투명한 디지털 SAT 점수 예측기 만들기
대부분의 점수 계산기는 단순한 방식을 사용합니다. 정답을 입력하고, 표를 적용하여 점수를 확인하는 방식이죠.
이 방식은 디지털 SAT에는 통하지 않습니다.
이 시험은 적응형(adaptive) 방식입니다. 채점 모델은 비공개이며, College Board는 범용 변환 표를 공개하지 않습니다.
무료 점수 예측기를 만들 때, 저에게는 두 가지 선택지가 있었습니다:
- 거짓된 정밀함을 제시할 것인가.
- 불확실성을 제품의 일부로 포함할 것인가.
저는 두 번째 옵션을 선택했습니다.
제 도구는 정확한 점수를 제공한다고 주장하지 않습니다. 학생의 구체적인 적응형 경로를 알고 있다고 주장하지도 않습니다. 공식 성적표와 일치한다고 주장하지도 않습니다.
대신, 한 가지 질문에 답합니다: 학습 계획을 세우는 데 유용한 대략적인 점수 범위는 무엇인가?
이 초점은 도구가 작동하는 방식을 바꿉니다. 디지털 SAT는 섹션당 두 개의 모듈로 구성됩니다. 첫 번째 모듈의 성과에 따라 두 번째 모듈의 난이도가 달라집니다.
인터페이스는 네 가지 특정 입력을 요구합니다:
- 수학 모듈 1 정답 개수.
- 수학 모듈 2 정답 개수.
- 읽기 및 쓰기 모듈 1 정답 개수.
- 읽기 및 쓰기 모듈 2 정답 개수.
코드는 이 합계를 사용하여 광범위한 계획 범위를 선택합니다. 742와 같은 가짜 숫자보다는 700-770과 같은 결과가 신뢰도를 더 잘 전달합니다.
수학 예측기에는 간단한 임계값 로직을 사용했습니다:
if (total >= 41) return "760-800";
if (total >= 36) return "700-770";
if (total >= 31) return "640-710";
이 접근 방식은 정직합니다. 소수점 뒤에 추측성 공식을 숨기는 일을 피합니다.
또한 제한 사항을 푸터(footer)에 숨기는 대신 결과 근처에 배치했습니다. 사용자는 다음 사항을 알아야 합니다:
- 이 범위는 정답 합계를 사용합니다.
- 공식 채점 모델을 재현하지 않습니다.
- 시험 형식에 따라 점수가 달라질 수 있습니다.
- 공식 Bluebook 점수가 우선합니다.
숫자를 더 많이 추가하면 답변이 정밀해 보일 수는 있습니다. 하지만 모델이 정확해지는 것은 아닙니다. 데이터가 불완전할 때는 범위(range)를 제공하는 것이 더 정직한 제품입니다.
제 목표는 비공개 시스템을 역공학하는 것이 아닙니다. 투명한 계획 도구를 만드는 것입니다.
불완전한 데이터를 사용하여 도구를 만들어 본 적이 있나요? 사용자에게 불확실성을 어떻게 전달하시나요?