《國際中文教育概論》課件 第十章 中文測試與評價

1第十章

中文測試與評價2

測試與教學大綱、教材編寫及課堂教學并稱語言教學四大要素。語言測試可以用來對受試的語言能力作出判斷，同時也可以用來檢驗和評估語言教學的效果。3第一節(jié)

測試與評價的設(shè)計一、測試與評價的基本概念與理論（一）基本概念教學中經(jīng)常會遇到“測試”“考試”“測驗”“測量”“評價”“評估”等術(shù)語，這些術(shù)語之間既相互關(guān)聯(lián)又存在不同程度的差異。測試指的是在教育過程中，測量學生某一個領(lǐng)域的能力或知識的系統(tǒng)程序或方法?？荚嚺c測試是同義詞，但更多時候是指與教學大綱相聯(lián)系的評價。

4測試和測驗也是同義詞。測驗的種類主要分為四大類：智力測驗、教育測驗、心理測驗、職業(yè)測驗。在心理學領(lǐng)域的測量專指心理測量。斯克瑞文：評價的核心是價值判斷。根據(jù)教學評價的不同目的，評價分為形成性評價和總結(jié)性評價。形成性評價是在教學活動過程中進行的評價，對提高教育活動質(zhì)量有重要作用；總結(jié)性評價是在教學活動結(jié)束后對其結(jié)果進行的評價，主要目的是問責。5布魯姆：將形成性評價定義為在教學過程中為了獲得有關(guān)教學的反饋信息，改進教學，使學生對所學知識達到其所需掌握的程度而進行的系統(tǒng)性評價，是教學控制的關(guān)鍵一環(huán)。

安置性評價：發(fā)生在教學開始前，是教師根據(jù)教學大綱，對學生已學知識和技能的掌握程度進行的評價，不僅包括對舊知識與技能的掌握程度，也包括對即將開展的新的教學知識的掌握程度。診斷性評價：在學生學習的形成性階段就對學生的學習進行必要的檢測，診斷學習中存在的問題，通過必要的矯正來實現(xiàn)掌握。6（二）理論基礎(chǔ)

語言測試從語言學、語言教學法和學習論取得科學內(nèi)容，從心理與教育測量學獲得科學手段，成了一門跨學科的綜合性科學。

語言測試經(jīng)歷了三個發(fā)展階段：傳統(tǒng)或科學前階段，現(xiàn)代或心理測量結(jié)構(gòu)主義階段,以及后現(xiàn)代或心理語言學社會語言學階段。7二、語言測試的整體設(shè)計（一）確定測試的目的/功能；（2）確定測試目標；（3）確定測試形式與題型。8二、語言測試的整體設(shè)計（一）確定測試的目的/功能；1.安置性測試、診斷性測試和選拔性測試安置性測試（PlacementTest）。用于評估學生的語言能力水平，以便將學生安排到合適的課程或班級中。診斷性測試（DiagnosticTest）的目的在于確定學生在特定方面是否需要更多的幫助。選拔性測試（SelectiveTest）的目的在于通過測試，按一定的條件進行選拔。92.形成性測試和總結(jié)性測試。依據(jù)測試實施階段的不同，可將測試分為形成性測試、總結(jié)性測試。形成性測試（FormativeTest）是在正在開展的語言課程的不同階段設(shè)置的考試，用來測試學生們學到了什么，通過及時揭示問題，及時反饋以促進教學。總結(jié)性測試（SummativeTest）更傾向于在課程結(jié)束的時候設(shè)置，是對學生一定時期的較全面的學習狀況所進行的價值判斷，旨在對教育活動作出總結(jié)性的結(jié)論，甄別優(yōu)劣，鑒定分等，為各級決策人員提供參考依據(jù)。103.成績測試、能力測試和表現(xiàn)性測試。

成績測試（AchievementTest）的目的，是在不同的學習階段，檢查學生對所學內(nèi)容的掌握程度，看是否達到了教學大綱預定的目標。

能力測試（ProficiencyTest）與成績測試不同，并不考慮考生的具體學習內(nèi)容，是為了測試不同教育背景下學生的能力而設(shè)計的。

表現(xiàn)性測試（PerformanceTest）既有別于能力測試，也有別于成績測試。表現(xiàn)性測試同樣不考慮考生的具體學習內(nèi)容，在這一點上與能力測試是相同的。11（二）確定測試目標

語言測試整體設(shè)計的第二個步驟，是要依據(jù)課程目標或教學目標確定測試目標。

評價的目的是檢驗課程目標或教學目標的實現(xiàn)程度，因此應(yīng)根據(jù)教學目標的性質(zhì)選擇適當?shù)脑u價方法。12（三）確定測試形式與題型

在確定測試目標之后，需要確定測試形式，如是檔案袋測試還是面試，是直接測試還是間接測試，是客觀測試還是主觀測試，等等。從題型的角度可將測試分為客觀性測試和主觀性測試?？陀^性測試題指考生得分客觀、評分不受評卷人主觀因素（如英語水平、情感、疲勞等）影響的試題。常見的題型有多項選擇題、完形填空題、正誤判斷題、配對題等。主觀性測試題的評分需要評分員的主觀參與，要依據(jù)評分標準給出分數(shù)，考生得分會受評卷人主觀因素影響或控制，如寫作題。13考試大綱至少需要包括以下方面：（1）考查目標，亦稱考查能力層次。它反映了該門課程對學生知識和能力的要求。（2）考查內(nèi)容，反映了課程的基本綱要或內(nèi)容體系。如果測試內(nèi)容的覆蓋面過窄或過寬，測試結(jié)果就難以真正反映學生的學習發(fā)展水平；而測試內(nèi)容的覆蓋面具有代表性，是保證測試效度以及對測試結(jié)果進行解釋的重要前提條件。（3）考查目標與考查內(nèi)容的比例，亦稱權(quán)重。它反映了考查目標和考查內(nèi)容各項目之間的相對重要性。可以結(jié)合學生完成測試所需時間、題目難度等因素綜合考慮，確定測試內(nèi)容和試題分布。14三、測試試題的設(shè)計與編寫

為了編好試題，可以這樣做：（1）把握試題編寫原則及編寫時需要考慮的各個細節(jié)，避免出現(xiàn)編寫時的一些常見問題。（2）了解考試對象，如考生使用的課本和所學習的內(nèi)容、考生考試心理、答題行為等。（3）積累命題素材。一方面是積累考試時使用的語言材料，為題目設(shè)計做準備；另一方面則是累積考生之前的語言錯誤及相關(guān)研究等，為選項設(shè)計做準備。（4）完成試題編寫后，應(yīng)認真進行審查修改。15（一）題干的編寫第一，題干簡單、準確、明了地陳述問題。編寫題目時，措辭需反復推敲。第二，題干一般只使用特指問句，不用是非疑問句、正反問句和選擇疑問句。第三，題干設(shè)計關(guān)注與語言材料有關(guān)的核心問題。題目要有效地，反映計劃考查的目標。第四，盡量不使用反向提問，尤其不要使用雙重否定。第五，題目與題目之間應(yīng)有相對的獨立性，避免相互依賴、相互包含或相互暗示。16（二）選項的編寫1.選項的編寫原則如果是設(shè)計單項選擇題，首先要保證在多個選項中只有一個正確答案或最佳答案。其次，選項中應(yīng)避免使用諸如“以上皆對”“以上皆錯”之類的詞以減少猜測概率。再次，正確答案與其他選項應(yīng)大致相同。最后，選項應(yīng)盡量避免使用與語言材料一樣的措辭。2.干擾項的編寫首先，教師根據(jù)自己的教學經(jīng)驗判斷學生可能會犯的錯誤。其次，所有的干擾項都應(yīng)顯得合情合理，具有吸引力。再次，每個干擾項都應(yīng)該似是而非，具有一定的迷惑性。最后，為了使干擾項發(fā)揮作用，保證難度，應(yīng)最大限度地避免題目內(nèi)部的相互暗示。17編寫選項要注意避開以下暗示：（1）語法暗示。如果題干是不完整的，那么每一選項填入題干都應(yīng)語法正確（考查語法的題目除外）。（2）選項間的不一致。各選項的難度、詞性、語體、感情色彩等如果截然不同，或其中一個與其他的不同，便會給考生造成暗示，使得測試效度降低。（3）答案位置。如果正確答案總是出現(xiàn)在某個位置，考生找到規(guī)律后也可能對不把握的題目進行猜測，固定選某個選項，從而降低了測試的效度。18第二節(jié)

測試與評價的質(zhì)量分析

測試與評價的質(zhì)量分析無論測試還是評價，都是對一組行為進行衡量，這組行為是表征目標能力的全部行為的一個抽樣。測試或評價的目的是提供一種客觀、準確、科學的測試工具，搜集有關(guān)教學的信息，為提高教學質(zhì)量服務(wù)。一、測試與評價的質(zhì)量分析

測試與評價的質(zhì)量分析是借助數(shù)據(jù)統(tǒng)計方法，運用定量分析指標，如成績分數(shù)分布、平均分、信度、效度、難度以及區(qū)分度等指標，來判斷考試作為測量工具的檢測質(zhì)量如何。質(zhì)量分析也離不開價值判斷。19（一）基本分析

1.集中程度分析（1）平均數(shù)。所有數(shù)據(jù)xi的總和除以總個（次）數(shù)所得之商，簡稱平均數(shù)（Mean）或均數(shù)。（2）中數(shù)。將一組數(shù)據(jù)按大小順序排列后，處在數(shù)列中點位置的數(shù)值，即為中數(shù)（Median）。（3）眾數(shù)。眾數(shù)（Mode）是在一組數(shù)據(jù)中出現(xiàn)次數(shù)最多的數(shù)值。202.分散程度分析（1）全距。全距（Range）又稱兩極差，用符號R表示。它是說明數(shù)據(jù)離散程度的最簡單統(tǒng)計量。

(2)方差和標準差。方差也稱變異數(shù)、均方，它是每個數(shù)據(jù)與該組數(shù)據(jù)平均數(shù)之差乘方后的均值。方差也是表示數(shù)據(jù)離散程度的特征數(shù)。21（二）信度與效度分析大規(guī)模測試一般會報告本次測試的信度（Reliability）和效度（Validity）。信度又稱可靠性，指的是測量結(jié)果的一致性和穩(wěn)定性程度。效度是指測量結(jié)果的有效性程度，也就是所測得的結(jié)果與測量目標的符合程度。經(jīng)典測量理論的幾個相關(guān)概念1.真分數(shù)經(jīng)典測量理論的基礎(chǔ)是真分數(shù)理論，經(jīng)典的信度理論是由真分數(shù)理論導出的。2．兩類誤差誤差是指在測量過程中由那些與測量目的無關(guān)的因素所產(chǎn)生的一種不準確的測量效應(yīng)。223．CTT的三個假設(shè)假設(shè)一，真分數(shù)不變。考生具有恒定的心理特質(zhì)，取值是常數(shù)。假設(shè)二，誤差完全隨機。這里包含兩層意思：一是重復測量無限多次，誤差的期望值為0；二是誤差與真分數(shù)之間、誤差與誤差之間、誤差與其他變量之間相互獨立。假設(shè)三，觀察分數(shù)等于真分數(shù)與誤差分數(shù)之和。X=T+E公式9以這一公式為基礎(chǔ)，可以做出一個意義重大而用途廣泛的推論，即觀察分數(shù)的方差等于真分數(shù)方差與誤差分數(shù)方差的和。4．平行測驗平行測驗是指能以相同的程度測量同一種心理特質(zhì)的兩個或多個測驗。235．信度的不同定義在平行測驗中，所有誤差分數(shù)的方差相等，所有考生的誤差分數(shù)的方差相等。6．信度指數(shù)和信度系數(shù)信度指數(shù)，指觀察分數(shù)與真分數(shù)的相關(guān)，其值等于真分數(shù)標準差與觀察分數(shù)標準差的比值。信度系數(shù)，指兩個平行測驗間觀察分數(shù)的相關(guān)，其值等于真分數(shù)方差與觀察分數(shù)方差的比值。7．測量的標準誤248.常用的相關(guān)關(guān)系有積差相關(guān)、等級相關(guān)、質(zhì)與量相關(guān)。（1）積差相關(guān)。積差相關(guān)也稱皮爾遜相關(guān)，是求直線相關(guān)的基本方法，適用于兩列數(shù)據(jù)都是測量的數(shù)據(jù)，而且兩列變量各自總體的分布都是正態(tài)的情況，即正態(tài)雙變量。25（2）等級相關(guān)。①斯皮爾曼等級相關(guān)。斯皮爾曼等級相關(guān)適用于只有兩列變量，而且是屬于等級變量性質(zhì)，具有線性關(guān)系的數(shù)據(jù)。②肯德爾等級相關(guān)?？系聽柕燃壪嚓P(guān)中多計算肯德爾W系數(shù)，又稱和諧系數(shù)（theKendallCoefficientofConcordance），是表示多列等級變量相關(guān)程度的一種數(shù)據(jù)。26

（3）質(zhì)與量相關(guān)。若一列變量是等比或等距的測量數(shù)據(jù)，另一列變量是按性質(zhì)劃分的類別，那么這樣兩列變量的直線相關(guān)，稱為質(zhì)與量相關(guān)，包括①點二列相關(guān)②二列相關(guān)③多系列相關(guān)27（三）試題質(zhì)量分析對試題的定量分析，主要是測量每一道題的難度和區(qū)分度，隨后計算題目平均難度和平均區(qū)分度作為試卷的難度與區(qū)分度質(zhì)量評價的參考。28二、測試分數(shù)的報告

在大規(guī)模標準化測試中，依據(jù)分數(shù)解釋的不同，可將測試分為標準參照測試和常模參照測試。標準參照測試是在一定的行為領(lǐng)域中按照具體的行為標準水平對被試的測試結(jié)果做出直接解釋的測試。測試結(jié)束后，一般以書面測試報告的形式向?qū)W生、家長及測試使用者告知測試結(jié)果。描述性報告是一種典型的質(zhì)性反饋形式，是指對學生在評價中的表現(xiàn)以書面報告形式進行描述，一般由教師完成。描述性報告有時也顯得有些過分注意細節(jié)，難以形成一個整體的反饋。29第三節(jié)

中文水平考試與

“教”“學”“考”一體化

考試、教學和考試結(jié)果的使用，三者構(gòu)成一個系統(tǒng)，要發(fā)揮系統(tǒng)的作用，三者必須協(xié)調(diào)?？荚?、教學和考試結(jié)果的使用又是完全不同的過程，應(yīng)當區(qū)分開來，各司其職、各盡其責。一、中文水平考試

中文水平考試是為測試母語非漢語者的漢語水平而設(shè)立的國家級標準化考試。30HSK總體能力描述如下：通過HSK（一級）的考生能理解并使用一些非常簡單的中文詞語和句子，具備進一步學習中文的能力。通過HSK（二級）的考生能用中文就生活中一些常見的話題進行簡單而直接的交流。通過HSK（三級）的考生能用中文完成生活、學習、工作等方面的基本交際任務(wù)。通過HSK（四級）的考生能用中文就比較復雜的話題進行交流，表達較為規(guī)范、得體。通過HSK（五級）的考生能用中文就比較抽象或?qū)I(yè)的話題進行討論、評價和發(fā)表看法，能較輕松地應(yīng)對各種交際任務(wù)。通過HSK（六級）的考生能用中文自如地進行各種社會交際活動，中文應(yīng)用水平接近中文為母語者。31HSKK總體能力描述如下：通過HSKK（初級）的考生可以聽懂并用中文口頭表達較為熟悉的日常話題，滿足基本交際需求。通過HSKK（中級）的考生可以聽懂并用中文較為流利地與中文為母語者進行交流。通過HSKK（高級）的考生可以聽懂并用中文流利地表達自己的見解。32HSK七至九級能力描述如下：HSK七至九級全面考查《標準》規(guī)定的中文言語交際能力、話題任務(wù)內(nèi)容，衡量聽、說、讀、寫、譯五種語言技能。通過HSK（七級）的考生具備良好的聽、說、讀、寫能力和初步的專業(yè)翻譯能力。能夠就較為廣泛和較高層次的話題進行基本規(guī)范、流利、得體的社會交際。通過HSK（八級）的考生具備良好的聽、說、讀、寫能力和基本的專業(yè)翻譯能力。能夠就各類高層次或?qū)I(yè)話題進行較為規(guī)范、流利、得體的社會交際。通過HSK（九級）的考生具備良好的聽、說、讀、寫能力和專業(yè)翻譯能力。能夠綜合運用各種技能，在各種情境下，就各類話題進行規(guī)范、流利、得體的社會交際。33二、中文水平考試的反撥效應(yīng)

與小規(guī)模的校內(nèi)測試不同，大規(guī)模測試往往是高風險測試、高利害測試。反撥效應(yīng)是考試后效的一種。語言測試對語言學習、語言教學的影響被稱為語言測試的反撥效應(yīng)。從影響對象看，包括考試的使用、考試對考生與教育者的影響、決策者對考試結(jié)果的解釋、任何可能產(chǎn)生的考試誤用和濫用以及預期以外的影響。34HSK面向成人中文學習者，其成績可以滿足多元需求，除了可以為中文學習者了解、提高自己的中文應(yīng)用能力提供參考依據(jù)以外，還可以發(fā)揮以下作用：（1）為院校招生、分班授課、課程免修、學分授予提供參考依據(jù)。（2）為用人機構(gòu)錄用、培訓、晉升工作人員提供參考依據(jù)。（3）為相關(guān)中文教學單位、培訓機構(gòu)評價教學或培訓成效提供參考依據(jù)。35正面反撥效應(yīng)主要體現(xiàn)在三個方面：第一，HSK基本能反映學生的中文水平，有助于學生發(fā)現(xiàn)自己目前的不足，從而調(diào)整學習方法和策略。第二，HSK能夠幫助學生提高中文交際水平。第三，HSK增加了學生學習中文的熱情，為后續(xù)的中文學習提供持續(xù)的動力。36負面反撥效應(yīng)表現(xiàn)為阻礙學生的學習，不利于持續(xù)性、發(fā)展性學習。主要表現(xiàn)在兩個方面：第一，對于高級別的HSK考試，如HSK（五級）（六級），學生往往需要花費過多的精力備考，同時由于一般的課程教學與備考無關(guān)，因而準備HSK考試會在一定程度上影響課堂學習效率，學生會由此產(chǎn)生焦慮和壓力。第二，學生過分注重應(yīng)試技巧，違背了語言學習的規(guī)律。從長遠角度看，學生的應(yīng)試技巧學習行為會阻礙中文學習的進展，尤其是當課程學習與HSK考試無關(guān)時。37三、“教”“學”“考”一體化

要想實現(xiàn)中文水平考試與“教”“學”“考”一體化，教師、學生以及測試設(shè)計者應(yīng)共同努力。

就教師來說，首先應(yīng)全方位了解各等級的考試大綱及其相對應(yīng)的能力要求，明確測試目標。其次，適當拓展教學內(nèi)容，采取多樣的教學方法。最后，在組織測試反饋的過程中，教師要把握好知識特點，堅持“新知識及時測試，舊知識定期測試，易錯知識反復測試”的原則，尊重記憶和遺忘規(guī)律，促使學生及時掌握知識。

38

就學習者來說，首先應(yīng)對HSK有正確的