Au cœur de l’évaluation psychologique et des sciences de l’éducation, la reproductibilité des résultats constitue le pilier fondamental garantissant la justice diagnostique et la rigueur scientifique. Lorsqu’une évaluation doit être administrée à plusieurs reprises ou sécurisée contre la mémorisation des items, l’élaboration d’instruments interchangeables devient une nécessité absolue pour le chercheur et le praticien.
Formes comparables
1. Définition concise
En psychométrie, le terme formes comparables (souvent désigné sous les appellations de formes alternées, formes équivalentes ou formes parallèles) renvoie à deux ou plusieurs versions distinctes d’un même instrument d’évaluation conçues pour mesurer rigoureusement le même construit latent. Ces versions partagent des spécifications de contenu identiques, des formats de passation similaires et des propriétés statistiques analogues en matière de difficulté moyenne, de discrimination et d’erreur de mesure.
Sur le plan opérationnel, des formes sont dites strictement comparables ou parallèles lorsque les scores vrais des individus sont identiques sur les deux versions et que les variances d’erreur de mesure demeurent égales. Cette équivalence permet d’administrer indifféremment l’une ou l’autre forme à un sujet sans introduire de biais de mesure systématique, rendant ainsi les scores obtenus directement interchangeables et interprétables sur une échelle commune.
Dans une perspective élargie, la comparabilité constitue une condition préalable indispensable pour l’évaluation pré-test et post-test, les dispositifs de certification standardisés et le suivi longitudinal des compétences cognitives ou affectives, où la répétition du même matériel d’évaluation risquerait de fausser les résultats en raison d’effets d’apprentissage ou de contamination par divulgation des items.
2. Étymologie et origine linguistique
L’expression française « formes comparables » dérive de deux racines distinctes ancrées dans le latin classique. Le terme « forme » trouve son origine dans le latin forma, signifiant « figure, configuration, moule ou modèle », désignant l’aspect extérieur ainsi que la structure constitutive d’une entité. L’adjectif « comparable » provient quant à lui du verbe latin comparare, formé du préfixe com- (« ensemble avec ») et de parare (« disposer, préparer »), ou rattaché à par (« égal, semblable »), traduisant l’action de mettre en regard deux éléments pour en évaluer les similitudes et les dissemblances.
Dans le domaine scientifique, l’usage psychométrique a été formalisé dans la littérature anglophone sous l’étiquette comparable forms ou alternate forms au début du XXe siècle, notamment sous l’impulsion des théoriciens de la psychométrie anglo-saxonne. En intégrant le vocabulaire francophone de la statistique appliquée aux sciences humaines, l’expression a conservé cette notion géométrique et analytique de duplication fidèle, soulignant que deux outils distincts peuvent prétendre à une valeur métrique analogue.
Au fil des décennies, des distinctions lexicales subtiles se sont installées entre « formes parallèles » (terme technique stricto sensu dans le cadre de la théorie classique des tests) et « formes comparables » ou « formes équivalentes », ces dernières étant souvent employées dans un sens plus pragmatique pour désigner des instruments présentant une similitude fonctionnelle validée empiriquement sans nécessairement satisfaire à l’égalité parfaite des variances d’erreur.
3. Prononciation et forme grammaticale
Sur le plan phonétique, « formes comparables » se prononce en français standard /fɔʁm kɔ̃.pa.ʁabl/. L’expression est un syntagme nominal composé d’un nom commun féminin pluriel (« formes ») et d’un adjectif qualificatif épithète au pluriel (« comparables »). Son équivalent au singulier, « forme comparable », s’emploie pour désigner l’une des versions spécifiques d’un ensemble de tests mis en équivalence (/fɔʁm kɔ̃.pa.ʁabl/).
En contexte académique, le syntagme s’accorde selon les règles de la syntaxe française : on parle de « formes comparables validées », d’« équivalence de formes comparables » ou d’« administration de formes comparables ». Dans les écrits spécialisés, il n’est pas rare de voir ce concept articulé avec des adjectifs relationnels, comme dans « coefficient d’équivalence entre formes comparables » ou « fidélité par formes comparables ».
Les variantes terminologiques couramment acceptées dans les manuels de méthodologie incluent « formes parallèles », « formes équivalentes » et « formes alternées ». Bien que certains puristes réservent le terme « formes parallèles » au modèle mathématique exact de Spearman et Gulliksen, l’usage contemporain en évaluation standardisée applique fréquemment « formes comparables » pour souligner la validité d’échange pratique entre différentes éditions d’une même batterie de tests.
4. Explication conceptuelle détaillée
La mise en place de formes comparables répond à un défi méthodologique fondamental en sciences comportementales : comment vérifier qu’un individu manifeste un niveau stable d’une compétence sans lui administrer exactement les mêmes questions ? Si l’on administre la même épreuve à un court intervalle, l’individu se souvient de ses réponses précédentes, consulte éventuellement des sources externes ou développe des automatismes spécifiques aux items présentés. Les formes comparables résolvent ce dilemme en substituant aux items originaux un échantillon équivalent de stimuli issus du même univers de contenu.
Pour satisfaire à ce critère d’équivalence, la construction des épreuves exige une démarche d’ingénierie rigoureuse. Chaque version du test doit refléter fidèlement la même matrice de spécification conceptuelle. Cela signifie que si la forme A évalue le raisonnement spatial à travers quinze items tridimensionnels et dix items bidimensionnels répartis selon trois niveaux de complexité, la forme B doit impérativement reproduire cette exacte pondération architecturale, avec des items nouveaux mais rigoureusement calibrés sur les mêmes paramètres théoriques.
La comparabilité ne se résume pas à une simple ressemblance visuelle ou thématique ; elle est intimement liée à la notion d’erreur de mesure. Dans la théorie classique des tests, toute performance observée se compose d’un score vrai et d’une composante d’erreur aléatoire. Deux formes sont réputées strictement comparables si les scores vrais sont interchangeables et si l’impact de l’erreur aléatoire reste statistiquement indistinguable d’un formulaire à l’autre. En d’autres termes, un individu testé successivement avec la forme A ou la forme B devrait théoriquement obtenir des distributions de scores observés parfaitement superposables.
Au-delà de cette formalisation, la notion de comparabilité s’étend aux conditions d’administration et aux aspects qualitatifs de la tâche. La charge cognitive induite, la clarté des consignes, les contraintes temporelles et le niveau de fatigue provoqué par l’épreuve doivent demeurer constants. La rupture de l’une de ces dimensions altère la comparabilité des versions et introduit une variance non pertinente pour le construit, compromettant la validité des inférences tirées de la comparaison directe des scores.
5. Évolution historique
L’histoire des formes comparables est intimement liée à la naissance de l’évaluation standardisée au début du XXe siècle. Les premiers tests d’intelligence, notamment ceux développés par Alfred Binet et Théodore Simon en 1905, ont rapidement révélé une limite majeure : l’impossibilité de réadministrer fidèlement les mêmes tâches cognitives sans biaiser l’estimation des progrès intellectuels des enfants scolarisés. L’effet de pratique devenait un obstacle rédhibitoire pour l’analyse scientifique du développement mental.
L’essor industriel et militaire de la Première Guerre mondiale a accéléré la formalisation de versions multiples d’un même examen. Avec l’Army Alpha et l’Army Beta développés sous la direction de Robert Yerkes aux États-Unis, les psychologues de l’armée ont dû concevoir des formulaires multiples pour prévenir la triche et la fuite des questions lors du recrutement massif des soldats. Ces premiers travaux ont mis en évidence la nécessité de techniques quantitatives pour garantir que les diverses versions d’une même épreuve ne pénalisent ni ne favorisent aucun contingent de recrues.
Dans les décennies 1930 à 1950, des théoriciens de premier plan tels que Charles Spearman, Louis Leon Thurstone et Harold Gulliksen ont édifié l’armature mathématique des formes parallèles. Gulliksen, dans son ouvrage séminal Theory of Mental Tests (1950), a rigoureusement défini les postulats statistiques requis pour qu’une paire d’épreuves satisfasse aux exigences de parallélisme strict, établissant la corrélation entre formes équivalentes comme le critère d’excellence pour estimer le coefficient de fidélité d’un instrument.
À partir des années 1970, l’avènement de la théorie de la réponse à l’item (TRI) menée par Georg Rasch, Frederic Lord et Benjamin Wright a profondément transformé la conception des formes comparables. En affranchissant les paramètres des items de l’échantillon particulier de répondants, la TRI a permis d’assembler des formes comparables de manière automatisée à partir de banques d’items calibrées, ouvrant la voie aux tests adaptatifs informatisés contemporains où chaque candidat reçoit en temps réel une forme individualisée mais métriquement comparable à celle de ses pairs.
6. Fondements théoriques
Le socle théorique premier des formes comparables s’inscrit dans la théorie classique des tests (TCT). Sous ce paradigme, le modèle pose l’équation fondamentale où le score observé $X$ équivaut à la somme du score vrai $T$ et de l’erreur aléatoire $E$, soit $X = T + E$. Soient deux formes $X_1$ et $X_2$ mesurant le même phénomène chez une population donnée ; elles sont qualifiées de formes strictement parallèles si, pour chaque individu, le score vrai sur le premier test est rigoureusement identique au score vrai sur le second ($T_1 = T_2$), et si la variance d’erreur du premier formulaire est égale à celle du second ($\sigma^2_{E1} = \sigma^2_{E2}$).
Dans les faits, l’exigence d’un parallélisme strict s’avère souvent difficile à honorer sur le plan empirique. Les psychométriciens ont donc introduit des modèles d’équivalence assouplis, regroupés sous la notion de congenericité et de tau-équivalence. Dans un modèle essentiellement tau-équivalent, les scores vrais diffèrent uniquement par une constante additive ($T_1 = T_2 + C$), ce qui signifie que l’un des formulaires peut être uniformément plus exigeant d’un nombre déterminé de points sans que la sensibilité discriminative n’en soit altérée. Le modèle congénérique, encore plus libéral, postule que les scores vrais sont reliés par une transformation linéaire ($T_1 = lpha T_2 + \eta$), les formes mesurant bien le même construit avec des échelles potentiellement distinctes.
La théorie de la généralisabilité formulée par Lee Cronbach et ses collaborateurs enrichit cette perspective en considérant la forme du test comme une facette particulière de l’univers de mesure. Au lieu d’attribuer toute différence entre deux formes à une erreur globale indifférenciée, cette théorie décompose la variance attribuable aux personnes, la variance attribuable au choix particulier des formulaires (la facette des formes), et l’interaction entre les individus et les formes. Elle permet de quantifier précisément l’erreur d’échantillonnage des items et de planifier des protocoles de mesure optimisés.
Enfin, la théorie de la réponse à l’item offre un cadre non linéaire où la comparabilité ne s’évalue plus au niveau du score global brut, mais à l’échelon de la courbe caractéristique de l’item et de la fonction d’information du test. Deux formes sont considérées comme fonctionnellement équivalentes si leurs fonctions d’information du test (la précision de l’estimation du trait latent $ heta$) coïncident sur l’ensemble de l’étendue du continuum mesuré, assurant ainsi une précision diagnostique égale, qu’un participant possède un niveau d’aptitude faible, moyen ou très élevé.
7. Composantes clés, types et dimensions
La notion de comparabilité en évaluation se décline en plusieurs composantes structurelles et fonctionnelles qui déterminent le niveau d’interchangeabilité des instruments :
- L’équivalence de contenu : Cette dimension implique que toutes les formes dérivent de la même table de spécification pédagogique ou clinique, couvrant exactement les mêmes domaines cognitifs, conceptuels ou symptomatiques dans des proportions parfaitement équilibrées.
- L’équivalence statistique (parallélisme classique) : Elle requiert l’égalité des moyennes, des écarts-types, des distributions des scores ainsi que l’égalité des covariances avec des critères externes entre les différents formulaires.
- L’équivalence des fonctions d’information (perspective TRI) : Propriété selon laquelle les différentes formes procurent la même précision de mesure pour chaque niveau du trait latent latent sous-jacent.
- Formes parallèles au sens strict : Formulaires respectant scrupuleusement l’égalité des scores vrais et l’égalité des variances d’erreur de mesure.
- Formes tau-équivalentes : Formes mesurant le même construit avec des variances d’erreur égales mais tolérant un décalage constant moyen dans la sévérité globale de l’épreuve.
- Formes congénériques : Formulaires partageant le même construit latent mais présentant des poids factoriels et des variances d’erreurs distincts, requérant une mise à l’échelle statistique pour devenir comparables.
- Formes alternées adaptatives : Versions générées dynamiquement par un algorithme d’évaluation qui sélectionne des items au sein d’une banque commune afin d’offrir une équivalence métrique personnalisée à chaque répondant.
8. Exemples et cas illustratifs
Un premier exemple emblématique de l’usage des formes comparables se trouve dans l’évaluation neuropsychologique de la mémoire verbale. Dans des outils cliniques comme le test d’apprentissage auditivo-verbal de Rey (AVLT), les neuropsychologues disposent souvent d’une forme A et d’une forme B composées de listes de quinze mots différents mais appariés quant à leur fréquence lexicale, leur concrétude sémantique et leur longueur phonétique. Lorsqu’un patient victime d’un traumatisme crânien est réévalué six semaines après l’accident, l’administration de la forme B permet d’apprécier la récupération réelle de sa capacité mnésique sans que les scores ne soient artificiellement gonflés par le souvenir de la liste de mots de la forme A.
Un deuxième cas illustratif concerne les examens de certification linguistique internationale, tels que le TOEFL ou l’IELTS. Chaque fin de semaine à travers le monde, des dizaines de milliers de candidats se soumettent à ces examens. Les organismes certificateurs créent chaque année des dizaines de formes comparables. Si un candidat passe l’épreuve à Paris un samedi et qu’un autre la passe à Tokyo le lendemain, les deux individus répondent à des items entièrement distincts. Cependant, grâce aux procédures de pré-test et à la mise en équivalence par la théorie de la réponse à l’item, un score de 100 sur la version parisienne correspond exactement à la même maîtrise de l’anglais qu’un score de 100 sur la version tokyoïte.
Un troisième exemple s’observe dans les études de recherche clinique contrôlée évaluant l’efficacité d’un nouveau traitement psychothérapeutique ou pharmacologique contre la dépression majeure. L’utilisation d’échelles d’humeur sous formes alternées lors de sessions répétées hebdomadaires permet d’éviter l’automatisation des réponses de la part des participants. Le clinicien peut ainsi détecter de subtiles variations de la symptomatologie affective sans que la familiarité avec les énoncés ne transforme la passation en un exercice machinal dénué de pertinence émotionnelle.
9. Mesure et évaluation
La validation empirique de l’équivalence entre deux ou plusieurs formes constitue une étape laborieuse du développement psychométrique. Traditionnellement, l’estimation repose sur le calcul du coefficient d’équivalence, obtenu en administrant les deux versions à un échantillon représentatif de la population cible au cours d’une même session ou avec un intervalle temporel très bref. La corrélation de Pearson entre les scores des deux formes indique le degré de concordance mutuelle, un coefficient supérieur à 0,85 ou 0,90 étant généralement exigé pour des décisions individuelles à fort enjeu.
Pour contrer les effets d’ordre et de fatigue lors de cette étape de validation, un protocole en contrebalancement (ou plan croisé) s’impose impérativement. La moitié des participants complète la forme 1 suivie de la forme 2, tandis que la seconde moitié complète la forme 2 avant la forme 1. Des analyses de variance (ANOVA) à mesures répétées sont ensuite effectuées pour vérifier l’absence d’effets résiduels liés à l’ordre d’administration ou à l’interaction entre le temps et le formulaire.
Dans la pratique moderne, les démarches d’égalisation statistique ou de mise en équivalence (« equating ») font appel à des protocoles avancés :
- Le plan à groupes équivalents : Les formes sont administrées de manière aléatoire à deux cohortes tirées d’une même population, et leurs fonctions de répartition sont alignées par égalisation linéaire ou équipercentile.
- Le plan avec items d’ancrage (items communs) : Les différentes formes intègrent un sous-ensemble partagé d’items calibrés qui sert de passerelle métrique pour ajuster les paramètres de difficulté des items exclusifs à chaque version.
- La modélisation par équations structurelles (SEM) : Cette approche confirme l’invariance factorielle stricte à travers les formes, vérifiant empiriquement l’égalité des saturations factorielles (invariance métrique) et des seuils d’intersections (invariance scalaire).
10. Applications et pertinence pratique
L’utilisation des formes comparables est indispensable dans de multiples domaines de l’activité professionnelle des psychologues et des pédagogues. En milieu scolaire et universitaire, elle garantit l’intégrité académique des examens à grand effectif. La distribution de formes A et B dans un amphithéâtre décourage la tricherie par simple regard porté sur la copie du voisin, tout en maintenant une stricte égalité des chances entre les étudiants, aucun sujet ne pouvant prétendre avoir été pénalisé par une version intrinsèquement plus ardue.
En psychologie du travail et des organisations, les formes comparables s’illustrent lors des processus de recrutement à grande échelle et de gestion des talents. Les cabinets de conseil utilisent des batteries de tests cognitifs aux formes alternées pour éviter que les candidats ne partagent les questions sur les forums en ligne ou ne s’entraînent abusivement avant les sessions de sélection. La décision d’embauche repose ainsi sur le potentiel réel et non sur une stratégie de mémorisation préalable.
Dans le domaine de la neuropsychologie clinique et de la réadaptation cognitive, la mesure du changement constitue l’enjeu prépondérant. Que ce soit pour évaluer les répercussions cognitives d’une chimiothérapie, la progression d’une pathologie neurodégénérative telle que la maladie d’Alzheimer, ou la récupération fonctionnelle après un accident vasculaire cérébral, les formes comparables fournissent un étalon stable permettant d’isoler l’évolution pathologique ou thérapeutique en neutralisant le biais d’apprentissage lié à la mémoire procédurale du test.
11. Recherche et données empiriques
La recherche contemporaine en psychométrie s’attache à documenter les sources invisibles d’inéquivalence qui peuvent persister malgré des scores de surface apparemment identiques. Les travaux menés par des méthodologistes comme Michael Kolen et Robert Brennan ont démontré que même des différences minimes dans la formulation d’un problème ou l’ordre d’apparition des items peuvent altérer la charge de travail cognitive et modifier les courbes d’information du test, produisant ce que la littérature nomme une « dépendance contextuelle ».
Des études empiriques récurrentes s’intéressent particulièrement à l’impact des formats numériques sur la comparabilité des tests. Le passage d’une passation sur support papier-crayon à une forme numérisée sur tablette ou ordinateur a fait l’objet de métanalyses poussées, telles que celles conduites par Mead et Drasgow. Ces recherches révèlent que si l’équivalence est généralement excellente pour les inventaires de personnalité ou les épreuves de vitesse perceptuelle, des divergences significatives peuvent survenir pour les tâches de lecture complexe et les raisonnements géométriques, exigeant des procédures d’égalisation spécifiques pour valider la comparabilité inter-modes.
Dans le champ de la santé mentale, la recherche sur la fidélité test-retest par formes alternées montre régulièrement que les coefficients de fidélité issus de formes comparables sont légèrement inférieurs aux coefficients obtenus par la répétition d’une même forme à court terme. Cette différence ne traduit pas une moindre rigueur de l’outil, mais met en lumière la suppression de la variance artificielle liée au souvenir direct des items, offrant une estimation nettement plus réaliste et exempte de biais de la véritable précision de l’instrument.
12. Considérations culturelles et transculturelles
La création de formes comparables à travers différentes aires culturelles et linguistiques pose des défis scientifiques considérables. Une forme équivalente développée pour un public francophone occidental ne devient pas automatiquement comparable pour une population d’Afrique subsaharienne ou du monde arabe par une simple traduction mot à mot. L’équivalence transculturelle requiert une congruence à la fois conceptuelle, sémantique, opérationnelle et métrique.
L’évaluation du fonctionnement différentiel de l’item (FDI) constitue l’outil statistique de référence pour déceler les biais culturels entre les versions adaptées d’un test. Un item d’une forme B peut sembler statistiquement équivalent à un item d’une forme A dans la culture source, mais afficher une difficulté disproportionnellement élevée dans une culture cible en raison de particularités idiomatiques, d’allusions historiques locales ou d’un rapport différent aux représentations graphiques employées.
De surcroît, la familiarité culturelle avec les situations d’évaluation chronométrées et les modalités de passation influence directement la comparabilité. Dans certaines traditions éducatives axées sur la réflexivité lente, une forme d’évaluation conçue pour être achevée en un temps limité peut mesurer la vitesse de traitement plutôt que la profondeur du raisonnement analytique, introduisant une divergence fondamentale dans le construit mesuré d’une région à l’autre du globe.
13. Critiques, débats et limites
En dépit de son élégance mathématique, la recherche de formes parfaitement comparables suscite de vifs débats au sein de la communauté psychométrique. La critique la plus saillante concerne le coût de développement astronomique de formulaires multiples. La création, la révision experte, le calibrage empirique et la validation de banques d’items suffisantes pour générer des formes interchangeables exigent des investissements logistiques et financiers que peu de laboratoires ou de praticiens indépendants peuvent assumer.
Un autre point de friction réside dans l’illusion de l’interchangeabilité absolue. Certains théoriciens soulignent que deux formes ne sont jamais parfaitement identiques d’un point de vue phéroménologique pour le sujet testé. Même en présence de statistiques globales identiques (mêmes moyennes et variances), certains sous-groupes d’items peuvent mobiliser des stratégies heuristiques distinctes chez des individus aux profils cognitifs atypiques, générant des biais d’estimation idiosyncrasiques non captés par les indices globaux de parallélisme.
Enfin, l’apparition de l’intelligence artificielle générative dans l’élaboration automatique d’items ouvre un débat éthique et technique intense. Si les algorithmes peuvent instantanément générer des centaines de variations d’un même problème clinique ou logique pour créer des formes comparables à la volée, la garantie de leur rigoureuse équivalence psychométrique sans phase exhaustive de pré-testage humain demeure une source majeure de scepticisme au sein des comités d’accréditation des tests.
14. Termes connexes et distinctions
Pour prévenir les confusions conceptuelles fréquentes dans la pratique psychologique, il convient de distinguer nettement les formes comparables des notions adjacentes :
- Formes parallèles versus Formes comparables : Les formes parallèles renvoient au modèle mathématique strict de Spearman exigeant l’égalité parfaite des scores vrais et des variances d’erreur. Les formes comparables incarnent une acception plus large et appliquée, englobant des outils rendus fonctionnellement interchangeables grâce à des techniques d’égalisation statistique.
- Fidélité par formes alternées versus Fidélité test-retest : La méthode test-retest consiste à réadministrer rigoureusement le même instrument aux mêmes sujets après un délai, captant la stabilité temporelle mais s’exposant à l’effet d’apprentissage. La fidélité par formes alternées administre deux versions distinctes, neutralisant l’effet de mémoire mais intégrant l’erreur d’échantillonnage des items.
- Formes équivalentes versus Formes adaptées : Les formes équivalentes visent la mesure identique d’un construit au sein d’une même population avec des items appariés. Les formes adaptées impliquent la modification intentionnelle des items ou du format (comme pour des personnes malvoyantes ou des locuteurs non natifs) afin de mesurer le même construit sans pour autant afficher des métriques de surface directement comparables.
- Division en deux moitiés (Split-half) : Il s’agit d’une pseudo-forme comparable interne créée en scindant un test unique en deux parties (items pairs versus impairs) pour estimer la cohérence interne, contrairement aux formes comparables réelles administrées de manière autonome.
15. Résumé et points clés
La mise au point et l’usage des formes comparables incarnent l’une des réalisations méthodologiques les plus sophistiquées de la psychométrie contemporaine. Ces instruments assurent la justice, la pérennité et la précision de l’évaluation dans des contextes où la répétition du test ou le risque de contamination des questions menacent l’exactitude des diagnostics.
Pour synthétiser les points cardinaux de ce concept :
- Les formes comparables constituent des versions multiples d’un même test bâties selon un cadre de spécification identique pour évaluer le même construit latent.
- Leur élaboration exige le contrôle rigoureux de l’équivalence des contenus et l’égalisation des propriétés statistiques (difficulté, discrimination, erreur de mesure).
- Elles représentent la réponse par excellence aux artefacts d’apprentissage dans les protocoles pré-test/post-test et aux enjeux de sécurité dans les examens standardisés.
- Des cadres méthodologiques rigoureux, de la théorie classique des tests à la théorie de la réponse à l’item, fournissent les outils mathématiques nécessaires à la confirmation empirique de leur interchangeabilité.
- Malgré des exigences d’ingénierie élevées et des coûts substantiels, elles demeurent irremplaçables pour garantir la validité longitudinale et déontologique des décisions psychologiques et éducatives.
Références
- American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.
- Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
- Gulliksen, H. (1950). Theory of mental tests. John Wiley & Sons. https://doi.org/10.1037/13240-000
- Kolen, M. J., & Brennan, R. L. (2014). Test equating, scaling, and linking: Methods and practices (3e éd.). Springer. https://doi.org/10.1007/978-1-4939-0317-7
- Lord, F. M. (1980). Applications of item response theory to practical testing problems. Lawrence Erlbaum Associates.