Teoria de Resposta ao Item: por que uma questão pode funcionar diferente do esperado

Cena hipotética: numa avaliação do 8º ano, uma questão de Ciências parece simples para parte da turma, mas confunde estudantes que dominam o conteúdo. A professora percebe que o enunciado reúne várias informações e começa a perguntar se a dificuldade está no conhecimento avaliado ou no jeito como a questão foi construída.

Essa é uma pergunta que modelos da Teoria de Resposta ao Item ajudam a investigar em avaliações de grande escala: como distinguir o desempenho de quem responde das características de cada item? E o que essa pesquisa pode ensinar a quem prepara provas na escola?

O que é Teoria de Resposta ao Item e modelos para avaliar itens de prova e por que importa para o professor?

A Teoria de Resposta ao Item, ou TRI, reúne modelos estatísticos que relacionam as respostas a questões com características dos itens e com habilidades que não são observadas diretamente. Em linguagem de sala de aula: em vez de olhar somente para o total de acertos, a análise procura compreender como cada questão funciona em relação ao desempenho de quem responde. Os modelos variam conforme o tipo de resposta, os pressupostos e a finalidade da avaliação.

Isso não significa que a TRI seja uma fórmula que, por si só, diga se uma questão é boa. Ela oferece maneiras de examinar padrões de respostas, estimar parâmetros dos itens e investigar situações como diferenças de funcionamento entre grupos, respostas omitidas ou provas com formatos variados. Em avaliações internacionais, esses modelos são usados para construir escalas, comparar resultados e estudar tendências ao longo do tempo.

Na rotina escolar, o professor geralmente não precisa estimar parâmetros com modelos complexos. Ainda assim, as perguntas que orientam esses modelos são familiares: a questão mede o que se pretendia avaliar? O enunciado introduz uma dificuldade que não é o foco? Uma resposta em branco significa que o estudante não sabia, não chegou ao item ou decidiu omiti-lo? O padrão de acertos e erros muda conforme a forma da pergunta?

A pesquisa reunida aqui trata principalmente de avaliações em larga escala e de métodos estatísticos especializados. A aplicação à prova de uma turma deve ser cuidadosa: os estudos não validam automaticamente uma técnica escolar específica. O valor para o professor está em ampliar o olhar sobre a qualidade das questões e em lembrar que uma nota é produzida pela interação entre estudante, item, formato e condições de realização.

O que a pesquisa recente mostra sobre modelos da TRI?

Os estudos recentes não apontam para um único modelo que resolva todos os desafios de avaliação. Em conjunto, mostram um campo que testa as premissas dos modelos, busca tratar formatos e comportamentos diferentes e investiga o quanto as conclusões dependem dos itens escolhidos. Três ideias ajudam a organizar os achados: itens não são neutros; respostas incompletas e formatos diversos exigem atenção; e comparações só são sólidas quando o modo de medir é adequado.

Um item pode parecer diferente conforme sua complexidade e o grupo que responde

Uma questão pode apresentar funcionamento diferencial entre grupos, isto é, associar-se a padrões de resposta distintos mesmo quando se considera a habilidade que o modelo pretende medir. Isso pode ser um sinal a investigar, mas não prova automaticamente que houve viés. A especificação do próprio modelo pode contribuir para a diferença observada, sobretudo quando a complexidade do item não é representada adequadamente.

Huang e colegas analisaram a complexidade dos itens como possível fonte de funcionamento diferencial do item (DIF) em Matemática e Ciências. Com dados do TIMSS 2011 e do TIMSS 2019, relativos ao 4º e ao 8º ano, além de ilustrações simuladas, mostraram que uma generalização proposta do modelo da TRI pode reduzir substancialmente o DIF quando a especificação incorreta é ao menos uma causa parcial. A recomendação relatada é dar mais atenção a generalizações de modelos plausíveis para compreender ou tratar o DIF (Huang, 2024).

Outra pesquisa amplia a forma de estudar se características dos itens estão ligadas ao DIF. A análise de perfis tradicional pressupõe discriminações iguais entre itens e não testa se os efeitos identificados se generalizam para além do conjunto analisado. Bolsinova e colegas propõem estender a análise ao modelo logístico de dois parâmetros e usar um teste de permutação para permitir conclusões generalizáveis sobre características dos itens. Avaliaram os métodos por simulação e os ilustraram com dados de Ciências do PISA 2015 (Bolsinova, 2024).

Esses trabalhos convergem num alerta importante: encontrar uma diferença entre grupos não encerra a análise. A complexidade do item, as características consideradas e a forma de especificar o modelo influenciam a interpretação. Para uma professora, isso não é motivo para tentar diagnosticar DIF formalmente com dados pequenos. É um convite a revisar itens que parecem penalizar certos modos de ler ou interpretar sem que essa dificuldade seja o objetivo pedagógico.

O tipo de resposta e o que acontece durante a prova também contam

Nem toda avaliação é composta por itens de múltipla escolha com resposta certa ou errada. DeCarlo propõe um arcabouço que combina um modelo baseado na teoria de detecção de sinal para itens de múltipla escolha com modelos da TRI para respostas abertas. A proposta parte de uma conceituação comum de estados latentes de “sabe/não sabe” e permite ajustar simultaneamente os modelos para examinar diferenças nos processos psicológicos, efeitos de covariáveis e relações entre parâmetros. A utilidade foi ilustrada com itens de exames internacionais em larga escala (DeCarlo, 2024).

Esse estudo não afirma que uma modalidade seja sempre superior. Seu foco é oferecer uma forma de considerar conjuntamente formatos diferentes. Para a avaliação escolar, a ideia útil é reconhecer que uma escolha entre alternativas e uma explicação escrita não produzem evidências exatamente do mesmo tipo. Uma prova equilibrada pode combinar formatos quando isso fizer sentido para o objetivo, sem supor que todos os formatos medem a aprendizagem de maneira idêntica.

As respostas em branco também podem ter origens diferentes. Lu e colegas descrevem um modelo de mistura do processo de tempo de resposta que procura identificar adivinhação rápida e comportamento de cola e distinguir itens omitidos de itens não alcançados. O estudo considera que esses tipos de não resposta se relacionam às habilidades latentes. Em simulações, o método em duas etapas produziu estimativas precisas dos parâmetros de itens e participantes e apresentou alta capacidade de detectar comportamentos aberrantes; uma análise de dados reais ilustrou a possível aplicação (Lu, 2023).

Em outra escala, Shin e colegas examinaram a robustez dos modelos de escala usados no PISA em delineamentos adaptativos por múltiplos estágios. As simulações indicaram robustez ao uso repetido do delineamento num ciclo subsequente com menos itens e amostras menores. Interações entre itens e países e itens não alcançados tiveram efeitos de desprezíveis a moderados na estimação dos parâmetros, enquanto as respostas omitidas apresentaram o maior efeito (Shin, 2025). O resultado reforça que “em branco” não é uma categoria única: como e por que o item ficou sem resposta pode importar para a interpretação.

Modelos e procedimentos precisam acompanhar a pergunta de pesquisa

Cho e colegas investigaram modelos explicativos de resposta ao item que relacionam covariáveis das pessoas e dos itens com a probabilidade de resposta. O trabalho chama atenção para uma suposição comum: tratar essas relações como lineares. Os autores apresentam gráficos exploratórios e funções suaves para modelar efeitos não lineares e identificam, no estudo empírico, uma interação não linear entre covariáveis de pessoa e de item. Também avaliaram recuperação de parâmetros, comparação de modelos e testes de hipóteses por simulação (Cho, 2024).

O achado não quer dizer que todo item escolar tenha relações não lineares que precisem ser modeladas. Mostra que uma relação resumida por uma linha reta pode esconder diferenças ao longo da amplitude de uma característica. É uma questão relevante para quem desenvolve modelos explicativos complexos e, em sentido mais amplo, um lembrete de que pressupostos matemáticos devem ser examinados, não tomados como verdades automáticas.

Cui e colegas abordam outro desafio técnico: estimar um modelo multidimensional de crédito parcial generalizado, voltado a respostas politômicas e a mais de uma dimensão. O estudo apresenta um algoritmo de estimação variacional gaussiana e relata desempenho rápido e preciso em simulações e em duas análises de dados reais (Cui, 2024). O foco é computacional e metodológico; o resumo não descreve uma recomendação direta para a construção de provas escolares.

Também importa como os resultados são ligados entre diferentes aplicações. Robitzsch e Lüdtke comparam abordagens para estimar tendências em médias e desvios-padrão de países, usando modelos 1PL e 2PL da TRI e dados de avaliações internacionais. Nas simulações, abordagens de ligação direta e baseadas apenas em itens de ligação superaram alternativas em condições específicas de DIF uniforme e não uniforme. O estudo ainda ilustra a avaliação da tendência do PISA entre 2006 e 2009 em leitura, Matemática e Ciências (Robitzsch, 2023). É uma pesquisa sobre comparabilidade ao longo do tempo, não uma regra universal para avaliar uma prova de sala.

Por fim, von Davier e colegas investigaram a correção automatizada de respostas gráficas em um item do TIMSS 2019. Redes neurais convolucionais superaram redes feed-forward em perda e acurácia; as CNNs classificaram até 97,53% das respostas na categoria de pontuação adequada, resultado comparável ou superior ao de avaliadores humanos típicos no contexto estudado. Os autores também descrevem a seleção de respostas corrigidas por humanos para treinamento com base na função de resposta esperada derivada da TRI (von Davier, 2023). O estudo conecta a TRI à seleção e à avaliação de respostas, mas não prova que correção automatizada seja apropriada para qualquer atividade escolar.

Os estudos lado a lado: o que cada pesquisa investigou?

A tabela resume a pergunta e o contexto de cada estudo citado. Quando o resumo não informa um país específico, o contexto indicado é o conjunto de avaliações internacionais ou o tipo de análise descrito pelos autores, sem atribuir uma origem nacional que não foi apresentada.

Pontos em comum e divergências: o que os estudos permitem concluir?

O ponto comum mais forte é que a qualidade da mensuração depende de escolhas de modelagem e de características concretas dos dados. Complexidade do item, tipo de resposta, comportamento durante a prova e ausência de respostas aparecem como questões que podem alterar a interpretação. Em vez de presumir que qualquer diferença observada seja uma diferença de aprendizagem, os trabalhos examinam explicações alternativas e maneiras de representá-las nos modelos.

As pesquisas, porém, não tratam todas do mesmo problema. Huang e Bolsinova estudam o DIF e características dos itens; Shin examina robustez em testes adaptativos e efeitos de omissões; Lu modela tempos de resposta e comportamentos; DeCarlo combina formatos; Cho investiga relações não lineares; Cui propõe um método de estimação; Robitzsch compara ligações de tendências; e von Davier avalia classificação automatizada de respostas gráficas. Seus resultados não devem ser somados como se fossem uma única validação de uma ferramenta universal.

Há também diferenças entre o que é resultado e o que é proposta metodológica. Alguns resumos relatam resultados de simulação ou de dados reais; outros apresentam um arcabouço ou método. Mesmo quando uma abordagem teve bom desempenho em um contexto, isso não significa que funcionará do mesmo modo em outra população, disciplina, idioma ou formato de prova.

O que segue em aberto é como traduzir esses métodos sofisticados para avaliações menores e mais variadas, como as de uma turma. Os estudos não estabelecem um procedimento simples para professores identificarem formalmente DIF com poucos estudantes, nem mostram que uma análise estatística substitua a revisão pedagógica. A convergência útil é mais modesta e aplicável: investigar o item, a resposta e as condições de aplicação antes de atribuir todo o resultado somente ao estudante.

O que isso significa para a sala de aula?

Para o professor, as pesquisas funcionam como lentes para revisar provas, não como obrigação de reproduzir modelos estatísticos de avaliações internacionais. As sugestões abaixo são aplicações pedagógicas inspiradas nos temas dos estudos, e não resultados testados diretamente por eles em turmas brasileiras.

1. Revise a dificuldade que a questão realmente exige

Aplicação sugerida: ao revisar um item, separe o conteúdo que pretende avaliar das exigências de leitura, interpretação e organização de informações. Por exemplo, numa questão hipotética de Ciências sobre mudanças de estado físico, o enunciado pode reunir vocabulário incomum e várias condições numa única frase. A professora pode verificar se essa complexidade é necessária para o objetivo ou se está criando uma barreira diferente da aprendizagem que deseja observar. A pesquisa sobre DIF e complexidade mostra por que vale investigar a especificação do item antes de interpretar uma diferença como evidência direta de habilidade.

2. Registre omissões e itens não alcançados separadamente

Aplicação sugerida: se a folha ou plataforma permitir, anote quando um estudante deixa uma resposta em branco e quando sequer chega aos itens finais. Numa prova hipotética de 40 minutos, dois alunos podem ter o mesmo número de questões sem resposta: um pula uma questão difícil e continua; outro chega ao fim do tempo antes de vê-la. Não são necessariamente situações equivalentes. Os estudos sobre não resposta justificam a distinção como questão de análise; na sala, o registro pode ajudar o professor a rever tempo, ordem e extensão da avaliação, sem concluir automaticamente o motivo individual.

3. Combine formatos quando eles mostrarem aspectos diferentes

Aplicação sugerida: use, quando adequado, uma questão de escolha e outra que peça explicação breve. Numa avaliação hipotética de Matemática, a escolha entre alternativas pode indicar se o estudante identifica o resultado, enquanto a resolução comentada oferece evidência sobre o caminho usado. Isso não significa que cada formato revele perfeitamente uma habilidade; significa que o professor pode comparar evidências complementares. O estudo de modelos fundidos para múltipla escolha e resposta aberta sustenta a importância de considerar que formatos diferentes podem envolver processos distintos, não uma superioridade universal de um deles.

4. Observe padrões em uma questão, não apenas a nota total

Aplicação sugerida: depois de corrigir, examine quais alternativas incorretas foram escolhidas e se muitos estudantes tropeçaram na mesma parte do enunciado. Numa turma hipotética, quase todos acertam questões sobre o conceito, mas escolhem a mesma resposta errada num item que inclui um gráfico descrito em palavras. Isso não prova que o item está mal construído, mas dá uma pista para revisar o comando e conversar sobre a interpretação. A ideia se aproxima da atenção dos estudos às características dos itens e aos padrões de resposta, sem transformar uma turma pequena em análise formal de TRI.

5. Trate uma diferença entre grupos como uma pergunta, não como veredito

Aplicação sugerida: se um item parece favorecer um grupo de estudantes, compare o que a questão exige e peça uma segunda leitura a colegas. Imagine, por exemplo, que uma pergunta contextualizada com uma situação familiar a parte da turma gere respostas muito diferentes. A diferença merece exame, mas não basta para afirmar que houve viés ou que um grupo domina menos o conteúdo. Os estudos sobre DIF mostram que a complexidade e a especificação do modelo podem contribuir para diferenças observadas; na escola, a revisão contextual e pedagógica é uma etapa prudente.

6. Faça uma pequena análise após cada avaliação

Aplicação sugerida: mantenha um registro simples das questões que foram frequentemente omitidas, que geraram respostas inesperadas ou que exigiram explicações adicionais na correção. Numa situação hipotética, um professor percebe que uma questão aberta recebe respostas corretas com justificativas muito variadas. Pode separar os casos, rever os critérios de correção e decidir se o item serve para a próxima avaliação. Não é necessário calcular parâmetros estatísticos para começar esse ciclo de revisão. A utilidade está em não deixar a prova como um produto final: as respostas também informam sobre a clareza dos itens.

7. Use correção automatizada como apoio sujeito a conferência

Aplicação sugerida: ferramentas automáticas podem ser consideradas para tarefas repetitivas, mas uma imagem classificada por um sistema não deve ser tratada como infalível. O estudo do TIMSS examinou um item gráfico específico e relata resultados de CNNs nesse contexto. Numa atividade hipotética em que os estudantes desenham uma solução, o professor pode comparar sugestões automáticas com exemplos avaliados por pessoas e verificar casos duvidosos. Esse cuidado é especialmente importante quando a resposta admite estratégias distintas ou quando a interpretação pedagógica depende do raciocínio mostrado.

O que muda no contexto brasileiro?

Os estudos apresentados são de contextos internacionais, incluindo PISA e TIMSS, e abordam métodos desenvolvidos para avaliações de larga escala ou análises psicométricas. Seus resultados não podem ser transferidos automaticamente para provas de escolas brasileiras. Uma avaliação internacional tem objetivos, desenho, quantidade de dados e procedimentos diferentes dos de uma prova elaborada por um professor para acompanhar uma turma.

Também é preciso considerar língua, referências culturais, currículo local, condições de aplicação e familiaridade dos estudantes com os formatos. Um item traduzido ou adaptado pode carregar diferenças de vocabulário e contexto. Os resumos não avaliam especificamente essas dimensões em escolas brasileiras; por isso, recomenda-se tratar a pesquisa como referência para perguntas de revisão, não como uma tabela pronta de parâmetros para aplicar aqui.

Na prática, o professor brasileiro pode aproveitar a distinção entre dificuldade do conteúdo e dificuldade introduzida pelo enunciado, registrar omissões com cuidado e comparar os formatos de resposta. Pode ainda conversar com a equipe pedagógica sobre itens que produziram resultados inesperados. Isso é uma adaptação profissional, não uma conclusão experimental dos estudos. Para usar formalmente modelos de TRI, comparações entre grupos ou sistemas automatizados, seria necessário um desenho adequado, dados suficientes e conhecimento técnico compatível com a decisão em jogo.

O contexto importa também para interpretar o tempo. Uma questão não alcançada pode estar relacionada ao limite de duração, à extensão da prova ou à estratégia do estudante, entre outras possibilidades. Os estudos de larga escala mostram que diferentes mecanismos de não resposta podem ser relevantes, mas não permitem diagnosticar a causa de uma folha em branco numa sala brasileira sem informações adicionais. Perguntar, observar e revisar a aplicação é mais responsável do que inferir um motivo apenas pela resposta ausente.

Limites desta leitura: o que ainda falta saber?

Este artigo se baseia nos resumos de estudos recentes catalogados no ERIC, não na leitura integral de cada publicação. Os resumos permitem apresentar os objetivos e os resultados que eles relatam, mas não oferecem todos os detalhes necessários para avaliar desenhos, pressupostos, limites técnicos e condições de cada análise. A síntese também reúne trabalhos com perguntas e métodos diferentes, portanto não deve ser lida como uma comparação direta de desempenho entre todos os modelos.

Ficam em aberto perguntas importantes para a aplicação escolar: quais procedimentos seriam viáveis com dados de uma turma? Como adaptar modelos para provas curtas e conteúdos variados? Que evidências são necessárias antes de afirmar que um item funciona de modo diferente para grupos de estudantes? E como avaliar a correção automatizada quando respostas abertas podem ser válidas por caminhos distintos? Os resumos não respondem a essas questões para o ensino básico brasileiro.

Faz sentido consultar o estudo completo quando a decisão depender de um método específico, por exemplo, selecionar um modelo para comparar resultados ao longo do tempo, interpretar DIF, estimar respostas politômicas ou avaliar uma ferramenta de correção automatizada. Também vale ler o artigo integral antes de generalizar resultados para outra população. Para a revisão cotidiana de uma prova, os resumos já oferecem princípios de cautela, mas não substituem a análise pedagógica do professor.

Como o GeraProva ajuda com este assunto?

O GeraProva pode apoiar a elaboração de provas e atividades com questões produzidas por IA, mas gerar itens não equivale a validar psicometricamente uma avaliação nem a estimar parâmetros de TRI. O professor continua responsável por revisar enunciados, adequação ao objetivo e critérios de correção. Para experimentar a criação de avaliações, acesse o gerador de provas do GeraProva ou faça seu cadastro grátis.

Perguntas frequentes sobre TRI e qualidade das questões

A Teoria de Resposta ao Item substitui a análise do professor?

Não. A TRI reúne modelos para relacionar respostas, características dos itens e habilidades estimadas, mas não substitui a decisão pedagógica sobre o que uma questão pretende avaliar. Os estudos analisados tratam de métodos para avaliações de larga escala, modelagem de respostas e comparabilidade. Para o professor, esses trabalhos podem inspirar uma revisão mais cuidadosa: observar se o enunciado exige habilidades relevantes, considerar formatos e investigar padrões inesperados. A interpretação de uma resposta de estudante ainda depende do objetivo da atividade, do contexto de aplicação e do conhecimento profissional de quem ensina.

Se estudantes de grupos diferentes erram uma questão, isso prova que ela é enviesada?

Não. Uma diferença entre grupos pode ser um sinal que merece investigação, mas não determina sozinha sua causa. Huang e colegas mostram que a complexidade do item e uma especificação inadequada do modelo podem contribuir para o DIF observado; Bolsinova e colegas propõem métodos para estudar características dos itens e a possibilidade de generalizar conclusões. Esses trabalhos reforçam que é preciso examinar explicações alternativas. Em sala de aula, uma revisão do enunciado e das exigências da questão é uma aplicação possível, não um teste formal de DIF.

Uma resposta em branco quer dizer que o estudante não sabia?

Não necessariamente. Uma resposta pode ter sido omitida intencionalmente ou o estudante pode não ter chegado ao item por falta de tempo, entre outras possibilidades. Lu e colegas apresentam um modelo que distingue omissões e itens não alcançados e considera também comportamentos como adivinhação rápida e cola. Shin e colegas relatam que, nas simulações de delineamentos adaptativos do PISA, respostas omitidas tiveram o maior efeito entre os fatores examinados. Na escola, vale registrar separadamente o que foi deixado em branco e o que ficou fora do alcance, sem presumir o motivo.

Devo misturar questões de múltipla escolha e respostas abertas?

Não existe, nos estudos apresentados, uma regra universal que obrigue a misturar formatos. DeCarlo propõe um modelo que combina respostas de múltipla escolha e abertas para examinar processos e parâmetros conjuntamente, reconhecendo que os formatos podem envolver processos distintos. Como aplicação pedagógica, o professor pode combinar formatos quando cada um oferecer evidência útil sobre o objetivo da avaliação: uma alternativa pode verificar reconhecimento, enquanto uma explicação pode mostrar o raciocínio. A decisão depende do que se quer observar, do tempo disponível e de critérios de correção claros.

Os resultados de PISA e TIMSS valem diretamente para uma prova da minha turma?

Não de forma automática. PISA e TIMSS são avaliações internacionais em larga escala, com desenhos e objetivos diferentes dos de uma prova escolar. Os estudos sobre esses programas ajudam a formular perguntas sobre comparabilidade, complexidade, omissões e funcionamento dos itens, mas não oferecem uma receita pronta para uma turma brasileira. Uma aplicação prudente é usar essas ideias para revisar enunciados, formatos e condições de aplicação. Para aplicar formalmente um modelo ou generalizar um resultado, seria necessário verificar se os dados e o contexto correspondem às condições do método.

Posso usar inteligência artificial para corrigir desenhos ou respostas abertas?

O estudo de von Davier e colegas investigou redes neurais na classificação de respostas gráficas de um item do TIMSS 2019 e relata que CNNs superaram modelos feed-forward naquele contexto. O resultado não valida qualquer ferramenta para qualquer resposta escolar. Respostas abertas e desenhos podem apresentar caminhos diferentes e exigir avaliação do raciocínio, não apenas da categoria final. Como aplicação sugerida, uma ferramenta pode servir de apoio se o professor conferir as classificações, revisar casos duvidosos e verificar se o sistema reconhece respostas válidas variadas. A decisão de usar automação deve considerar a tarefa específica.

Referências

1. Shin et al. (2025). Robustez dos modelos da Teoria de Resposta ao Item nos delineamentos de testagem adaptativa por múltiplos estágios do PISA (Robustness of Item Response Theory Models under the PISA Multistage Adaptive Testing Designs). Journal of Educational Measurement. Link.
2. Cho et al. (2024). Modelagem de Efeitos Não Lineares de Covariáveis Pessoa-por-Item em Modelos Explicativos de Resposta ao Item: Gráficos Exploratórios e Modelagem Usando Funções Suaves (Modeling Nonlinear Effects of Person-by-Item Covariates in Explanatory Item Response Models: Exploratory Plots and Modeling Using Smooth Functions). Journal of Educational Measurement. Link.
3. DeCarlo (2024). Modelos SDT/TRI Fundidos para Exames de Formato Misto (Fused SDT/IRT Models for Mixed-Format Exams). Educational and Psychological Measurement. Link.
4. Cui et al. (2024). Estimação Variacional para o Modelo Multidimensional de Crédito Parcial Generalizado (Variational Estimation for Multidimensional Generalized Partial Credit Model). Psychometrika. Link.
5. Huang et al. (2024). Investigando a complexidade dos itens como fonte de DIF transnacional em Matemática e Ciências do TIMSS (Investigating Item Complexity as a Source of Cross-National DIF in TIMSS Math and Science). Large-scale Assessments in Education. Link.
6. Bolsinova et al. (2024). Generalizando para além do teste: análise de perfis baseada em permutação para explicar o funcionamento diferencial do item por meio de características dos itens (Generalizing beyond the Test: Permutation-Based Profile Analysis for Explaining DIF Using Item Features). Journal of Educational and Behavioral Statistics. Link.
7. Lu et al. (2023). Um modelo de mistura do processo de tempo de resposta para comportamentos aberrantes e não respostas a itens (A Mixture Response Time Process Model for Aberrant Behaviors and Item Nonresponses). Grantee Submission. Link.
8. Robitzsch e Lüdtke (2023). Comparação de diferentes abordagens de estimação de tendências nas médias e nos desvios-padrão dos países em estudos internacionais de avaliação em larga escala (Comparing Different Trend Estimation Approaches in Country Means and Standard Deviations in International Large-Scale Assessment Studies). Large-scale Assessments in Education. Link.
9. von Davier et al. (2023). Correção de respostas gráficas no TIMSS 2019 utilizando redes neurais artificiais (Scoring Graphical Responses in TIMSS 2019 Using Artificial Neural Networks). Educational and Psychological Measurement. Link.

Se alguma questão da sua próxima prova gerar respostas inesperadas, vale a pena olhar de novo para o item: essa revisão pode ser um bom ponto de partida para uma avaliação mais clara. Conte com o GeraProva para criar e adaptar suas atividades.