英语阅读理解题区分度之浅见

图片发自简书App

题目的区分度(ItemDiscrimination)是指测验题目对考生实际水平的区分程度或鉴别能力,故又称为鉴别度。具有良好区分度的题目能把不同水平的被试区分开来,水平高的得高分,水平低的得低分。

  由于题目区分度的计算依赖于对被试水平的准确测量,所以分析题目的区分度就要有一个参照标准,这个参照标准既可以是外部效标,也可以是测验总分。以测验总分作为考生水平的参照标准为例,即按测验总分把全部考生从高到低依次排列,然后从两极端定出高分组和低分组(如前27%和后27%),再求这两组考生在某一题目上的通过率或得分率,然后计算鉴别指数D,D公式表示为:D=PH-PL。其中,D为鉴别指数,PH为高分组的通过率或得分率,PL为低分组的通过率或得分率。

  区分度一般在-1~+1之间,值越大区分度越好。一般而言,试题的区分度在0.4以上表明此题的区分度很好,0.3~0.39表明此题的区分度较好,0.2~0.29表明此题的区分度不太好需要修改,0.19以下表明此题的区分度不好应淘汰。

  计算区分度的方法很多,各种方法在含义上略有差别。例如,在一些大规模考试中,经常以题目得分与总分的相关系数作为题目区分度的指标,相关系数越高,题目的区分度越好。由于分析区分度可以采用不同的方法,以不同的数量指标来表示,所以,在分析同一个测验时,各个题目的区分度要采用同一种数量指标来表示,通过比较来确定题目的鉴别力。当然,也可以同时使用多种方法,以相互验证。

  题目的区分度与难度有密切的关系,一般而言,题目的难度过大或过小,区分度会比较低。题目的区分度与测验的信度也有密切的关系,整个测验中题目的区分度平均数越大,测验的信度越高。

  与题目的难度一样,区分度也是以某一群体为被试计算的,受所选群体的同质性影响。如果被试的差异很小,一个区分能力很强的题目的区分度指标可能很低;如果被试的差异很大,一个区分能力很差的题目的区分度指标也可能很高。

英语阅读理解试题区分度如何简易达成

第一

选文。通过文本词数的多少,文本常用词汇和非常用词汇以及陌生词汇比例的控制,通过文本语言结构复杂程度的控制来大致控制文本的区分度,同时还要注意的是文本内容与不同学段学生认知域的相关度有多高。还有文本所传递的思维能力要求的高低等

第二

通过题目数量来控制区分度,一般来说数量多,单位时间思考试题的分配就少

第三

题干提示相关程度来控制区分度,题干设置信息是否更加靠近备选答案信息,题干提示信息角度对于文本阅读的精浅程度,题干信息的隐性信息传递程度等

第四

干扰项的对于学生阅读误判程度的体现,不同程度的误判预测体现的区分度会不同,同时尽量避免没有区分关联的常识干扰项的出现,误判是指学生在阅读文本过程中因为不同阅读能力而可能出现的错误阅读结果的判断

第五

正确选项与题干信息结合的紧密程度以及其与文本阅读的吻合程度

第六

多篇阅读的整体区分度由每一篇阅读的区分度叠加而成,每一篇阅读的区分度由每一小题的具体设置构成

以上是针对英语阅读理解命题的可能区分度的简易分析

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349

推荐阅读更多精彩内容