Calcolatore della curva dei voti
Normalizza i voti di un'intera classe: incolla i voti, scegli un metodo — punti aggiunti, lineare, radice quadrata, curva di Gauss o nuova soglia — e confronta le distribuzioni.
Media
Prima 5,5Dopo 7,3
Tasso di sufficienza
Prima 42 %Dopo 92 %
- Minimo (Q0)
- Prima 2,5Dopo 5,0
- Q1
- Prima 4,4Dopo 6,5
- Mediana (Q2)
- Prima 5,5Dopo 7,5
- Q3
- Prima 6,6Dopo 8,1
- Massimo (Q4)
- Prima 8,5Dopo 9,0
- Media
- Prima 5,5Dopo 7,3
- Deviazione standardDeviazione standard della popolazione, divisa per il numero di voti. La deviazione standard campionaria, divisa per quel numero meno uno, vale 1,09.
- Prima 1,6Dopo 1,1
- Asimmetria> 0: coda a destra, pochi voti molto alti; < 0: coda a sinistra, pochi voti molto bassi; 0: distribuzione simmetrica.
- Prima 0,00Dopo −0,27
- CurtosiEccesso di curtosi: 0 per una curva di Gauss, > 0 per un picco stretto con code spesse, < 0 per una distribuzione più piatta.
- Prima −0,85Dopo −0,71
| Indicatore | Prima | Dopo |
|---|---|---|
| Voti | 24 | 24 |
| Media | 5,5 | 7,3 |
| Mediana | 5,5 | 7,5 |
| Deviazione standard | 1,6 | 1,1 |
| Voto più basso | 2,5 | 5,0 |
| Voto più alto | 8,5 | 9,0 |
| Tasso di sufficienza | 42 % | 92 % |
| Nome | Prima | Dopo | Differenza |
|---|---|---|---|
| 1 | 5,5 | 7,5 | +2,0 |
| 2 | 4,0 | 6,5 | +2,5 |
| 3 | 6,5 | 8,0 | +1,5 |
| 4 | 7,5 | 8,5 | +1,0 |
| 5 | 3,5 | 6,0 | +2,5 |
| 6 | 5,0 | 7,0 | +2,0 |
| 7 | 4,5 | 6,5 | +2,0 |
| 8 | 7,0 | 8,5 | +1,5 |
| 9 | 6,0 | 7,5 | +1,5 |
| 10 | 3,0 | 5,5 | +2,5 |
| 11 | 8,0 | 9,0 | +1,0 |
| 12 | 5,0 | 7,0 | +2,0 |
| 13 | 6,5 | 8,0 | +1,5 |
| 14 | 4,5 | 6,5 | +2,0 |
| 15 | 5,5 | 7,5 | +2,0 |
| 16 | 8,5 | 9,0 | +0,5 |
| 17 | 4,0 | 6,5 | +2,5 |
| 18 | 6,0 | 7,5 | +1,5 |
| 19 | 3,5 | 6,0 | +2,5 |
| 20 | 7,0 | 8,5 | +1,5 |
| 21 | 2,5 | 5,0 | +2,5 |
| 22 | 5,5 | 7,5 | +2,0 |
| 23 | 7,5 | 8,5 | +1,0 |
| 24 | 5,5 | 7,5 | +2,0 |
Tutto viene calcolato nel tuo browser: nessun voto e nessun nome viene inviato a un server, salvato nella pagina o conservato dopo la chiusura della scheda.
Una normalizzazione fatta a mano riparte da zero alla prova successiva — Evalmee conserva la classe, mostra la difficoltà di ogni domanda e ricalcola la scala. Provare gratis
Come normalizzare i voti di una classe
- 01
Incolla i voti
Copia la colonna dei voti grezzi dal tuo foglio di calcolo e incollala nel campo, un voto per riga. Vengono lette anche le virgole, i punti e virgola e le tabulazioni, e un nome scritto prima del voto torna accanto a esso nella tabella.
- 02
Scegli un metodo
Decidi come agisce la curva: aggiungere un numero fisso di punti, portare il compito migliore al massimo, applicare una radice quadrata, ricentrare la classe su una media e una deviazione standard obiettivo, oppure spostare la soglia di sufficienza. Ogni metodo ha i suoi parametri.
- 03
Leggi il prima e il dopo
La tabella dà ogni voto prima e dopo, il riepilogo dà media, mediana, deviazione standard e tasso di sufficienza da entrambi i lati, e l'istogramma mette le due distribuzioni sulle stesse dieci classi. Poi copi, scarichi o stampi il risultato.
Alzare i voti con la curva a radice quadrata
La curva a radice quadrata prende la radice quadrata del voto espresso come frazione del massimo e lo riporta sulla scala: radice di (voto ÷ massimo), moltiplicata per il massimo. Su un compito valutato in centesimi equivale a prendere la radice della percentuale e moltiplicarla per dieci.
È generosa in basso e quasi neutra in alto. In decimi, un 3 diventa 5,5, un 5 diventa 7, un 8 diventa 9, e un 10 resta 10. Nessuno scavalca nessuno: la trasformazione è monotona, quindi l'ordine della classe resta intatto.
È questa forma a farla scegliere dopo una prova rivelatasi molto più difficile del previsto: ripara il pavimento senza inventare un nuovo soffitto. È anche il suo punto debole: un compito da 1 in decimi esce con un 3, il che lusinga un foglio rimasto quasi bianco.
Esempio di curva a radice quadrata, in decimi
| Voto grezzo | Dopo la radice quadrata | Differenza |
|---|---|---|
| 2 | 4,5 | +2,5 |
| 3 | 5,5 | +2,5 |
| 4 | 6,5 | +2,5 |
| 5 | 7 | +2 |
| 6 | 7,5 | +1,5 |
| 7 | 8,5 | +1,5 |
| 8 | 9 | +1 |
| 10 | 10 | 0 |
Aggiungere punti o allargare i voti: il metodo lineare
Aggiungere punti è la correzione che tutti conoscono: scegli un numero, lo aggiungi a tutti i voti, plafoni al massimo. È trasparente, si spiega in una frase a una classe e sposta la media esattamente di quanto hai aggiunto — ma comprime la parte alta, perché i voti già vicini al soffitto non hanno più spazio.
Il metodo lineare fa l'allargamento al posto tuo: porta il compito migliore della classe in cima alla scala e moltiplica tutti gli altri voti per lo stesso fattore. Se il voto migliore era 8 in decimi, tutti vengono moltiplicati per 1,25. L'ordine e le distanze relative sopravvivono, e il compito migliore diventa la definizione di quanto valeva la prova.
Vale la pena confrontarli sui tuoi voti prima di sceglierne uno. Aggiungere punti aiuta la fascia media e quella bassa allo stesso modo in valore assoluto; l'allargamento lineare aiuta i forti più dei deboli, perché un allargamento del 25 % vale due punti a un 8 e mezzo punto a un 2.
Curva di Gauss: ricentrare una classe su una media
La curva di Gauss — la valutazione «sulla curva» in senso stretto — standardizza ogni voto rispetto alla classe, poi lo riesprime con la media e la deviazione standard che vuoi. Chi si trova una deviazione standard sopra la media della propria classe finisce una deviazione obiettivo sopra la media obiettivo, quali che fossero i voti grezzi.
È quindi lo strumento del coordinatore più che quello del docente: due gruppi, due correttori, uno dei quali sistematicamente un punto più severo. Ricentrare il secondo gruppo sulla media e sulla deviazione del primo cancella l'effetto correttore senza toccare l'ordine interno a ciascun gruppo — ciò che l'armonizzazioneArmonizzazioneRiunione dei correttori, prima o dopo la correzione, per allineare la loro lettura della griglia di punteggio su elaborati campione. Riduce lo scarto sistematico tra correttori — il fatto che uno stesso lavoro valga due punti in più in una pila di elaborati rispetto a un'altra. cerca di ottenere attorno a un tavolo, con più discussione e meno aritmetica.
Usala con cognizione di causa. Una curva di Gauss non dice nulla su quanto la classe ha imparato; dice come ciascuno si colloca rispetto agli altri presenti in aula. Su pochi partecipanti quel confronto è rumoroso, e su una classe forte fabbrica insufficienze che i voti grezzi non contenevano.
Spostare la soglia di sufficienza
La soglia di sufficienza è il voto che separa la promozione dalla bocciatura. L'ultimo metodo proposto qui non sposta i partecipanti, sposta l'asticella e ridisegna la scala attorno a essa: decidi che un 5 grezzo in decimi debba valere il 6 richiesto dal regolamento, e il calcolatore manda 0 su 0, 5 su 6 e 10 su 10, con una retta da ciascun lato.
L'effetto si legge meglio sul tasso di sufficienza, che il riepilogo mostra prima e dopo. Imposta l'asticella in alto nel widget e le due righe ti diranno quanti partecipanti la superano in ciascuno scenario — la cifra che una commissione chiede davvero.
Spostare una soglia è una decisione difendibile quando la prova era mal calibrata e indifendibile quando i risultati sono soltanto deludenti. Scrivi la ragione prima di muovere l'asticella; te la chiederanno.
Quando conviene normalizzare i voti?
Normalizza quando il problema viene dalla prova e non dalla classe: una domanda con la chiave di correzione sbagliata, un compito lungo il doppio del tempo concesso, un argomento assente dal programma. In quei casi i voti grezzi misurano la calibratura dell'esame, e la curva è una riparazione. Non normalizzare perché i risultati deludono: così nascondi il dato invece di usarlo, e la classe successiva eredita lo stesso compito. La verifica onesta si fa domanda per domanda e non compito per compito: un indice di difficoltàIndice di difficoltàProporzione di candidati che hanno risposto correttamente a un item, compresa tra zero e uno. Un indice di 0,90 segnala una domanda che quasi tutti superano, quindi poco informativa; i valori vicini a 0,5 massimizzano la capacità della domanda di separare i livelli. vicino a zero su un item sbagliato da tutti accusa l'item, mentre una media bassa distribuita uniformemente su tutte le domande accusa l'insegnamento, o la classe.
Leggere la distribuzione di una classe: quartili, deviazione standard, asimmetria
Sotto il grafico, nove indicatori descrivono la distribuzione, prima e dopo la curva. I primi cinque tagliano la classe in quattro parti uguali: il minimo (Q0), il primo quartile (Q1) sotto il quale si trova un quarto dei compiti, la mediana (Q2) che divide in due il gruppo, il terzo quartile (Q3) e il massimo (Q4). La distanza tra Q1 e Q3 contiene la metà centrale della classe, ed è spesso quella, più della media, a dire se la prova ha separato i partecipanti. I quartili sono calcolati per interpolazione lineare, la convenzione di R e di Excel, perché la cifra mostrata qui sia quella che dà il tuo foglio di calcolo.
La media e la deviazione standard dicono la stessa cosa in un altro modo: dove si colloca la classe e a che distanza da quel centro i compiti si disperdono. La deviazione standard mostrata è quella della popolazione, divisa per il numero di voti: una classe non è un campione di se stessa. Il fumetto dà anche la deviazione standard campionaria, divisa per quel numero meno uno, per chi ha imparato quella convenzione o deve ritrovare la cifra di un foglio di calcolo. Il punteggio standardizzatoPunteggio standardizzatoVoto riportato a una scala comune, di norma sottraendo la media del gruppo e dividendo poi il risultato per la deviazione standard. Permette di confrontare candidati valutati su prove o sessioni diverse, collocando ciascuno rispetto alla distribuzione del proprio gruppo di riferimento. di un compito si legge a partire da questi due numeri, ed è su di essi che lavora la curva di Gauss del calcolatore.
Gli ultimi due indicatori descrivono la forma più che la posizione. L'asimmetria (skewness, g1 di Fisher) è positiva quando la coda si allunga a destra: molti voti bassi e qualche compito molto buono isolato. È negativa quando la coda va a sinistra, e nulla quando la distribuzione è simmetrica. La curtosi è data in eccesso, cioè diminuita di tre: una curva di Gauss mostra zero, un valore positivo segnala un picco stretto attorno alla media con più estremi del previsto, e un valore negativo una classe distesa senza un vero picco.
Queste nove cifre si leggono anche senza normalizzare nulla. Scegli «Nessuno» come metodo e il calcolatore diventa un lettore di distribuzione: una sola serie sul grafico, una sola colonna di indicatori e i voti esattamente come li hai incollati. È l'ordine onesto: guardare che cosa ha prodotto la prova, e poi decidere se vada corretta.
Le formule della curva dei voti
Cinque trasformazioni, applicate a ogni voto, tutte plafonate al massimo della scala e arrotondate al passo che scegli.
punti aggiunti voto corretto = voto + n
lineare voto corretto = voto × massimo ÷ voto migliore della classe
radice quadrata voto corretto = √(voto ÷ massimo) × massimo
curva di Gauss voto corretto = media obiettivo + ((voto − media classe) ÷ deviazione classe) × deviazione obiettivo
soglia voto corretto = voto × nuova soglia ÷ soglia precedente (alla soglia precedente o sotto)
voto corretto = nuova soglia + (voto − soglia precedente) × (massimo − nuova soglia) ÷ (massimo − soglia precedente)
Domande frequenti
La curva a radice quadrata sostituisce ogni voto con la radice quadrata del voto diviso per il massimo, moltiplicata per il massimo. In decimi, un 3 diventa 5,5 e un 8 diventa 9. Alza molto più la fascia bassa di quella alta, non può mai superare il massimo e non cambia mai l'ordine della classe.
Stabilisci prima che cosa ripara la curva, poi scegli il metodo corrispondente. Aggiungi un numero fisso di punti se una domanda era difettosa, allarga linearmente se l'intero compito era troppo lungo, usa la radice quadrata se il pavimento è crollato, e ricorri alla curva di Gauss solo per allineare due correttori o due gruppi. Plafona al massimo e annota la ragione.
È un voto riespresso rispetto a una media e a una deviazione standard obiettivo: la classe viene standardizzata e ricostruita attorno alla distribuzione richiesta. Chi si trova mezza deviazione sopra la media resta lì. Confronta i partecipanti tra loro e non con il programma: su una classe forte può creare insufficienze.
Dipende da che cosa si corregge. Normalizzare una prova mal calibrata è più giusto che lasciarla così, perché i voti grezzi misurano allora l'esame e non i partecipanti. Normalizzare per raggiungere un tasso di sufficienza obiettivo non lo è: nasconde il dato e passa lo stesso compito alla classe successiva. Annuncia la ragione, applica la stessa curva a tutti, conserva i voti grezzi.
Per un'aggiunta fissa, MIN(A2+0,5;10). Per un allargamento lineare, A2*10/MAX(A:A). Per una radice quadrata, RADQ(A2/10)*10. Per una curva di Gauss, 6,5+(A2-MEDIA(A:A))/DEV.ST.POP(A:A)*1,5. Questo calcolatore applica tutti questi metodi in una volta a una colonna incollata e traccia la distribuzione, cosa che una formula di foglio di calcolo da sola non fa.
No. I voti vengono analizzati e corretti da codice eseguito nella tua scheda. Niente viene caricato, nessun voto e nessun nome viene scritto nella memoria del browser e chiudere la pagina cancella tutto: l'unica cosa che il calcolatore ricorda da una visita all'altra è il metodo di normalizzazione che hai scelto. Nemmeno i nomi che incolli lasciano il tuo computer. Le uniche copie che esistono sono quelle che copi, scarichi in CSV o stampi volontariamente.
Altri strumenti
Un'intera classe da valutare?
Evalmee crea, somministra, corregge e analizza i tuoi esami — e conserva ogni sessione, perché la prova successiva parta da fatti e non da una pagina bianca.