教育测量
教育测量是依据教育目标与课程标准,运用测验、量表、观察、档案等工具,对学生的学业成就、能力发展、学习品质以及教育活动效果进行数量化描述与价值判断的过程。它既是教育评价的技术基础,也是教育科学研究的重要方法。教育测量与心理测量共享信度、效度、难度、区分度、常模等概念体系,区别在于测量对象:心理测量关注相对稳定的心理特质,教育测量关注学习结果与教育影响,因而更强调内容效度与课程标准的一致性。
- 概念与边界
教育测量常与三个概念并置,需要区分。
- 测量与评价。** 测量回答“多少”,评价回答“如何、值不值”。测量提供分数,评价赋予意义。一场考试给出 85 分是测量,判断这个分数说明学生已达课程标准要求的“良好”水平,是评价。测量是评价的基础,但评价还包含目标设定、价值判断与改进建议。
- 测量与考试。** 考试是测量的常见形式,但测量不限于考试。课堂观察记录、作业分析、项目作品、实验操作、口语测试、成长档案,都是教育测量的载体。把教育测量等同于纸笔考试,是实践中最普遍的窄化。
- 测量与监测。** 监测是大规模、周期性的测量活动,通常以区域或国家为范围,目的是把握整体状况、发现系统性问题,不针对个体作高利害判断。中国的国家义务教育质量监测自2015年起实施,是教育测量在国家治理层面的制度化应用。
- 历史脉络
- 考试制度的早期形态。** 中国古代的科举制度以统一考试选拔官员,是世界上最早的大规模标准化考试实践之一,其糊名、誊录、分卷等防弊措施体现了对测量公平性的追求。西方文官考试制度在19世纪借鉴了这一经验。
- 客观化测量的兴起。** 1845年,美国教育改革的推动者曼恩主张在波士顿公立学校以统一笔试替代口试,理由是书面考试更公平、更可比。19世纪末20世纪初,桑代克把实证测量方法用于书写、拼写、算术等学业技能,提出“凡存在皆有数量”的命题,被视为现代教育测量之父。1923年,斯坦福成就测验问世,是第一套多学科标准化成就测验。1935年,林德奎斯特主持衣阿华全体学生测验计划,发展出成套成就测验与量表化技术,为后来的教育进展评估奠定基础。20世纪30年代光学标记阅读器的发明,使客观题的大规模阅卷成为可能。
- 目标分类与教育评价。** 1949年前后,布鲁姆等人提出教育目标分类学,把认知领域分为知识、领会、应用、分析、综合、评价六个层次,为命题设计提供了框架。1967年,斯克里文提出形成性评价与总结性评价的区分,把评价从“终端判定”扩展为“过程改进”。1980年代以后,增值评价、表现性评价、真实性评价等理念陆续进入实践。
- 核心测量学指标
- 信度。** 指测量结果的稳定性与一致性。教育测量中常用内部一致性信度与评分者信度,后者对主观题、作文、艺术类测评尤为重要。评分者信度低,往往不是评分者不认真,而是评分标准不够细化、评分者培训不足。
- 效度。** 教育测量最看重内容效度,即测验内容对课程标准与教学目标的覆盖程度。一份数学期末试卷若大量考查超纲内容,其内容效度就不合格。结构效度关注测验是否测得所声称的能力结构,例如“数学素养”测验是否真的考查了建模与推理,而不只是计算速度。
- 难度与区分度。** 难度以通过率或平均得分率表示,区分度以题目与总分的相关表示。难度分布影响到区分度:全部答对或全部答错的题目没有区分功能。标准化考试的难度分布通常设计为中等偏难,以便在不同能力水平上都能有效区分。
- 常模与标准。** 常模参照解释把个体与群体比较,标准参照解释把个体与预定标准比较。义务教育阶段的学业水平考试多为标准参照,中考、高考则兼具两种性质。两种解释的逻辑不同,混用会导致误判:一名学生在常模参照中排名靠后,未必未达课程标准。
- 测验的类型与编制
- 按功能分。** 有安置性测验(了解起点)、诊断性测验(定位困难)、形成性测验(过程反馈)、总结性测验(终结判定)。四类测验的命题逻辑不同:诊断性测验需要细颗粒度的知识点覆盖,形成性测验需要快速反馈,总结性测验需要综合代表性。
- 按解释方式分。** 有常模参照测验与标准参照测验。前者用于选拔与比较,后者用于达标判断。
- 按施测形式分。** 有纸笔测验、计算机化测验、操作测验、口试、表现性任务。2020年代以后,计算机化测试在部分地区的中考、英语听说考试中推广,自适应测试技术也开始进入探索阶段。
编制流程一般包括:依据课程标准确定内容范围与认知层次、编制双向细目表、命题、专家审题、预测与项目分析、修订组卷、设定评分标准与等第划分。双向细目表是保证内容效度的关键工具,它把知识点与认知层次交叉排列,使试卷的结构可见、可审。
- 素养导向的命题改革
2014年《国务院关于深化考试招生制度改革的实施意见》发布后,高考内容改革提出“必备知识、关键能力、学科素养、核心价值”的考查要求。2022年义务教育课程方案与课程标准颁布,各科增设“学业质量”部分,描述学生在完成阶段性学习后应达到的水平,并给出学业质量标准的等级描述。
素养导向命题的特征有三。一是情境化,用真实或仿真的问题情境替代孤立的知识点考查;二是综合性,要求调用多个知识点解决一个问题;三是开放性,允许不同路径的解答,评分标准从“采点给分”转向“分层评分”。这对命题技术与评分信度都提出了更高要求:情境越真实,越容易引入与目标构念无关的干扰;开放度越高,评分者一致性越难保证。
- 大规模测评与质量监测
- 国际测评。** 经济合作与发展组织自2000年起实施国际学生评估项目,测评15岁学生的阅读、数学、科学素养,采用矩阵抽样与项目反应理论,使不同国家、不同周期的成绩可以比较。中国部分省市自2009年起参加。国际测评的方法论影响深远:它把“素养”操作化为可测量的表现水平,也把教育质量从投入指标转向产出指标。
- 国家义务教育质量监测。** 2015年起,教育部基础教育质量监测中心按照国务院教育督导委员会办公室印发的方案,对四年级、八年级学生的语文、数学、科学、体育与健康、艺术、德育等学科领域开展监测。首轮监测(2015—2017年)覆盖31个省(区、市)及新疆生产建设兵团973个县,57.23万名四、八年级学生参加测试,1.93万名中小学校长、14.76万名教师参与问卷,全国学生总体的抽样误差在1.0%以内。监测不只测学业,还测学习兴趣、学习习惯、课业负担、师生关系、教师队伍、学校资源配备等过程性因素,形成“学生发展—教育过程—条件保障”的框架。
2023—2025年度的监测数据显示,80%左右学生的数学、语文、英语、科学等基本素养达到课程标准要求,55%左右达到优良水平;学生国家认同感、国家安全意识、中华优秀传统文化认同感持续提升;校际差异随集团化办学、城乡学校共同体建设而缩小。
- 考试管理与结果运用
教育测量的技术问题,往往在管理环节暴露。2021年8月,教育部办公厅印发《关于加强义务教育学校考试管理的通知》,针对考试次数偏多、难度较大、结果使用不当等问题作出规定:小学一二年级不进行纸笔考试,义务教育其他年级每学期组织一次期末考试,初中可适当安排一次期中考试;不得组织周考、月考、单元考,不得以学情调研等名义变相组织考试;命题不得超越课程标准和教学进度,增加综合性、开放性、应用型、探究性试题比例;期中期末考试实行等级评价,一般分4至5个等级,结果不排名、不公布,不得按考试结果调整分班、排座位、贴标签。
2025年12月,教育部印发《关于进一步加强中小学日常考试管理的通知》,把范围扩展到普通高中,提出7方面20条举措,明确日常考试指为检验阶段性学习效果、服务教学改进而面向年级全体学生组织的考试,不含学业水平考试与高考;要求严格控制考试次数,严禁向任何组织和个人购买试题试卷,强化核心素养立意,加强对学生增值表现、潜在能力、短板弱项的分析诊断。
这一系列规定的测量学意义在于:把考试的功能重新定位为诊断与改进,而非甄别与选拔。这一定位与形成性评价理论一致,但在执行中面临现实张力——家长需要排名来定位,学校需要分数来证明,升学仍以分数为主要依据。政策与技术之间的落差,是当前教育测量领域最突出的矛盾。
- 争议与反思
- 分数排名的伦理问题。** 排名能提供清晰的位置信息,也会固化标签、加剧焦虑。等级评价减少了细粒度比较,但也损失了信息量,部分教师反映等级制难以支撑精准教学。如何在信息量与保护性之间取得平衡,没有普适答案。
- 测量窄化。** 凡被测量的才被重视,未被测量的被忽略。当测评集中于可纸笔化的知识技能,合作能力、创造力、审美素养、劳动素养就容易被边缘化。表现性评价被视为解决方案,但其成本高、信度低、难以大规模实施。
- 高利害测试的副效应。** 应试训练、刷题、提前教学、择校热,都是高利害测试的伴生物。国际上对此有大量研究,结论趋于一致:测试本身不是问题,测试的后果被如何使用才是问题。
- 数据与隐私。** 大规模监测与日常测评积累了大量学生数据,数据的存储、共享、二次使用缺乏明确规范。学生画像、学习预警等技术在提升精准度的同时,也可能形成新的标签化机制。
- 参考资料
- [大幅压减考试次数 小学一二年级不进行纸笔考试](https://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202108/t20210831_556381.html),中华人民共和国教育部,2021年8月31日。
- [教育部办公厅关于加强义务教育学校考试管理的通知](https://www.gov.cn/zhengce/zhengceku/2021-08/30/content_5634178.htm),中国政府网。
- [教育部:一二年级不进行纸笔考试 普通高中严控考试次数](https://www.stdaily.com/web/gdxw/2025-12/17/content_448573.html),科技日报,2025年12月17日。
- [中国义务教育质量监测报告](https://www.moe.gov.cn/jyb_xwfb/moe_1946/fj_2018/201807/P020180724685827455405.pdf),中华人民共和国教育部。
- [辛涛:以数字化手段助力基础教育高质量发展](https://cicabeq.bnu.edu.cn/syxw/xwdt/a013aaab184749e38ec283810136c379.htm),中国基础教育质量监测协同创新中心。