教育测验与评价

第一节教育测验

一、教育测验的概念

(一)概念界说

测量是给事物的某种属性给定数值的过程，回答了“有多少”的问题。教育测量包括了从身体身体素质到兴趣态度等多个方面。

测验是对于知识水平、情意状态、运动技能等的数量化测定，有广义和狭义之分。狭义的测验仅指一份测验卷子，而广义的测验指编制试题、施测、评分到报告成绩的全过程。在教育领域，测验只是测量的一种形式，主要用来测量学生的学业成绩和心理特点。如果说测量回答了“有多少”的问题，只考察量的大小，测验则回答了“某个人做的怎么样”的问题，包含了对测验结果的解释和评判。

规范的考试是教师在教学过程中编制试题、评定学生学业成绩的过程，如期中、期末考试。它与测验的区别有两种看法。第一种是从教育测量学中引出，认为测验更为规范，从试题编制、实施测验测验到评分过程都有严格的程序，而考试则是教师可自行安排，相对灵活，技术要求不高的测验形式。另一种观点与第一种正好相反，认为测验比较随意，而考试则较为正式。本书主要采用第一种观点。

评价是对某种教育活动的价值判断。评价包含定性描述或价值判断，更多的时候是两者兼而有之。

(二)测验的功能

测验具有以下功能：(1)激励功能；(2)诊断功能。诊断性测验主要考察两个方面，一个是看基础打得好不好，可否满足学习某种新知识的需要，另一个是看理解和掌握上有什么错误及其原因所在，它为教学提供了丰富的反馈信息，使教师能及时调整教学；(3)区分和选拔功能。升学考试就体现了测验的选拔功能，如高考；(4)评定功能。

二、测验的类型

从测验目的上考虑，可以分成安置性测验、形成性测验、诊断性测验和总结性测验。从测验内容上考虑，可以分成成就测验和学能测验。从规范程度上区分，可以分成标准化测验和教师自编测验。从结果解释所参照的标准区分，又可以分成常模参照性测验和标准参照性测验。

(一)安置性测验、形成性测验、诊断性测验和总结性测验

安置性测验的根本目的是分班、分组。安置性测验涉及的范围比较窄，难度也比较低。

形成性测验针对某一教学单元而设计，在教学过程中进行，其目的不在于评定学生，而是为了调控教学。

诊断性测验能够反映学习中常见的错误，诊断学习困难，特别是找到困难的成因。诊断性测验的目的是发现问题，评分不作为正式成绩。

总结性测验用于对学生学习情况的阶段性总结分析。在一个段落或一门课结束后，教师会编制一套试题，全面考察学生的掌握情况。现行小学学科测验多采用闭卷形式，有时候也要求学生完成实践性课题。

(二)标准化测验和教师自编测验

标准化测验在试题编制、施测和评分过程中有着严格的规范。标准化测验是由测验专家

和教师共同编制的，试题质量较有保障。最典型的标准化测验是智力测验，如“比奈智力量表”。

教师自编测验是教师自己编制的测验，是在教学过程中针对教学实际引用现代测验原理编制的。教师自编测验针对性、灵活性强，能反映实际教学中遇到的特殊问题。

(三)成就测验和学能测验

成就测验是对学生学业成绩的检查，常结合具体学科而设。学校平时的课堂测验，期中、期末考试等，都是成就测验。

学能测验，又称学能倾向测验，它考察学生在课程学习中所获得的能力，与学业成就有较大关系。学能测验不局限于某门课程，关心各门课程都需要具有一般能力，主要包括文字推理测验和数字推理能力测验。学能测验一般在小学毕业前进行，能在一定程度上预测学生的发展潜力。

学能测验与成就测验的区别在于，成就测验针对具体的教学内容而定，着重考察知识的掌握情况；而学能测验的测验内容比较宽泛，侧重于能力考察。

(四)常模参照性测验和标准参照性测验

常模参照性测验是按照在特定群体中的相对位置决定成绩的好坏。选拔性考试一般是典型的常模参照性测验，如高考。常模参照性测验要在所定教学内容中，选出一些能区分出学生水平的题目，它不一定要面面俱到，但应该能拉开分数距离。题目难度以中等为宜，特别难和特别简单的题目要少一些。

标准参照性测验是考察是否达到了预先规定的标准，类似于各种执照考试，如驾驶执照考试。这种测验只关注考生是否达到了应该达到了应该达到的水平，而不去管别的考生怎么样。确定“合格”或“掌握”的标准是标准参照性测验能否取得成功的关键。标准参照测验往往是针对某几个特殊的知识点而设计，题目覆盖面广，并尽可能把所学的重要知识都反映出来。标准参照性测验不去刻意拉开学生间的距离，题目该难就难，该易就易，完全随知识点的要求而定。

常模参照性测验和标准参照性测验的区别是：前者着重同学间的比较，后者关心有没有达到预定的学习目标。常模参照性测验适用于选拔性考试和总结性评定；而标准参照性测验适用于诊断和发现学生的不足，从而为改进教学提供反馈信息。

三、良好测验的标准

好的测验都应当符合一定的要求，通常用实用性、信度、效度、难度和区分度等指标衡量测验质量。

1．实用性

实用性反映了试题的基本质量，其基本要求是便于组织，便于实施，节时省力。(便于组织。(2)测验便于实施。(3)容易评分。(4)结果要容易解释。

2．可信度

可信度又称信度，指测验结果的前后一致程度，表示了分数的稳定性和可靠性。具体要求是，先后两次用同样的试卷测查同一批学生，则两次测验的分数应该比较相近；对同样的答卷组织两次评分，评分结果相近。如果上述评分结果相差悬殊，就表示可信度很低。评分的客观性常用评分者信度来说明。

3．有效性

有效性在测量学上也称为测验的效度，指一个测验能测到预先想测的知识和能力的程度。估计测验效度的方法主要有两种：(1)内容效度，反映了题目对所考察内容的代表性问题。(2)效标关联效度，反映了测验分数和所选择的效标分数之间的一致程度。和信度相比，测验的效度更为重要。因为效度高的测验信度一定高。

4．难度

难度即测验的程度，提供了试题平均通过率的信息。一份试卷的难度取决于每一道题的难度。难度用全体被试在某题的得分率(P)表示。如果全部通过，难度为1；如果谁都没有通过，难度为0。难度值在0到1之间，难度值越大，表示题目越容易。高分段人数少，低分段的人数多，表示难度较高。高分段的人数多，低分段的人数少，表示难度较低。难度中等时，最容易拉开考生间的档次。不同的测验对难度有不同的要求，如选拔性考试难度以中等为宜，否则很难筛选。一般来说，某一道试题答对的学生少于20%时便是过深，答对的多于80%时则是偏浅。

5．区分度

区分度是测验能否拉开分数距离的指标。试题的区分度也称为鉴别力，表示某道题目能够将不同程度的学生鉴别开来的能力。试题难度直接影响区分度，特别难的题目大家都不会做，特别容易的题目大家都会做，这两种题目区分度都很低。反之，中等难度的试题的区分度比较高，难度为0.5的题目，区分度最大。

四、测验的编制和实施

(一)确定试题内容

在选择试题内容时，应设计测验蓝图。测验蓝图包括确定测验目的、测验内容以及编制双向细目表等内容。(1)确定知识点。(2)确定认知水平。(3)设计双向细目表。双向细目表是由教学内容和教学目标构成的的。

(二)选择试题类型

课堂测验的题型有客观题和论文题两种。客观题包括填空、判断正误和多项选择等题型。论文题包括简答题和论述题。因为客观题和论文题各具优缺点，所以搭配使用效果最佳。

(三)评分

计分方法可分为等级分和百分制两类。等级分在中国隋唐一代就广为使用，百分制则是20世纪初教育测量学的发展产物。等级制的计分方法除五分制和A、B、C、D、E外，还有许多变形。使用等级分的好处是避免了在同一分数等级上同学间的攀比，会减轻过分的分数竞争。但缺点在于，等级分比较粗略，不容易反映个体间细微的差别，评分尺度也较难把握。在评分时，教师要注意到自己对学生的看法可能会影响到评分过程。和百分制相比，等级制能避免“分分计较”的学习心理，减轻学生的考试负担。

(四)测验分数的解释

分数只有经过解释具有实际意义。解释分数时，既可以和其他同学的学习表现相比较，也可以和考核标准相对照。分数的意义是在比较中获得的。如同样考85分的两个同学，其分数值虽然相同，但反映出的水平和存在的问题并不完全相同。