Phần tự viết có thể được đưa vào một hệ đo IRT nếu cách chấm, dữ liệu và mô hình phù hợp. IRT không chỉ dành cho câu trắc nghiệm đúng hoặc sai. Tôi đề xuất xây dựng tiêu chí chấm rõ trước, kiểm tra độ nhất quán, rồi mới lựa chọn mô hình cho các mức điểm.
Câu tự viết cần tạo ra mức điểm có ý nghĩa
Một câu giải thích có thể được chấm 0, 1, 2 hoặc 3 theo chất lượng nội dung. Mỗi mức cần mô tả điều học sinh thể hiện, có ví dụ và chấp nhận nhiều cách diễn đạt đúng. Nếu người chấm chưa hiểu giống nhau, việc đưa điểm vào phần mềm không giải quyết được vấn đề gốc.
NAEP dùng mô hình điểm từng phần tổng quát, thường gọi GPCM, cho các câu có nhiều mức điểm [1]. Ví dụ này cho thấy câu tự tạo câu trả lời có thể tham gia hệ đo, nhưng không có nghĩa mọi đề trộn hai dạng câu đều đã đủ điều kiện dùng chung một thang.
Hai con đường thiết kế cần được phân biệt
Nếu câu chọn đáp án và câu tự viết cùng cung cấp bằng chứng cho một năng lực, có thể xem xét mô hình kết hợp phù hợp. Nếu phần viết còn đo năng lực diễn đạt hoặc lập luận khác đáng kể, cần xem xét báo cáo riêng, mô hình đo nhiều mặt năng lực hoặc cách tổng hợp có căn cứ.
Tài liệu NAEP nêu các giả định về số chiều năng lực và tính độc lập có điều kiện khi sử dụng mô hình [2]. Vì vậy, không nên chia từng dòng trong một lời giải thành nhiều câu độc lập chỉ để tăng số lượng dữ liệu; các phần có thể phụ thuộc chặt vào nhau.
Trọng số đề thi khác với cách xây thang đo
Tình huống minh họa: đề có 7 điểm trắc nghiệm và 3 điểm tự viết. Phép cộng này tạo một tổng điểm theo thiết kế, chưa tự tạo ra một theta IRT. Muốn có kết quả IRT phải thực hiện ước lượng tham số câu hỏi từ dữ liệu, kiểm tra mức độ phù hợp và xác định cách báo cáo.
Tôi đề xuất trường bắt đầu bằng một số câu tự viết có tiêu chí rõ, chấm thử và phân tích dữ liệu trước khi mở rộng. Với phụ huynh, câu hỏi quan trọng là từng mức điểm nói lên điều gì về khả năng của con. Với đơn vị khảo thí, chất lượng chấm và ý nghĩa thang đo phải được chuẩn bị đồng thời với nội dung đề, nhất là khi AI tham gia hỗ trợ tạo hoặc nhận xét câu trả lời.
Cũng cần phân biệt câu điền đáp án ngắn với bài viết giải thích. Dạng thức HSA có câu điền đáp án [3], nhưng việc nhập kết quả chưa tự thể hiện toàn bộ lập luận. Phần tự viết được bàn ở đây là một hướng thiết kế đánh giá cần thử nghiệm, không phải thông báo thay đổi cấu trúc kì thi.
Tài liệu tham khảo
[1] National Center for Education Statistics (không ghi năm cố định). The Generalized Partial Credit Model. Nguồn
[2] National Center for Education Statistics (không ghi năm cố định). Assumptions of the Item Scaling Models. Nguồn
[3] Viện Đào tạo số và Khảo thí ĐHQGHN (2026). Dạng thức và đề cương bài thi đánh giá năng lực áp dụng từ năm 2026. Nguồn