Programas de avaliação e seus componentes: uma abordagem de rede

Autores

DOI:

https://doi.org/10.15448/1980-6108.2020.1.37124

Palavras-chave:

Avaliação, programas, conexão, rede, análise de rede

Resumo

Exames e outras avaliações na educação em ciências da saúde não são eventos aleatórios. Ao contrário, eles fazem parte de um programa de avaliação mais amplo, alinhado construtivamente com os resultados de aprendizagem pretendidos em diferentes estágios de um currículo de ciências da saúde. Dependendo da distância local e temporal, as avaliações no programa são correlacionadas entre si em maior ou menor grau. Embora a correlação não equivalha à causalidade, uma vez que entendemos a estrutura correlacional de um programa de avaliação, podemos usar essas informações para fazer previsões de desempenho futuro, considerar intervenções precoces para estudantes com probabilidade de desistência e informar revisões em avaliação ou ensino. Este artigo demonstra como a estrutura correlacional de um programa de avaliação pode ser representada em termos de uma rede, na qual as avaliações constituem nossos nós e o grau de conexão entre dois nós pode ser representado como uma linha mais grossa ou mais fina que conecta esses dois nós, dependendo se a correlação entre as duas avaliações em questão é mais forte ou mais fraca. Implicações para a prática educacional e mais pesquisas são discutidas.

Downloads

Não há dados estatísticos.

Referências

Leppink J. The art of modelling the learning process: Uniting educational research and practice. Cham: Springer; 2020. [cited 2020 Feb. 14]. Available from: https://www.springer.com/gp/book/9783030430818.

Borsboom D, Cramer AOJ. Network analysis: An integrative approach to the structure of psychopathology. Ann Rev Clin Psychol. 2013;9:91-121. https://doi.org/10.1146/annurev-clinpsy-050212-185608.

Cramer AOJ, Waldorp LJ, Van der Maas HLJ, Borsboom D. Comorbidity: A network perspective. Behav Brain Sci. 2010;33:137-50. https://doi.org/10.1017/S0140525X09991567.

Epskamp S, Borsboom D, Fried EI. A tutorial on regularized partial correlation networks. Psychol. Meth. 2018;23:617-34. https://doi.org/10.1037/met0000167.

Golino HF, Epskamp S. Exploratory graph analysis: A new approach for estimating the number of dimensions in psychological research. PLoS One. 2017;12:e0174035. https://doi.org/10.1371/journal.pone.0174035.

Love J, Selker R, Marsman M, et al. JASP version 0.11.1.0. [cited 2020 Feb. 19]. Avalaible from: https://jasp-stats.org/.

Santosa P, Symes WW. Linear inversion of band-limited reflection seismograms. SIAM J Sci Stat Comp. 1986;7:1307-30. https://doi.org/10.1137/0907087.

Tibshirani R. Regression shrinkage and selection via the lasso. J Royal Stat Soc Ser B. 1996;58:267-88. https://doi.org/10.1111/j.1467-9868.2011.00771.x.

Tibshirani R. Regression shrinkage and selection via the lasso: A retrospective. J Royal Stat Soc Ser B. 2011;73:273-82. https://doi.org/10.1111/j.1467-9868.2011.00771.x.

Chen J, Chen Z. Extended Bayesian information criteria for model selection with large model spaces. Biometr. 2008;95:759-71. https://doi.org/10.1093/biomet/asn034.

Dalege J, Borsboom D, Harreveld F, Van der Maas HLJ. Network analysis on attitudes: A brief tutorial. Soc Psychol Pers Sci. 2017;8:528-37. https://doi.org/10.1177/1948550617709827.

Downloads

Publicado

2020-07-15

Como Citar

Leppink, J. (2020). Programas de avaliação e seus componentes: uma abordagem de rede. Scientia Medica, 30(1), e37124. https://doi.org/10.15448/1980-6108.2020.1.37124

Edição

Seção

Educação em Ciências da Saúde