Bối cảnh và vấn đề nghiên cứu

Trong giai đoạn chuyển tiếp từ Chương trình Giáo dục phổ thông (CT GDPT) 2006 sang CT GDPT 2018, công tác kiểm tra đánh giá kết quả học tập của học sinh trung học phổ thông (THPT) đòi hỏi sự chuyển dịch căn bản về triết lý và phương pháp. Nếu như CT GDPT 2006 chú trọng đánh giá mức độ đạt được về mặt kiến thức, kĩ năng thông qua số lượng nhiệm vụ học sinh hoàn thành, thì CT GDPT 2018 lại lấy trọng tâm là đánh giá năng lực và phẩm chất. Đánh giá năng lực yêu cầu xem xét khả năng vận dụng kiến thức, kĩ năng vào việc giải quyết các tình huống thực tiễn, đồng thời kết quả lượng hóa phải phụ thuộc trực tiếp vào độ khó của các nhiệm vụ mà người học vượt qua, thay vì chỉ đơn thuần cộng gộp số lượng câu trả lời đúng.

Mặc dù câu hỏi trắc nghiệm khách quan (TNKQ) nhiều lựa chọn được sử dụng rất phổ biến trong các kỳ thi định kỳ và kỳ thi chuẩn hóa quốc gia, việc thiết kế và đánh giá câu hỏi ở quy mô lớp học hiện nay chủ yếu vẫn dựa vào kinh nghiệm chủ quan của giáo viên. Đa số giáo viên vẫn quy đổi điểm số trực tiếp từ tổng số câu đúng mà chưa tính đến độ khó thực tế của từng câu hỏi và xác suất đoán mò của học sinh. Nhằm giải quyết bất cập này, khóa luận tập trung nghiên cứu việc ứng dụng lý thuyết đo lường hiện đại để xây dựng và chuẩn hóa ngân hàng câu hỏi đánh giá năng lực.

Khóa luận xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể:

  1. Mục tiêu nghiên cứu: Xây dựng và chuẩn hóa bộ câu hỏi trắc nghiệm khách quan nhằm phục vụ tổ chức dạy học và đánh giá kết quả học tập nội dung Sinh lí hô hấp và Sinh lí tuần hoàn ở động vật thuộc môn Sinh học lớp 11 theo CT GDPT 2018.
  2. Nhiệm vụ nghiên cứu:
    • Khảo sát thực trạng và nhu cầu của giáo viên THPT về việc sử dụng ngân hàng câu hỏi trắc nghiệm chuẩn hóa và các lý thuyết khảo thí hiện đại.
    • Nghiên cứu cơ sở lý luận về đánh giá năng lực môn Sinh học và các lý thuyết đo lường giáo dục (CTT, IRT).
    • Thiết lập quy trình kỹ thuật xây dựng và chuẩn hóa bộ câu hỏi TNKQ đánh giá năng lực.
    • Biên soạn 2 bộ câu hỏi TNKQ (mỗi bộ gồm 40 câu hỏi 4 lựa chọn) bám sát ma trận và bản đặc tả yêu cầu cần đạt (YCCĐ).
    • Tiến hành thực nghiệm sư phạm trên học sinh lớp 11 tại TP. Hồ Chí Minh, phân tích các thông số kỹ thuật câu hỏi và đề thi bằng công cụ định lượng để hiệu chỉnh và chuẩn hóa.
  3. Đối tượng và phạm vi nghiên cứu:
    • Đối tượng nghiên cứu: Cơ sở lý luận về kiểm tra đánh giá kết quả học tập ở trường phổ thông; phương pháp soạn thảo, phân tích hệ thống câu hỏi thi theo lý thuyết đánh giá hiện đại (IRT).
    • Khách thể nghiên cứu: Các yêu cầu cần đạt trong mạch nội dung Sinh lí hô hấp và tuần hoàn ở động vật (Sinh học 11) và năng lực học sinh lớp 11.
    • Phạm vi khảo sát giáo viên: 28 giáo viên THPT tại TP. Hồ Chí Minh và một số tỉnh thành (trường THPT Gia Định, THPT Võ Thị Sáu, THPT chuyên, THPT Tiên Lữ - Hưng Yên...).
    • Phạm vi thực nghiệm học sinh: 200 đến 300 học sinh lớp 11 tại các trường THPT trên địa bàn TP. Hồ Chí Minh (THPT Trần Phú, THPT Bình Phú, THPT Gia Định, THPT Tam Phú, THPT Hoàng Hoa Thám) vào năm học 2023 - 2024.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình đo lường

Nghiên cứu so sánh và vận dụng hai hệ thống lý thuyết đo lường giáo dục chính:

  • Lý thuyết trắc nghiệm cổ điển (Classical Test Theory - CTT): Tập trung vào việc xác định các chỉ số cấp độ bài thi và câu hỏi dựa trên phương pháp phân nhóm cực đoan (27% nhóm điểm cao và 27% nhóm điểm thấp), tính toán độ khó ($P$), độ phân biệt ($D$), phương sai điểm số thực và độ tin cậy theo quy chuẩn của Albert (1962). CTT bộc lộ hạn chế khi tham số câu hỏi phụ thuộc vào mẫu thí sinh và không tách biệt được năng lực nội tại với xác suất đoán mò.
  • Lý thuyết ứng đáp câu hỏi (Item Response Theory - IRT): Khắc phục nhược điểm của CTT bằng cách mô hình hóa mối quan hệ phi tuyến giữa năng lực tiềm ẩn của thí sinh ($\theta$) và xác suất trả lời đúng câu hỏi $P(\theta)$. Khóa luận áp dụng mô hình Logistic 3 tham số (3PL - Birnbaum): $$P(\theta) = c + (1 - c)\frac{e^{1.7a(\theta - b)}}{1 + e^{1.7a(\theta - b)}}$$ Trong đó: $a$ là độ phân biệt (slope), $b$ là độ khó (điểm uốn trên thang đo năng lực), $c$ là hệ số đoán mò (tiệm cận trái của đường cong). Mô hình còn sử dụng Đường cong đặc tính câu hỏi (ICC), Đường cong đặc tính đề thi (TCC), Hàm thông tin câu hỏi và Hàm thông tin đề thi (Test Information Function) để xác định độ chuẩn xác của phép đo trên từng dải năng lực.
Tiêu chí so sánh Lý thuyết trắc nghiệm cổ điển (CTT) Lý thuyết ứng đáp câu hỏi (IRT)
Cấp độ phân tích Cấp độ toàn bài thi Cấp độ từng câu hỏi độc lập
Tham số năng lực ($\theta$) Phụ thuộc vào độ khó của đề thi cụ thể Bất biến với tập hợp câu hỏi được chọn
Tham số câu hỏi ($a, b$) Phụ thuộc vào mẫu thí sinh làm bài Bất biến với mẫu thí sinh tham gia
Yếu tố đoán mò ($c$) Không ước lượng được trực tiếp Lượng hóa rõ ràng qua tham số tiệm cận $c$
Độ chính xác phép đo Sai số chuẩn như nhau cho mọi thí sinh Sai số thay đổi tùy theo mức năng lực qua hàm thông tin

Phương pháp nghiên cứu và xử lý dữ liệu

  • Phương pháp nghiên cứu lý thuyết: Thu thập, phân tích tài liệu chuyên môn về đánh giá năng lực trong CT GDPT 2018 (Module 3) và các thành phần năng lực Sinh học (Nhận thức sinh học; Tìm hiểu thế giới sống; Vận dụng kiến thức, kĩ năng).
  • Phương pháp điều tra: Sử dụng bảng hỏi trực tuyến (Google Forms) thu thập dữ liệu định lượng và định tính từ 28 giáo viên bộ môn Sinh học về thói quen thiết kế ma trận, bản đặc tả và mức độ tiếp cận các lý thuyết khảo thí CTT/IRT.
  • Phương pháp thực nghiệm và đo lường: Tổ chức kiểm tra thực nghiệm trên mẫu học sinh lớp 11. Toàn bộ dữ liệu phản hồi đúng/sai được xử lý trên phần mềm thống kê RStudio và Microsoft Excel, ước tính các chỉ số thống kê độ phù hợp mô hình ($RMSX2$), hệ số tải ($F1$), tham số $a, b, c$ và vẽ đồ thị ICC, hàm thông tin.

Nội dung chính theo từng chương

Chương 1: Cơ sở lí luận và thực tiễn

Chương này hệ thống hóa các khái niệm nền tảng về đo lường giáo dục, đánh giá năng lực theo CT GDPT 2018 và so sánh chi tiết giữa CTT và IRT. Phần thực tiễn phân tích kết quả khảo sát 28 giáo viên THPT với nhiều phát hiện đáng chú ý:

  • Công cụ và cách chấm điểm hiện hành: 85,7% giáo viên sử dụng câu hỏi TNKQ 4 lựa chọn làm công cụ kiểm tra chính. Đa số giáo viên vẫn tính điểm dựa trên tổng số câu đúng, dù 92,9% thừa nhận phương pháp này không phản ánh chính xác năng lực thực tế của học sinh.
  • Kỹ năng xây dựng đề: Đa số giáo viên có ý thức xây dựng bản đặc tả và ma trận (từ 21 đến 27/28 giáo viên thực hiện thường xuyên), gần 90% quan tâm đến độ khó và độ phân biệt của câu hỏi.
  • Mức độ tiếp cận lý thuyết khảo thí: 50% giáo viên chưa từng được tập huấn về CTT; 60,7% chưa từng tiếp cận IRT. Tuy nhiên, 96,4% giáo viên khẳng định nhu cầu cấp thiết cần tìm hiểu quy trình chuẩn hóa đề thi theo hướng đo lường năng lực và 100% đồng ý việc chia sẻ các câu hỏi đã chuẩn hóa vào ngân hàng câu hỏi chung.

Chương 2: Quy trình xây dựng và chuẩn hoá bộ câu hỏi trắc nghiệm đánh giá năng lực học sinh

Dựa trên quy trình chuẩn hóa của Hambleton & Jones (1993), tác giả thiết lập chu trình 4 bước có tích hợp mô hình IRT 3PL:

  1. Bước 1: Xác định cấu trúc và đặc trưng đề thi: Phân tích YCCĐ thuộc hai chủ đề "Hô hấp và trao đổi khí ở động vật" và "Vận chuyển các chất trong cơ thể động vật" trong sách giáo khoa Sinh học 11, thiết lập bảng ma trận và bản đặc tả đề thi chi tiết gồm 40 câu hỏi.
  2. Bước 2: Chuẩn bị câu hỏi thô: Soạn thảo hệ thống câu hỏi TNKQ 4 lựa chọn tuân thủ nghiêm ngặt kỹ thuật viết câu dẫn rõ ràng, phương án đúng duy nhất và phương án nhiễu có tính phân loại cao theo 3 mức độ nhận thức (Biết, Hiểu, Vận dụng).
  3. Bước 3: Đánh giá câu hỏi thô qua thực nghiệm: Tổ chức cho học sinh làm bài thi thử nghiệm để thu thập ma trận dữ liệu nhị phân (0/1).
  4. Bước 4: Phân tích thông số kỹ thuật và hiệu chỉnh: Ứng dụng mô hình IRT 3PL trên phần mềm RStudio để ước lượng tham số $a, b, c$, độ phù hợp ($RMSX2$), hệ số tải nhân tố ($F1$), loại bỏ hoặc sửa chữa các câu hỏi lệch chuẩn trước khi đưa vào ngân hàng chính thức.

Chương 3: Cấu trúc đề thi và kết quả chuẩn hoá bộ câu hỏi thực nghiệm

Chương 3 trình bày chi tiết bản đặc tả, ma trận đề thi cho 2 mã đề (Đề 001 và Đề 002) cùng kết quả phân tích thống kê từng câu hỏi cụ thể sau thực nghiệm.

  • Phân tích tham số câu hỏi chi tiết: Mỗi câu hỏi được đối chiếu giữa cấp độ đánh giá định tính ban đầu và cấp độ thực nghiệm lượng hóa qua mô hình IRT 3PL. Điển hình như:
    • Câu 21 (Biện pháp phòng bệnh hô hấp): Cấp độ đánh giá dễ ($b < -1$), tỷ lệ làm đúng 72,26%, $RMSX2 = 0,037$, hệ số đoán mò $c = 0,23$, độ phân biệt trung bình, phù hợp đánh giá nhóm học sinh có năng lực từ $-3$ đến $1$.
    • Câu 24 (Hệ tuần hoàn hở): Dự kiến ban đầu là dễ nhưng thực tế là câu khó ($b = 1,23$), tỷ lệ làm đúng chỉ 36,77%, tham số $a = 4,62$ (độ phân biệt rất cao), $RMSX2 = 0,049$, $F1 = 0,999$, hàm thông tin tập trung tối đa tại vùng năng lực cao ($1,0$ đến $1,5$).
    • Câu 27 (Hệ tuần hoàn các loài động vật): Tỷ lệ làm đúng chỉ đạt 10,32%, tham số $a = 7,82$ (phân biệt cực cao), độ khó $b > 1$, $RMSX2 = 0,000$, $F1 = 0,977$, hoạt động rất chuẩn xác ở dải năng lực cao ($1$ đến $2$).
    • Câu 37 (Biến động huyết áp, vận tốc máu): Tỷ lệ làm đúng 19,35%, độ khó rất cao, tuy nhiên độ dốc thấp và $F1 = 0,103$ (chưa tốt), tác giả đề xuất chỉnh sửa phương án nhiễu để hạ độ khó.
  • Đánh giá đường cong đặc tính đề thi (TCC) và hàm thông tin tổng thể: Đường cong TCC của Đề 001 và Đề 002 có độ dốc đều, điểm uốn tương ứng với mức nửa điểm thật phân bố cân đối trên thang đo năng lực $\theta \in [-3, 3]$, đảm bảo độ tin cậy và giá trị đo lường cao trên toàn bộ các nhóm học sinh từ trung bình đến khá giỏi.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  • Khảo sát thực trạng chỉ ra khoảng trống lớn giữa nhu cầu chuẩn hóa câu hỏi của giáo viên phổ thông với việc thiếu hụt các khóa tập huấn chuyên sâu về lý thuyết khảo thí hiện đại (hơn 60% chưa tiếp cận IRT).
  • Xây dựng thành công 2 bộ câu hỏi trắc nghiệm khách quan chuẩn hóa (mỗi bộ 40 câu hỏi, tổng cộng 80 câu hỏi phân tích tham số hoàn chỉnh) thuộc chủ đề Sinh lí hô hấp và Sinh lí tuần hoàn ở động vật (Sinh học 11).
  • Kiểm chứng thực nghiệm trên 200 - 300 học sinh, cung cấp đầy đủ các tham số kỹ thuật ($a, b, c, RMSX2, F1$) cùng biểu đồ đường cong đặc tính ICC và hàm thông tin cho từng câu hỏi, giúp sàng lọc chính xác các câu hỏi đạt chuẩn và điều chỉnh các câu hỏi có phương án nhiễu chưa hợp lý.

Đóng góp mới của khóa luận

  1. Đóng góp về phương pháp luận: Thiết lập quy trình 4 bước tường minh nhằm xây dựng và chuẩn hóa ngân hàng câu hỏi kiểm tra đánh giá theo định hướng năng lực, kết hợp hiệu quả giữa kỹ thuật biên soạn sư phạm truyền thống với các mô hình toán học đo lường hiện đại (IRT 3PL).
  2. Đóng góp về mặt học liệu: Cung cấp cho giáo viên THPT ma trận, bản đặc tả chi tiết và bộ ngân hàng câu hỏi trắc nghiệm đã qua chuẩn hóa thực nghiệm, có thể sử dụng ngay để đánh giá đúng năng lực học sinh trong quá trình triển khai CT GDPT 2018 môn Sinh học.

Hạn chế và hướng nghiên cứu tiếp

  • Về phạm vi nội dung: Nghiên cứu mới chỉ tập trung vào 2 mạch kiến thức thành phần của phần Sinh học cơ thể lớp 11 (Sinh lí hô hấp và Sinh lí tuần hoàn ở động vật), chưa bao phủ toàn bộ chương trình Sinh học 11 cũng như toàn cấp THPT.
  • Về quy mô mẫu khảo sát: Khảo sát giáo viên mới dừng lại ở cỡ mẫu $n = 28$, mẫu thực nghiệm học sinh tập trung chủ yếu tại địa bàn các trường THPT tại TP. Hồ Chí Minh.
  • Hướng mở rộng:
    • Tiếp tục áp dụng quy trình chuẩn hóa IRT cho các chủ đề Sinh học khác như Cảm ứng, Sinh trưởng và phát triển, Sinh sản ở sinh vật.
    • Mở rộng ngân hàng câu hỏi chuẩn hóa phục vụ xây dựng hệ thống kiểm tra thích ứng trên máy tính (Computerized Adaptive Testing - CAT), tự động điều chỉnh độ khó câu hỏi theo năng lực tức thời của học sinh.

Giá trị tham khảo

  • Đối với sinh viên và học viên chuyên ngành Sư phạm Sinh học, Đo lường và Đánh giá giáo dục: Khóa luận là tài liệu tham khảo cụ thể về cách ứng dụng phần mềm thống kê (RStudio) để tính toán tham số mô hình IRT 3PL, đọc biểu đồ ICC và hàm thông tin trong nghiên cứu giáo dục.
  • Đối với giáo viên Sinh học THPT: Cung cấp cấu trúc ma trận, bản đặc tả chuẩn YCCĐ CT GDPT 2018 và hệ thống 80 câu hỏi trắc nghiệm 4 lựa chọn đã được chuẩn hóa về độ khó, độ phân biệt và tham số đoán mò, hỗ trợ trực tiếp công tác ra đề kiểm tra thường xuyên và định kỳ.

Câu hỏi thường gặp

1. Tại sao tác giả lựa chọn mô hình IRT 3 tham số (3PL) thay vì mô hình Rasch 1 tham số?

Mô hình Rasch 1 tham số chỉ xem xét độ khó ($b$) và mặc định độ phân biệt ($a$) của mọi câu hỏi là bằng nhau, đồng thời bỏ qua xác suất đoán mò. Trong khi đó, với hình thức trắc nghiệm 4 lựa chọn, học sinh có mức năng lực thấp vẫn có thể chọn đúng nhờ may rủi. Mô hình IRT 3PL bổ sung tham số phân biệt ($a$) và xác suất giả đoán ($c$), giúp mô tả chính xác đặc tính kỹ thuật của câu hỏi và năng lực thực sự của học sinh.

2. Kết quả khảo sát 28 giáo viên THPT phản ánh mâu thuẫn gì trong thực tế kiểm tra đánh giá?

Khảo sát chỉ ra 92,9% giáo viên nhận định cách tính điểm bằng tổng số câu trả lời đúng không phản ánh chính xác năng lực người học, nhưng có tới 85,7% giáo viên vẫn đang sử dụng phương pháp này do thiếu công cụ lượng hóa hiện đại. Bên cạnh đó, gần 90% giáo viên quan tâm đến các thông số câu hỏi nhưng có tới 60,7% chưa từng được đào tạo về IRT.

3. Phân tích thực nghiệm câu hỏi theo IRT giúp ích gì cho việc hiệu chỉnh đề thi?

Qua thực nghiệm, tác giả phát hiện sự chênh lệch giữa dự đoán chủ quan ban đầu và số liệu thực tế. Ví dụ, nhiều câu hỏi ban đầu xếp loại "Dễ" nhưng thực tế có tham số $b$ rất cao và độ phân biệt lớn (như Câu 24, Câu 30), hoặc những câu có độ khó quá cao nhưng độ phân biệt kém (như Câu 37), từ đó giúp tác giả điều chỉnh lại phương án nhiễu hoặc xếp lại đúng vị trí phân loại học sinh.

4. Dữ liệu thực nghiệm của khóa luận được thu thập và xử lý bằng các công cụ nào?

Dữ liệu khảo sát giáo viên được thu thập qua Google Forms. Dữ liệu kiểm tra thực nghiệm trên 200 - 300 học sinh lớp 11 tại các trường THPT tại TP. Hồ Chí Minh (THPT Trần Phú, Gia Định, Bình Phú, Tam Phú, Hoàng Hoa Thám) được mã hóa nhị phân và phân tích các tham số $a, b, c, RMSX2, F1$ bằng phần mềm RStudio và Microsoft Excel.


Kết luận

Khóa luận của tác giả Nguyễn Thị Thanh Hà đã giải quyết trọn vẹn yêu cầu cấp thiết về việc đổi mới phương pháp kiểm tra đánh giá theo định hướng phát triển năng lực của CT GDPT 2018. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận giáo dục và mô hình đo lường hiện đại IRT 3PL, tác giả đã xây dựng thành công quy trình chuẩn hóa và bộ ngân hàng câu hỏi trắc nghiệm chất lượng cao cho nội dung Sinh lí hô hấp và tuần hoàn ở động vật môn Sinh học 11. Đề tài cung cấp tài liệu tham khảo thực chứng có giá trị thực tiễn cao cho giáo viên phổ thông và các nhà nghiên cứu trong lĩnh vực khảo thí giáo dục.