fa مقایسه مدل‌های کلاسیک و خصیصه مکنون در ارزیابی آزمون‌های تخصصی ورود به دوره‌های کارورزی رشته پزشکی ساير موارد other پژوهشی اصیل Original research article مقدمه: علی‌رغم‌ استفاده گسترده از آزمون پیش‌کارورزی و اهمیت آن در ارزیابی دانشجویان پزشکی، مطالعه‌ای که یک تحلیل روان‌سنجی نظام‌مند از سؤالات این آزمون فراهم نماید وجود نداشت. لذا پژوهش حاضر به ارزیابی آزمون پیش‌کارورزی اسفند 1389 با استفاده از مدل‌های کلاسیک و خصیصه مکنون و مقایسه آن‌ها پرداخته است. روش‌ها: در این پژوهش توصیفی- مقطعی، تجزیه و تحلیل سؤالات آزمون بر پایه مدل کلاسیک، از طریق محاسبه ضرایب دشواری و تمیز، برآورد اعتبار آزمون به‌روش ضریب آلفای کرونباخ و تحلیل گزینه‌های انحرافی با استفاده از آزمون مقایسه نسبت انتخاب گزینه‌ها از طریق نرم‌افزار EXCEL انجام ‌شد. بررسی بعدیت آزمون با نرم افزار NOHARM4 انجام شد. جهت برآورد پارامترهای سؤال (دشواری، تشخیص، حدس‌پذیری، تابع آگاهی سؤال و آزمون و خطای معیار اندازه‌گیری) از روش‌ها و مدل‌های خصیصه مکنون و از نرم‌افزار BILOG-MG3 استفاده شد. نتایج: طبق نظریه کلاسیک، 30 سؤال (15 درصد) در بازه قابل قبول ضرایب دشواری و تمیز قرار داشتند. ضریب اعتبار آزمون 913/0 به ‌دست آمد. 73 سؤال (5/36%) از لحاظ گزینه‌های انحرافی دارای ایراد بودند. بررسی بعدیت آزمون نشان داد که آزمون تک‌بعدی است. با استفاده از مدل لوجستیک سه‌پارامتری میانگین و انحراف معیار پارامتر دشواری (321/0 ، 874/1)، پارامتر تشخیص (021/1، 666/0) و پارامتر حدس (209/0 ، 082/0) به‌دست آمد. بیشترین میزان آگاهی آزمون در سطوح توانایی 0/1 و 8/2 قرار داشت و آزمون در نقاط برش از آگاهی کمتری نسبت به سطوح بالاتر توانایی برخوردار بود. نتیجه‌گیری: یافته‌های پژوهش نشان داد که تحلیل‌های حاصل از مدل‌های خصیصه مکنون می‌توانند در جهت رفع محدودیت‌های نظریه کلاسیک آزمون مورد استفاده قرار گیرند. Introduction: Despite the widespread use of pre-internship comprehensive test and its importance in medical students’ assessment, there is a paucity of the studies that can provide a systematic psychometric analysis of the items of this test. Thus, the present study sought to assess March 2011 pre-internship test using classical and latent trait models and compare their results. Methods: In this cross-sectional descriptive research, item analysis based on classical model was conducted by calculation of difficulty and discrimination coefficients, estimation of reliability by Cronbach’s alpha coefficient method and distracters analysis by comparing distracter proportions using EXCEL software. NOHARM4 software was also used to assess test dimensionality. To assess items parameters (difficulty, discrimination, guessing, information functions, and standard error of measurement) latent trait models and BILOG-MG3 software were used. Results: According to the classical test theory, 30 items (15%) were in the acceptable range of difficulty and discrimination coefficients. Test reliability coefficient was 0.913. Seventy three items (36.5%) had problems with the distracters. The analysis of test dimensionality indicated that the test was unidimensional. Using Three-Parameter Logistic Model, we obtained the mean and standard deviation of items parameters, i.e. item difficulty (0.321, 1.874), item discrimination (1.021, 0.666), and item guessing (0.209, 0.082). Maximum test information function was between 1.0 to 2.8 ability levels, and the test had lower information compared to the higher levels of ability at cutting scores. Conclusion: The findings indicate that analyses of latent trait models can be used to overcome the limitations of the classical test theory. آزمون پیش‌کارورزی، مدل کلاسیک، مدل‌های خصیصه مکنون Pre-internship test, Classical model, Latent trait models 167 178 http://ijme.mui.ac.ir/browse.php?a_code=A-10-2035-1&slc_lang=fa&sid=1 Hadi Abbasi هادی عباسی abbasihadi@yahoo.com 7000319475328460031748 7000319475328460031748 Yes Mohammad Reza Falsafinejad محمدرضا فلسفی‌نژاد falsafinejad@yahoo.co.uk 7000319475328460031749 7000319475328460031749 No Ali Delavar علی دلاور delavar@atu.ac.ir 7000319475328460031750 7000319475328460031750 No Noor Ali Farrokhi نورعلی فرخی farrokhinoorali@yahoo.com 7000319475328460031751 7000319475328460031751 No Mohammad Ali Mohagheghi محمدعلی محققی mamohagheghi@yahoo.com 7000319475328460031752 7000319475328460031752 No