跳转到内容

成就测验

来自VeritasWiki 真理百科

成就测验(achievement test)是测量个体经过系统学习或训练之后,在某一学科、技能领域所实际获得的知识与能力水平的标准化工具。它回答的问题是“学会了多少”,而不是“能学会多少”,因而与测量潜在学习能力的能力倾向测验、测量一般认知水平的智力测验在逻辑上分属不同层面。成就测验是教育测量的核心手段,也是连接课程、教学与评价的枢纽:课程规定应当教什么,教学决定实际教了什么,成就测验则试图查明学生究竟掌握了什么。正因为这种枢纽地位,它的编制质量、分数解释方式与使用后果,一直是教育测量学争论的焦点。

教育测量运动中的兴起

成就测验的成形与19世纪末20世纪之初的教育测量运动密不可分。在此之前,学校对学生的评定主要依靠教师的主观判断与口试,标准因人而异,跨校跨班几乎无法比较。赖斯(Joseph Mayer Rice)在19世纪90年代用统一的拼写测验调查大量学童,试图以客观数据揭示教学实际效果,被视为标准化成就测验的先声。桑代克(Edward Thorndike)在20世纪初系统提出“凡是存在的东西都以某种数量存在”的测量信念,并致力于把统计方法引入教育研究,为测验的量化奠定了方法论基础。

进入20世纪20年代,成套的标准化成就测验开始出现,覆盖阅读、算术、语言等科目,配有常模与统一的施测程序,可以同时对大批学生施测并作横向比较。这一转变的意义在于,学业评价从“教师对学生的印象”变成了“学生在代表性题目样本上的表现”,教育决策第一次拥有了可汇总、可比较的数据。此后的发展主要沿着两条线推进:一是测验编制的技术日益精细,题目分析、难度控制、信效度检验成为常规工序;二是测验的用途不断扩展,从诊断学习进展延伸到升学筛选、课程评估与教育问责。

与智力、能力倾向测验的分界

成就测验与智力测验的界线,在概念上清楚,在实践中却常常模糊。智力测验多以一般认知能力为对象,题目尽量脱离具体课程内容,测量的是推理、空间、言语理解等较为通用的机能;成就测验则直接取样于课程内容,测量的是特定领域的知识技能。问题在于,学校所教的内容本身高度依赖言语与推理能力,学业成就与智力分数往往高度相关,二者难以彻底分离。因此更准确的区分不在于题目形式,而在于解释框架:同样的分数,若用于估计一般认知潜能,就被当作智力指标;若用于判断课程目标的达成程度,就被当作成就指标。

成就测验与能力倾向测验的分界则在于时间指向。成就测验回顾过去,测量已经完成的学习结果;能力倾向测验指向未来,试图预测个体在新情境、新训练中可能达到的水平。二者的相关通常不低,因为过去的学习成效是未来学习潜能的重要证据,但它们的用途不同:前者用于判定教学是否有效,后者用于分流、选拔与职业指导。理解这一区分,可以避免把“这次没考好”直接等同于“能力不行”这类常见的推断错误。

标准化测验与教师自编测验

按编制主体与使用范围,成就测验可分为标准化成就测验与教师自编测验两大类。标准化测验由专业机构编制,题目经过预试与项目分析,配有代表性样本建立的常模、统一的指导语与记分规则,信度与效度有系统报告,适用于跨校跨区的大规模比较。教师自编测验则由任课教师依据本班教学进度自行命题,灵活贴近课堂,能及时反映具体教学单元的掌握情况,但往往缺乏严格的题目分析与常模支持,难度与区分度不易控制。

两类测验并非替代关系,而是分工关系。标准化测验擅长提供外部参照,回答“这个学生在更大群体中处于什么位置”;教师自编测验擅长提供内部诊断,回答“这一单元哪些知识点还没掌握”。在教育实践中,完全依赖标准化测验会导致教学围着考试转,完全依赖教师自编测验则缺乏可比性与外部效度。合理的做法是让两者互补,用标准化测验校准方向,用课堂测验调整教学细节。

常模参照与标准参照

成就测验的分数解释有两条基本路径。常模参照解释把个体成绩放到参照群体中定位,报告的是百分等级或标准分,回答“相对于同伴,他处在什么位置”。这种解释适合选拔与排序,但它的固有缺陷是:无论全体学生学得多好,总有一半人位于平均线以下,测验本身不告诉你学生究竟掌握了多少内容。标准参照解释则把成绩与预先设定的能力标准对照,报告的是“掌握了哪些目标、达到了什么水平”,与群体分布无关。

标准参照测量的系统化与格拉泽(Robert Glaser)在20世纪60年代的工作密切相关,此后在掌握学习、能力本位教育与课程标准评估中广泛应用。它的难点在于标准的设定:及格线画在哪里,依据是什么,如何保证不同次测验之间的标准等值。常模参照与标准参照之争,实质是“比较人”与“比较标准”两种评价哲学之争。当代大型教育评估往往同时报告两类信息,既给出群体位置,也给出目标达成度,试图兼顾选拔功能与诊断功能。

效度与高利害使用的争议

对成就测验而言,最重要的效度证据是内容效度,即测验题目在多大程度上代表了课程目标所规定的知识与技能范围。编制者通常借助双向细目表,把内容领域与认知层次两个维度交叉排列,确保题目覆盖均衡、比例合理,避免偏重记忆而忽略应用。与此相关的是教学敏感性:一份好的成就测验应当对教学质量作出反应,学生学了与没学,成绩应有可辨的差异;若测验题目与课程脱节,或过于依赖一般常识,就失去了评估教学的价值。

当成就测验被赋予高利害后果,例如决定升学、毕业或学校评级时,争议便集中爆发。最受诟病的是应试教学:教师压缩未被测验覆盖的内容,把课堂时间用于反复操练考题形式,学生分数上升而实际能力未必同步增长,这就是所谓的分数膨胀与构念偏移。测验还可能放大既有的教育不平等,因为高分组与低分组学校在备考资源上的差距,会转化为分数差距并被误读为教学质量差距。此外,单一测验分数决定重大教育机会,在测量误差客观存在的前提下,本身就存在公平性风险。这些批评并未否定成就测验的价值,而是要求在使用时配合多种证据、设置合理的分数区间,并对测验的意外后果保持警觉。

应用与评价

成就测验的应用遍及教育的各个层面。在课堂层面,它用于单元测验、期中期末考试与诊断性评估,帮助教师判断教学效果并调整进度;在学校与地区层面,它用于课程评估与教育质量监测,为资源配置提供依据;在国家与国际层面,大规模成就评估被用来比较不同教育体系的产出,并推动课程标准改革。在职业与成人教育中,成就测验还用于资格证书考试与技能鉴定,确认持证者是否达到从业所需的知识水平。

评价成就测验,关键在于分清它擅长什么、不擅长什么。它擅长在有限时间内对较大范围的学习结果作标准化抽样,把模糊的“学得好不好”转化为可比较的数据,这是任何现代教育体系都不可或缺的功能。它不擅长的,是测量那些难以纸笔化的学习成果,例如探究能力、合作素养与创造性表达;它也容易把复杂的教育目标压缩为可计分的碎片。因此,成就测验应被看作教育评价体系中的一个组件,而不是全部。只有当它与其他证据,包括课堂观察、作品档案与长期追踪,共同构成判断基础时,分数才不至于反过来支配教育的目的。[1][2][3][4]

参考资料

  1. ↑ Psychological testing,Encyclopaedia Britannica,2024年访问
  2. ↑ Intelligence and IQ Testing,Simply Psychology,2024年访问
  3. ↑ Validity in Psychology,Simply Psychology,2024年访问
  4. ↑ 中国心理学会官网,中国心理学会,2024年访问