender. Los resultados del estudio sugieren que, a partir de la muestra analizada, las preguntas sobre la concordancia entre artículo y sustantivo son las más apropiadas para el estudiante medio.

  • Inicie sesión para enviar comentarios

Enviar publicación

Contenidos relacionados

  • Spanish in the New Gaokao: insights from Shanghai's Chinese National Matriculation Test
  • Shortcomings and challenges in the intersection of L2 pedagogy and applied cognitive linguistics. A case study of the Spanish simple pasts
  • Can ChatGPT score ESL writing? A correlation analysis between teacher and GenAI scores
  • Does L2 assessment make a difference? Testing the empirical validity of applied cognitive linguistics in the acquisition of the Spanish/L2 psych-verb construction
  • La confiabilidad de los evaluadores de la prueba escrita de un examen de certificación de español con fines académicos
  • Applying control-value theory for examining multiple emotions in L2 classrooms: Validating the Achievement Emotions Questionnaire – Second Language Learning
Sobre Todoele Índice Publica Contacto: todoele@gmail.com
Política de privacidad Créditos