L’utilisation du modèle de Rasch bayésien pour détecter la dérive des items (item drift) à partir d’une hypothèse basée sur la théorie

Présenté par Sébastien Béland (Université de Montréal), Angel Arias (Université de Carleton) et Christophe Chénier (Université de Montréal)

La dérive d’item (item drift) est une situation où la valeur d’un paramètre d’intérêt (par exemple, la difficulté) change à travers plusieurs passations d’un même test. Plusieurs approches basées sur le modèle de Rasch ont été élaborées pour détecter la dérive d’item. Elles ont généralement comme logique d’utiliser une valeur de p pour tester l’hypothèse nulle que les paramètres de difficulté d’un item sont les mêmes entre les années de passation contre l’hypothèse alternative que ces paramètres diffèrent.

Le programme et les modalités d’inscription sont maintenant affichés sur www.admee2021.ca.