در لینک زیر می توانید به لیست کامل دانشگاه های امریکا و کانادا در رشته اندازه گیری دست یابید. این لیست در سال 2014 توسط کمیته NCME به روز شده است. به نظر می رسد لیستی کاملتر از این موجود نیست.
لیست دانشگاه ها به ترتیب حروف الفبا عبارت است از:
1.Alabama: 1.Auburn University (Educational Psychology (Measurement and Evaluation Emphasis), 2.University of Alabama (Educational Research).
2.Arizona: 1.University of Arizona (Measurement & Methodology), 2.Arizona State University (Measurement and Statistical Analysis (MASA) specialization within Family and Human Dynamics).
3.California: 1.California State University, Fresno (Joint Doctorate in Educational Leadership), 2.Stanford University (Educational Psychology), UCLA (Social Research Methodology), 3.University of California at Santa Barbara, Dept. of Education (Research Methodology), 4.University of California, Berkeley (Quantitative Methods and Evaluation).
4.Colorado: 1.University of Colorado Boulder (Research and Evaluation Methodology, School of Education), 2.University of Denver (Quantitative Research Methods).
5.Connecticut: 1.University of Connecticut (Measurement, Evaluation and Assessment).
6.Delaware: 1.University of Delaware (Research Methodology and Evaluation).
7.Florida: 1.Florida State University (Measurement and Statistics major, Department of Educational Research), 2.University of Florida (Research and Evaluation Methodology), 3.University of South Florida (Measurement and Evaluation).
8.Georgia: 1.Georgia State University (Research, Measurement, and Statistics), 2.University of Georgia (Research, Evaluation, Measurement, and Statistics (REMS)), 3.Georgia Institute of Technology (Quantitative Psychology).
9.Hawaii: 1.University of Hawaii (College of Education, Educational Psychology Department).
11.Illinois: 1.Illinois State University (Research and Evaluation), 2.Southern Illinois University at Carbondale (Emphasis in Educational Measurement and Statistics in Educational), 3.University of Illinois at Chicago (Educational Psychology), 4.University of Illinois at Urbana Champaign (UIUC) (Quantitative & Evaluation Research Methodologies).
12.Indiana: 1.Ball State University (School Psychology), 2.Indiana University (Inquiry Methodology).
13.Iowa: 1.Iowa State University (Psychology), 2.University of Iowa (Division of Psychological & Quantitative Foundations).
14.Kansas: 1.University of Kansas (Educational Psychology & Research, Quantitative Methods concentration).
15.Kentucky: 1.Western Kentucky University (School and Clinical Psychology).
16.Louisiana: 1.Louisiana State University (Educational Research Methodology), 2.Tulane University (Psychological Science, Industrial/Organizational Psychology, School
Psychology).
17.Maryland: 1.John Hopkins University (Measurement, Research and Statistics), 2.University of Maryland (Measurement, Statistics, and Evaluation).
18.Massachusetts: 1.Boston College (Educational Research, Measurement & Evaluation), 2.Springfield College (rehabilitation Counseling & Services, Vocational Evaluation & Work Adjustment Specialists), 3.University of Massachusetts (Research and Evaluation Methods).
19.Michigan: 1.Michigan State University (Measurement and Quantitative Methods), 2.Western Michigan University (Educational Evaluation, Measurement, and Research Design).
20.Minnesota: 1.University of Minnesota (Research Methodology), 2.University of Minnesota (Psychometric Methods).
21.Missouri: 1.University of Missouri-Columbia (Educational and Counseling Psychology/Measurement), 2.University of Missouri-St. Louis (PhD in Education with concentration in Program Evaluation).
22.Nebraska: 1.University of Nebraska-Lincoln (Quantitative, Qualitative and Psychometric Methods).
23.Nevada: 1.University of Nevada, Las Vegas (Educational Psychology).
24.New Jersey: 1.Rutgers University (Educational Statistics & Measurement).
25.New York: 1.Fordham University (Psychometrics Program), 2.Hofstra University (Program Evaluation), 3.New York University (Measurement, Research, and Evaluation), Teachers College, 4.Columbia University (Measurement, Evaluation, and Statistics), 5.The University of Albany – SUNY (Educational Psychology), 6.University at Buffalo (SUNY-Buffalo) (Educational Psychology).
26.North Carolina: 1.Fayetteville State University (Psychology), 2.University of North Carolina at Chapel Hill (Quantitative Psychology), 3.University of North Carolina at Greensboro (Educational Research Methodology).
27.Ohio: 1.Bowling Green State University (Quantitative Psychology), 2.Kent State University (Evaluation and Measurement), 3.Ohio State University (Quantitative Research, Evaluation, and Measurement in Education), 4.University of Toledo (Educational Research/Measurement).
28.Oklahoma: 1.Oklahoma State University (Educational Psychology/Research & Evaluation), 2.University of Oklahoma, Department of Psychology (Quantitative Psychology).
29.Oregon: 1.University of Oregon – College of Education (Educational Leadership and Special Education Area).
30.Pennsylvania: 1.Penn State University (Educational Psychology), 2.University of Pittsburgh, School of Education (Research Methodology (Measurement and Statistics).
31.South Carolina: 1.University of South Carolina (Educational Research).
32.South Dakota: 1.University of South Dakota (Educational Psychology and Counseling, Educational Evaluation, and Measurement).
33.Tennessee: 1.Tennessee Technological University (Educational Psychology and Counselor Education), 2.University of Tennessee (Knoxville) (Applied Educational Psychology).
34.Texas: 1.Baylor University (Department of Statistical Science), 2.Texas A & M University (Educational Psychology, emphasis in Research, Measurement and Statistics), 3.University of Texas-Pan American (Educational Psychology), 4.University of Texas at Austin (Quantitative Methods, Department of Educational Psychology), 5.University of North Texas (Educational Research).
35.Utah: 1.Brigham Young University (Instructional Psychology and Technology (IP&T)), 2.Utah State University (Research and Evaluation Methodology).
36.Virginia: 1.James Madison University (Assessment and Measurement), 2.University of Virginia (Educational Research), 3.Virginia Polytechnic Institute & State University (Educational Research and Evaluation).
37.Washington: 1.University of Washington (Measurement, Statistics, and Research Design), 2.Washington State University (Educational Psychology (Measurement, Evaluation and Research
Methods)).
38.Wisconsin: 1.University of Wisconsin – Madison (Quantitative Methods), 2.University of Wisconsin – Milwaukee (Educational Psychology (Research and Evaluation)).
Canada
39.Alberta: 1.University of Alberta (Centre for Research on Applied Measurement and Evaluation).
40.British Columbia: 1.University of British Columbia (Measurement, Evaluation, and Research Methodology.
همان طور که ملاحظه می شود بیشترین دانشگاه ها در شهرهای نیویورک و تگزاس است.
این رشته در دو مقطع کارشناسی ارشد و دکترا ارایه می شود. دانشجویان فوق لیسانس این رشته دوره های مقدماتی در اندازه گیری، آمار کاربردی و ارزیابی را می گذرانند. برنامه دوره دکترا دانشجویان را در انجام مطالعات تحقیقاتی، حیطه آمار کاربردی، متخصص اندازه گیری یا ارزشیابی در سیستم های آموزشی، صنعت، و دولت و تدریس دورس کمی توانمند می سازد.
در مورد دوره کارشناسی ارشد در لینک زیر اطلاعات کلی ارایه شده است:
http://www.education.umd.edu/EDMS/program/masters.htm
در مورد دوره دکترا ر لینک زیر اطلاعات کلی ارایه شده است:
http://www.education.umd.edu/EDMS/program/doctorate.htm
دروس ارایه شده در دوره دکترا عبارتند از:
سنجش کلاس درس (3 واحد)
اندازه گیری کاربردی (3 واحد)
روش های تحقیق کمی 1 (3 واحد)
روش های تحقیق کمی 2 (3 واحد)
تحلیل رگرسیون چندگانه کاربردی (3 واحد)
پایه های ریاضی و فنون شبیه سازی (3 واحد)
تحلیل عاملی (3 واحد)
مدل های ساختار پنهان یا نظریه اندازه گیری جدید (3 واحد)
تحلیل داده های چند متغیره (3 واحد)
مشکلات ویژه در آموزش و پرورش یا مباحث خاص (9 واحد)
پایان نامه دکترا (12 واحد)
علاوه بر این حداقل 12 واحد درس اختیاری با نظر استاد مشاور باید انتخاب شود.
اعضای هیات علمی این رشته در سایت زیر قابل ملاحظه است:
http://www.education.umd.edu/EDMS/facimage/faculty.htm
علایق پژوهشی اساتید این رشته به تفکیک اساتید عبارت است از:
--Gregory R. Hancock, Professor & Progrm Director
Structural equation modeling, Latent growth models, Latent variable experimental design
--C. Mitchell Dayton, Professor Emeritus
Latent class models, Information criteria for model selection
--Jeffrey R. Harring, Associate Professor
Longitudinal data analysis
--Hong Jiao, Assistant Professor
Item response theory, Multilevel measurement modeling
--Robert W. Lissitz, Professor
Psychometrics, Educational assessment, Program evaluation
--George B. Macready, Professor
Latent class models, Assessment of model fit, Adaptive testing
--Robert J. Mislevy, Professor Emeritus
Educational assessment, Statistical methods
--André A. Rupp, Assistant Professor
Diagnostic classification models, Assessment in simulation-based learning environments
--Kathryn Alvestad, Adjunct Associate Professor
Educational assessment and evaluation
--William D. Schafer, Associate Professor Emeritus
Educational assessment
سمینارها و کارگاه هایی اجرا شده در سال 2014 در جدول زیر ارایه شده است.
|
Dates |
Topic |
Instructor |
Further information |
|
March 4-6, 2014 |
Hierarchical Linear Modeling |
Dr. Robert Croninger, University of Maryland |
Click here for info.
|
|
May 28-30, 2014 |
Data Analysis Using Secondary Data for Education Research |
Dr. Laura Stapleton, University of Maryland |
Click here for info.
|
|
June 26-27, 2014 |
Introduction to Logistic Regression |
Dr. C. Mitchell Dayton, University of Maryland |
Click here for info.
|
|
July 22-24, 2014 |
Introduction to Bayesian Statistical Modeling |
Dr. Roy Levy, Arizona State University |
Click here for info.
|
|
August 13-15, 2014 |
Applied Data Analysis Using R |
Dr. Jeffrey R. Harring, University of Maryland |
Click here for info.
|
|
October 16-17, 2014 |
2014 MARC Conference --"Technology enhanced innovative assessment: Development, modeling, and scoring from an interdisciplinary Perspective" |
Dr. Robert W. Lissitz & Dr. Hong Jiao, Hosts |
Click here for info.
|
|
November 13, 2014 |
Pre-conference workshop: Cross-Classified and Multiple Membership Models |
Dr. S. Natasha Beretvas, University of Texas |
Click here for info.
|
|
November 14-15, 2014 |
Conference -- "Advances in Multilevel Modeling for Educational Research: Addressing Practical Issues Found in Real-World Applications" |
Dr. Sophia Rabe-Hesketh, Keynote Speaker |
Click here for info. Click here for poster proposal guidelines.
|
مدارک مورد نیاز برای اقدام کردن عبارت است از:
Degrees: M.A. and Ph.D.
General Requirements:
Application Deadlines:
Contact Program: www.education.umd.edu/HDQM
نمرات تافل و ایلتس مورد نیاز برای این دوره:
|
|
نمره تافل برای پذیرش کامل |
نمره تافل برای پذیرش مشروط |
نمره آیلتس برای پذیرش کامل |
نمره آیلتس برای پذیرش مشروط |
|
کل |
100 |
99-84 |
7 |
6.5 |
|
بخش شنیداری |
24 |
23-18 |
7 |
6.5 |
|
بخش خواندن |
26 |
25-21 |
7 |
6.5 |
|
بخش نوشتن |
24 |
23-21 |
7 |
6.5 |
|
بخش صحبت کردن |
22 |
19 |
6.5 |
6.5 |
نکته: افرادی که نمره تافل یا آیلتس آن ها به صورت مشروط پذیرفته شده است باید در امتحان جایابی مهارت زبان انگلیسی در هنگام ورود به دوره شرکت کنند.
شرکت سیستم های سنجش، یک شرکت نرم افزارهای کامپیوتری است که در زمینه سنجش انطباقی کامپیوتری (CAT)، مشاوره ارایه گواهینامه حرفه ای و روان سنجی متخصص است.
تاریخچه
شرکت سیستم های سنجش در سال 1979 توسط دیوید جی ویس و دیوید واله بنیان گذاری شد. ویس در دانشگاه مینه سوتا پرفسور است و به عنوان پدر سنجش انطباقی کامپیوتری شناسایی شده است. سنجش انطباقی کامپیوتری در اصل برای استفاده در ارتش امریکا (به طور ویژه ای در مجموعه آزمون های استعداد شغلی بخش نیروهای مسلح (Armed Services Vocational Aptitude Battery)) تدوین شد اما ویس و واله ASC را به منظور در اختیار عموم قرار دادن، پایه ریزی کردند. از آن زمان به بعد ASC یک شرکت نوآور پیشگام در نرم افزارهای سنجش کامپیوتری و روانسنجی بوده است.
در سال 2009 این شرکت با کمپانی نرم افزاری 4ROI برای ساخت نسخه تحت وب FastTest شریک شد. FastTest، یک سیستم نرم افزاری است که به طور ویژهای برای افراد حرفه ای در زمینه صنعت سنجش و آزمون طراحی شده است که از سنجش الکترونیکی، بانک سوال، بررسی سوال و پیگیری نتایج پشتیبانی می کند. FastTest در همه صنایع مهمی که سنجش را اجرا می کنند مانند تجارت، گواهینامه، پزشکی و آموزش از کودکستان تا دیپلم، استفاده شده است.
روانسنجی
تاکید اصلی ASC بر روانسنجی با کیفیت بوده است. این شرکت، اولین شرکتی بود که یک بانک سوال حرفه ای و پایگاه سنجش کامپیوتری را به شکل MICROCAT (سیستم مبتنی بر DOS قبل از FastTest) منتشر کرد. هم چنین ASC سیستمی را طراحی کرد که به کاربران اجازه می داد تا تحلیل های روانسنجی حرفه ای را با استفاده از نظریه کلاسیک آزمون و Xcalibre که سیستم ساده ای برای تحلیل های نظریه سوال-پاسخ ارایه می کرد، گزارش دهند. هر دو آن ها قبل از تغییر به ویندوز در دهه 1990 و طراحی دوباره در سال 2009 در ابتدا بر اساس نسخه های DOS تدوین شده بودند. علاوه بر این ASC خدمات مشاوره ای ارایه می دهد که به سازمان های سازنده آزمون های با کیفیت و سازمان های ارایه دهنده گواهینامه در کسب اعتبار از موسسه استانداردهای ملی آمریکا یا کمیته ملی ارایه گواهی نامه نمایندگی ها (فرایندی که دربردارنده گام هایی مثل تحلیل شغل و مطالعه تعیین استاندارد است) کمک می کند.
محصولات این شرکت
1. بانک سوال مدرج
2. نقطه آغاز یا سطح ورودی
3. الگوریتم انتحاب سوال
4. روش نمره دهی
5. ملاک خاتمه
بانک سوال مدرج
باید یک بانک سوال در CAT وجود داشته باشد تا از آن انتخاب شود. این بانک باید با یک مدل روانسنجی مدرج شود و پایه ای برای مولفه های دیگر است. معمولاً از نظریه سوال-پاسخ به عنوان مدل روانسنجی استفاده می شود. یکی از دلایل محبوبیت این نظریه این است که در این نظریه افراد و سوال ها را در مقیاسی یکسان، که در مباحث مربوط به انتخاب سوال مفید است، قرار می دهد.
نقطه شروع
در CAT سوالات مبتنی بر عملکرد آزمودنی انتخاب می شوند. با این وجود وقتی هنوز هیچ سوالی اجرا نشده است CAT قادر به برآورد توانایی آزمودنی نیست. بنابراین برآورد اغازین دیگری برای توانایی آزمودنی مورد نیاز است. اگر در مورد آن چه آزمودنی می داند اطلاهات قبلی در دسترس باشد میتوان از آن ها استفاده کرد ولی اغلب CAT فرض می کند که آزمودنی ها دارای توانایی متوسطی هستند از این رو سوال اول اغلب دارای ضریب دشواری متوسطی است.
الگوریتم انتخاب سوال
همان طور که قبلا گفته شد نظریه سوال-پاسخ آزمودنی ها و سوالات را در یک مقیاس یکسان قرار می دهد. بنابراین اگر CAT دارای برآورد توانایی آزمودنی است قادر است سوال را انتخاب کند که برای آن برآورد مناسب ترین است. از نظر فنی این کار از طریق انتخاب سوالی با بیش ترین اطلاعات در آن نقطه انجام می شود. اطلاعات تابعی از پارامتر تشخیص سوال، واریانس شرطی و پارامتر حدس (در صورت استفاده) است.
روش نمره دهی
پس از اجرای یک سوال، CAT برآوردش از سطح توانایی آزمودنی را به روز می کند. اگر آزمودنی به سوالات به طور صحیح پاسخ دهد، احتمالاً CAT توانایی او را کمی بیشتر از در نظر میگیرد و برعکس. این کار با استفاده تابع سوال پاسخ در نظریه سوال-پاسخ برای به دست آوردن یک تابع درستنمایی توانایی آزمودنی انجام می شود. دو روش برای این کار عبارتند از بیشینه درستنمایی و برآورد بیزی. در برآورد بیزی برای توانایی آزمودنی یک تابع پیشین و بیشینه تابع پسین فرض می شود. اگر تابع پیشین یکنواخت (f(x)=1) فرض شود، بیشینه احتمال معادل بیشینه بیزی یک برآورد پسین است. بیشینه احتمال به طور مجانبی غیر اریب است. اما نمی تواند تتا را برای بردار پاسخ غیر آمیخته (همه درست یا همه غلط) برآورد کند در این موارد موقتاً روش بیزی مورد استفاده قرار می گیرد.
ملاک پایانی
الگوریتم CAT به گونه ای طراحی شده است تا مکرراً سوالات را اجرا کند و برآورد توانایی آزمودنی را به روز کند. این کار تا زمانی ادامه پیدا می کند که بانک سوال خسته شود. اغلب زمانی آزمون به پایان می رسد که خطای استاندارد اندازه گیری آزمودنی کمتر از مقدار خاصی شود که کاربر تعیین کرده است. ملاکهای پایانی دیگر برای اهداف مختلف آزمون وجود دارد مثلاً آیا آزمون به منظور تشخیص این که آزمودنی در آزمونی قبول یا رد می شود، طراحی شده است یا هدف آزمون برآورد دقیق توانایی آزمودنی است. با هدف رد-قبول آزمودنی، ملاک پایانی و الگوریتم نمره دهی باید به کار گرفته شود که به جای برآورد نقطه ای توانایی، آزمودنی را در یک طبقه قرار می دهد. رویکرد فاصله اطمینان نیز مورد استفاده قرا می گیرد. در این رویکرد بعد از اجرای هر سوال، الگوریتم احتمال این که نمره واقعی آزمودنی بالاتر یا پایین تر از نمره قبولی است را تعیین می کند. مثلاً ممکن است الگوریتم تا وقتی که فاصله اطمینان 95% نمره واقعی شامل نمره قبولی نشود، ادامه پیدا کند. در آن نقطه سوالات بیشتری مورد نیاز نیست زیرا تصمیم قبول-رد قبلاً 95% دقیق بوده است با این فرض که مدل های روانسنجی زیربنایی سنجش انطباقی با آزمودنی و آزمون برازش داشته باشد. این رویکرد، رویکرد سنجش انطباقی مهارت نامیده می شود اما می توان آن را در انتخاب سوال غیر انطباقی و موقعیت های طبقه بندی دو یا بیش از 2 نمره برش نیز به کار برد. به طور کلی الگوریتم ها به گونه ای طراحی شده اند که دارای طول آزمون حداقلی یا حداکثری (یا زمان اجرای حداقلی یا حداکثری) باشند. در غیر این صورت ممکن است برای یک آزمودنی با توانایی بسیار نزدیک به نمره برش هر سوال در بانک سوال بدون این که الگوریتم تصمیم بگیرد، اجرا شود. الگوریتم انتخاب سوال مورد استفاده بستگی به ملاک پایانی دارد. به حداکثر رساندن اطلاعات در نمره برش برای SPRT مناسب تر است زیرا این رویکرد تفاوت در احتمال های مورد استفاده در نسبت درستنمایی است. به حداکثر رساندن اطلاعات در برآورد توانایی برای رویکرد فاصله اطمینان مناسب تر است زیرا خطای استاندارد شرطی اندازه گیری به حداقل می رساند. این کار پهنای فاصله اطمینان مورد نیاز برای طبقه بندی را کاهش می دهد.
امروز دومین پایان نامه دکترا سنجش آموزش دانشگاه تهران و هشتمین پایان نامه در رشته سنجش با مشخصات زیر دفاع شد:
ایزانلو، بلال. (1393). مقایسه کارایی مدلهای جبرانی و غیر جبرانی چند بعدی نظریه سوال- پاسخ در برآورد پارامترهای سوالها و افراد: مورد دروس پایه آزمون سراسری دانشگاهها. به راهنمایی دکتر عباس بازرگان و دکتر ولی الله فرزاد و به مشاوره دکتر ناهید صادقی و دکتر امیر کاووسی و به داوری دکتر علیرضا کیامنش و دکتر الهه حجازی.
پایان نامه هایی که قبلاً دفاع شده است در لینک زیر قابل مشاهده است:
http://assessment.blogsky.com/1393/01/13/post-41/%D8%B9%D9%86%D8%A7%D9%88%DB%8C%D9%86-%D9%BE%D8%A7%DB%8C%D8%A7%D9%86-%D9%86%D8%A7%D9%85%D9%87-%D9%87%D8%A7%DB%8C-%D8%AF%D9%81%D8%A7%D8%B9-%D8%B4%D8%AF%D9%87-%D8%AF%DA%A9%D8%AA%D8%B1%D8%A7-%D8%B3%D9%86%D8%AC%D8%B4