Autor von Davier, Alina A.
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsquedaComputational Psychometrics: New Methodologies for a New Generation of Digital Learning and Assessment / von Davier, Alina A. ; Mislevy, Robert J. ; Hao, Jiangang
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
Título : Computerized Adaptive and Multistage Testing with R : Using Packages catR and mstR Tipo de documento: documento electrónico Autores: Magis, David, Autor ; Yan, Duanli, Autor ; von Davier, Alina A., Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XX, 171 p. 20 ilustraciones ISBN/ISSN/DL: 978-3-319-69218-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Estadísticas Pruebas y mediciones educativas Psicometría Ciencias sociales Psicología Educacional Teoría y métodos estadísticos Evaluación y pruebas Estadística en Ciencias Sociales Humanidades Derecho Educación Ciencias del Comportamiento Políticas Públicas Estadística y Computación Índice Dewey: 519.5 Matemáticas estadísticas Resumen: El objetivo de esta guía y manual es proporcionar una descripción práctica y breve de la teoría sobre pruebas adaptativas computarizadas (CAT) y pruebas multietapa (MST) e ilustrar las metodologías y aplicaciones que utilizan el lenguaje de código abierto R y varios ejemplos de datos. La implementación se basa en los paquetes R catR y mstR que ya han sido desarrollados o están siendo desarrollados por el primer autor (con el equipo) y que incluyen algunos de los algoritmos de investigación más recientes sobre el tema. El libro cubre muchos temas junto con el código R: los conceptos básicos de R, descripción teórica de CAT y MST, diseños CAT, metodologías de ensamblaje CAT, simulaciones CAT, paquete catR, aplicaciones CAT, diseños MST, metodologías MST basadas en IRT, árbol Metodologías MST basadas en MST, paquete mstR y aplicaciones MST. La CAT se ha utilizado en muchas evaluaciones a gran escala en las últimas décadas y la MST se ha vuelto muy popular en los últimos años. El lenguaje de código abierto R también se ha convertido en una de las herramientas más útiles para aplicaciones en casi todos los campos, incluidos los empresariales y la educación. Aunque es muy útil y popular, R es un lenguaje difícil de aprender, con una curva de aprendizaje pronunciada. Dada la necesidad obvia de CAT y MST, pero con la compleja implementación, es muy difícil para los usuarios simular o implementar CAT y MST. Hasta este manual, no existía ningún libro para que los usuarios diseñaran y utilizaran CAT y MST fácilmente y sin gastos; es decir, utilizando el software gratuito R. Todos los ejemplos e ilustraciones se generan utilizando scripts predefinidos en lenguaje R, disponibles para descarga gratuita desde el sitio web del libro. Proporciona descripciones exhaustivas de los procesos CAT y MST en un entorno R. Guía a los usuarios para simular e implementar CAT y MST usando R para sus aplicaciones. Resume los últimos desarrollos y desafíos de los paquetes catR y mstR. Proporciona los paquetes R catR y mstR e ilustra a los usuarios cómo hacer CAT. y simulaciones e implementaciones de MST utilizando R David Magis, PhD, es investigador asociado del "Fonds de la Recherche Scientifique – FNRS" en el Departamento de Educación de la Universidad de Lieja, Bélgica. Su especialización son los métodos estadísticos en psicometría, con especial interés en la teoría de la respuesta al ítem, el funcionamiento diferencial de los ítems y las pruebas adaptativas computarizadas. Sus intereses de investigación incluyen tanto el desarrollo teórico y metodológico como la implementación y difusión de código abierto en R. Es el principal desarrollador y mantenedor de los paquetes catR y mstR, entre otros. Duanli Yan, PhD, es Gerente de Análisis de Datos e Investigación Computacional para el grupo de Puntuación Automatizada en la división de Investigación y Desarrollo del Servicio de Pruebas Educativas (ETS). También es profesora adjunta en la Universidad de Rutgers. El Dr. Yan ha sido el coordinador estadístico de la prueba EXADEP™ y los programas institucionales TOEIC®, un científico de desarrollo para aplicaciones de investigación innovadoras y un psicometrista para varios programas operativos. El Dr. Yan recibió muchos premios,incluido el Premio Presidencial ETS 2011, el premio NCME Brenda Lyod 2013 y el Premio IACAT Early Career Award 2015. Es coeditora de Computerized Multistage Testing: Theory and Applications y coautora de Bayesian Networks in Educational Assessment. Alina A. von Davier, PhD, es directora senior de investigación del Centro de Investigación en Psicometría Computacional del Educational Testing Service (ETS) y profesora adjunta en la Universidad de Fordham. En ETS dirige el Centro de Investigación en Psicometría Computacional, donde es responsable de desarrollar un equipo de expertos y una agenda de investigación psicométrica en apoyo de las evaluaciones de próxima generación. La psicometría computacional, que incluye técnicas de aprendizaje automático y minería de datos, métodos de inferencia bayesianos, procesos estocásticos y modelos psicométricos, son el principal conjunto de herramientas empleadas en su trabajo actual. También trabaja con modelos psicométricos aplicados a las pruebas educativas: métodos de equiparación de puntuaciones de pruebas, modelos de teoría de respuesta al ítem y pruebas adaptativas. . Nota de contenido: Foreword -- Preface -- Ch 1 Overview of Adaptive Testing -- Ch 2 An Overview of Item Response Theory -- Part 1 Item-Level Computerized Adaptive Testing -- Ch 3 An Overview of Computerized Adaptive Testing -- Ch 4 Simulations of Computerized Adaptive Tests -- Ch 5 Examples of Simulations using catR -- Part 2 Computerized Multistage Testing -- Ch 6 An Overview of Computerized Multistage testing -- Ch 7 Simulations of Computerized Multistage Tests -- Ch 8 Examples of Simulations using mstR -- Index. 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 Computerized Adaptive and Multistage Testing with R : Using Packages catR and mstR [documento electrónico] / Magis, David, Autor ; Yan, Duanli, Autor ; von Davier, Alina A., Autor . - 1 ed. . - [s.l.] : Springer, 2017 . - XX, 171 p. 20 ilustraciones.
ISBN : 978-3-319-69218-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Estadísticas Pruebas y mediciones educativas Psicometría Ciencias sociales Psicología Educacional Teoría y métodos estadísticos Evaluación y pruebas Estadística en Ciencias Sociales Humanidades Derecho Educación Ciencias del Comportamiento Políticas Públicas Estadística y Computación Índice Dewey: 519.5 Matemáticas estadísticas Resumen: El objetivo de esta guía y manual es proporcionar una descripción práctica y breve de la teoría sobre pruebas adaptativas computarizadas (CAT) y pruebas multietapa (MST) e ilustrar las metodologías y aplicaciones que utilizan el lenguaje de código abierto R y varios ejemplos de datos. La implementación se basa en los paquetes R catR y mstR que ya han sido desarrollados o están siendo desarrollados por el primer autor (con el equipo) y que incluyen algunos de los algoritmos de investigación más recientes sobre el tema. El libro cubre muchos temas junto con el código R: los conceptos básicos de R, descripción teórica de CAT y MST, diseños CAT, metodologías de ensamblaje CAT, simulaciones CAT, paquete catR, aplicaciones CAT, diseños MST, metodologías MST basadas en IRT, árbol Metodologías MST basadas en MST, paquete mstR y aplicaciones MST. La CAT se ha utilizado en muchas evaluaciones a gran escala en las últimas décadas y la MST se ha vuelto muy popular en los últimos años. El lenguaje de código abierto R también se ha convertido en una de las herramientas más útiles para aplicaciones en casi todos los campos, incluidos los empresariales y la educación. Aunque es muy útil y popular, R es un lenguaje difícil de aprender, con una curva de aprendizaje pronunciada. Dada la necesidad obvia de CAT y MST, pero con la compleja implementación, es muy difícil para los usuarios simular o implementar CAT y MST. Hasta este manual, no existía ningún libro para que los usuarios diseñaran y utilizaran CAT y MST fácilmente y sin gastos; es decir, utilizando el software gratuito R. Todos los ejemplos e ilustraciones se generan utilizando scripts predefinidos en lenguaje R, disponibles para descarga gratuita desde el sitio web del libro. Proporciona descripciones exhaustivas de los procesos CAT y MST en un entorno R. Guía a los usuarios para simular e implementar CAT y MST usando R para sus aplicaciones. Resume los últimos desarrollos y desafíos de los paquetes catR y mstR. Proporciona los paquetes R catR y mstR e ilustra a los usuarios cómo hacer CAT. y simulaciones e implementaciones de MST utilizando R David Magis, PhD, es investigador asociado del "Fonds de la Recherche Scientifique – FNRS" en el Departamento de Educación de la Universidad de Lieja, Bélgica. Su especialización son los métodos estadísticos en psicometría, con especial interés en la teoría de la respuesta al ítem, el funcionamiento diferencial de los ítems y las pruebas adaptativas computarizadas. Sus intereses de investigación incluyen tanto el desarrollo teórico y metodológico como la implementación y difusión de código abierto en R. Es el principal desarrollador y mantenedor de los paquetes catR y mstR, entre otros. Duanli Yan, PhD, es Gerente de Análisis de Datos e Investigación Computacional para el grupo de Puntuación Automatizada en la división de Investigación y Desarrollo del Servicio de Pruebas Educativas (ETS). También es profesora adjunta en la Universidad de Rutgers. El Dr. Yan ha sido el coordinador estadístico de la prueba EXADEP™ y los programas institucionales TOEIC®, un científico de desarrollo para aplicaciones de investigación innovadoras y un psicometrista para varios programas operativos. El Dr. Yan recibió muchos premios,incluido el Premio Presidencial ETS 2011, el premio NCME Brenda Lyod 2013 y el Premio IACAT Early Career Award 2015. Es coeditora de Computerized Multistage Testing: Theory and Applications y coautora de Bayesian Networks in Educational Assessment. Alina A. von Davier, PhD, es directora senior de investigación del Centro de Investigación en Psicometría Computacional del Educational Testing Service (ETS) y profesora adjunta en la Universidad de Fordham. En ETS dirige el Centro de Investigación en Psicometría Computacional, donde es responsable de desarrollar un equipo de expertos y una agenda de investigación psicométrica en apoyo de las evaluaciones de próxima generación. La psicometría computacional, que incluye técnicas de aprendizaje automático y minería de datos, métodos de inferencia bayesianos, procesos estocásticos y modelos psicométricos, son el principal conjunto de herramientas empleadas en su trabajo actual. También trabaja con modelos psicométricos aplicados a las pruebas educativas: métodos de equiparación de puntuaciones de pruebas, modelos de teoría de respuesta al ítem y pruebas adaptativas. . Nota de contenido: Foreword -- Preface -- Ch 1 Overview of Adaptive Testing -- Ch 2 An Overview of Item Response Theory -- Part 1 Item-Level Computerized Adaptive Testing -- Ch 3 An Overview of Computerized Adaptive Testing -- Ch 4 Simulations of Computerized Adaptive Tests -- Ch 5 Examples of Simulations using catR -- Part 2 Computerized Multistage Testing -- Ch 6 An Overview of Computerized Multistage testing -- Ch 7 Simulations of Computerized Multistage Tests -- Ch 8 Examples of Simulations using mstR -- Index. 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
Título : Innovative Assessment of Collaboration Tipo de documento: documento electrónico Autores: von Davier, Alina A., ; Zhu, Mengxiao, ; Kyllonen, Patrick C., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIX, 330 p. 72 ilustraciones, 42 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-33261-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Lingüística informática Visión por computador Psicología del Trabajo y Organizacional Public policy Derecho Evaluación y pruebas Psicología Ciencias sociales Pruebas y mediciones educativas Psicometría Educación Índice Dewey: 371.26 Exámenes y pruebas;ubicación académica Resumen: Este volumen editado proporciona una plataforma para que expertos de diversos campos presenten y discutan sus diferentes perspectivas sobre el tema del trabajo en equipo y la resolución colaborativa de problemas. Reúne a investigadores en equipos organizacionales, colaboración educativa, tutoría, simulación y juegos, así como a aquellos involucrados en el modelado de procesos estadísticos y psicométricos. Este libro busca canalizar este conocimiento hacia avances en la medición y evaluación de habilidades cognitivas y no cognitivas de individuos y equipos. "La capacidad de comprender los estados, rasgos y hábitos de alumnos individuales, grupos colaborativos o equipos es un requisito previo necesario para guiar, adaptar y optimizar las experiencias de instrucción. El modelado y la evaluación de los alumnos que interactúan con compañeros, instructores humanos o computadoras. Los tutores basados en tecnología brindan una ventana a la efectividad de las herramientas y métodos de instrucción que se necesitan para mejorar continuamente sus experiencias de aprendizaje. Cualquier acción realizada por el tutor/maestro/instructor sin el conocimiento de quienes están a quienes enseña es un tiro en la oscuridad. dedicar sus vidas a ayudarnos a resolver los problemas difíciles que encenderán la luz y nos permitirán adaptar fácilmente las experiencias de aprendizaje para cada persona". (Robert Sottilare, Ph.D., Laboratorio de Investigación del Ejército de EE. UU., Científico de Entrenamiento Adaptativo). Nota de contenido: Prologue: Building the Foundation for Innovations in Assessment: Interdisciplinary Measurement of Collaboration and Teamwork -- 1. Introduction: Innovative Assessment of Collaboration -- PART 1: Framework and Methods -- 2. The Assessment of Team Performance: Observation and Needs -- 3. Assessing Collaboration Within and Between Teams: A Multiteam Systems Perspective -- 4. Innovation in Team Interaction: New Methods for Assessing Collaboration between Brains and Bodies Using a Multi-Level Framework -- 5. Assessing Collaborative Problem Solving Through Conversational Agents -- 6. Assessment of Discussion in Learning Contexts -- 7. Collaborative Problem Solving Measures in the Programme for International Students Assessment (PISA) -- 8. Assessing and Teaching 21st Century Skills: Collaborative Problem Solving as a Case Study -- 9. Initial Steps towards a Standardized Assessment for Collaborative Problem Solving (CPS): Practical Challenges and Strategies -- 10. Exploring Dual Eye Tracking as a Tool to Assess Collaboration -- 11. Multimodal Behavioral Analytics in Intelligent Learning and Assessment Systems -- 12. Measuring Collaboration in Cross-Cultural Contexts -- 13. Inclusive Design of Collaborative Problem-Solving Tasks -- PART 2: Modeling and Analysis -- 14. Understanding and Assessing Collaborative Processes through Relational Events -- 15. Modeling Collaboration Using Point Processes -- 16. Dynamic Bayesian Network Models for Peer Tutoring Interactions -- 17. Representing Self-Organization and Nonstationarities in Dyadic Interaction Processes Using Dynamic Systems Modeling Techniques -- 18. Modeling Collaboration with Social Network Models -- 19. Network Models for Teams with Overlapping Membership -- 20. Linking Team Neurodynamic Organizations with Observational Rating of Team Performance. 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 Innovative Assessment of Collaboration [documento electrónico] / von Davier, Alina A., ; Zhu, Mengxiao, ; Kyllonen, Patrick C., . - 1 ed. . - [s.l.] : Springer, 2017 . - XIX, 330 p. 72 ilustraciones, 42 ilustraciones en color.
ISBN : 978-3-319-33261-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Lingüística informática Visión por computador Psicología del Trabajo y Organizacional Public policy Derecho Evaluación y pruebas Psicología Ciencias sociales Pruebas y mediciones educativas Psicometría Educación Índice Dewey: 371.26 Exámenes y pruebas;ubicación académica Resumen: Este volumen editado proporciona una plataforma para que expertos de diversos campos presenten y discutan sus diferentes perspectivas sobre el tema del trabajo en equipo y la resolución colaborativa de problemas. Reúne a investigadores en equipos organizacionales, colaboración educativa, tutoría, simulación y juegos, así como a aquellos involucrados en el modelado de procesos estadísticos y psicométricos. Este libro busca canalizar este conocimiento hacia avances en la medición y evaluación de habilidades cognitivas y no cognitivas de individuos y equipos. "La capacidad de comprender los estados, rasgos y hábitos de alumnos individuales, grupos colaborativos o equipos es un requisito previo necesario para guiar, adaptar y optimizar las experiencias de instrucción. El modelado y la evaluación de los alumnos que interactúan con compañeros, instructores humanos o computadoras. Los tutores basados en tecnología brindan una ventana a la efectividad de las herramientas y métodos de instrucción que se necesitan para mejorar continuamente sus experiencias de aprendizaje. Cualquier acción realizada por el tutor/maestro/instructor sin el conocimiento de quienes están a quienes enseña es un tiro en la oscuridad. dedicar sus vidas a ayudarnos a resolver los problemas difíciles que encenderán la luz y nos permitirán adaptar fácilmente las experiencias de aprendizaje para cada persona". (Robert Sottilare, Ph.D., Laboratorio de Investigación del Ejército de EE. UU., Científico de Entrenamiento Adaptativo). Nota de contenido: Prologue: Building the Foundation for Innovations in Assessment: Interdisciplinary Measurement of Collaboration and Teamwork -- 1. Introduction: Innovative Assessment of Collaboration -- PART 1: Framework and Methods -- 2. The Assessment of Team Performance: Observation and Needs -- 3. Assessing Collaboration Within and Between Teams: A Multiteam Systems Perspective -- 4. Innovation in Team Interaction: New Methods for Assessing Collaboration between Brains and Bodies Using a Multi-Level Framework -- 5. Assessing Collaborative Problem Solving Through Conversational Agents -- 6. Assessment of Discussion in Learning Contexts -- 7. Collaborative Problem Solving Measures in the Programme for International Students Assessment (PISA) -- 8. Assessing and Teaching 21st Century Skills: Collaborative Problem Solving as a Case Study -- 9. Initial Steps towards a Standardized Assessment for Collaborative Problem Solving (CPS): Practical Challenges and Strategies -- 10. Exploring Dual Eye Tracking as a Tool to Assess Collaboration -- 11. Multimodal Behavioral Analytics in Intelligent Learning and Assessment Systems -- 12. Measuring Collaboration in Cross-Cultural Contexts -- 13. Inclusive Design of Collaborative Problem-Solving Tasks -- PART 2: Modeling and Analysis -- 14. Understanding and Assessing Collaborative Processes through Relational Events -- 15. Modeling Collaboration Using Point Processes -- 16. Dynamic Bayesian Network Models for Peer Tutoring Interactions -- 17. Representing Self-Organization and Nonstationarities in Dyadic Interaction Processes Using Dynamic Systems Modeling Techniques -- 18. Modeling Collaboration with Social Network Models -- 19. Network Models for Teams with Overlapping Membership -- 20. Linking Team Neurodynamic Organizations with Observational Rating of Team Performance. 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
