Language
Country/Area
No result found
Kebijaksanaan Pengujian: Mengapa Pengujian Adaptif Komputer (CAT) Lebih Efektif Daripada Ujian Tradisional?
Seiring dengan kemajuan teknologi yang pesat, bentuk-bentuk ujian pendidikan juga berkembang. Ujian adaptif komputer (CAT), sebagai alat penilaian yang baru muncul, secara bertahap telah menggantikan ujian tradisional di banyak bidang dan telah menunjukkan keuntungan yang signifikan. Bagaimana memastikan validitas ujian dan memungkinkan kandidat memperoleh penilaian yang lebih akurat dalam ujian telah menjadi masalah yang menjadi perhatian umum bagi para pendidik dan perancang ujian.
Keuntungan utama dari ujian adaptif komputer adalah dapat secara otomatis menyesuaikan tingkat kesulitan dan jenis pertanyaan berdasarkan kinerja peserta ujian, sehingga meningkatkan keakuratan dan efisiensi ujian.
Ujian kategorisasi berbasis komputer (CCT) adalah sistem penilaian kinerja yang dikelola komputer yang dirancang untuk mengkategorikan peserta ujian. Bentuk CCT yang paling umum adalah "ujian penguasaan" di mana kandidat diklasifikasikan ke dalam dua kategori: "lulus" atau "gagal", namun istilah tersebut juga dapat merujuk pada klasifikasi kandidat ke dalam lebih dari dua kategori.
Cara kerja tes ini sangat mirip dengan CAT. Soal-soal tes disajikan kepada peserta tes satu per satu. Setelah kandidat menjawab pertanyaan, komputer akan segera memberi skor dan menentukan apakah kandidat dapat diklasifikasikan. Jika klasifikasi memungkinkan, tes berakhir; jika tidak, pertanyaan berikutnya diberikan. Proses ini berlanjut hingga kandidat diklasifikasikan, atau kondisi penghentian lainnya terpenuhi.
Sebaliknya, tes adaptif komputer memerlukan lebih sedikit pertanyaan untuk mencapai tujuan klasifikasi, yang sulit dicapai dalam tes pertanyaan tetap tradisional.
Untuk merancang CCT yang efektif, beberapa komponen harus dipertimbangkan, termasuk bank soal yang dikalibrasi secara psikometrik, titik awal, algoritma pemilihan soal, dan kriteria penghentian serta prosedur penilaian. Komponen-komponen ini bekerja sama untuk memastikan keakuratan dan kesesuaian tes.
Dalam hal model psikometrik, CCT memiliki dua pendekatan utama untuk dipilih: Teori Tes Klasik (CTT) dan Teori Respons Item (IRT). CTT menyediakan kerangka konseptual yang lebih sederhana, tetapi memiliki persyaratan ukuran sampel yang lebih rendah dan cocok untuk program pengujian skala kecil. Di sisi lain, IRT dikenal karena keakuratan dan ketelitiannya dan sangat cocok untuk program pengujian besar, terutama untuk organisasi yang kaya sumber daya.
Dalam ujian, pilihan titik awal memiliki dampak yang jelas pada hasil akhir. Jika tes rasio probabilitas bertahap digunakan sebagai kriteria penghentian, rasio awal tersirat adalah 1,0, yang berarti bahwa kandidat memiliki kemungkinan yang sama untuk lulus dan gagal. Ini memainkan peran penting dalam keseluruhan proses pengujian dan membantu memastikan validitas tes.
Perlu dicatat bahwa pemilihan item CCT sangat berbeda dari tes tradisionalPendekatan, yang biasanya menggunakan serangkaian pertanyaan tetap untuk penilaian.
Pemilihan pertanyaan dalam CCT biasanya didasarkan pada kinerja langsung kandidat, dan tingkat kesulitan pertanyaan disesuaikan tepat waktu berdasarkan kinerja tersebut, sehingga mempertahankan tantangan ujian sambil memastikan bahwa kemampuan kandidat dapat dinilai secara akurat. Ada dua pendekatan umum untuk memilih pertanyaan: pemilihan berbasis skor dan pemilihan berbasis estimasi. Pendekatan berbasis skor bertujuan untuk memaksimalkan informasi pada posisi skor tertentu, sedangkan pendekatan berbasis estimasi memilih pertanyaan berdasarkan penilaian kemampuan terkini peserta ujian.
Fleksibilitas CCT terbukti terutama dalam hal kriteria penghentian. Tiga kriteria penghentian umum, termasuk metode teori keputusan Bayesian, metode interval kepercayaan, dan uji rasio probabilitas bertahap, masing-masing memiliki kelebihan dan kekurangannya sendiri. Misalnya, metode interval keyakinan menghitung interval keyakinan pada penilaian kemampuan kandidat saat ini, dan ketika interval keyakinan sepenuhnya berada dalam area klasifikasi yang ditentukan, klasifikasi dianggap berhasil.
Dalam mode pengujian baru ini, fitur adaptif tidak hanya meningkatkan keakuratan ujian, tetapi juga meningkatkan pengalaman pengujian peserta ujian.
Terakhir, dengan kemajuan teknologi komputer yang berkelanjutan dan inovasi metode pengujian, CCT dan CAT dapat menjadi arus utama pengujian pendidikan di masa mendatang. Tren ini tidak hanya membantu meningkatkan keadilan dan keakuratan ujian, tetapi juga memungkinkan kandidat untuk memiliki pengalaman yang lebih personal selama ujian.
Kita tidak dapat tidak bertanya, dapatkah inovasi pengujian seperti itu benar-benar mengatasi berbagai kekurangan pengujian tradisional dan memastikan bahwa setiap kandidat dapat menerima penilaian yang adil dan akurat?
