BANCO CENTRAL

Discriminação (Parâmetro a)

Mede o quão bem a questão distingue os estudantes que dominam a habilidade daqueles que não dominam. Quanto maior este parâmetro, mais íngreme é a curva característica do item no ponto de dificuldade.

Dificuldade (Parâmetro b)

Determina o ponto na escala de habilidade (geralmente entre -3.0000 e +3.0000) onde o estudante tem cerca de 50% de chance de acerto (desconsiderando o chute). Corresponde ao ponto de inflexão da curva.

Chute ou Acerto Casual (Parâmetro c)

Representa a probabilidade de um estudante de baixíssima habilidade acertar o item apenas marcando uma alternativa aleatória. Varia de 0.0000 a 1.0000. Em exames de múltipla escolha com 4 alternativas, o valor de partida é 0.25 (25%); com 5 alternativas, é 0.20 (20%).

Modelo de 1 Parâmetro (1PL / Modelo de Rasch) 1 Parâmetro

Para que serve: Estima a probabilidade de acerto considerando exclusivamente a dificuldade (b) do item e a habilidade (θ) do estudante. Assume-se que todos os itens têm o mesmo poder de discriminação (a = 1).

Como deve ser calculado: Estimado por Máxima Verossimilhança Conjunta ou Condicional através de iterações numéricas baseadas na contagem de acertos simples dos respondentes.

Modelo de 2 Parâmetros (2PL) 2 Parâmetros

Para que serve: Introduz o parâmetro de discriminação (a), permitindo ponderar de forma diferente os acertos de questões que de fato diferenciam os melhores alunos.

Como deve ser calculado: Através do método de Máxima Verossimilhança Marginal (MVM), usando o algoritmo EM (Expectation-Maximization) para estimar a e b simultaneamente.

Modelo de 3 Parâmetros (3PL) 3 Parâmetros

Para que serve: O modelo padrão da avaliação da Educação Básica (como SAEB e ENEM). Considera a probabilidade de acerto casual (chute - c), impedindo que a probabilidade caia para zero mesmo para alunos sem proficiência.

Como deve ser calculado: Através de Máxima Verossimilhança Marginal com restrições Bayesianas (Beta Priors) impostas sobre o parâmetro c para evitar inconsistência matemática.

Estimativas da IA (Análise Pedagógica)

Utiliza algoritmos generativos para analisar a estrutura morfológica da pergunta, a complexidade dos distratores e a semântica do descritor pedagógico, gerando parâmetros de discriminação (a) e dificuldade (b) alinhados com a matriz de referência da etapa. É ideal para ancoragem inicial e novos itens criados no banco.

Inserção Manual

Valores inseridos diretamente por revisores técnicos. Normalmente derivam de calibrações executadas por equipes externas em softwares consagrados (R, BILOG-MG, SAS, etc.) sob matrizes de testes oficiais.

Calibração Estatística (Dados Empíricos)

Cálculo real baseado na matriz de respostas dos estudantes que realizaram a avaliação oficial. Os valores de p-value e distratores críticos determinam os ajustes finais de discriminação e dificuldade do item. Ao importar cadernos de gabaritos oficiais, seus parâmetros devem idealmente ter esta origem.