সঠিকভাবে মূল্যায়ন পাসের নম্বর কীভাবে গণনা করবেন
একটি মূল্যায়ন পাস মার্ক, যাকে কাট স্কোরও বলা হয়, হলো সেই ন্যূনতম পয়েন্ট যা একজন পরীক্ষার্থীকে উত্তীর্ণ হিসেবে বিবেচিত হতে অর্জন করতে হয়। সূত্রটি সহজ: ন্যূনতম পাসিং মার্ক = মোট মার্ক × (পাসিং শতাংশ ÷ ১০০)।
এখানে সংক্ষিপ্ত সংস্করণটি দেওয়া হলো। যদি একটি পরীক্ষা ১০০ পয়েন্টের হয় এবং পাসিং শতাংশ ৬০% হয়, তাহলে পাস করতে আপনার ৬০ মার্ক দরকার। একটি সরল, একক-বিভাগের পরীক্ষার জন্য এটাই সম্পূর্ণ হিসাব।
বাস্তব মূল্যায়ন পাস মার্ক আরও জটিল হয়ে পড়ে যখন আপনি এই বিষয়গুলো বিবেচনায় নেন:
- ওয়েটেড বিভাগ যেগুলো চূড়ান্ত স্কোরে ভিন্নভাবে গণনা করা হয়
- স্কোর ভগ্নাংশে পড়লে রাউন্ডিংয়ের নিয়ম
- স্ট্যান্ডার্ড-সেটিং পদ্ধতি যা ব্যাখ্যা করে কেন সীমারেখা নির্দিষ্ট স্থানে রাখা হয়েছে
- কাট স্কোরের কাছাকাছি পরিমাপ ত্রুটি যা প্রভাবিত করে কে পাস বা ফেল হিসেবে শ্রেণিবদ্ধ হবে
এই গাইডের বাকি অংশ সেই প্রতিটি বিষয় নিয়ে আলোচনা করে, কাজের উদাহরণসহ যা আপনি আপনার নিজের সংখ্যায় অভিযোজিত করতে পারবেন।
মূল বিষয়সমূহ
একটি গ্রহণযোগ্য মূল্যায়ন পাস মার্ক একটি নথিভুক্ত পদ্ধতি থেকে আসে, অনুমান করা শতাংশ থেকে নয়, এবং প্রয়োজনীয় র্যাও মার্ক গণনার সূত্র সবসময় মোট মার্ককে পাসিং শতাংশ দিয়ে গুণ করে ১০০ দিয়ে ভাগ করা।
| বিষয় | বিবরণ |
|---|---|
| মূল সূত্র ব্যবহার করুন | ন্যূনতম পাসিং মার্ক = মোট মার্ক × পাসিং শতাংশ ÷ ১০০। |
| আপনার প্রেক্ষাপট জানুন | মার্কিন যুক্তরাষ্ট্রে স্নাতক পর্যায়ে ৬০% একটি সাধারণ বেসলাইন, যেখানে লাইসেন্সিং পরীক্ষাগুলোতে প্রায়ই ৭০% থেকে ৭৫% প্রয়োজন হয়, যা আনুষ্ঠানিক স্ট্যান্ডার্ড-সেটিংয়ের মাধ্যমে নির্ধারিত হয়। |
| একটি গ্রহণযোগ্য পদ্ধতি বেছে নিন | Modified Angoff, contrasting groups, borderline group এবং Hofstee প্রতিটি ভিন্ন ঝুঁকির মাত্রা ও আইটেমের ধরনের জন্য উপযুক্ত। |
| কাট স্কোর জোনটি সতর্কতার সাথে বিবেচনা করুন | কাট স্কোরের এক স্ট্যান্ডার্ড এরর অব মেজারমেন্টের মধ্যে থাকা স্কোরগুলো পর্যালোচনার যোগ্য, স্বয়ংক্রিয় পাস বা ফেলের নয়। |
| প্রতিটি সিদ্ধান্ত নথিভুক্ত করুন | প্যানেলের গঠন, পদ্ধতির পছন্দ এবং প্রভাবের তথ্য পাস মার্ককে সুরক্ষিত রাখে যদি এটি কখনো প্রশ্নবিদ্ধ হয়। |
| আপনার কাটের বিপরীতে ধারাবাহিকভাবে পরীক্ষা করুন | Talent Approved-এর Magic Create এবং সেশন ডেটা রোল-নির্দিষ্ট মূল্যায়ন তৈরি করতে এবং সীমারেখার কাছাকাছি স্কোর অডিট করতে সাহায্য করে। |
বিষয়সূচি
- পাসিং গ্রেড গণনা: সূত্র, প্রিসেট এবং রাউন্ডিং
- বিভিন্ন পরিস্থিতিতে পাসিং গ্রেড হিসেবে কী বিবেচিত হয়
- স্ট্যান্ডার্ড-সেটিং পদ্ধতি: পেশাদার পাস মার্ক কীভাবে তৈরি হয়
- একটি গ্রহণযোগ্য পাস-মার্ক প্রক্রিয়া তৈরি করা
- কাটের কাছাকাছি স্কোর: স্ট্যান্ডার্ড এরর অব মেজারমেন্ট আপনার জন্য কী অর্থ বহন করে
- পুনরায় ব্যবহারযোগ্য কাজের উদাহরণ
- Talent Approved কীভাবে নথিভুক্ত পাস-মার্ক সিদ্ধান্তকে সমর্থন করে
- কেন সংখ্যার চেয়ে নথিভুক্তকরণ বেশি গুরুত্বপূর্ণ
- এমন পাস মার্ক নির্ধারণ করুন যা আপনি সত্যিই সমর্থন করতে পারবেন
- উৎস
- সচরাচর জিজ্ঞাসা
পাসিং গ্রেড গণনা: সূত্র, প্রিসেট এবং রাউন্ডিং
মোট মার্ক যাই হোক না কেন, গণিত একই থাকে। মোট মার্ককে পাসিং শতাংশ দিয়ে গুণ করুন, যা দশমিক হিসেবে প্রকাশিত।
- ১০০-তে ৬০%-এ পরীক্ষা: ১০০ × ০.৬০ = পাস করতে ৬০ মার্ক দরকার।
- ৮০-তে ৭০%-এ পরীক্ষা: ৮০ × ০.৭০ = পাস করতে ৫৬ মার্ক দরকার।
- কোর্স গ্রেডের ৪০% মূল্যের ওয়েটেড ফাইনাল: যদি কোর্সে মোট ৬৫% প্রয়োজন হয় এবং অন্য উপাদানগুলো ইতোমধ্যে সম্ভাব্য ৬০ পয়েন্টের মধ্যে ৩০ পয়েন্ট দিয়েছে, তাহলে ফাইনাল পরীক্ষাকে ব্যবধান পূরণ করতে তার ৪০টি উপলব্ধ পয়েন্টের মধ্যে কমপক্ষে ৩৫ সরবরাহ করতে হবে।
রাউন্ডিং মানুষ যা ধারণা করে তার চেয়ে বেশি গুরুত্বপূর্ণ। বেশিরভাগ প্রতিষ্ঠান গণনা ভগ্নাংশে পড়লে নিকটতম পূর্ণ মার্কে উপরে রাউন্ড করে (৫৯.৪ হয়ে যায় ৬০), কারণ নিচে রাউন্ড করলে কার্যত নির্ধারিত সীমারেখা কমে যাবে।
একটি পাসিং স্কোর ক্যালকুলেটর এই রূপান্তরগুলো তাৎক্ষণিকভাবে চালাতে পারে, তবে অন্তর্নিহিত সূত্র জানা মানে আপনি কখনো একটিমাত্র উপকরণের উপর নির্ভরশীল নন।
বিভিন্ন পরিস্থিতিতে পাসিং গ্রেড হিসেবে কী বিবেচিত হয়
৬০%-এর আশেপাশের একটি স্কোর সাধারণত মার্কিন যুক্তরাষ্ট্রের আদর্শ গ্রেড ব্যান্ডে 'D' গ্রেডের সাথে সামঞ্জস্যপূর্ণ, এবং এই মাত্রাটি প্রায়শই স্নাতক কোর্সে ন্যূনতম পাসিং থ্রেশহোল্ড হিসেবে বিবেচনা করা হয়। তবে "ক্লাসে পাস করা" এবং "প্রোগ্রামের প্রয়োজনীয়তা পূরণ করা" সবসময় একই জিনিস নয়।
পরিসংখ্যান হাইলাইট: ৬০%-এর আশেপাশের D-স্তরের স্কোর প্রায়ই কোর্স ক্রেডিট অর্জন করে, তবুও অনেক ডিগ্রি প্রোগ্রাম, মেজর বা পেশাদার ট্র্যাকে অগ্রসর হওয়ার আগে পূর্বশর্ত কোর্সে C (৭০%) বা তার বেশি প্রয়োজন হয়।
শ্রেণিকক্ষের বাইরে, সীমারেখার যুক্তি সম্পূর্ণরূপে পরিবর্তিত হয়:
- লাইসেন্সিং এবং সার্টিফিকেশন পরীক্ষাগুলো প্রায়ই ৭০% থেকে ৭৫%-এ থাকে এবং সংখ্যাটি খুব কমই স্বেচ্ছাচারী। এটি সাধারণত আনুষ্ঠানিক স্ট্যান্ডার্ড-সেটিংয়ের মাধ্যমে নির্মিত হয়, কোনো গোল সংখ্যা থেকে বেছে নেওয়া হয় না।
- নিয়োগকর্তা এবং সফটওয়্যার বিক্রেতারা প্রতিটি ভূমিকার জন্য কাস্টম পাস মার্ক নির্ধারণ করে, যা সেই পদের জন্য "কাজ শুরু করার মতো যথেষ্ট দক্ষ" আসলে কেমন দেখায় তার উপর ভিত্তি করে।
- কিছু সার্টিফিকেশন ক্রাইটেরিয়ন-রেফারেন্সড মানদণ্ড ব্যবহার করে যা অন্যরা কীভাবে স্কোর করেছে তা উপেক্ষা করে এবং সম্পূর্ণরূপে এই বিষয়ে মনোযোগ দেয় যে একজন ব্যক্তি একটি নির্দিষ্ট সীমানা পূরণ করেছে কিনা।
স্ট্যান্ডার্ড-সেটিং পদ্ধতি: পেশাদার পাস মার্ক কীভাবে তৈরি হয়
উচ্চ-ঝুঁকির পরীক্ষাগুলো শূন্য থেকে পাসিং শতাংশ বেছে নেয় না। তারা নথিভুক্ত স্ট্যান্ডার্ড-সেটিং পদ্ধতি ব্যবহার করে, এবং সেগুলো বোঝা ব্যাখ্যা করে কেন একটি লাইসেন্সিং পরীক্ষা ৬৮%-এ পাস করতে পারে যখন একটি অনুরূপ পরীক্ষা ৭৫%-এ পাস করে।
Modified Angoff পদ্ধতি হলো সবচেয়ে বেশি ব্যবহৃত টেস্ট-কেন্দ্রিক পদ্ধতি। বিষয়-বিশেষজ্ঞদের একটি প্যানেল প্রতিটি আইটেম পর্যালোচনা করে এবং অনুমান করে যে "ন্যূনতম দক্ষ" প্রার্থী এটি সঠিকভাবে উত্তর দেওয়ার সম্ভাবনা কতটুকু। সমস্ত আইটেমে সেই সম্ভাবনাগুলো যোগ করুন এবং আপনি প্রস্তাবিত কাট স্কোর পাবেন। প্যানেলগুলো সাধারণত বেশ কয়েক রাউন্ড চালায়, বাস্তব কর্মক্ষমতার ডেটা দেখার পর অনুমান সমন্বয় করে।
আইটেমের পক্ষ থেকে নয়, পরীক্ষার্থীর পক্ষ থেকে অন্য পদ্ধতিগুলো কাজ করে:
- Contrasting groups ইতোমধ্যে দক্ষ বনাম এখনো-দক্ষ-নয় হিসেবে শ্রেণিবদ্ধ পরীক্ষার্থীদের স্কোর বিতরণ তুলনা করে, তারপর দুটি বিতরণ যেখানে একে অপরকে ছেদ করে সেটি খুঁজে বের করে।
- Borderline group পদ্ধতি বিচারকদের এমন পরীক্ষার্থীদের চিহ্নিত করতে বলে যারা দক্ষতার একেবারে প্রান্তে আছে, তারপর কাট নোঙর করতে তাদের প্রকৃত স্কোর ব্যবহার করে।
- Hofstee হলো একটি আপোষকামী পদ্ধতি যা আগে থেকে গ্রহণযোগ্য ন্যূনতম এবং সর্বোচ্চ ব্যর্থতার হার নির্ধারণ করে, যা একটি কাট স্কোরকে অযৌক্তিক চরম সীমায় যেতে বাধা দেয়।
- Bookmark method আইটেম রেসপন্স থিওরিতে নির্মিত পরীক্ষার জন্য উপযুক্ত, যেখানে আইটেমগুলো কঠিনতা অনুসারে সাজানো হয় এবং প্যানেলিস্টরা সেই পয়েন্টে একটি "বুকমার্ক" রাখে যেখানে একজন ন্যূনতম দক্ষ প্রার্থী সম্ভবত ব্যর্থ হবে।
প্রো টিপ: যদি আপনার মূল্যায়নের প্রার্থীদের জন্য বাস্তব পরিণতি থাকে, তাহলে একটি টেস্ট-কেন্দ্রিক পদ্ধতি (যেমন Angoff) একটি পরীক্ষার্থী-কেন্দ্রিক পদ্ধতির (যেমন contrasting groups) সাথে যুক্ত করুন। দুটির মধ্যে সম্মতি হলো সবচেয়ে শক্তিশালী প্রমাণ যা আপনি উপস্থাপন করতে পারেন যে আপনার কাট স্কোর গ্রহণযোগ্য।
এই পদ্ধতিগুলোর কোনোটিই একটি সত্যিকারের পাস মার্ক "আবিষ্কার" করে না। তারা একটি নির্মাণ করে, ডেটা দ্বারা সমর্থিত বিশেষজ্ঞ বিচারের মাধ্যমে। এই পার্থক্যটি গুরুত্বের সাথে বিবেচনা করার যোগ্য, বিশেষত যেকোনো সীমারেখা চূড়ান্ত করার আগে যা বাস্তব মানুষের ফলাফলকে প্রভাবিত করে।
একটি গ্রহণযোগ্য পাস-মার্ক প্রক্রিয়া তৈরি করা
একটি আনুষ্ঠানিক স্ট্যান্ডার্ড-সেটিং অনুশীলন চালানোর আগে, একটি সংক্ষিপ্ত সিদ্ধান্ত চেকলিস্টের মধ্য দিয়ে কাজ করুন: ঝুঁকির মাত্রা কতটা উচ্চ? কোন আইটেমের ফরম্যাটগুলো জড়িত (বহুনির্বাচনী, পারফরম্যান্স টাস্ক, সিমুলেশন)? স্কোরিংয়ের পেছনে কি কোনো সাইকোমেট্রিক মডেল আছে? আপনি কতজন যোগ্য প্যানেলিস্ট নিয়োগ করতে পারবেন এবং অর্থপূর্ণ প্রভাবের ডেটা তৈরি করতে আপনার প্রার্থীর নমুনা কি যথেষ্ট বড়?
একবার আপনি সমস্যার আকৃতি জানলে, অপারেশনাল পদক্ষেপগুলো মোটামুটি এরকম দেখায়, অনেকটা একটি ব্যাপক Sales Call Scorecard পারফরম্যান্স মূল্যায়নের জন্য স্কোরিং এবং রুব্রিককে কার্যকর করার মতো:
- সহজ ভাষায় পারফরম্যান্স স্তর সংজ্ঞায়িত করুন। এই ভূমিকা বা বিষয়ের জন্য "ন্যূনতম দক্ষ" আসলে কী অর্থ বহন করে?
- এমন প্যানেলিস্ট নিয়োগ করুন এবং প্রশিক্ষণ দিন যারা বিষয়বস্তু এবং পরীক্ষিত জনগোষ্ঠী বোঝেন।
- চোরা পদ্ধতি চালান (Angoff, contrasting groups, Hofstee বা কোনো সমন্বয়) এবং স্বাধীন বিচার সংগ্রহ করুন।
- প্রস্তাবিত কাট স্কোর বাস্তব বা ঐতিহাসিক স্কোরের বিরুদ্ধে কী পাসের হার তৈরি করবে তা দেখানো প্রভাবের ডেটা তৈরি করুন।
- প্রতিটি সিদ্ধান্ত নথিভুক্ত করুন: কে প্যানেলে ছিলেন, কোন পদ্ধতি ব্যবহার করা হয়েছিল এবং কেন।
ছোট সংগঠনগুলো প্রায়ই আনুষ্ঠানিক সাইকোমেট্রিক সহায়তা এড়িয়ে একটি প্রিসেট শতাংশে ডিফল্ট করে, যা কম-ঝুঁকির অভ্যন্তরীণ কুইজের জন্য ঠিক আছে। নিয়োগ, লাইসেন্সিং বা সার্টিফিকেশনের সাথে সংযুক্ত যেকোনো কিছুর জন্য, বাস্তব সময় বাজেট করুন। একটি মূল্যায়নের মানদণ্ডের চেকলিস্ট প্যানেল আনার আগে পারফরম্যান্স-স্তরের সংজ্ঞাগুলো কাঠামোবদ্ধ করতে সাহায্য করতে পারে।
কাটের কাছাকাছি স্কোর: স্ট্যান্ডার্ড এরর অব মেজারমেন্ট আপনার জন্য কী অর্থ বহন করে
কোনো পরীক্ষাই নিখুঁতভাবে পরিমাপ করে না, এবং স্ট্যান্ডার্ড এরর অব মেজারমেন্ট (SEM) সেই অনিশ্চয়তা পরিমাণ নির্ধারণ করে। যে প্রার্থী কাটের এক পয়েন্ট নিচে স্কোর করেছেন তিনি অগত্যা তার চেয়ে কম দক্ষ নন যিনি এক পয়েন্ট উপরে স্কোর করেছেন। SEM আপনাকে বলে যে দক্ষতায় কোনো বাস্তব পরিবর্তন না হলেও একটি পুনর্পরীক্ষার স্কোর কতটা ওঠানামা করবে।
- একটি বর্ডারলাইন জোন, প্রায়ই কাট স্কোর প্লাস বা মাইনাস এক SEM, এমন স্কোরগুলোকে চিহ্নিত করে যেগুলো স্বয়ংক্রিয় পাস বা ফেলের পরিবর্তে দ্বিতীয় দৃষ্টিভঙ্গির যোগ্য।
- সেই জোনের মধ্যে বিকল্পগুলোর মধ্যে রয়েছে রেসপন্স প্যাটার্নের ম্যানুয়াল পর্যালোচনা, লক্ষ্যভিত্তিক প্রতিকার অনুসরণ করে পুনর্পরীক্ষা, বা তাজা পরিস্থিতিতে তত্ত্বাবধানে পুনরায় পরীক্ষা।
পরিসংখ্যান হাইলাইট: যেহেতু দক্ষ এবং এখনো-দক্ষ-নয় গোষ্ঠীর স্কোর বিতরণ সবসময় কিছুটা ওভারল্যাপ করে, প্রতিটি কাট স্কোর কাউকে না কাউকে ভুলভাবে শ্রেণিবদ্ধ করে। ভালো স্ট্যান্ডার্ড-সেটিংয়ের লক্ষ্য শূন্য ত্রুটি নয়। এর লক্ষ্য হলো সেগুলো কমানো এবং ট্রেড-অফ সম্পর্কে স্বচ্ছ থাকা।
প্রতিটি সংগঠনকে বেছে নিতে হবে কোন ত্রুটিটি তারা বেশি ভয় পায়: এমন কাউকে পাস করানো যার পাস করার কথা ছিল না, নাকি এমন কাউকে ফেল করানো যে পাসের যোগ্য ছিল। সেই পছন্দটি নথিভুক্ত করুন। যদি কোনো নিয়ন্ত্রক বা প্রত্যাখ্যাত প্রার্থী কখনো জিজ্ঞেস করে কেন লাইনটি সেখানে আছে, "আমরা এই প্রমাণের ভিত্তিতে একটি নীতিগত বিষয় হিসেবে সিদ্ধান্ত নিয়েছিলাম" নীরবতার চেয়ে অনেক শক্তিশালী উত্তর।
পুনরায় ব্যবহারযোগ্য কাজের উদাহরণ
- আদর্শ শতাংশ পরীক্ষা: মোট মার্ক = ১০০, পাসিং শতাংশ = ৬০%। গণনা: ১০০ × ০.৬০ = পাস করতে ৬০ মার্ক দরকার।
- ভিন্ন মোট, উচ্চতর সীমারেখা: মোট মার্ক = ৮০, পাসিং শতাংশ = ৭০%। গণনা: ৮০ × ০.৭০ = ৫৬ মার্ক। যদি র্যাও স্কোর ৫৫.৬ হয়, তাহলে ৫৬-এ উপরে রাউন্ড করুন, কারণ নিচে রাউন্ড করলে কার্যত প্রকাশিত মানদণ্ড কমে যাবে।
- ওয়েটেড কোর্স গ্রেড: ধরুন কোর্সওয়ার্ক এবং মিডটার্ম ইতোমধ্যে সম্ভাব্য ৬০-এর মধ্যে ৪৫ পয়েন্ট দিয়েছে (সেই অংশে ৭৫%), এবং ফাইনাল পরীক্ষা মোট গ্রেডের ৪০% মূল্যের। মোট ৭০% পেতে, ফাইনাল পরীক্ষাকে যথেষ্ট পয়েন্ট সরবরাহ করতে হবে যাতে সম্মিলিত স্কোর ১০০-এর মধ্যে ৭০-এ পৌঁছায়, যার মানে সাধারণত সেই নির্দিষ্ট পরীক্ষায় প্রয়োজনীয় সঠিক পয়েন্টগুলো তার নিজস্ব পয়েন্ট স্কেল ব্যবহার করে নির্ণয় করতে হবে, শুধু ফাইনালে একটি সমতল ৭০% অনুমান করার পরিবর্তে।
Talent Approved কীভাবে নথিভুক্ত পাস-মার্ক সিদ্ধান্তকে সমর্থন করে
হাতে একটি গ্রহণযোগ্য স্ট্যান্ডার্ড-সেটিং প্রক্রিয়া চালানো মানে স্প্রেডশিটে প্যানেলিস্টদের বিচার, আইটেম ডেটা এবং প্রভাব বিশ্লেষণ ট্র্যাক করা। Talent Approved-এর ওয়ার্কফ্লো সেই ট্রেইলটি এক জায়গায় রাখে: রোল-নির্দিষ্ট মূল্যায়ন তৈরির জন্য পুনরায় ব্যবহারযোগ্য আইটেম ব্যাংক, পারফরম্যান্স প্যাটার্ন পর্যালোচনার জন্য সেশন ডেটা এবং AI-জেনারেটেড সারাংশ যা দেখায় যেখানে প্রার্থীরা একটি প্রস্তাবিত কাটের আশেপাশে ক্লাস্টার করে। শুরু করার কাঠামোর জন্য দেখুন কীভাবে জব-নির্দিষ্ট স্ক্রিনিং পরীক্ষা ডিজাইন করবেন।
কেন সংখ্যার চেয়ে নথিভুক্তকরণ বেশি গুরুত্বপূর্ণ
আপনি যে শতাংশে পৌঁছান তা বেশিরভাগ মানুষ যা ধারণা করে তার চেয়ে কম গুরুত্বপূর্ণ। একটি পাস মার্ক প্রশ্নবিদ্ধ হলে যা সত্যিকার অর্থে একটি সংগঠনকে রক্ষা করে তা হলো এর পেছনের কাগজের ট্রেইল: কে এটি বিচার করেছে, কোন পদ্ধতি ব্যবহার করা হয়েছিল এবং চূড়ান্ত সিদ্ধান্তের পেছনে কোন প্রমাণ ছিল। আপনার ঝুঁকির সাথে মানানসই একটি পদ্ধতি বেছে নিন, কেন এটি বেছে নিলেন তা লিখে রাখুন এবং বাস্তব প্রার্থীরা পরীক্ষা দিতে শুরু করার পর একবার ডেটা পুনর্বিবেচনা করুন।
— Jimmie
এমন পাস মার্ক নির্ধারণ করুন যা আপনি সত্যিই সমর্থন করতে পারবেন
একটি ন্যায্য কাট স্কোর তৈরি করা কাজের অর্ধেক মাত্র। আপনার কাছে এটির বিপরীতে ধারাবাহিকভাবে প্রার্থীদের পরীক্ষা করার একটি উপায়ও দরকার, হাতে আইটেম ব্যাংক তৈরিতে দিনের পর দিন ব্যয় না করে। Talent Approved-এর Magic Create টুল একটি জব ডেসক্রিপশন বা প্রয়োজনীয় দক্ষতার তালিকাকে মিনিটের মধ্যে একটি কাঠামোবদ্ধ, রোল-নির্দিষ্ট মূল্যায়নে রূপান্তরিত করে, যাতে আপনার পাস মার্কের পেছনে পারফরম্যান্স-স্তরের সংজ্ঞাগুলো আসলে আপনার উদ্দেশ্য অনুযায়ী পরীক্ষিত হয়।
বিল্ট-ইন অ্যান্টি-চিট মনিটরিং এবং সেশন রিপ্লে আপনাকে সেই পদ্ধতিগত প্রমাণ দেয় যার উপর একটি গ্রহণযোগ্য স্ট্যান্ডার্ড-সেটিং প্রক্রিয়া নির্ভর করে: একটি রেকর্ড যে প্রতিটি প্রার্থী আসলে কেমন পারফর্ম করেছে, শুধু একটি চূড়ান্ত স্কোর নয়। AI-জেনারেটেড সারাংশ এবং প্রার্থীর র্যাংকিংয়ের সাথে যুক্ত করুন এবং আপনার কাটের কাছাকাছি স্কোর পর্যালোচনা করা একটি ম্যানুয়াল অডিটের পরিবর্তে পাঁচ মিনিটের কাজ হয়ে যায়। যেহেতু Talent Approved প্রতিটি সম্পূর্ণ মূল্যায়নের জন্য $5 ফ্ল্যাট ফি সহ পে-অ্যাজ-ইউ-গো মডেলে চলে, তাই এটি আপনার নিজের ভূমিকার প্রয়োজনীয়তার বিরুদ্ধে পরীক্ষা করতে কোনো সাবস্ক্রিপশন প্রতিশ্রুতি নেই। একটি মূল্যায়ন তৈরি শুরু করুন এবং দেখুন আপনার প্রস্তাবিত পাস মার্ক বাস্তব প্রার্থীর ডেটার বিরুদ্ধে কেমন পারফর্ম করে।
উৎস
- স্ট্যান্ডার্ড-সেটিং সাহিত্য: modified Angoff পদ্ধতি (PMC নিবন্ধ)
- কলেজে পাসিং গ্রেড কী? | University of the People (ব্লগ)
- স্ট্যান্ডার্ড সেটিং — পদ্ধতি এবং বৈধতা (Cogn-IQ এনসাইক্লোপিডিয়া)
সচরাচর জিজ্ঞাসা
মূল্যায়ন স্কোর কী?
মূল্যায়ন স্কোর হলো সেই র্যাও বা স্কেলড সংখ্যা যা একজন পরীক্ষার্থী অর্জন করেন, যা ফলাফলকে পাস বা ফেল হিসেবে শ্রেণিবদ্ধ করতে একটি পূর্বনির্ধারিত পাস মার্কের বিরুদ্ধে তুলনা করা হয়।
কাট স্কোরের কাছাকাছি মূল্যায়নের ফলাফল কীভাবে ব্যাখ্যা করবেন?
কাট স্কোরের এক স্ট্যান্ডার্ড এরর অব মেজারমেন্টের মধ্যে স্কোরগুলো একটি বর্ডারলাইন জোনে পড়ে, যেখানে সংগঠনগুলো প্রায়ই স্বয়ংক্রিয় শ্রেণিবিভাজনের পরিবর্তে ম্যানুয়াল পর্যালোচনা, প্রতিকার বা তত্ত্বাবধানে পুনরায় পরীক্ষা প্রয়োগ করে।
পাসিং পরীক্ষার স্কোর হিসেবে কী বিবেচনা করা হয়?
কোনো সর্বজনীন সংখ্যা নেই।