ساخت یک تخمین‌گر شفاف امتیاز Digital SAT

اکثر محاسبه‌گرهای امتیاز از یک روش ساده استفاده می‌کنند. شما پاسخ‌های صحیح را وارد می‌کنید، یک جدول را اعمال می‌کنید و امتیاز را مشاهده می‌کنید.

این روش برای Digital SAT کارایی ندارد.

این آزمون تطبیقی (adaptive) است. مدل امتیازدهی خصوصی است. College Board یک جدول تبدیل جهانی منتشر نمی‌کند.

هنگام ساخت یک تخمین‌گر امتیاز رایگان، دو انتخاب داشتم:

  • ارائه دقت کاذب.
  • تبدیل عدم قطعیت به بخشی از محصول.

من گزینه دوم را انتخاب کردم.

ابزار من ادعا نمی‌کند که امتیازی دقیق ارائه می‌دهد. ادعا نمی‌کند که مسیر تطبیقی خاص یک دانش‌آموز را می‌داند. ادعا نمی‌کند که با گزارش امتیاز رسمی مطابقت دارد.

در عوض، به یک سوال پاسخ می‌دهد: چه محدوده امتیازی گسترده‌ای برای برنامه‌ریزی مطالعه مفید است؟

این تمرکز، نحوه عملکرد ابزار را تغییر می‌دهد. Digital SAT برای هر بخش دو ماژول دارد. عملکرد در ماژول اول، درجه سختی ماژول دوم را تغییر می‌دهد.

رابط کاربری چهار ورودی مشخص را درخواست می‌کند:

  • تعداد پاسخ‌های صحیح Math Module 1.
  • تعداد پاسخ‌های صحیح Math Module 2.
  • تعداد پاسخ‌های صحیح Reading and Writing Module 1.
  • تعداد پاسخ‌های صحیح Reading and Writing Module 2.

کد از این مجموع‌ها برای انتخاب بازه‌های برنامه‌ریزی گسترده استفاده می‌کند. نتیجه‌ای مانند ۷۷۰-۷۰۰، اعتمادبه‌نفس بیشتری را نسبت به یک عدد جعلی مانند ۷۴۲ منتقل می‌کند.

من از منطق آستانه ساده‌ای برای تخمین‌گر Math استفاده کردم:

if (total >= 41) return "760-800";
if (total >= 36) return "700-770";
if (total >= 31) return "640-710";

این رویکرد صادقانه است. از پنهان کردن فرمول‌های حدسی پشت ارقام اعشار جلوگیری می‌کند.

من همچنین محدودیت‌ها را به جای پنهان کردن در فوتر (footer)، در نزدیکی نتیجه قرار دادم. کاربران باید بدانند:

  • این محدوده از مجموع پاسخ‌های صحیح استفاده می‌کند.
  • مدل امتیازدهی رسمی را بازسازی نمی‌کند.
  • فرم‌های مختلف آزمون، امتیازهای متفاوتی تولید می‌کنند.
  • امتیازهای رسمی Bluebook اولویت دارند.

اضافه کردن ارقام بیشتر باعث می‌شود پاسخ دقیق به نظر برسد، اما مدل را دقیق نمی‌کند. وقتی داده‌ها ناقص هستند، ارائه یک محدوده، محصول صادقانه‌تری است.

هدف من مهندسی معکوس یک سیستم خصوصی نیست؛ بلکه ساخت یک ابزار برنامه‌ریزی شفاف است.

آیا شما هم ابزارهایی با استفاده از داده‌های ناقص ساخته‌اید؟ چگونه عدم قطعیت را به کاربران خود منتقل می‌کنید؟

منبع: https://dev.to/_258cd27a94f80dc3fcdac/building-a-transparent-digital-sat-score-estimator-without-pretending-it-is-exact-c8e