Trong bảng phân tích, câu Q27 bị tô đỏ ở cột “không phù hợp mô hình”. Người viết lo câu mình sai; học sinh có thể nghĩ đáp án cần hủy. Thực ra, dòng cảnh báo mới nói rằng dữ liệu trả lời của câu có điểm chưa giống điều mô hình dự kiến. Nó mở một cuộc kiểm tra, chưa khép lại bằng một kết luận.
Mô hình là một cách mô tả có điều kiện
Một mô hình IRT thường mô tả xác suất đúng theo năng lực. Khi đã ước lượng các tham số, ta có thể đối chiếu điều mô hình dự kiến với cách học sinh thực sự trả lời. Nếu hai phía lệch đáng chú ý, câu có thể được gắn cờ item misfit, tức mức phù hợp câu chưa đạt theo tiêu chí đang dùng.
Đây là đánh giá mối quan hệ giữa một bộ dữ liệu và một mô hình cụ thể. Mô hình đơn chiều, chẳng hạn, mô tả câu theo một trục năng lực; một nhiệm vụ đòi thêm kỹ năng khác có thể chưa được mô tả tốt. Đổi dữ liệu, mô hình hoặc cách kiểm tra có thể làm kết quả đánh giá phù hợp thay đổi.
Nhìn chỗ lệch trước khi đọc nhãn đỏ
Bảng minh họa tự dựng chia 300 người thành ba nhóm theo mức năng lực tham khảo. Mỗi nhóm có 100 người. Cột kỳ vọng là trung bình xác suất mô hình dự báo cho những người trong nhóm; đây không phải kết quả chạy trên dữ liệu thật và không phải phép tính của một kiểm định cụ thể.
Kéo ngang bảng để xem đầy đủ các cột.
| Nhóm minh họa | Tỷ lệ đúng quan sát | Kỳ vọng mô hình | Quan sát trừ kỳ vọng |
|---|---|---|---|
| Thấp hơn | 28/100 = 28% | 30% | −2 điểm phần trăm |
| Ở giữa | 38/100 = 38% | 55% | −17 điểm phần trăm |
| Cao hơn | 82/100 = 82% | 80% | +2 điểm phần trăm |
Số liệu giả định do Song Pa xây dựng. Chênh lệch lớn nhất ở nhóm giữa. Bảng mô tả nơi cần xem lại; không tự cho biết p-value hay câu có đáp án sai.
Nếu chỉ đọc một nhãn “không đạt”, người xem bỏ lỡ chi tiết quan trọng: nhóm thấp và cao khá gần dự báo, nhóm giữa lệch rõ. Có thể nhóm giữa dùng một cách giải khác, gặp một từ khó hiểu, hoặc có thành phần người học mà mô hình chưa mô tả tốt. Mỗi khả năng cần bằng chứng riêng.
Ba nơi cần kiểm trước khi kết luận về câu
| Nơi kiểm | Ví dụ cần đối soát | Bằng chứng nên lưu |
|---|---|---|
| Dữ liệu và khóa | Đảo mã phương án; ghép sai phiên bản; lỗi nhập; cách xử lý bỏ trống. | Phiên bản đề, khóa chấm và nhật ký sửa dữ liệu. |
| Nội dung và cách hiểu | Hai đáp án có lý; điều kiện thiếu; từ ngữ gây hiểu khác; câu phụ thuộc câu trước. | Lời giải phản biện, bài làm và ghi nhận cách hiểu. |
| Mô hình và điều kiện | Một trục chưa đủ; phụ thuộc ngữ liệu; nhóm quá nhỏ; điều kiện thời gian khác nhau. | Đồ thị thực nghiệm, cỡ nhóm, mô hình và kết quả thử lại. |
Có trường hợp phát hiện khóa sai thật; sửa khóa rồi phân tích lại là cần thiết. Có trường hợp câu đúng nhưng dùng chung ngữ liệu tạo liên hệ giữa các câu chưa được mô hình tính đến. Cũng có trường hợp dữ liệu còn quá ít ở một vùng năng lực để đánh giá ổn định. Những tình huống này không thể cùng được xử lý bằng một nút xóa.
Vì sao không chỉ nhìn p nhỏ hơn 0,05?
Các chỉ số phù hợp có cách tính và điều kiện sử dụng riêng. Orlando và Thissen phát triển chỉ số đối chiếu tần suất quan sát với kỳ vọng trong mô hình IRT nhị phân [1]. Tài liệu phân tích chính thức của mirt cũng khuyến nghị xem bảng hoặc đồ thị thực nghiệm khi câu có mức phù hợp kém [2]. Một con số cần được đọc cùng hình dạng lệch, độ lớn lệch và dữ liệu hỗ trợ.
Kiểm nhiều câu cùng lúc làm tăng cơ hội xuất hiện một số báo động do ngẫu nhiên; ô có quá ít người cũng làm việc đối chiếu khó hơn. Với mẫu rất lớn, một lệch nhỏ có thể được phát hiện rõ về thống kê nhưng chưa chắc gây ảnh hưởng sử dụng lớn. Vì vậy, cần ghi cả cách kiểm, xử lý nhiều kiểm định và mức ảnh hưởng, thay vì chỉ dán nhãn đạt/không đạt.
Một kết luận tạm thời nên viết thế nào?
Với Q27, có thể ghi: “Cần thẩm định thêm vì tỷ lệ đúng quan sát ở nhóm giữa thấp hơn dự báo 17 điểm phần trăm trong bảng minh họa. Kiểm tra phiên bản khóa, cách hiểu ngữ liệu và giả định mô hình trước khi quyết định sử dụng”. Câu kết luận nêu được dấu hiệu, phạm vi và bước tiếp theo; nó không biến một cảnh báo thành lỗi đã được xác nhận.
Trong báo cáo thi thử phục vụ học sinh ôn HSA, TSA hoặc V-ACT, đơn vị nên chỉ giải thích những vấn đề đã đối soát đủ. Nếu một câu đang chờ thẩm định, cần có quy trình xử lý và thông báo phù hợp, tránh để học sinh tự suy từ màu đỏ sang “điểm của em chắc sai”. Mục tiêu của kiểm tra phù hợp là làm quyết định đáng tin hơn, kể cả khi kết quả cuối cùng là sửa dữ liệu, sửa câu, đổi cách mô hình hóa hoặc thu thêm bằng chứng.
Nguồn tham khảo
[1] Orlando, M. & Thissen, D. (2000). Likelihood-Based Item-Fit Indices for Dichotomous Item Response Theory Models. Applied Psychological Measurement, 24(1),50–64. DOI 10.1177/01466216000241003. Xem tài liệu
[2] Chalmers, R. P. và cộng sự. Tài liệu chính thức mirt: itemfit. Kiểm tra ngày 31/10/2026. Xem tài liệu