Tổng quan nghiên cứu

Năm 2017 đánh dấu bước ngoặt quan trọng của giáo dục Việt Nam khi Bộ Giáo dục và Đào tạo chính thức áp dụng hình thức thi trắc nghiệm khách quan cho môn Toán trong kỳ thi Trung học phổ thông Quốc gia. Sự chuyển đổi từ tự luận sang đề thi trắc nghiệm 50 câu hỏi trong thời gian 90 phút đặt ra thách thức lớn đối với công tác đo lường giáo dục. Việc biên soạn đề thi theo phương pháp truyền thống chủ yếu dựa trên cảm tính của hội đồng ra đề, dễ dẫn đến tình trạng đề thi tập trung vào mức độ nhận biết, thông hiểu mà chưa đo lường chính xác các mức độ tư duy bậc cao như vận dụng và vận dụng cao. Bên cạnh đó, với dạng trắc nghiệm 4 lựa chọn, xác suất đoán mò lên tới 25%, đòi hỏi độ khó vừa phải của câu hỏi phải được kiểm soát ở mức khoảng 62,5% để đảm bảo giá trị đo lường.

Nghiên cứu của tác giả Trần Văn Thanh, dưới sự hướng dẫn khoa học của Giáo sư Lâm Quang Thiệp tại Trường Đại học Giáo dục thuộc Đại học Quốc gia Hà Nội, tập trung giải quyết bài toán thiết kế và chuẩn hóa bộ công cụ đánh giá kết quả học tập môn Toán lớp 12. Mục tiêu cụ thể của đề tài là xây dựng quy trình thiết kế đề kiểm tra tổng hợp tích hợp câu hỏi nhị phân, đa phân và phân tích đa chiều theo Lý thuyết ứng đáp câu hỏi (IRT). Nghiên cứu được triển khai trong giai đoạn 2016-2017 trên phạm vi chương trình chuẩn môn Toán lớp 12. Ý nghĩa cốt lõi của công trình là cung cấp giải pháp kỹ thuật giúp nâng cao độ tin cậy của đề thi đạt trên mức chuẩn 0,80, đồng thời kiểm soát sai số đo lường chuẩn xuống dưới 0,25 logit, hỗ trợ phân loại chính xác năng lực tư duy logic của học sinh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Đề tài vận dụng song song hai hệ thống lý thuyết khảo thí nền tảng là Lý thuyết khảo thí cổ điển (CTT) và Lý thuyết ứng đáp câu hỏi (IRT). Trong khuôn khổ CTT, nghiên cứu phân tích điểm số quan sát thông qua các chỉ số độ khó cổ điển $P$, độ phân biệt $D$ dựa trên tỷ lệ 27% nhóm thí sinh điểm cao nhất và 27% nhóm thí sinh điểm thấp nhất, cùng hệ số tương quan điểm câu hỏi với tổng điểm bài thi.

Đối với lý thuyết khảo thí hiện đại IRT, tác giả ứng dụng mô hình xác suất Logistic của George Rasch kết hợp các mô hình mở rộng 2 tham số và 3 tham số. Các khái niệm then chốt được chuẩn hóa bao gồm:

  • Hàm đặc trưng câu hỏi (ICF) và Đường cong đặc trưng câu hỏi (ICC): Thể hiện mối quan hệ phi tuyến giữa năng lực tiềm ẩn $\theta$ của học sinh và xác suất trả lời đúng.
  • Thang đo Logit: Thang đo liên tục từ $-\infty$ đến $+\infty$ (thường quy ước trung bình bằng 0, độ lệch chuẩn bằng 1) đặt cả năng lực học sinh và độ khó câu hỏi trên cùng một thước đo chung.
  • Mô hình điểm số từng phần (Partial Credit Model - PCM): Áp dụng cho các câu hỏi đa phân để lượng hóa các bước giải toán từng phần.
  • Mô hình IRT đa chiều (MIRT): Đánh giá đồng thời 3 chiều năng lực chuyên biệt của môn Toán gồm Giải tích, Đại số và Hình học không gian.
  • Hàm thông tin đề thi $I(\theta)$ và Sai số tiêu chuẩn $\sigma(\theta)$: Công cụ định lượng độ chính xác của phép đo trên từng dải năng lực cụ thể.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phương pháp nghiên cứu định tính và định lượng. Nguồn dữ liệu thực nghiệm được thu thập từ mẫu khảo sát gồm 450 học sinh lớp 12 tại các trường Trung học phổ thông, đại diện cho các nhóm đối tượng có học lực và điều kiện học tập khác nhau. Phương pháp chọn mẫu phân tầng ngẫu nhiên được áp dụng để đảm bảo tính đại diện cho tổng thể học sinh chuẩn bị tham dự kỳ thi quốc gia.

Lý do lựa chọn phương pháp phân tích IRT thông qua phần mềm chuyên dụng ConQuest là vì IRT khắc phục triệt để nhược điểm phụ thuộc mẫu của CTT, cho phép định cỡ tham số câu hỏi độc lập với mẫu thử nghiệm và ước lượng năng lực thí sinh không phụ thuộc vào đề thi cụ thể. Quy trình nghiên cứu được triển khai theo lộ trình 3 giai đoạn chặt chẽ:

  • Giai đoạn 1 (Tháng 09/2016 - Tháng 12/2016): Xây dựng ma trận trọng số kiến thức theo chuẩn của Bộ Giáo dục và Đào tạo, biên soạn ngân hàng câu hỏi thử nghiệm gồm 4 đề tổng hợp.
  • Giai đoạn 2 (Tháng 01/2017 - Tháng 03/2017): Tiến hành khảo sát thực nghiệm trên 450 học sinh, thu thập phiếu trả lời trắc nghiệm và mã hóa dữ liệu nhị phân (0-1) cùng thang điểm đa phân.
  • Giai đoạn 3 (Tháng 04/2017 - Tháng 06/2017): Xử lý dữ liệu trên phần mềm ConQuest, so bằng đề thi, vẽ đường cong đặc trưng và hiệu chuẩn ngân hàng câu hỏi.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích định lượng trên 4 đề thi thử nghiệm môn Toán lớp 12 mang lại 4 phát hiện cốt lõi:

Thứ nhất, phân tích CTT cho thấy độ khó cổ điển $P$ của các câu hỏi dao động từ 0,22 đến 0,88, tập trung chủ yếu ở khoảng độ khó vừa phải (0,50 - 0,70). Độ phân biệt $D$ đạt mức tốt với hơn 78% số câu hỏi có chỉ số $D \ge 0,30$. Tuy nhiên, khoảng 12% phương án mồi nhử trong các câu hỏi nhận biết có độ hấp dẫn kém khi tỷ lệ chọn giữa nhóm học sinh giỏi và nhóm học sinh kém chênh lệch dưới 5%, làm giảm hiệu quả phân loại.

Thứ hai, kết quả hiệu chuẩn bằng mô hình Rasch 1 tham số và mô hình PCM trên thang đo Logit xác định độ khó $b$ của các câu hỏi trải rộng từ -2,85 logit đến +2,72 logit. Độ tương thích của dữ liệu với mô hình đạt mức chuẩn khi các chỉ số MNSQ (Mean Square) nằm trong khoảng chấp nhận 0,75 đến 1,30, chứng minh tính độc lập địa phương của các câu hỏi.

Thứ ba, phân tích đa chiều MIRT chỉ ra cấu trúc năng lực môn Toán lớp 12 phân hóa rõ rệt thành 3 chiều độc lập tương đối: Chiều 1 - Giải tích (chiếm 52% tổng lượng thông tin đề thi), Chiều 2 - Đại số và Giải tích tổ hợp (chiếm 23%), và Chiều 3 - Hình học không gian và Tọa độ (chiếm 25%). Tương quan giữa các chiều năng lực dao động từ 0,68 đến 0,79, phản ánh mối liên hệ hữu cơ nhưng không thể thay thế lẫn nhau giữa các phân môn.

Thứ tư, hàm thông tin của đề thi $I(\theta)$ đạt giá trị cực đại trên 14,5 tại khoảng năng lực $\theta$ từ -0,40 đến +1,10 logit. Trong khoảng này, sai số đo lường tiêu chuẩn $\sigma(\theta)$ giảm xuống mức cực tiểu dưới 0,26, chứng minh đề thi có độ chính xác tối ưu khi đánh giá nhóm học sinh trung bình khá và khá.

Thảo luận kết quả

Dữ liệu thực nghiệm khi đối chiếu giữa CTT và IRT phản ánh rõ sự vượt trội của phương pháp tiếp cận hiện đại. Khi phân tích bằng biểu đồ đường cong đặc trưng câu hỏi (ICC) và bản đồ phân bố Wright Map (biểu diễn đồng thời năng lực thí sinh và độ khó câu hỏi trên cùng trục logit), các câu hỏi có hiện tượng đoán mò cao ở mức năng lực thấp được bộc lộ rõ ràng với tiệm cận dưới $c > 0,20$.

Bảng tương quan năng lực và biểu đồ phân tán 3 chiều chứng minh rằng học sinh đạt điểm cao ở phần Giải tích chưa chắc đạt kết quả tương đương ở phần Hình học không gian (khoảng 18% thí sinh có sự lệch pha năng lực trên 1,0 logit giữa hai phân môn này). Việc áp dụng mô hình câu hỏi đa phân PCM giúp thu hồi thêm khoảng 35% lượng thông tin về các bước tư duy logic trung gian mà các câu hỏi trắc nghiệm nhị phân truyền thống bỏ sót. Kết quả này tương đồng với các nghiên cứu khảo thí quốc tế, khẳng định việc tích hợp đa phân và đa chiều là xu hướng tất yếu để nâng cao chất lượng đánh giá học thuật.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, 4 nhóm giải pháp chiến lược được đề xuất nhằm hoàn thiện công tác khảo thí môn Toán:

  • Tái cấu trúc ma trận đề thi chuẩn hóa đa chiều: Chuẩn hóa 100% đề thi học kỳ và đề thi thử tốt nghiệp THPT theo ma trận 3 chiều năng lực (Giải tích, Đại số, Hình học) với tỷ lệ phân bổ trọng số lần lượt là 50% - 20% - 30%. Thời gian thực hiện: Hoàn thiện trong vòng 6 tháng đầu năm học. Chủ thể thực hiện: Tổ chuyên môn Toán và Ban Khảo thí tại các trường THPT.
  • Triển khai ứng dụng phần mềm phân tích IRT chuyên dụng: Tổ chức tập huấn kỹ thuật sử dụng phần mềm ConQuest và các gói phần mềm R (như mirt, eRm) cho cán bộ khảo thí nhằm giảm 40% thời gian xử lý và hiệu chuẩn ngân hàng câu hỏi. Thời gian thực hiện: Định kỳ hàng năm trước mỗi kỳ thi lớn. Chủ thể thực hiện: Sở Giáo dục và Đào tạo phối hợp cùng các chuyên gia đo lường.
  • Đa dạng hóa định dạng câu hỏi và tích hợp mô hình đa phân: Biên soạn bổ sung từ 15% đến 20% các câu hỏi trắc nghiệm nhiều bước có tính điểm từng phần (mô hình PCM) nhằm triệt tiêu hiện tượng đoán mò và nâng độ tin cậy đề thi lên trên 0,85. Thời gian thực hiện: Lộ trình 2 năm học liên tiếp. Chủ thể thực hiện: Giáo viên cốt cán môn Toán toàn quốc.
  • Xây dựng ngân hàng đề thi thích ứng trên máy tính (CAT): Số hóa ngân hàng câu hỏi đã được định cỡ tham số logit chuẩn để phát triển hệ thống thi thích ứng, giúp rút ngắn 50% số lượng câu hỏi mà vẫn duy trì sai số đo lường dưới 0,20. Thời gian thực hiện: Đề án trung hạn 3-5 năm. Chủ thể thực hiện: Trung tâm Khảo thí Quốc gia và Cục Quản lý Chất lượng.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng trọng tâm trong hệ thống giáo dục:

  • Cán bộ quản lý khảo thí và chuyên viên đo lường giáo dục: Tiếp cận khung quy trình chuẩn mực về xây dựng ma trận, định cỡ tham số câu hỏi bằng phần mềm ConQuest và kỹ thuật so bằng đề thi trên thang đo Logit.
  • Giáo viên giảng dạy môn Toán cấp Trung học phổ thông: Nắm bắt kỹ thuật biên soạn câu hỏi trắc nghiệm khách quan chuẩn hóa, cách phân tích các phương án mồi nhử và phương pháp thiết kế bài kiểm tra đa chiều để chẩn đoán chính xác năng lực học sinh.
  • Học viên cao học và nghiên cứu sinh ngành Đo lường & Đánh giá giáo dục: Sử dụng luận văn như một tài liệu tham khảo mẫu mực về phương pháp kết hợp mô hình Rasch, mô hình Partial Credit Model và mô hình IRT đa chiều trong nghiên cứu thực nghiệm.
  • Ban giám hiệu và các nhà hoạch định chính sách giáo dục: Có thêm căn cứ khoa học vững chắc để chỉ đạo đổi mới phương thức kiểm tra đánh giá định kỳ, bảo đảm tính công bằng, khách quan và minh bạch trong các kỳ thi quy mô lớn.

Câu hỏi thường gặp

Lý thuyết ứng đáp câu hỏi (IRT) vượt trội hơn Lý thuyết khảo thí cổ điển (CTT) ở điểm nào khi đánh giá môn Toán?
IRT phân tách độc lập năng lực thí sinh và độ khó câu hỏi trên cùng thang đo logit, không bị phụ thuộc vào mẫu khảo sát như CTT. Khi thử nghiệm trên 450 học sinh, IRT định cỡ chính xác tham số câu hỏi độc lập với trình độ của nhóm thử nghiệm, đồng thời ước lượng sai số đo lường riêng biệt cho từng mức năng lực thay vì một sai số chung.

Mô hình điểm số từng phần (Partial Credit Model - PCM) đóng vai trò gì trong đề thi Toán?
Mô hình PCM lượng hóa kết quả bài làm theo nhiều mức điểm thay vì nhị phân đúng/sai (0/1). Đối với các bài toán hình học hoặc giải tích phức tạp, PCM ghi nhận và cho điểm từng bước suy luận trung gian đúng, giúp tăng thêm khoảng 35% lượng thông tin đo lường và phản ánh chính xác tư duy logic của học sinh.

Tại sao cần đánh giá đa chiều thay vì chỉ dùng một điểm số tổng hợp duy nhất cho môn Toán?
Phân tích đa chiều MIRT chứng minh môn Toán lớp 12 gồm 3 chiều năng lực riêng biệt: Giải tích, Đại số và Hình học không gian. Một học sinh có thể đạt điểm xuất sắc ở phần Giải tích nhưng gặp khó khăn ở Hình học không gian. Phân tích đa chiều giúp chẩn đoán đúng điểm nghẽn nhận thức cụ thể của từng học sinh.

Phần mềm ConQuest hỗ trợ những chức năng gì trong quá trình chuẩn hóa đề thi?
ConQuest là phần mềm khảo thí chuyên dụng thực hiện ước lượng hợp lý cực đại cho các mô hình Rasch 1 tham số, mô hình đa phân PCM và IRT đa chiều. Phần mềm xuất ra các bảng chỉ số độ khó, độ phân biệt, bản đồ phân bố Wright Map và hàm thông tin đề thi $I(\theta)$ với độ chính xác cao.

Làm thế nào để nhận biết và xử lý một phương án mồi nhử (distractor) kém chất lượng?
Một phương án mồi nhử tốt phải thu hút nhóm học sinh có năng lực thấp chọn nhiều hơn nhóm năng lực cao. Nếu một mồi nhử có tỷ lệ chọn dưới 5% hoặc bị nhóm điểm cao chọn nhiều hơn nhóm điểm thấp, phương án đó đã bộc lộ sai sót về mặt sư phạm hoặc thiếu tính thuyết phục và cần phải được viết lại hoặc thay thế.

Kết luận

  • Luận văn đã giải quyết trọn vẹn bài toán xây dựng và chuẩn hóa đề thi trắc nghiệm tổng hợp môn Toán lớp 12 bằng việc tích hợp câu hỏi nhị phân, đa phân và phân tích đa chiều.
  • Công trình chứng minh tính ưu việt vượt trội của Lý thuyết ứng đáp câu hỏi (IRT) và mô hình Rasch so với phương pháp khảo thí cổ điển trong việc nâng cao độ giá trị và độ tin cậy của bài thi.
  • Đóng góp khoa học then chốt là quy trình định chuẩn đề thi 3 giai đoạn kết hợp phần mềm ConQuest, giúp kiểm soát sai số tiêu chuẩn xuống dưới 0,26 logit trên dải năng lực rộng.
  • Lộ trình phát triển tiếp theo cần tập trung số hóa ngân hàng câu hỏi đã định cỡ để triển khai mô hình kiểm tra thích ứng trên máy tính (CAT) trong vòng 3 đến 5 năm tới.
  • Các cơ sở giáo dục và đội ngũ giáo viên THPT nên nhanh chóng ứng dụng khung lý thuyết và quy trình biên soạn ma trận đa chiều của luận văn để nâng cao chất lượng kiểm tra đánh giá thường xuyên và định kỳ.