| Título : |
Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment : With Examples in R and Python |
| Tipo de documento: |
documento electrónico |
| Autores: |
von Davier, Alina A., ; Mislevy, Robert J., ; Hao, Jiangang, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
X, 262 p. 1 ilustraciones |
| ISBN/ISSN/DL: |
978-3-030-74394-9 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Educación Psicometría Ciencias sociales Estadística en Ciencias Sociales Humanidades Derecho Ciencias del Comportamiento Políticas Públicas |
| Índice Dewey: |
370 Educación (generalidades) |
| Resumen: |
Este libro define y describe una nueva disciplina, denominada "psicometría computacional", desde la perspectiva de nuevas metodologías para el manejo de datos complejos provenientes del aprendizaje y la evaluación digitales. Los editores y los autores contribuyentes discuten cómo las nuevas tecnologías aumentan drásticamente las posibilidades para el diseño y administración de sistemas de aprendizaje y evaluación, y cómo al hacerlo aumentan significativamente la variedad, velocidad y volumen de los datos resultantes. Luego introducen métodos y estrategias para abordar los nuevos desafíos, que van desde la identificación de evidencia y el modelado de datos hasta la evaluación y predicción del desempeño de los estudiantes en entornos complejos, como en tareas colaborativas, tareas basadas en juegos/simulación y tareas de evaluación y aprendizaje multimodal. . Por tanto, la psicometría computacional se ha definido como una combinación de psicometría basada en teoría y enfoques basados en datos del aprendizaje automático, la inteligencia artificial y la ciencia de datos. Todo esto en conjunto proporciona un mejor marco metodológico para analizar datos complejos del aprendizaje y las evaluaciones digitales. El término "computacional" ha sido ampliamente adoptado en muchas otras áreas, como en la estadística computacional, la lingüística computacional y la economía computacional. En esos contextos, "computacional" tiene un significado similar al propuesto en este libro: una perspectiva basada en datos y centrada en algoritmos sobre fundamentos y enfoques teóricos establecidos previamente, ahora ampliados y, cuando sea necesario, reconcebidos. Esta interdisciplinariedad ya es un éxito comprobado en muchas disciplinas, desde la medicina personalizada que utiliza estadística computacional hasta el aprendizaje personalizado que utiliza, bueno, psicometría computacional. Esperamos que este volumen sea de interés no sólo dentro sino más allá de la comunidad psicométrica. En este volumen, expertos en psicometría, aprendizaje automático, inteligencia artificial, ciencia de datos y procesamiento del lenguaje natural ilustran su trabajo, mostrando cómo la experiencia interdisciplinaria de cada investigador se combina en un marco metodológico coherente para abordar datos complejos a partir de complejas interfaces virtuales. En los capítulos que se centran en las metodologías, los autores utilizan ejemplos de datos reales para demostrar cómo implementar los nuevos métodos en la práctica. Los códigos de programación correspondientes en R y Python se han incluido como fragmentos en el libro y también están disponibles en forma completa en el repositorio de código de GitHub que acompaña al libro. |
| Nota de contenido: |
1. Introduction. Computational Psychometrics: Towards a Principled Integration of Data Science and Machine Learning Techniques into Psychometrics (Alina A. von Davier, Robert Mislevy and Jiangang Hao) -- Part I. Conceptualization. 2. Next generation learning and assessment: what, why and how (Robert Mislevy) -- 3. Computational psychometrics (Alina A. von Davier, Kristen DiCerbo and Josine Verhagen) -- 4. Virtual performance-based assessments (Jessica Andrews-Todd, Robert Mislevy, Michelle LaMar and Sebastiaan de Klerk) -- 5. Knowledge Inference Models Used in Adaptive Learning (Maria Ofelia Z. San Pedro and Ryan S. Baker) -- Part II. Methodology. 6. Concepts and models from Psychometrics (Robert Mislevy and Maria Bolsinova) -- 7. Bayesian Inference in Large-Scale Computational Psychometrics (Gunter Maris, Timo Bechger and Maarten Marsman) -- 8. Data science perspectives (Jiangang Hao and Robert Mislevy) -- 9. Supervised machine learning (Jiangang Hao) -- 10. Unsupervised machine learning (Pak Chunk Wong) -- 11. AI and deep learning for educational research (Yuchi Huang and Saad M. Khan) -- 12. Time series and stochastic processes (Peter Halpin, Lu Ou and Michelle LaMar) -- 13. Social network analysis (Mengxiao Zhu) -- 14. Text mining and automated scoring (Michael Flor and Jiangang Hao). |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment : With Examples in R and Python [documento electrónico] / von Davier, Alina A., ; Mislevy, Robert J., ; Hao, Jiangang, . - 1 ed. . - [s.l.] : Springer, 2021 . - X, 262 p. 1 ilustraciones. ISBN : 978-3-030-74394-9 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Educación Psicometría Ciencias sociales Estadística en Ciencias Sociales Humanidades Derecho Ciencias del Comportamiento Políticas Públicas |
| Índice Dewey: |
370 Educación (generalidades) |
| Resumen: |
Este libro define y describe una nueva disciplina, denominada "psicometría computacional", desde la perspectiva de nuevas metodologías para el manejo de datos complejos provenientes del aprendizaje y la evaluación digitales. Los editores y los autores contribuyentes discuten cómo las nuevas tecnologías aumentan drásticamente las posibilidades para el diseño y administración de sistemas de aprendizaje y evaluación, y cómo al hacerlo aumentan significativamente la variedad, velocidad y volumen de los datos resultantes. Luego introducen métodos y estrategias para abordar los nuevos desafíos, que van desde la identificación de evidencia y el modelado de datos hasta la evaluación y predicción del desempeño de los estudiantes en entornos complejos, como en tareas colaborativas, tareas basadas en juegos/simulación y tareas de evaluación y aprendizaje multimodal. . Por tanto, la psicometría computacional se ha definido como una combinación de psicometría basada en teoría y enfoques basados en datos del aprendizaje automático, la inteligencia artificial y la ciencia de datos. Todo esto en conjunto proporciona un mejor marco metodológico para analizar datos complejos del aprendizaje y las evaluaciones digitales. El término "computacional" ha sido ampliamente adoptado en muchas otras áreas, como en la estadística computacional, la lingüística computacional y la economía computacional. En esos contextos, "computacional" tiene un significado similar al propuesto en este libro: una perspectiva basada en datos y centrada en algoritmos sobre fundamentos y enfoques teóricos establecidos previamente, ahora ampliados y, cuando sea necesario, reconcebidos. Esta interdisciplinariedad ya es un éxito comprobado en muchas disciplinas, desde la medicina personalizada que utiliza estadística computacional hasta el aprendizaje personalizado que utiliza, bueno, psicometría computacional. Esperamos que este volumen sea de interés no sólo dentro sino más allá de la comunidad psicométrica. En este volumen, expertos en psicometría, aprendizaje automático, inteligencia artificial, ciencia de datos y procesamiento del lenguaje natural ilustran su trabajo, mostrando cómo la experiencia interdisciplinaria de cada investigador se combina en un marco metodológico coherente para abordar datos complejos a partir de complejas interfaces virtuales. En los capítulos que se centran en las metodologías, los autores utilizan ejemplos de datos reales para demostrar cómo implementar los nuevos métodos en la práctica. Los códigos de programación correspondientes en R y Python se han incluido como fragmentos en el libro y también están disponibles en forma completa en el repositorio de código de GitHub que acompaña al libro. |
| Nota de contenido: |
1. Introduction. Computational Psychometrics: Towards a Principled Integration of Data Science and Machine Learning Techniques into Psychometrics (Alina A. von Davier, Robert Mislevy and Jiangang Hao) -- Part I. Conceptualization. 2. Next generation learning and assessment: what, why and how (Robert Mislevy) -- 3. Computational psychometrics (Alina A. von Davier, Kristen DiCerbo and Josine Verhagen) -- 4. Virtual performance-based assessments (Jessica Andrews-Todd, Robert Mislevy, Michelle LaMar and Sebastiaan de Klerk) -- 5. Knowledge Inference Models Used in Adaptive Learning (Maria Ofelia Z. San Pedro and Ryan S. Baker) -- Part II. Methodology. 6. Concepts and models from Psychometrics (Robert Mislevy and Maria Bolsinova) -- 7. Bayesian Inference in Large-Scale Computational Psychometrics (Gunter Maris, Timo Bechger and Maarten Marsman) -- 8. Data science perspectives (Jiangang Hao and Robert Mislevy) -- 9. Supervised machine learning (Jiangang Hao) -- 10. Unsupervised machine learning (Pak Chunk Wong) -- 11. AI and deep learning for educational research (Yuchi Huang and Saad M. Khan) -- 12. Time series and stochastic processes (Peter Halpin, Lu Ou and Michelle LaMar) -- 13. Social network analysis (Mengxiao Zhu) -- 14. Text mining and automated scoring (Michael Flor and Jiangang Hao). |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Computational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment
