Testes de rendimento em outros países: por que o modelo muda a interpretação

Como saber se uma diferença nos resultados de um teste revela aprendizagem ou apenas uma forma diferente de medir? A resposta curta: o modelo matemático escolhido muda o que conseguimos enxergar. E o contexto dos estudantes também muda o sentido dos números.

Pesquisas recentes sobre avaliações internacionais mostram que comparar resultados exige mais do que olhar médias ou ordenar países. Os modelos fazem escolhas sobre o que conta como acerto, como relacionar fatores escolares ao desempenho e como interpretar diferenças entre grupos. Para quem prepara avaliações na educação básica, essas discussões ajudam a pensar com mais cuidado sobre o que uma prova pode — e não pode — dizer a respeito da aprendizagem.

O que são testes de rendimento em outros países e modelos matemáticos para analisá-los e por que importa para o professor?

Testes de rendimento são avaliações que procuram registrar o que estudantes sabem ou conseguem fazer em determinadas áreas. Em estudos internacionais como PISA e TIMSS, as respostas são analisadas com modelos matemáticos para estimar desempenho, comparar padrões ou investigar relações com características dos estudantes e das escolas. Para o professor, isso importa porque o resultado de uma prova não é uma fotografia neutra: depende dos itens, das regras de pontuação, do modelo usado e da pergunta que a avaliação pretende responder.

Na rotina escolar, essa ideia aparece quando uma nota é usada para decidir o que retomar, comparar turmas ou identificar dificuldades. Uma pontuação bruta pode informar quantas questões foram acertadas, mas não explica, sozinha, se um estudante domina um processo, se acertou por acaso ou se determinada questão exigia uma habilidade que não foi trabalhada. Modelos mais elaborados tentam interpretar essas diferenças, mas cada modelo também traz pressupostos próprios.

Os estudos reunidos aqui abordam dimensões diferentes: modelos de resposta a itens, aprendizagem de máquina, modelagem matemática, diagnóstico cognitivo, motivação e indicadores socioeconômicos. Nem todos analisam diretamente notas de provas escolares. Em conjunto, porém, eles ajudam a entender por que avaliações de larga escala recorrem a ferramentas matemáticas e por que os resultados precisam ser lidos junto com o contexto.

O que a pesquisa recente mostra sobre modelos e testes de rendimento?

O modelo estatístico pode mudar a interpretação de uma resposta

Um exemplo direto vem da comparação entre duas formas de modelar o acerto ao acaso em questões de múltipla escolha. O modelo logístico de três parâmetros, conhecido como 3PL na teoria de resposta ao item, trata esse acerto como uma característica fixa do item. A alternativa estudada por Sideridis e Alghamdi considera o acerto ao acaso como algo relacionado à pessoa que responde, em vez de uma constante própria da questão (Sideridis, 2026).

Os autores compararam os modelos por simulação e com dados de compreensão leitora do PIRLS 2021. Na simulação, os dois tiveram desempenho semelhante na raiz do erro quadrático médio das estimativas de habilidade, mas o modelo 2PLE apresentou valores de LOOIC superiores em diferentes condições, sobretudo em provas mais longas e amostras maiores. Na análise empírica, com 131 estudantes do 4º ano da Arábia Saudita, a comparação também favoreceu o 2PLE, com diferença de LOOIC estatisticamente significativa.

O estudo ainda relata que as estimativas de acerto ao acaso no nível da pessoa se associaram a estatísticas consolidadas de ajuste da pessoa. A conclusão dos autores é que essa alternativa pode representar de modo mais plausível o comportamento durante a prova e apresentar maior robustez estatística. Isso não significa que todo teste de múltipla escolha precise usar o mesmo modelo: a pesquisa compara opções em condições específicas e mostra que a escolha metodológica pode alterar a interpretação do desempenho.

Resultados dependem da estrutura dos dados e dos fatores incluídos

Em dados educacionais, estudantes estão agrupados em escolas e podem compartilhar condições. Ignorar essa estrutura pode levar a previsões imprecisas e estimativas enviesadas, segundo o estudo de Guler e Yavuz sobre fatores associados ao desempenho em matemática a partir de dados do TIMSS (Guler, 2025). A pesquisa comparou modelos lineares mistos e técnicas de aprendizado de máquina, incluindo métodos capazes de lidar com relações não lineares.

Em todos os métodos analisados, predisposição para a matemática e fatores emocionais apareceram entre os principais preditores do desempenho. Os autores alertam para a possibilidade de viés relacionado ao uso de respostas autorrelatadas. Também observaram que os métodos variaram quanto ao tamanho do efeito atribuído à origem dos estudantes, sinal de que algoritmos distintos podem destacar aspectos diferentes dos dados.

Os três métodos produziram resultados de referência semelhantes, enquanto os métodos de aprendizado de máquina tiveram desempenho ligeiramente superior em RMSE, MAE e MAPE e maior capacidade de captar não linearidades e interações. A pesquisa não apresenta isso como uma vitória absoluta de uma técnica: os modelos lineares mistos seguem amplamente aceitos, e os autores defendem que os métodos podem oferecer percepções complementares, tanto para previsão quanto para inferência.

Outra pesquisa aborda o nível socioeconômico. Gilleece e colegas compararam indicadores do TIMSS 2019 e do PISA 2022 com indicadores administrativos usados na Irlanda, além de examinar como se relacionavam com o desempenho em matemática (Gilleece, 2026). As associações entre medidas variaram conforme o nível em que os indicadores eram definidos. Os indicadores agregados a partir de dados dos estudantes apresentaram associações mais fortes entre si do que indicadores definidos originalmente no nível da escola.

Na análise, os indicadores internacionais foram melhores preditores do desempenho em matemática do que os indicadores nacionais irlandeses, que explicaram pouca variância adicional além daquela explicada pelos indicadores socioeconômicos derivados das avaliações internacionais. Os autores também consideraram precisas as avaliações dos diretores sobre a proporção de estudantes em situação de desvantagem, por estarem alinhadas aos indicadores nacionais e a outros indicadores agregados. O estudo é um caso irlandês, não uma validação automática de indicadores brasileiros.

Uma mesma avaliação pode medir processos diferentes

O resultado de uma prova também depende do que se entende por competência. Kohen e Gharra-Badran desenvolveram uma rubrica para avaliar problemas de modelagem matemática em contextos científicos e de engenharia (Kohen, 2023). O instrumento é bidimensional: considera conjuntamente o tipo e o nível de um processo de modelagem. Os critérios propostos buscam diferenciar níveis de proficiência e tornar mais claras as características dos processos avaliados.

A rubrica se apoia nos processos de modelagem associados aos níveis de proficiência do PISA Matemática. O estudo apresenta o instrumento como uma contribuição para avaliar problemas que envolvem várias etapas do ciclo de modelagem e sugere que um quadro de referência mais definido pode apoiar a compreensão de professores e estudantes. Para a avaliação cotidiana, a ideia útil é separar dimensões do trabalho: formular uma situação, escolher uma representação ou interpretar uma resposta não são necessariamente a mesma coisa.

Berget investigou como a modelagem matemática aparece nos referenciais KOM e PISA e em entrevistas com quatro professores do ensino médio na Noruega (Berget, 2024). O estudo identificou tensões sobre as escolhas e decisões que os estudantes podem tomar durante atividades de modelagem e sobre a conexão entre conteúdos matemáticos específicos e situações da vida real. Os professores também questionaram a relevância da modelagem, embora torná-la pertinente ao cotidiano seja um motivo importante para sua presença na educação.

O contraste é instrutivo: uma rubrica pode organizar critérios de avaliação, mas a definição do que conta como uma boa tarefa ou como uma situação realista continua envolvendo decisões pedagógicas. O modelo não elimina a necessidade de discutir o propósito da atividade. Ele pode, no entanto, tornar mais explícitos os aspectos que serão observados.

Comparar países exige atenção a cultura e currículo

Hu e colegas estudaram um aparente paradoxo: embora a motivação em matemática esteja positivamente associada ao desempenho individual, no nível dos países sociedades com motivação mais alta apresentavam desempenho menor (Hu, 2026). Em dois estudos de grande escala, a orientação de longo prazo esteve negativamente associada a fatores motivacionais e positivamente associada ao desempenho nacional. Ao controlar essa orientação, a associação negativa entre motivação e desempenho entre países deixou de ser significativa.

Esse resultado mostra por que uma relação observada entre países não deve ser transferida diretamente para a experiência de cada estudante. As associações em nível nacional podem refletir características culturais que alteram a leitura conjunta de motivação e desempenho. O estudo não sustenta que motivar estudantes prejudique a aprendizagem; pelo contrário, destaca que a relação muda conforme o nível de análise e os fatores considerados.

Truong examinou o alinhamento entre o currículo de matemática do Vietnã e a matriz de matemática do PISA 2022 (Truong, 2026). A análise documental encontrou paralelos em conteúdos fundamentais, contextos e estratégias de resolução de problemas, mas também divergências: a variabilidade estatística é abordada tardiamente no currículo vietnamita, e competências como pensamento computacional, crítico e sistêmico aparecem com integração ainda pouco desenvolvida. Os autores apontam lacunas no incentivo à análise crítica de modelos, ao raciocínio probabilístico e à representação flexível de situações reais.

O estudo recomenda fortalecer o letramento estatístico, incorporar ferramentas tecnológicas para modelagem e ampliar contextos relacionados ao mundo do trabalho e à investigação. Essas recomendações dizem respeito ao Vietnã e ao alinhamento com o PISA; não devem ser tratadas como diagnóstico do currículo brasileiro. O ponto mais amplo é que o desempenho em uma avaliação internacional também se relaciona com o que os currículos enfatizam e com as oportunidades de aprendizagem oferecidas.

A inteligência artificial pode apoiar a análise, mas não substitui a revisão

Xue e Appleton exploraram o uso de modelos de linguagem para gerar matrizes Q, componente central dos modelos de diagnóstico cognitivo, a partir de itens de matemática do TIMSS 2007 e 2011 e do PISA 2012 (Xue, 2026). A matriz Q associa itens a atributos cognitivos que se pretende avaliar. Como sua construção pode ser trabalhosa, os pesquisadores testaram diferentes ferramentas de IA e duas formas de solicitar a análise: todas as questões de uma vez ou uma por vez.

As matrizes geradas por IA se aproximaram das referências produzidas por humanos e tiveram desempenho competitivo em medidas de ajuste dos modelos, com discrepâncias de classificação consideradas aceitáveis. Nas avaliações maiores e mais complexas do TIMSS, as matrizes da IA eram em geral mais esparsas do que as humanas, embora alcançassem estatísticas de ajuste iguais ou melhores na maioria dos modelos de diagnóstico cognitivo. Na avaliação menor e menos complexa do PISA 2012, corresponderam à densidade e à qualidade de ajuste das matrizes humanas.

O desempenho também variou de acordo com a ferramenta e a forma de solicitação: o Gemini se beneficiou de receber todas as questões de uma vez, o ChatGPT-4o manteve estabilidade com as duas estratégias, e o Claude mostrou sensibilidade à estrutura da solicitação. Os autores apontam potencial e limitações para integrar modelos de linguagem à avaliação diagnóstica em larga escala. O resultado não equivale a recomendar que uma IA determine sozinha o que cada questão mede.

Como os estudos se comparam?

Os trabalhos abaixo não respondem à mesma pergunta: alguns avaliam modelos estatísticos, outros investigam currículos, indicadores ou instrumentos. A tabela resume o foco e o contexto que os resumos permitem identificar.

O que os estudos têm em comum e onde divergem?

Em comum, os estudos mostram que interpretar resultados exige escolhas explícitas. Um modelo pode tratar o acerto ao acaso como característica da questão ou da pessoa; uma análise pode considerar a estrutura de estudantes agrupados em escolas; uma rubrica pode separar dimensões de modelagem; e um indicador socioeconômico pode representar o estudante ou a escola. Essas decisões influenciam a pergunta respondida e a interpretação que se pode fazer dos dados.

Há também uma convergência sobre contexto. Cultura, currículo, condições socioeconômicas e características da amostra aparecem como elementos que ajudam a explicar ou qualificar resultados. Hu e colegas mostram que uma associação entre países pode desaparecer quando se considera orientação cultural de longo prazo. Truong identifica diferenças entre um currículo nacional e a matriz do PISA. Gilleece e colegas comparam indicadores internacionais com medidas administrativas específicas da Irlanda.

As divergências não são necessariamente contradições: os estudos têm objetos e métodos diferentes. Guler e Yavuz encontram vantagens preditivas ligeiras para técnicas de aprendizado de máquina em certas métricas, mas reconhecem a utilidade dos modelos lineares mistos. Sideridis e Alghamdi favorecem o 2PLE em medidas específicas, embora os modelos tenham desempenho semelhante em RMSE na simulação. Xue e Appleton mostram resultados de IA que variam conforme o tamanho e a complexidade da avaliação, além da ferramenta e da estratégia de solicitação.

O que permanece em aberto é como essas abordagens se comportam em outras populações, disciplinas e condições de aplicação. Também não basta saber que um modelo prevê bem: é preciso decidir se a interpretação é útil para a finalidade pedagógica, se os dados representam adequadamente os estudantes e se os critérios são compreensíveis para quem vai agir com base neles.

Como aplicar essas ideias na sala de aula?

Os estudos tratam sobretudo de avaliações e análises em larga escala; as propostas a seguir são aplicações pedagógicas inspiradas neles, não resultados testados diretamente por essas pesquisas. A ideia é usar a atenção aos modelos para elaborar avaliações mais claras e interpretar evidências com prudência.

1. Defina que pergunta sua prova deve responder

Aplicação: antes de montar uma avaliação, escreva se você quer verificar domínio de procedimentos, compreensão de conceitos, resolução de problemas ou capacidade de modelar uma situação. Imagine uma turma de 7º ano que acerta operações, mas tem dificuldade para explicar por que escolheu determinada estratégia. Uma prova voltada apenas à pontuação total pode esconder essa diferença. Separar objetivos ajuda a selecionar itens e a interpretar os erros sem tratar todos como iguais.

2. Não confunda pontuação com explicação completa

Aplicação: use o resultado como ponto de partida para observar respostas e estratégias, não como diagnóstico isolado. Imagine dois estudantes com a mesma nota: um pode ter resolvido os itens com segurança e outro pode ter acertado alguns por tentativa. A pesquisa sobre 3PL e 2PLE trata essa questão em avaliações de larga escala, mas não oferece uma regra pronta para corrigir provas de sala. Para o professor, vale combinar nota, análise de procedimento e conversa breve sobre o raciocínio.

3. Observe como a turma e a escola entram na leitura

Aplicação: ao comparar duas turmas, pergunte se elas tiveram condições e oportunidades semelhantes para aprender o conteúdo avaliado. Imagine que uma turma teve mais tempo de prática com problemas contextualizados; a diferença de resultado não deve ser atribuída automaticamente à capacidade dos estudantes. O estudo sobre dados do TIMSS destaca a estrutura aninhada e o risco de ignorar relações entre estudantes e escolas. Na escala da sala, registrar o percurso de ensino ajuda a evitar explicações simplistas.

4. Crie critérios separados para tarefas complexas

Aplicação: em uma atividade de modelagem, avalie dimensões diferentes em vez de usar apenas “certo” ou “errado”. Imagine que estudantes estimem a quantidade de água necessária para uma horta escolar: você pode observar como definem o problema, que dados escolhem, como calculam e se interpretam o resultado. A rubrica estudada por Kohen e Gharra-Badran inspira essa separação, mas o professor deve adaptar os critérios ao objetivo e à idade da turma, sem importar automaticamente níveis de avaliações internacionais.

5. Converse sobre o que uma tarefa representa como situação real

Aplicação: confira se o contexto de um problema ajuda a pensar matematicamente ou apenas enfeita o enunciado. Imagine uma questão que menciona uma compra, mas só exige uma conta mecânica: ela pode não avaliar as escolhas e interpretações próprias de uma modelagem. As entrevistas analisadas por Berget mostram que professores podem ter tensões sobre a relação entre conteúdos e situações cotidianas. Uma conversa entre colegas sobre o propósito de cada tarefa pode tornar mais claro o que se espera dos estudantes.

6. Use ferramentas de IA como apoio revisável

Aplicação: se usar uma IA para sugerir quais conhecimentos um item avalia, trate a sugestão como rascunho e revise cada associação. Imagine uma questão de matemática que combine leitura de dados e cálculo: uma ferramenta pode destacar um atributo e deixar outro de lado. Xue e Appleton encontraram resultados promissores, mas também diferenças conforme a avaliação, o modelo e a forma de solicitação. A decisão sobre o que uma questão mede deve continuar ligada aos objetivos pedagógicos e à revisão de quem conhece a turma.

7. Evite explicar uma diferença por uma única característica

Aplicação: quando notar desempenho diferente entre grupos, formule hipóteses múltiplas e procure evidências antes de concluir. Imagine uma turma em que estudantes declaram gostar de matemática, mas os resultados não acompanham essa impressão. Isso não permite dizer que a motivação atrapalha; o estudo de Hu e colegas mostra justamente que relações individuais e nacionais podem ter sentidos diferentes, e que fatores culturais mudam a associação entre países. Na sala, vale investigar oportunidades de aprendizagem, familiaridade com o formato e estratégias usadas.

O que muda quando levamos esses resultados para o contexto brasileiro?

O principal cuidado é não transportar conclusões de outros países como se descrevessem automaticamente as escolas brasileiras. Os estudos de Sideridis e Alghamdi usam uma análise empírica com estudantes da Arábia Saudita; Berget entrevistou professores na Noruega; Truong examinou o currículo vietnamita; e Gilleece e colegas analisaram indicadores administrativos da Irlanda. Cada contexto tem currículos, sistemas de avaliação, características culturais e formas de registrar dados próprias.

Isso não torna as pesquisas irrelevantes para o Brasil. Elas ajudam a formular perguntas melhores: o indicador usado representa aquilo que queremos analisar? A comparação considera diferenças entre estudantes e escolas? O tipo de item permite observar a habilidade pretendida? O resultado se mantém quando outra forma de modelagem é usada? São perguntas úteis para gestores e pesquisadores brasileiros, mas respondê-las exige dados locais e validação adequada.

Na prática do professor, a transferência mais segura é metodológica, não uma reprodução de resultados. Podemos aproveitar a ideia de explicitar objetivos, separar critérios, considerar o contexto e evitar conclusões baseadas em uma única nota. Já recomendações curriculares específicas do Vietnã ou resultados sobre indicadores nacionais irlandeses não devem ser adotados como política brasileira sem análise própria. O estudo de Gilleece e colegas apresenta uma abordagem que pode ser útil como referência metodológica para outros países, mas não afirma que os indicadores irlandeses funcionem no Brasil.

Também é importante distinguir escalas. Um resultado nacional ou internacional descreve padrões agregados; não determina o que cada estudante sabe. A associação entre motivação e desempenho em nível de país discutida por Hu, por exemplo, não deve ser usada para prever a trajetória de um aluno. Para decisões sobre uma criança ou adolescente, a avaliação de sala precisa ser complementada por evidências próximas à aprendizagem concreta: respostas, produções, explicações e oportunidades oferecidas.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de estudos recentes disponíveis na fonte de pesquisa, e não na leitura integral dos trabalhos. Por isso, apresenta os objetivos e resultados descritos nos resumos, sem ampliar detalhes sobre procedimentos que não foram informados ali. As pesquisas também têm focos, amostras e contextos diferentes; não formam um único experimento comparável nem permitem concluir que um método seja sempre superior aos demais.

Ficam em aberto perguntas importantes para quem quiser aprofundar o tema: como os modelos se comportam em diferentes disciplinas e populações? Que critérios tornam uma medida diagnóstica útil para uma decisão pedagógica? Como adaptar rubricas e indicadores a sistemas educacionais distintos? E que formas de revisão humana tornam seguro o uso de IA na análise de itens? Ler os estudos completos faz sentido quando essas respostas forem necessárias para uma decisão de pesquisa, gestão, avaliação institucional ou adoção de um instrumento.

Como o GeraProva ajuda com este assunto?

O GeraProva pode apoiar o professor na criação de provas e atividades, mas a escolha do que avaliar e a interpretação das respostas continuam sendo decisões pedagógicas. Você pode experimentar o gerador de provas do GeraProva para preparar avaliações alinhadas aos objetivos da sua turma e fazer o cadastro grátis para conhecer a plataforma.

Perguntas frequentes sobre testes de rendimento e modelos matemáticos

O que é um modelo matemático em uma avaliação?

É uma forma de representar e analisar respostas, resultados ou relações entre variáveis por meio de regras matemáticas e estatísticas. Em uma avaliação, o modelo pode ajudar a estimar habilidades, investigar fatores associados ao desempenho ou interpretar como os itens funcionam. Os estudos analisados mostram que modelos diferentes podem tratar o acerto ao acaso de maneiras distintas ou destacar relações diferentes nos dados. Isso não torna a nota inútil; indica que sua interpretação depende da pergunta, dos dados e das escolhas feitas na análise.

Um modelo mais complexo sempre dá uma interpretação melhor?

Não necessariamente. Nos estudos reunidos, algumas técnicas mais flexíveis tiveram vantagens em certas métricas, enquanto outras comparações mostraram desempenho semelhante em determinados aspectos. Guler e Yavuz relatam que modelos lineares mistos e métodos de aprendizado de máquina oferecem percepções complementares, com ligeira vantagem preditiva dos métodos de ML em algumas medidas. Sideridis e Alghamdi também encontraram semelhança entre modelos em RMSE na simulação, apesar de diferenças em outras comparações. A escolha deve considerar o objetivo e a adequação do modelo aos dados.

Por que avaliações internacionais não podem ser comparadas sem considerar o contexto?

Porque países diferem em currículos, condições de escolarização, cultura e formas de coletar informações. Hu e colegas encontraram que uma associação entre motivação e desempenho no nível dos países deixou de ser significativa após controlar a orientação de longo prazo. Truong, por sua vez, identificou paralelos e diferenças entre a matriz do PISA e o currículo do Vietnã. Esses resultados mostram que uma diferença entre países não explica, sozinha, o que acontece com cada estudante nem pode ser transportada diretamente para a realidade brasileira.

Uma nota baixa significa que o estudante não aprendeu?

Uma nota baixa indica que o desempenho naquela avaliação ficou abaixo do critério ou do padrão usado, mas não explica sozinha por que isso aconteceu. A prova pode avaliar apenas parte do conteúdo, exigir um formato específico ou não captar o raciocínio usado. Os estudos sobre modelos e rubricas mostram a importância de definir o que os itens pretendem medir e de observar dimensões distintas do desempenho. Na sala, vale analisar respostas, procedimentos e explicações, além de considerar o que foi ensinado e as oportunidades que a turma teve para praticar.

Posso usar inteligência artificial para avaliar o que uma questão de matemática mede?

Os resultados de Xue e Appleton indicam que modelos de IA conseguiram gerar matrizes Q próximas às referências humanas em avaliações de larga escala, mas o desempenho variou conforme a ferramenta, a estrutura da solicitação e a complexidade da avaliação. Isso aponta potencial, não substituição da revisão pedagógica. Como aplicação, um professor pode pedir uma sugestão de quais conhecimentos um item mobiliza e depois conferir se a análise corresponde aos objetivos da atividade. A decisão final precisa levar em conta o conteúdo, o enunciado e o que se pretende observar.

Como posso aplicar essas pesquisas sem fazer análise estatística avançada?

Você pode aproveitar os princípios sem calcular modelos complexos: explicite o objetivo da prova, examine se os itens realmente avaliam esse objetivo, observe diferentes tipos de resposta e evite concluir demais a partir de uma nota isolada. Uma rubrica simples pode separar, por exemplo, escolha de estratégia, execução e interpretação, se isso fizer sentido para a tarefa. Essas são aplicações pedagógicas sugeridas, não procedimentos cuja eficácia tenha sido testada por todos os estudos citados. A contribuição da pesquisa é lembrar que medir e interpretar são etapas relacionadas, mas não idênticas.

Referências

1. Sideridis, Georgios D.; Alghamdi, Mohammed. (2026). Adivinhar durante a prova é um atributo da pessoa, não um parâmetro do instrumento (Guessing during Testing Is a Person Attribute Not an Instrument Parameter). Educational and Psychological Measurement. Link.
2. Guler, Burcu Koca; Yavuz, Fulya Gokalp. (2025). Mineração de dados sobre os fatores fundamentais que influenciam o desempenho em matemática: perspectivas tradicionais e modernas (Data Mining on the Fundamental Factors Influencing Mathematics Achievement: Traditional and Modern Perspectives). European Journal of Education. Link.
3. Gilleece, Lorraine; Karakolidis, Anastasios; Clerkin, Aidan. (2026). A validade das medidas do nível socioeconômico das escolas: como os indicadores do TIMSS e do PISA se comparam aos dados administrativos nacionais? (The Validity of School Socio-Economic Status Measures: How Do Indicators from TIMSS and PISA Compare to National Administrative Data Sources?). Large-scale Assessments in Education. Link.
4. Kohen, Zehavit; Gharra-Badran, Yasmin. (2023). Uma rubrica para avaliar problemas de modelagem matemática em um contexto científico e de engenharia (A Rubric for Assessing Mathematical Modelling Problems in a Scientific-Engineering Context). Teaching Mathematics and Its Applications. Link.
5. Berget, Ingeborg Katrin Lid. (2024). Modelagem matemática nos discursos dos referenciais KOM e PISA e nas entrevistas com professores (Mathematical Modelling in the Discourses of the KOM and PISA Frameworks and Teacher Interviews). Research in Mathematics Education. Link.
6. Hu, Xiang; Guo, Jiesi; King, Ronnel B.; Leung, Frederick K. S. (2026). Uma explicação cultural para o paradoxo entre motivação e desempenho em matemática (A Cultural Explanation of Motivation-Achievement Paradox in Math). Educational Researcher. Link.
7. Truong, Huu-Hung; Nguyen, Phuong-Chi. (2026). Letramento matemático: paralelos entre a Matriz de Matemática do PISA e o currículo de Matemática do Vietnã (Mathematical Literacy: Parallels between the PISA Mathematics Framework and Vietnam's Mathematics Curriculum). Curriculum Journal. Link.
8. Xue, Kang; Appleton, James J. (2026). Avaliação de IA multimodal de propósito geral para a geração de matrizes Q a partir de itens de matemática: uma exploração da modelagem de diagnóstico cognitivo (Evaluating General-Purpose Multimodal AI for Q-Matrix Generation from Math Items: A Cognitive Diagnostic Modeling Exploration). Journal of Educational Measurement. Link.

Se essas ideias ajudarem a olhar para as avaliações da sua turma com mais perguntas e menos conclusões apressadas, já valeu a leitura. Continue explorando e adapte o que fizer sentido para seus estudantes.