教學(xué)測量與評價

1、第一節(jié)教學(xué)測量與評價的含義和作用 一、教學(xué)測量與評價的含義 （一）教學(xué)測量與教學(xué)測驗教學(xué)測量（instructional measurement）是考核教學(xué)成效的一種方法。這是借助于一定的心理量表及其操作，對學(xué)生的學(xué)習(xí)成績（簡稱學(xué)績）進行探察，并以一定的數(shù)量來表示的考核辦法。對此，我們應(yīng)注意以下幾點。 （1）教學(xué)測量的目的在于考核教學(xué)成效，也就是考察教學(xué)目標的完成情況，即學(xué)生內(nèi)在的能力與品德等的形成狀況。因此，教學(xué)測量的目標應(yīng)以教學(xué)目標為依據(jù)，測量目標應(yīng)與教學(xué)目標一致，而不能偏離教學(xué)目標。 （2）教學(xué)測量的對象是學(xué)生內(nèi)在的能力與品德等的形成狀況，它不可能

2、像物理測量那樣直接進行，只能借助于一定的心理量表及其操作間接測量。因此，測驗量表的科學(xué)性是有效教學(xué)測量的必要前提。這一點，我們將在本章第二節(jié)闡述。 （3）教學(xué)成效是通過量化的學(xué)績進行考察的。也就是說，教學(xué)成效是以學(xué)生的學(xué)習(xí)成績?yōu)橹苯涌疾煲罁?jù)的，而學(xué)績是以一定的數(shù)量來表示的，因此命題的合理性與評分的客觀性是有效教學(xué)測量的一個重要影響因素。這一點，我們將在本章第三節(jié)說明。 在分析教學(xué)測量的實質(zhì)時，還必須注意它和教學(xué)測驗（instructional test）之間的區(qū)別和聯(lián)系。由于教學(xué)成效是以學(xué)績來表示的，因此教學(xué)測驗又稱學(xué)績測驗。所謂學(xué)績測驗就是用以測量學(xué)績的量表及其操作。用測

3、量學(xué)的術(shù)語講，學(xué)績測驗就是選擇能代表學(xué)績的一些行為樣本進行考核并作出數(shù)量分析。也就是說，學(xué)績測驗所包含的只是測量目標的一個樣組而不是全部。這個樣組必須具有代表性，能有效地測量學(xué)績。因此，可以說學(xué)績測驗是教學(xué)測量的工具和手段，教學(xué)測量是對學(xué)績測驗所得結(jié)果的客觀描述。也可以說，教學(xué)測量就是借助于學(xué)績測驗來對教學(xué)成效進行定量考核的一種方法。 （二）教學(xué)評價 教學(xué)評價（instructional evaluation）就是依據(jù)教學(xué)目標，對學(xué)績測驗所得測量結(jié)果進行分析及解釋。它主要包含以下兩個方面的工作。 （1）教學(xué)評價必須對學(xué)績測驗數(shù)據(jù)所表明的教學(xué)成效作出確切的診斷。診斷

4、教學(xué)成效即依據(jù)教學(xué)目標，運用學(xué)績測驗數(shù)據(jù)，判明學(xué)生知識、技能、規(guī)范的掌握程度及能力與品德的形成狀況。 （2）教學(xué)評價必須對教學(xué)的成敗原因進行分析，并對今后教學(xué)工作的改進方面作出明確的規(guī)定。教學(xué)評價不僅要了解學(xué)生能力與品德的形成狀況，而且更重要的是要找出以往學(xué)習(xí)中的斷裂點和斷裂帶，分析其成功與失敗的原因，并提出改進措施。 （三）教學(xué)測量與評價的關(guān)系教學(xué)測量與評價兩者既有區(qū)別，又有密切的聯(lián)系。一方面，教學(xué)測量是對學(xué)績測驗所得結(jié)果的客觀描述（將結(jié)果予以數(shù)量化），并不考慮結(jié)果的實際意義，而教學(xué)評價則是對學(xué)績測驗所得結(jié)果的主觀判斷（對結(jié)果進行分析解釋），以了解結(jié)果的實際意義。另一方面

5、，雖然教學(xué)評價是一種主觀判斷，但是這種主觀判斷必須以教學(xué)測量所得的客觀描述為依據(jù)。否則，就是主觀主義的判斷。同樣，教學(xué)測量也不能脫離教學(xué)評價，因為教學(xué)測量只是對學(xué)績測驗結(jié)果的客觀描述，只有通過教學(xué)評價，才能判斷這種客觀描述的實際意義。不通過評價，測量所獲得的結(jié)果也就毫無實際價值。 從以上的闡述可以看到，教學(xué)測量與教學(xué)評價是兩個不同的概念，但在實際工作中常被混淆和誤用。例如，有些教師對學(xué)生的學(xué)習(xí)成績不作具體分析，不聯(lián)系教學(xué)內(nèi)容來確定成績的實際意義，而只是進行測驗和記分，并自以為這就是對教學(xué)進行評價。也有些教師忽視嚴密的測量，未經(jīng)任何客觀數(shù)據(jù)的證實，就試圖對學(xué)生知識、技能、規(guī)范的掌握程度

6、及能力、品德的形式狀況進行評價。可以說，正確地進行教學(xué)測量與評價，是完整教育教學(xué)過程中的重要一環(huán)。 二、教學(xué)測量與評價的作用 教學(xué)測量與評價是檢驗教學(xué)成效、確定學(xué)生學(xué)習(xí)結(jié)果和教師教學(xué)效果的有效手段，是有效教學(xué)不可缺少的環(huán)節(jié)。雖然通過日常調(diào)查和觀察可以得到有關(guān)教學(xué)成效的某些信息，但是這些信息往往是很表面的、粗糙的，有的甚至是虛假的。要想確切地檢驗教學(xué)成效，確定教學(xué)雙方的水平，就必須進行科學(xué)的教學(xué)測量與評價。這也是教學(xué)測量與評價最普遍和最一般的功能。而它的根本作用則在于了解學(xué)生的學(xué)習(xí)狀況，改進教師的教學(xué)，從而促進學(xué)習(xí)效果的提高。 1反饋調(diào)節(jié)功能 通過教學(xué)測量

7、與評價所提供的反饋信息，對教師而言，不僅可以了解學(xué)生能力與品格的形成狀況，而且還可以了解影響學(xué)生學(xué)習(xí)的各種因素，從而更明確地調(diào)整教學(xué)目標、教學(xué)內(nèi)容和教學(xué)方法，以提高學(xué)生的學(xué)習(xí)成效，加速學(xué)生心理結(jié)構(gòu)的形成。對學(xué)生而言，反饋信息能使他們明確自己對有關(guān)知識、技能的掌握情況，找出學(xué)習(xí)中的薄弱環(huán)節(jié)，從而調(diào)節(jié)自己的學(xué)習(xí)行為，把時間和精力集中在需要加強的那些方面，以構(gòu)建完整的能力與品格結(jié)構(gòu)。 2激勵動機功能教學(xué)測量與評價所提供的反饋信息不僅可以調(diào)節(jié)教學(xué)活動，而且可以激勵學(xué)生的學(xué)習(xí)，起到進一步激發(fā)學(xué)習(xí)動機的作用。當(dāng)學(xué)生知道自己的學(xué)習(xí)效果是好的，則可以滿足其“獲得成功”的需要，從而帶來愉快的情緒體驗，

8、進一步增強其學(xué)習(xí)動機。如果反饋的結(jié)果說明學(xué)習(xí)效果不好，往往會引起不愉快的情緒體驗，為了“避免失敗”，也可以促使學(xué)生把壓力變成動力，從反面來增進學(xué)生的學(xué)習(xí)動機?？傊?，通過教學(xué)測量與評價所提供的反饋信息，可以了解學(xué)生的學(xué)習(xí)，改進教學(xué)。第二節(jié)有效教學(xué)測驗的基本要求既然教學(xué)測量與評價是有效教學(xué)活動的一個必要環(huán)節(jié)，而教學(xué)測量是以科學(xué)的教學(xué)測驗為工具施行的，那么有效教學(xué)測驗有哪些基本要求呢？ 一、測驗的效度 （一）效度的含義 測驗的效度指的是測量的正確性和有效性，即它能夠測出所要測量的心理特質(zhì)與行為特征的程度。換言之，效度指測驗?zāi)茉诙啻蟪潭壬线_到測量目的。它是科學(xué)測量工具最重

9、要的質(zhì)量指標。一個測驗若無效度，則其他任何優(yōu)點都無法發(fā)揮其真正的功能。因此，在編制教學(xué)測驗時首先必須考慮其效度。當(dāng)然，效度也不是絕對的，而是相對的。任何一種測驗只是對一定的目的來說是有效的，對其他目的和用途卻不一定有效。另外，由于測驗是根據(jù)行為樣本對所要測量的目標作間接推斷，因此效度只能達到某種程度，不可能全有或全無。 （二）效度的類型 考察效度的方法很多，根據(jù)其側(cè)重的問題不同，可將測驗的效度分為三類，即內(nèi)容效度、構(gòu)想效度、實證效度。 1內(nèi)容效度 內(nèi)容效度指測驗題目對有關(guān)內(nèi)容或行為范圍取樣的適當(dāng)性，也就是測驗所選的項目是否符合所要測量的東西，其代表性是否

10、適當(dāng)。要編制內(nèi)容效度高的測驗，必須注意兩點。 第一，要有一個定義完好的內(nèi)容范圍，即對測量目標應(yīng)有一明確的界定。對學(xué)績測驗而言，它所要測量的是學(xué)生能力的形成狀況，而能力是概括化和系統(tǒng)化了的知識和技能。因此，在編制學(xué)績測驗時，應(yīng)依據(jù)教學(xué)內(nèi)容和教學(xué)目標，對能力結(jié)構(gòu)中的知識因素和技能因素進行綜合測量。 第二，測題對所界定的內(nèi)容范圍應(yīng)是代表性取樣。也就是說，要根據(jù)教學(xué)內(nèi)容和教學(xué)要求的重要性來選擇題目，而非隨機取樣，以便使選出的題目能包含所測內(nèi)容范圍的主要方面，并使各方面題目比例適當(dāng)。學(xué)績測驗尤其強調(diào)取樣的適當(dāng)性。但是有的教師編制測驗的隨意性很大，不注意取樣的策略，他們或者對什么感興趣

11、就出什么題，或者覺得怎么方便就怎么出題，或者為難倒學(xué)生而出一些偏題、怪題。這樣編出來的測驗內(nèi)容缺乏代表性，其內(nèi)容效度必然很低。為了防止這種情況發(fā)生，必須對內(nèi)容范圍進行系統(tǒng)分析，將該范圍區(qū)分為細目，并對每個細目作適當(dāng)加權(quán)，然后再根據(jù)權(quán)數(shù)從每個細目中隨機取樣，直至得到所需要的題目。 鑒定學(xué)績測驗的內(nèi)容效度最常用的方法是，請有關(guān)學(xué)科專家和有經(jīng)驗的教師對課程標準和教科書作全面考察，并與測驗題目作系統(tǒng)比較，看測驗題目是否適當(dāng)?shù)卮砹怂?guī)定的內(nèi)容。如果測驗題目具有較好的代表性，說明該學(xué)績測驗具有較好的內(nèi)容效度。 2構(gòu)想效度 構(gòu)想效度指測驗對某種理論的符合程度，其目的在于用心理

12、學(xué)的理論觀點對測驗的結(jié)果加以解釋及探討。當(dāng)測驗的目的是用來測量能力、創(chuàng)造力、人格等抽象而帶有假定性的特質(zhì)或結(jié)構(gòu)時，我們就應(yīng)重點考慮測驗的構(gòu)想效度。要建立具有構(gòu)想效度的測驗，必須先從某一理論出發(fā)，導(dǎo)出與這一理論構(gòu)想有關(guān)的基本假設(shè)；據(jù)此設(shè)計和編制測驗；然后由果溯因，審查測驗結(jié)果是否符合心理學(xué)的理論見解。例如，能力的類化經(jīng)驗說認為能力是一種概括化與系統(tǒng)化了的知識和技能，根據(jù)這一理論，可以提出下面三項假設(shè)：（1）能力隨學(xué)習(xí)的進程（年級）而增長；（2）能力不由年齡決定；（3）能力和學(xué)習(xí)成績密切相關(guān)。如果我們據(jù)此編制學(xué)績測驗，并對測驗結(jié)果分析后發(fā)現(xiàn)，測驗分數(shù)隨年級的上升而提高，同一年級不同年齡的學(xué)生無顯著

13、差異，測驗得分高的學(xué)生平時學(xué)習(xí)成績好，那么我們就可以說該學(xué)績測驗具有良好的構(gòu)想效度。 檢驗構(gòu)想效度的方法很多，比較簡單和常用的方法有以下幾種。一是利用測驗的內(nèi)容效度。根據(jù)某種理論構(gòu)想所編制的測驗如果有內(nèi)容效度，也就證明了該測驗有一定的構(gòu)想效度。二是利用相容效度，將測驗結(jié)果與另一個效度已知的同類測驗結(jié)果進行相關(guān)檢驗。如果相關(guān)高，說明所編制的測驗具有一定構(gòu)想效度。三是利用預(yù)測效度。如果用來測量某一理論構(gòu)想的測驗可以有效地預(yù)測某一行為，那么可以說該測驗具有一定的構(gòu)想效度。 3實證效度 實證效度又稱效標關(guān)聯(lián)效度，指測驗對處于特定情境中的個體行為進行預(yù)測的有效程度。一個測驗

14、預(yù)測得越準確，就越有效。其中被預(yù)測的行為是檢驗效度的標準，簡稱效標。 根據(jù)效標資料搜集的時間，實證效度可分為同時效度和預(yù)測效度。前者與用來診斷現(xiàn)狀的測驗有關(guān)，后者與預(yù)測將來結(jié)果的測驗有關(guān)。例如，用大學(xué)入學(xué)考試來預(yù)測學(xué)生進入大學(xué)的學(xué)習(xí)成績，用職業(yè)測驗來預(yù)測個體在一定工作崗位的工作能力等。 檢驗測驗的實證效度，最主要的難點在于找到合適的效標。因為有些效標無意義，有些效標有種種缺點。好的效標應(yīng)該是有效的、可靠的、客觀的。實證效度一般可通過考察測驗分數(shù)與效標的關(guān)系來確定。常用的方法是求兩者之間的相關(guān)系數(shù)。相關(guān)系數(shù)高，說明該測驗實證效度高。 通過上面的介紹，我們明確了三種效

15、度之間的差異。但實際上它們之間有著一定的內(nèi)在聯(lián)系：內(nèi)容效度和構(gòu)想效度既是實證效度的保證，又需要實證效度的支持；考察內(nèi)容效度和實證效度可以幫助確定構(gòu)想效度；用于測量某種構(gòu)想的測驗可以作為實證效度的預(yù)測源來使用?？傊?，內(nèi)容效度、構(gòu)想效度和實證效度既相互區(qū)別，又相互聯(lián)系。根據(jù)不同的需要，一個測驗可以采用不同的效度。對教學(xué)測驗而言，我們感興趣的主要是取樣的適當(dāng)性，也就是內(nèi)容效度，有時也需要考慮構(gòu)想效度和實證效度。二、測驗的信度 （一）信度與信度系數(shù) 測驗的信度又叫測驗的可靠性，指的是測量的一致性程度。一個好的測量工具必須穩(wěn)定可靠，即多次測量結(jié)果要保持一致，否則便不可信。但是，高信度

16、并不是測驗追求的最終目的，它只是使測驗有效的一個必要條件。 信度指標通常以相關(guān)系數(shù)表示，即用同一被試樣本所得的兩組資料的相關(guān)系數(shù)作為測量一致性的指標，稱為信度系數(shù)。估計信度系數(shù)的方法很多，常見的有以下幾種：（1）再測法。用同一種測驗前后兩次施測同一組被試的測驗得分的相關(guān)系數(shù)表示信度。它反映測驗分數(shù)的穩(wěn)定程度，其相關(guān)系數(shù)又稱穩(wěn)定性系數(shù)。（2）復(fù)本法。用兩個等值（復(fù)本）測驗施測同一組被試的測驗得分的相關(guān)系數(shù)表示信度。這種相關(guān)系數(shù)反映兩個復(fù)本測驗的等值程度，所以又叫等值性系數(shù)。（3）分半法。將同一測驗分成對等的兩半并施測同一組被試，用得到的測驗分數(shù)的相關(guān)系數(shù)表示信度。它是復(fù)本法的特例，還可

17、用來估計測驗內(nèi)部的一致性。這種相關(guān)系數(shù)又叫內(nèi)部一致性系數(shù)。（4）同質(zhì)法。用測驗內(nèi)部（測量同一特質(zhì)或?qū)傩裕┎煌譁y驗（異質(zhì)而有關(guān)聯(lián)的測驗題目）之間的得分的相關(guān)系數(shù)表示信度，估計的是測驗題目的同質(zhì)性或普遍性，其相關(guān)系數(shù)也叫普遍性系數(shù)。對于教學(xué)測驗而言，由于兩次測驗之間的學(xué)習(xí)和遺忘不同，所以用穩(wěn)定性系數(shù)來估計其信度是不適當(dāng)?shù)摹３顺商诇y驗的分測驗外，一般學(xué)績測驗所測量的均不止一種能力，因此用同質(zhì)性來估計信度也不適當(dāng)。估計學(xué)績測驗的信度最常用的是復(fù)本法，如果沒有復(fù)本，也可用分半法。 （二）信度的影響因素 要想提高測驗的信度，了解并掌握影響它的因素是十分必要的。信度的影響因素，主要來

18、源于四個方面，即測題數(shù)量、測題難度、施測對象和施測過程。 1測題數(shù)量 由于測驗是測量的一個樣本，因此取樣的適當(dāng)性必然影響到測驗的信度。如果測題數(shù)量太少，不能代表整個學(xué)習(xí)內(nèi)容的全域，這樣的測試必然帶有偶然性，其信度不可能很高。要提高信度，一般來說，增加測題數(shù)量是一個有效的方法。但必須注意，只有當(dāng)新增加的題目和原來的題目取自同一總體，即與原題目具有同質(zhì)性時，增加題目數(shù)量才能提高信度。 雖然增加題目數(shù)量可以提高信度，但并不是題目越多越好。增加題目數(shù)量的效果是遵循報酬遞減律的，即當(dāng)題目達到一定數(shù)量后，再增加題目數(shù)量往往得不償失，有時會引起學(xué)生的疲勞和反感而降低可靠性。為了

19、節(jié)省經(jīng)費和時間，有時還需要把過多的題目適當(dāng)刪減，而不使其對信度有大的損害。 總之，增加測題數(shù)量可以提高信度，但是測題數(shù)量須有一定限制，并非越多越好。 2測題難度 測題的難度和信度沒有直接的關(guān)系。然而，如果測題對某團體過難或太易，則分數(shù)范圍將縮小，信度也將降低。這表明，要使信度達到最高，能產(chǎn)生最廣分數(shù)分布的難度水平方為合格。 當(dāng)測題難度過大，遠遠超出被試能力水平時，被試對許多項目作隨機反應(yīng)即瞎猜，則所有被試的總分接近隨機分布，因此其信度極低。反之，測題太易，幾乎所有被試均能正確作答，則分數(shù)分布很集中，因此信度也很低。有關(guān)測題難度及區(qū)分度的問題，我們下面還將

20、討論。 3施測對象 即使一個測驗經(jīng)過精心編制，題目取樣具有代表性，由于受測者動機和焦慮的變化，也會給測驗信度帶來影響，這是最難控制的因素。 由于學(xué)生的應(yīng)試動機不同，他們的注意力、情緒狀態(tài)、焦慮水平也不同，從而影響測驗成績，使信度受到影響。一般來說，恰當(dāng)?shù)膭訖C、適度的焦慮水平會使人的興奮性提高，注意力增強，提高反應(yīng)速度，從而對測驗成績產(chǎn)生積極影響。動機過強、焦慮水平過高都會使工作能力降低，注意力分散，思維變得狹窄而刻板，從而對測驗成績產(chǎn)生消極的影響；反之，動機過弱、焦慮水平過低的被試往往采取滿不在乎的態(tài)度，從而測驗成績大多較低?？梢哉f，適當(dāng)?shù)膭訖C和焦慮水平是保證測驗

21、信度的必要條件，過強或過弱的動機和焦慮水平都不利于測驗信度的提高。 4施測過程 測驗的環(huán)境條件如通風(fēng)、室溫、采光等條件會影響到測驗的穩(wěn)定性，室內(nèi)燥熱、考場周圍嘈雜、座位擁擠、考試秩序混亂等都會導(dǎo)致測驗信度下降。主試錯誤理解指導(dǎo)語，不按規(guī)定嚴格施測，或故意制造緊張氣氛等也會影響測驗的信度。 應(yīng)該說明的是，雖然信度和效度都是鑒定測驗質(zhì)量的指標，但兩者并不是完全一致的。一般而言，效度高的測驗，其信度也一定高；信度高的測驗，其效度卻不一定高。也就是說，高信度是高效度的必要但非充分條件。 三、項目的難度與區(qū)分度 信度和效度是就整個測驗而言的，難度和區(qū)分度

22、則是就測驗題目（簡稱項目）而言的。每個測驗都包含有許多項目，每個項目都有它的難度和區(qū)分度。 （一）項目難度 項目難度指測驗題目的難易程度，通常以答對或通過該項目的人數(shù)占應(yīng)試總?cè)藬?shù)的百分比來表示。也就是用通過率來表示難度，通過率越高，難度越小。但對于不同的測驗題型，其計算有所不同。 對于是非題，當(dāng)只有正確或錯誤兩種答案時，可以用通過該題人數(shù)的百分比代表難度，公式為P=R/N（P，難度；N，受測總?cè)藬?shù)；R，通過該題的人數(shù)），也可以用極端組的方法計算難度，公式為P=（PH+PL）/2PH，高分組（總分最高的27的學(xué)生）答對該題的人數(shù)占高分組學(xué)生總數(shù)的百分比；PL，低分組

23、（總分最低的27的學(xué)生）答對該題的人數(shù)占低分組學(xué)生總數(shù)的百分比。 對于選擇題，如在K個選項中（K>2）只有一個正確答案，則其難度可以在該項目的通過率P的基礎(chǔ)上進行矯正，計算公式為CP=（KP1）/（K1）（CP，矯正后的難度；P，未矯正的難度；K，選項的數(shù)量）。這是因為對單選題學(xué)生可能隨機猜測，用此公式則能排除這種影響。 對于論文型題目，可以用某題的平均分數(shù)為依據(jù)計算難度，公式為P=M/W（M，全體考生某題的平均得分；W，某題規(guī)定的最高得分），也可以用極端組的方法計算難度，公式為P=（MH+ML2Nl）/2N（hl）MH，高分組（總分最高的27的學(xué)生）考生該題得分之和

24、；ML，低分組（總分最低的27的學(xué)生）考生該題得分之和；N，所有考生總?cè)藬?shù)的27；h，該題最高得分；l，該題最低得分。 至于項目的難度多高合適，則取決于測驗?zāi)康?。如果測驗是為了考察學(xué)生對某些方面的知識、技能是否掌握（掌握性測驗），可不考慮項目難度，只要是教學(xué)目標中重要的內(nèi)容就可以，甚至通過率100%或0%的測題也不必淘汰，可以繼續(xù)使用。當(dāng)測驗主要用于選拔時（選拔性測驗），就應(yīng)比較多地采用那些難度值接近錄取率的項目。如果我們要把全體受測者作最大程度的區(qū)分，則050左右的難度最合適?？傊?，對項目的難度特征進行分析時，應(yīng)考慮到測驗的目的，不能一概而論，一般在030070為宜。 （

25、二）項目區(qū)分度 區(qū)分度又稱鑒別力，是指試題對所要測量的心理特性的識別程度，也就是項目的效度。項目效度越高，其區(qū)分度越大，鑒別力越強。但對于不同的測驗題型，其計算也有所區(qū)別。 對于客觀題，項目區(qū)分度的簡便計算公式是D=PHPL（D，區(qū)分度；PH，高分組通過該題的人數(shù)占高分組總?cè)藬?shù)百分比；PL，低分組通過該題的人數(shù)占低分組總?cè)藬?shù)百分比）。 對于論文型題目，項目區(qū)分度可以這樣計算，D=（MHML）/N（hl）D，區(qū)分度；MH，高分組（總分最高的27的學(xué)生）考生該題得分之和；ML，低分組（總分最低的27的學(xué)生）考生該題得分之和；N，所有考生總?cè)藬?shù)的27；h，該題最高得分；

26、l，該題最低得分。 項目區(qū)分度多高合適也和測驗?zāi)康拿芮邢嚓P(guān)。就學(xué)績測驗而言，一般要求項目與總分的相關(guān)達到020以上，高分組與低分組通過率之差達到015020。一般認為D>040，該題非常優(yōu)良；D<019，該題必須淘汰。但是這一標準也不是絕對的。一個測驗用于選拔，其區(qū)分度應(yīng)該高一些；如果一個測驗只是用于考察學(xué)生對知識、技能的掌握情況，可不考慮區(qū)分度，即使區(qū)分度為0，只要該項內(nèi)容是重要的，今后仍可繼續(xù)使用。 總之，信度、效度、難度和區(qū)分度是鑒定測驗質(zhì)量的客觀指標。一個良好的測驗必須既有較高的信度，又有較高的效度，并且每個項目都有一定的難度和區(qū)分度。廣大教師在編制教學(xué)

27、測驗時，應(yīng)該綜合考慮這些要求。第三節(jié)教學(xué)測驗的類型及其應(yīng)用  一、教學(xué)測驗的類型  （一）常模參照測驗和標準參照測驗 在學(xué)校教學(xué)過程中，教學(xué)測驗可以用來測量和評價學(xué)生在一定群體中的等級，也可以用來測量和評價學(xué)生是否有效地完成了教學(xué)目標。前者即常模參照測驗，后者即標準參照測驗。 1常模參照測驗 常模參照測驗（norm-referenced test）是以學(xué)生團體的平均成績作為參照標準，就某學(xué)生得分的高低來說明其在學(xué)生團體中的相對位置（或名次），將學(xué)生分類排隊。其特點是學(xué)生成績的高低是相對的。它著重學(xué)生個人之間的比較，適于區(qū)分學(xué)生的成績水準，可供選

28、拔、編班、編組之用。這種測驗要求測得的分數(shù)變異性要大，得分的范圍要廣，充分顯示個別差異；要求試題有很強的鑒別力。這種測驗重視名次排列，鼓勵競爭，對學(xué)生的學(xué)習(xí)起考核和監(jiān)督的作用，但缺少診斷的效用，且易引起學(xué)生過度的緊張與焦慮。 2標準參照測驗 在學(xué)校里，凡是參照規(guī)定的作業(yè)標準，核對學(xué)生的測驗得分，評定其是否達到標準以及達標的程度如何的測驗，都屬于標準參照測驗（criterion-referenced test）。其特點是學(xué)生成績的高低是絕對的，不是表示他在同輩集體中的相對位置。這種測驗在課程和教學(xué)改革的推動下產(chǎn)生，從20世紀60年代起頗受重視。學(xué)生的學(xué)業(yè)成績宜用學(xué)習(xí)的數(shù)量和程

29、度來表示，而且只有與預(yù)先規(guī)定的某種標準加以比較才具有確定的意義。這種測驗的試題必須正確地反映教學(xué)目標，方可作為評價的標準，所以要求試題在數(shù)量上和質(zhì)量上同要測定的內(nèi)容和范圍一致，而不必關(guān)心題目的難易和區(qū)分度。在測驗中如果發(fā)現(xiàn)多數(shù)學(xué)生不能正確回答某些題目，那么就要檢驗這些題目是否體現(xiàn)了教學(xué)目標，要考慮教學(xué)方法是否恰當(dāng)，而不是簡單地剔除它。標準參照測驗?zāi)苡脕砜疾閷W(xué)生的基礎(chǔ)知識與技能的學(xué)習(xí)情況，哪些學(xué)得較好，哪些沒有學(xué)好，需要補救。因此，標準參照測驗主要用于基本知識、基本技能的測量，用于診斷及個別指導(dǎo)。 （二）準備性測驗、形成性測驗和終結(jié)性測驗 測量與評價貫穿于教學(xué)過程的始終，從教

30、學(xué)開始至教學(xué)結(jié)束。教師必須根據(jù)教學(xué)過程的不同階段，靈活選用不同的測驗。 1準備性測驗 準備性測驗（preparatory test）一般在教學(xué)活動開始之前施行，目的在于了解學(xué)生對未來的教學(xué)活動的準備狀態(tài)，即是否具有完成新的教學(xué)任務(wù)所必需的基本知識和基本技能，從而有效地安排教學(xué)。準備性測驗一般屬于掌握性測驗，試題難度較低，考核內(nèi)容主要是有關(guān)基本知識和基本技能，目的在于為制訂教學(xué)目標和教學(xué)計劃提供依據(jù)。這種測驗往往在教師不了解學(xué)生的知識和能力時，或者所預(yù)測的學(xué)習(xí)結(jié)果非常具體并有明顯的順序的情況下采用。 2形成性測驗 形成性測驗（formative test）

31、一般在教學(xué)過程中進行，目的在于了解學(xué)生在教學(xué)過程中達到教學(xué)目標要求的程度，探究教學(xué)中存在的問題或缺陷，以便及時調(diào)整教學(xué)，提高教學(xué)的自覺性和主動性。形成性測驗一般要根據(jù)情況進行多次，它應(yīng)成為教學(xué)過程的一個有機組成部分。它通常也屬于掌握性測驗，試題根據(jù)教學(xué)內(nèi)容和教學(xué)要求編制，可難可易，一般由任課教師本人根據(jù)教學(xué)進度和實際教學(xué)情況實施。但它一般不以區(qū)分學(xué)生的優(yōu)良程度為目的，不重視對學(xué)生分等鑒定，以及學(xué)生之間成績的比較。教學(xué)測量與評價的反饋調(diào)節(jié)功能主要是通過形成性測驗來實現(xiàn)的。 3終結(jié)性測驗 終結(jié)性測驗（summative test）一般在教學(xué)活動結(jié)束后進行，目的在于考察教學(xué)目標達

32、到何種程度，判明是否有必要修訂教學(xué)目標，重新進行補救教學(xué)，同時，檢查教學(xué)活動的組織是否得當(dāng)，教材的安排是否合理并確定學(xué)生的學(xué)習(xí)成績。其目的在于對整個教育活動所取得的較大成果作更為全面的評價。它與形成性測驗有明顯的區(qū)別。形成性測驗比終結(jié)性測驗頻繁。通常當(dāng)一種新觀念或新技能的初步教學(xué)完成時，都應(yīng)進行形成性測驗。終結(jié)性測驗則著眼于較大范圍內(nèi)教學(xué)內(nèi)容的掌握，往往是在形成性測驗的基礎(chǔ)上進行的。終結(jié)性測驗因其涉及的范圍廣，所以測驗的內(nèi)容須注意代表性，各種試題的比例應(yīng)與整個課程各類學(xué)習(xí)結(jié)果所占的比例相當(dāng)。 然而，準備性測驗、形成性測驗和終結(jié)性測驗三者之間并沒有不可逾越的鴻溝。某一教學(xué)單元的終結(jié)性測

33、驗，往往可以作為下一教學(xué)單元的準備性測驗；某一小的教學(xué)單元的終結(jié)性測驗，往往是某一大的教學(xué)單元的形成性測驗。在實際教學(xué)中，我們應(yīng)該綜合運用三種測驗形式。 （三）標準化學(xué)績測驗和教師自編測驗 標準化測驗指經(jīng)過標準化程序編制的心理與教育測驗，教師自編測驗則指教師根據(jù)教學(xué)需要自行設(shè)計與編制的測驗。 1標準化學(xué)績測驗 標準化學(xué)績測驗（standardized achievement test）是指由學(xué)科專家和測驗編制專家共同按照標準化程序為受過某種教學(xué)或訓(xùn)練的人員編制的測驗，目的在于評價經(jīng)教學(xué)或訓(xùn)練后的實際工作表現(xiàn)。 所謂標準化程序，包括：選取有代表性

34、的材料編成測驗的試題；選取有代表性的被試，從而得到有代表性的一組分數(shù)；根據(jù)測得分數(shù)的統(tǒng)計分析，求出常模；按照規(guī)定程序建立效度與信度；明確規(guī)定施測步驟和記分方法。簡言之，標準化測驗即是已經(jīng)具備常模、效度、信度、施測程序和記分方法等基本條件的心理教育測驗。智力測驗和人格測驗都可以是標準化測驗，而標準化學(xué)績測驗則是標準化測驗的一種。 由于標準化學(xué)績測驗具有客觀性和可比性的優(yōu)點，所以它是評價學(xué)生學(xué)業(yè)成績的重要工具之一。這種測驗在國外使用比較普遍。例如，美國教育測驗中心舉辦的托?？荚嚕═OEFL）考核非英語國家學(xué)生的英語水平，決定是否錄取留學(xué)和授予獎學(xué)金。目前，我國的標準化測驗工作也正在進行。

35、高考的標準化工作已取得一定進展，并在逐步推行。對外漢語水平考試（HSK）則是其中的典型代表，外國學(xué)生通過四級才能進入中國的大學(xué)學(xué)習(xí)，通過六級才可申請攻讀碩士學(xué)位。 2教師自編測驗 教師自編測驗（teacher-made achievement test）是指教師根據(jù)自己的教學(xué)經(jīng)驗和教學(xué)風(fēng)格，自行設(shè)計和編制的用來考察學(xué)生學(xué)習(xí)進步情況的測驗。由于學(xué)校科目繁多，教學(xué)檢查需經(jīng)常進行，而教師自編測驗操作過程簡單，施測手續(xù)方便，應(yīng)用范圍一般限于自己所任教的學(xué)科，在實際教學(xué)中頗為有用，所以是應(yīng)用得最多和教師最愿意用的測驗。雖然這種測驗未經(jīng)標準化，但其編制也需要遵循一定的原則。例如，測驗應(yīng)

36、能測量明確規(guī)定的學(xué)習(xí)結(jié)果，忠實反映教學(xué)目標；測驗應(yīng)能測出預(yù)期的學(xué)習(xí)結(jié)果和教材的代表樣本；測驗應(yīng)按預(yù)期的學(xué)習(xí)結(jié)果選擇試題類型；測驗要有效、可靠等。教師只有掌握教學(xué)目標，并熟悉各種形式的試題的特點與性能，方能編制出恰當(dāng)?shù)臏y驗，從而保證評價工作順利進行。 二、學(xué)績測驗的命題 編制學(xué)績測驗的核心是命題。要編制良好的學(xué)績測驗，最重要的是要掌握命題的方法和技巧。 （一）試題的類型 試題的類型（題目的形式）在學(xué)績測驗中占有很重要的地位。如果題型不適當(dāng)，測驗就要浪費時間，評分時就會發(fā)生種種困難。因此，在編制學(xué)績測驗前，必須慎重選擇適宜的題型。 人們在長期的測驗

37、實踐中，發(fā)展出了多種多樣的題目形式，根據(jù)應(yīng)答方式的不同可以分成兩大類：客觀題和主觀題。 1客觀題 客觀題具有良好的結(jié)構(gòu)，對學(xué)生的反應(yīng)限制較多。學(xué)生的回答只有對錯之分，因此教師評分也只能是得分或失分。這類題目包括選擇題、填空題、匹配題和是非題等。 （1）選擇題，由題干和兩個或更多的選項組成。題干可以是直接提問或者以不完整的句子的形式出現(xiàn)，目的是為了設(shè)置問題情境。而選項則提供可供選擇的答案，包括一個或多個正確答案和若干具有干擾性的錯誤項或迷惑項。學(xué)生的任務(wù)就是閱讀題目，再從一系列選項中挑選出正確的項目。 教師在出題時，要綜合考慮題干和選項，使整個題目清楚明了

38、。選項的數(shù)量一般沒有統(tǒng)一的規(guī)定，教師可以隨意確定選項的個數(shù)，大多是45個，這樣可以避免學(xué)生猜測答案。所有的題目也可以安排各自不同數(shù)量的選項。良好的選擇題的題干應(yīng)該明確簡單，選項具有迷惑性。 經(jīng)過精心設(shè)計的題干和選項，可以有效地測查學(xué)生知識的掌握水平。此外，選擇題還有一種常用變式，選項中有一至多個正確答案，即通常稱為多選題。這種題型的難度大大高于常規(guī)的選擇題（單選題），可以有效地檢查學(xué)生學(xué)習(xí)的深度，在測驗中也廣泛使用。 總之，由于選擇題可適用于文字、數(shù)字和圖形等不同性質(zhì)的材料，可以考察記憶、分析、鑒別、推理、理解和應(yīng)用知識的能力，再加上它的評分客觀、省時，學(xué)生猜測的可能性相對

39、小些，因此在標準化的學(xué)績測驗中被廣泛采用。其缺點是：答案固定，測不出學(xué)生組織材料的能力和創(chuàng)造力；題量大，要為每個題目編寫迷惑答案，任務(wù)比較繁重。（2）是非題，又稱正誤題，可以看做具有兩個備選答案的選擇題。它常用的形式是，陳述一句話，要求學(xué)生判斷對錯或是非。是非題主要適于考察學(xué)生對簡單觀念或知識的了解。 是非題形式簡單，能夠在一份試卷內(nèi)覆蓋大量的內(nèi)容。教師在評判時也較客觀，記分簡便省時。但是由于答案非對即錯，即使在完全猜測的情況下，學(xué)生也有50%的機會選擇到正確答案，因此其可靠性較差。一種改進的辦法是，增加題目的數(shù)量。由于題量大，對題目總體的取樣較全面，學(xué)生很難只憑猜測獲得高分。

40、60;（3）匹配題，是另一種可提供多種選擇的考試形式。通常，匹配題包括兩列詞句，一列是問題選項，一列是反應(yīng)選項。學(xué)生根據(jù)題意按照某種關(guān)系將左右的項目連接起來。匹配題形式簡單，能夠有效地測量學(xué)生對知識聯(lián)系的掌握情況，且易于記分。但是，它只能用于測查彼此存在著簡單關(guān)系的知識。 （4）填空題，呈現(xiàn)給學(xué)生一句或一段不完整的話，要求學(xué)生簡要作答。當(dāng)教師的目的是考察學(xué)生對知識的回憶時，填空題十分有用，它可將學(xué)生猜測的可能性降到最小。如果經(jīng)過精心設(shè)計，也可以通過填空題來考察學(xué)生對知識的理解、推理和判斷能力。填空題的問題在于，學(xué)生的答案各不相同甚至還會出現(xiàn)出人意料的答案，學(xué)生的答案還會受筆跡、用詞等

41、無關(guān)因素的影響。 2主觀題 主觀題要求學(xué)生自己組織材料，并采用合適的方式表達出來。這類題型包括論文題、問題解決題等。教師在評分時，對學(xué)生的回答需要給出不同量的分值，而不僅僅是滿分或零分。 （1）論文題，指要求學(xué)生用文字論述方式闡述相關(guān)觀點的題目，回答字數(shù)可以從幾段到幾頁不等。一般較常使用的有兩種類型：有限制的問答題和開放式論文。有限制的問答題是指教師對回答的內(nèi)容和長度都有規(guī)定，如平時測驗中的簡答題等。例如，說明戊戌變法中的重要人物、事情經(jīng)過以及結(jié)果。簡答題適合于考察學(xué)生對知識的記憶和理解程度，還可以測量學(xué)生對材料的概括能力。開放式論文則允許學(xué)生在內(nèi)容上可以自由選材

42、，自由發(fā)揮，而且篇幅較長，如平時測驗中的論述題等。論述題有利于學(xué)生清楚地表達自己的思想，可以考察學(xué)生對材料的理解深度和對材料的組織能力、綜合能力，有時還可以測量評價能力和創(chuàng)造能力。 不過，使用論文題也有許多不便之處。首先，學(xué)生回答論文題需要花費很多時間。因此，在一份試卷里只能出現(xiàn)少量的題目，對課程內(nèi)容的取樣也就非常有限。一般可以通過增加小的論文題（即簡答題或問答題）來盡量避免這個問題。其次，對于熟悉自己學(xué)生的教師，在判卷時很難做到客觀，教師對學(xué)生的總體印象往往會影響到對論文的評價，導(dǎo)致信度較低。 （2）問題解決題，是向?qū)W生提供一定的問題情境和目標情境，要求學(xué)生通過對知識進行

43、組織、選擇和運用等復(fù)雜的程序來解決問題。通常有兩種形式。一種是間接測驗，與前面提到的幾種測驗形式一樣，采用紙筆測驗來評價學(xué)生的學(xué)業(yè)成就或能力。學(xué)生通常必須寫出若干步驟或過程，以展現(xiàn)他的思路。評分時，按照步驟記分，如果缺少某些步驟就不能得分。平時的物理、化學(xué)、生物等學(xué)科的考試經(jīng)常會出現(xiàn)這種類型的題目。另一種則是直接測驗。例如，為了考察學(xué)生學(xué)習(xí)本節(jié)內(nèi)容的情況，讓學(xué)生編制一份測驗兩步應(yīng)用題的試卷。由于它考察了學(xué)生處理實際問題的能力，所以有時我們又把這種形式叫做操作測驗。在實際考核過程中，教師可以要求學(xué)生設(shè)想一個可以解決本市垃圾處理問題的方案，或者要求學(xué)生測量學(xué)校操場的面積等。操作測驗對于考察高級思維

44、技能十分有效，但是往往費時費錢，而且主觀性較大，其效度也經(jīng)常受到質(zhì)疑。 當(dāng)然，主觀題和客觀題并不是彼此對立的，而是各有短長，各有自己的獨特的功能。在實際教學(xué)中，應(yīng)根據(jù)不同情況，靈活選擇題目形式，以提高測驗的信度和效度。 （二）命題的一般原則 雖然學(xué)績測驗的試題形式繁多，性質(zhì)不同，功能各異，但在編制時還是有規(guī)律可循的。 （1）試題要符合測驗的目的。學(xué)績測驗的目的有多種，是作為選拔、診斷之用，抑或作為評價或分類之用？這一點是命題時必須明確的。測驗?zāi)康牟煌?，編制測驗的取材范圍及試題難度也就有所不同。 （2）試題內(nèi)容的取樣要有代表性。由于學(xué)績測驗只是測

45、量目標的一個樣本而不是全部，因此試題內(nèi)容的取樣應(yīng)有代表性，能代表該學(xué)科的全部內(nèi)容，而不能只偏重某一方面的內(nèi)容而忽視其他方面的材料；否則，這個測驗的效度就不可能高。 （3）題目格式應(yīng)多種多樣。在同一份試題中，應(yīng)依據(jù)測驗的目的與要求的不同，選用各種不同的題形式，不宜“單打一”。如果要考察學(xué)生對概念的記憶，宜用簡答題；要考察對事物的辨別和判斷，宜用多選題；要考察學(xué)生綜合運用知識的能力，宜用論述題。此外，題目格式應(yīng)明確，不要使學(xué)生誤解。 （4）文句要簡明扼要。測驗題目的文字應(yīng)力求淺顯簡短，不要使用艱深的字詞，要排除與題目無關(guān)的多余信息；同時又不能遺漏解題所必需的條件，否則試題便無法

46、解答。 （5）答案應(yīng)正確可靠。對于標準化學(xué)績測驗，應(yīng)有不致引起爭論的正確答案，即測題的答案應(yīng)是沒有疑義的，是可靠的。 （6）測題應(yīng)彼此獨立。各測題不能含有暗示本題或他題的正確答案的線索。如果一個題目的命題或答案的內(nèi)容為另一個題目的解答提供了線索，那么這后一個題目就失去了測驗的意義，得分也就不能準確地反映學(xué)生的成績。 以上是編制學(xué)績測驗時命題所應(yīng)遵守的一般原則。只有遵守這些原則，學(xué)績測驗才有可能達到較高的信度和效度。 （三）命題的準備和搜集 要編制良好的學(xué)績測驗，僅明確命題的類型和一般原則是不夠的，還必須了解如何制訂編題計劃以及如何進行命題準備等

47、問題。 1制訂編題計劃 編制測驗就如建筑房屋，必須事先設(shè)計周詳?shù)乃{圖，以作為命題的依據(jù)。這樣，測題的內(nèi)容才能具有適當(dāng)?shù)拇硇裕瑥亩l(fā)揮測量的功能，實現(xiàn)測量的目標。對于學(xué)績測驗而言，在命題前，應(yīng)根據(jù)課程標準，列出教學(xué)內(nèi)容和行為目標的雙向細目表；并依據(jù)本次測驗的性質(zhì)、目的，確定題目的取材范圍、形式與數(shù)量。 命題前，測驗藍圖的制訂通常就是編制一張雙向細目表。它能有效指出測驗所包含的內(nèi)容和要測定的各種目標以及對每個內(nèi)容目標的相對重視程度。所謂內(nèi)容就是能力與品格的構(gòu)成要素，即有關(guān)的知識、技能、態(tài)度等；所謂目標就是教學(xué)中所要達到的要求，即有關(guān)知識、技能、策略的掌握層次及態(tài)度的

48、內(nèi)化水平等。 但是，根據(jù)課程標準編制的教學(xué)內(nèi)容和教學(xué)目標的雙向細目表，只是學(xué)績測驗的一個總的藍圖。在具體編制測驗時，還必須根據(jù)本次考試的性質(zhì)、目的，將它具體化，即：要依據(jù)本次考試的教材內(nèi)容，確定題目的取材范圍；依據(jù)本次考試的教學(xué)目標和目的，確定題目形式；依據(jù)內(nèi)容目標的相對重要性，確定題目數(shù)量。例如，本單元包括哪些要點，在這些要點中，哪些屬于知識因素，哪些屬于技能因素；在知識因素中，哪些屬于概念，哪些屬于命題在具體編制測驗時，要把相應(yīng)的題目和它們一一對應(yīng)。 2進行命題準備和搜集 測驗計劃編好后，就要搜集有關(guān)資料作為命題取材的依據(jù)。一個測驗的好壞和測驗材料的選擇適當(dāng)與

49、否有密切關(guān)系。為此，教師在平時教學(xué)中，要隨時把教材中重要的地方做好標記；在批閱作業(yè)或日?？荚嚨脑嚲頃r，要記載學(xué)生常見的錯誤；經(jīng)常搜集其他教師編擬的現(xiàn)成試題，并隨時把搜集到的或自編的試題記在卡片上，分科分類儲存，以建立試題庫。 前已闡明，學(xué)績測驗只是所要測量的能力與品德結(jié)構(gòu)的一個有代表性的樣本，不可能顧及所有的構(gòu)成要素與層次，而樣本的代表性和教材的重點與難點、資料的豐富性與普遍性密切相關(guān)。教師只有在平時留意教材的重點與難點，注意搜集現(xiàn)成試題并分類儲存，才有可能使試題的內(nèi)容更有針對性，從而編制出可信和有效的學(xué)績測驗。反之，如果教師在平時教學(xué)中不做扎扎實實的工作，則所編試題可能沒有代表性，

50、不能達到測驗的信度和效度要求。 （四）命題難度梯級的建立 為了考核學(xué)生對教材的掌握程度，可以對同類試題的難度列成一個梯級。難度是命題時要考慮的一個重要問題。教師在建立試題庫時，不僅要把搜集或自編的試題分類儲存，而且應(yīng)該根據(jù)自己的主觀經(jīng)驗，將同類試題進行分類。可先將其分為難、中、易三部分，然后按照由易至難的順序排列，形成一個同類試題的難度序列，以便考察學(xué)生的知識掌握程度。 三、測驗的評分及結(jié)果分析 （一）學(xué)績測驗的評分 一套好的命題并不等于一個好的測驗，即使測驗的內(nèi)容和施測等方面都進行了標準化，測驗的評分也會影響其信度和效度，從而影響測驗的質(zhì)量。

51、就學(xué)績測驗而言，特別是對于教師自編的學(xué)績測驗，其評分應(yīng)注意以下幾點。 1評分要客觀公正 客觀評分是學(xué)績測驗的基本要求。對于客觀題，客觀評分比較容易做到。但是對于主觀題，由于評分標準很難把握，各個評閱者的偏好各不相同，即使是同一位教師一次評閱多份試卷，受情緒、疲勞、試卷前后位置引起的對比效應(yīng)以及對學(xué)生成見的影響，標準也可能不統(tǒng)一，因此其評分的客觀性較差。為了使評分盡可能客觀，一般可采取多人評閱求平均和每人負責(zé)評閱一題的辦法。 2評分標準要規(guī)定答案要點及可接受的變式 對于客觀題，只要提供正確答案即可。對于主觀題，則應(yīng)詳細規(guī)定答案要點，并對評分規(guī)則作詳細的說明

52、。評分時將每個人的反應(yīng)和評分說明書上所提供的樣例相比較，然后按最接近的答案樣例給分。同時，由于同一問題可以從不同角度用不同方法進行解答，因此評分標準不僅要規(guī)定一般的答案要點，而且應(yīng)有可接受的變式。 3評分標準要依據(jù)題目的難易及要點的主次配給分數(shù) 為了科學(xué)地給每個題目配給分數(shù)，應(yīng)該對所要測量的心理活動進行系統(tǒng)的結(jié)構(gòu)分析和功能分析，確定其內(nèi)容目標的相對重要性。并在此基礎(chǔ)上，依據(jù)題目的難度，合理配給分數(shù)。 4評分時要注意分析評分和綜合評分相結(jié)合 分析評分即按各要點給分。分析評分便于診斷以往學(xué)習(xí)中的斷裂點和斷裂帶，明確學(xué)生個體內(nèi)部的差異以進行針對性教學(xué)。綜合評分

53、即從整體上考察，分別為不同等級確定樣本。綜合評分可以了解學(xué)生的一般狀況，便于總體了解和把握。因此，在對學(xué)績測驗進行評分時，應(yīng)注意二者的有機結(jié)合，以實現(xiàn)教學(xué)測量與評價的目的。 5評分標準應(yīng)注重內(nèi)容，不宜注重形式 學(xué)績測驗所要測量的是學(xué)生對有關(guān)知識、技能、策略的掌握程度，因此評分時注重的應(yīng)是考生回答的內(nèi)容，而不應(yīng)是作答的形式。除中文科目之外，其他科目試卷的評閱不應(yīng)受錯別字、書法、句法以及卷面整潔等因素的影響。 （二）測驗結(jié)果的分析 運用科學(xué)的測量工具得到一個精確的分數(shù)，并不是學(xué)績測驗的最終目的，還必須對學(xué)績測驗的結(jié)果進行分析和解釋。這主要包括對測驗本身（每個

54、測題、整個測驗）的分析和對教學(xué)活動的分析兩個方面。 1對測驗本身的分析 對每個測題而言，測驗結(jié)果的分析可以了解每個測題的性能，提高測驗編制技術(shù)，積累好的試題。主要應(yīng)分析的是其難度和區(qū)分度（前已闡述）。對于多選題，還要分析備選答案的合適度，考察標準答案是否正確、是否唯一、是否過于明顯，錯誤答案是否具有迷惑性等。對于備選答案不合適的題目，今后不應(yīng)再用或經(jīng)過修改后再用。 就整個測驗而言，應(yīng)分析其信度和效度（前已闡述），并確定其分數(shù)分布。分數(shù)分布反映的是整個測驗的難度，它直接依賴于組成測驗的項目的難度。如果被試樣本具有代表性，一般來說分數(shù)是常態(tài)分布的。當(dāng)分數(shù)不是常態(tài)而是偏

55、態(tài)時，有兩種情況：一是正偏態(tài)，分數(shù)集中在低分端，表明缺少難度低的題目，應(yīng)加入一些較易的項目；一是負偏態(tài)，分數(shù)堆積在高分端，說明缺少足夠數(shù)量的難題，應(yīng)加入較難的項目。當(dāng)然，并不是任何測驗都要求分數(shù)呈常態(tài)分布。掌握性測驗如用于教學(xué)前的摸底，出現(xiàn)正偏態(tài)是正常的；如用于終結(jié)性評價，出現(xiàn)負偏態(tài)說明教學(xué)是有成效的，否則說明教學(xué)是失敗的。 2對教學(xué)活動的分析對教學(xué)活動而言，測驗結(jié)果的分析可以對教與學(xué)提供反饋信息，從而改進教學(xué)，促進學(xué)習(xí)。為實現(xiàn)這一目的，首先就要對測驗中發(fā)生的錯誤進行登記和分析。其次，對學(xué)生發(fā)生的錯誤進行分析，以說明教學(xué)中存在的問題。是基本概念不明確，還是基本技能不熟練？是教師闡述不

56、清楚，還是學(xué)生理解不透徹？如此等等。最后，應(yīng)針對教學(xué)中存在的問題提出改進措施，以促進學(xué)習(xí)。第四節(jié)教學(xué)成效的質(zhì)性評價根據(jù)教學(xué)評價中所使用的工具不同，教學(xué)評價可分為質(zhì)性評價和量化評價兩種。上文介紹的測驗法主要運用數(shù)學(xué)工具進行測評，屬于量化評價方法。質(zhì)性評價則更多地使用自然工具，強調(diào)在自然的教學(xué)情境中收集關(guān)于評價對象發(fā)展狀況的豐富資料，通過對資料的整理分析，用描述性、情感性語言對評價對象的進步作出評定。從現(xiàn)狀來看，質(zhì)性評價方法似乎是隨著我國新課程改革的興起而逐漸受到關(guān)注的。實際上，質(zhì)性評價方法存在于量化評價方法誕生之前，只是后來人們認為質(zhì)性方法不夠科學(xué)客觀，轉(zhuǎn)而研究和開發(fā)客觀精確的教學(xué)測量方法。然而

57、，當(dāng)教學(xué)測量發(fā)展到一定程度后，鑒于教育現(xiàn)象的綜合性和復(fù)雜性，人們又開始逐漸認識到量化評價的局限性，如過于簡單化，脫離真實的教學(xué)情境等。因此在我國的新課程改革中，質(zhì)性評價方法重新受到重視。綜合使用量化和質(zhì)性的方法，可以實現(xiàn)二者的優(yōu)勢互補，從而更能全面地反映教學(xué)活動的進展和學(xué)生的學(xué)習(xí)狀況。大致而言，質(zhì)性評價的基本形式有觀察法、檔案袋評價、評語法、訪談法等。在此，我們只介紹前兩種較為典型的形式。 一、觀察法 觀察法是指對被評價者在自然狀態(tài)下的特定行為表現(xiàn)進行觀察、考察和分析，從而獲得第一手事實材料的方法（金娣，2007）。觀察法適用范圍廣，操作靈活，在教學(xué)評價活動中有著廣泛的應(yīng)用

58、。用于教學(xué)評價的觀察，通?？砂凑詹煌姆诸悩藴蕜澐譃橐韵聨追N。 1按觀察的結(jié)構(gòu)化程度可分為有結(jié)構(gòu)觀察和無結(jié)構(gòu)觀察 有結(jié)構(gòu)觀察是指在觀察開始之前就已制訂好詳細的、結(jié)構(gòu)化的、可操作的觀察計劃和記錄表，觀察者在現(xiàn)場依據(jù)觀察計劃和記錄表收集數(shù)據(jù)，在觀察結(jié)束后對數(shù)據(jù)進行合并整理，使用定量分析的方法得到觀察對象各種特定行為發(fā)生的頻次或持續(xù)時間。有結(jié)構(gòu)觀察法需要觀察者事先設(shè)計好觀察行為的分類系統(tǒng)，并對每類行為給出明確的操作定義，而且要設(shè)計好觀察程序，適用于觀察者對評價場所較為了解的情境。 無結(jié)構(gòu)觀察是沒有事先預(yù)設(shè)觀察計劃而開展的非系統(tǒng)的、開放式的觀察。無結(jié)構(gòu)觀察要求觀察者敏銳把

59、握環(huán)境中的關(guān)鍵信息，對觀察者的經(jīng)驗和能力有較高的要求。這種觀察適用于探索新環(huán)境的情況或了解個案的初期。 2按觀察者角色不同可分為參與式觀察和非參與式觀察 參與式觀察是指教師作為教學(xué)的主體之一，深入到學(xué)生群體中，觀察學(xué)生的學(xué)習(xí)和生活中的行為，如學(xué)生做作業(yè)的習(xí)慣、學(xué)習(xí)方法、犯錯原因等。教師首先要確定觀察的目的和對象；然后選擇觀察項目，通常教師會使用一個觀察核查表以方便記錄；最后教師依據(jù)觀察所得結(jié)果給出建議性評價。參與式觀察簡便易行，適用范圍大，由于它具有一定的隱蔽性，所以能反映教學(xué)的真實情境。 在非參與式觀察中，觀察者作為旁觀者的身份進行觀察。與參與式觀察相比，非參與

60、式觀察更為客觀，周期更短，省時省力，但容易只了解到表面現(xiàn)象，獲得的信息缺乏深度。借助科技進步的力量，教學(xué)評價的方法在不斷地豐富。近年來興起的課堂錄像分析的方法就是非參與式觀察的一種，并克服了非參與式觀察缺乏深度的不足。錄像分析法就是借助錄像技術(shù)將課堂教學(xué)過程記錄下來，事后讓教師和學(xué)生通過觀看和分析課堂錄像來反思和評價自己的教學(xué)與學(xué)習(xí)過程。課堂錄像法為教師提供了更為原始、豐富的信息，有利于開展深入的分析，但其過程費時費力，且需要具備相應(yīng)條件，因此推廣度不如參與式觀察。此外，課堂中的教師和學(xué)生難免受到攝像機的影響，因此需要一個逐步適應(yīng)的過程。 3按觀察范圍可分為完全觀察和取樣觀察

61、0;完全觀察是指對與評價有關(guān)的活動進行全面的觀察。優(yōu)點在于資料完整翔實，缺點是耗時費力，適用于小樣本或個案評價。取樣觀察是指選擇有代表性的樣本進行觀察。按照樣本類型不同又可分為時間取樣觀察和事件取樣觀察。前者是以觀察對象的日常行為表現(xiàn)為總體，觀察者選擇若干相等的時間段為樣本進行觀察；后者是以觀察的行為事件本身作為取樣依據(jù)，只對某種特定的行為和活動進行觀察和記錄。 二、檔案袋評價 （一）檔案袋的起源 檔案袋（portfolio），也被譯做成長記錄袋、學(xué)習(xí)檔案等。這一概念最初來源于美術(shù)領(lǐng)域，畫家使用檔案袋收集他們有代表性的作品，以供自己反思和他人評價。后來人們將它運用于教育情境中由教師和學(xué)生一起有組織、有系統(tǒng)地收集學(xué)生的作品和參與活動的材料，匯總教師、家長、同伴的評價及學(xué)生自我反思的相關(guān)材料并進行分類歸檔，以展示學(xué)生的知識、技能和態(tài)度的成長過程，促進學(xué)生自主發(fā)展。 （