测量公平
测量公平指测量工具及其分数使用方式对被测者群体的公正性——测验的内容、施测、解释与决策应用不给任何群体带来测量层面或后果层面的系统性不利。公平在当代效度框架中不再被当作效度之外的外部要求,而是效度论证的组成部分:分数使用的社会后果(公平性)与分数的测量质量(效度)共同决定测验的正当性。本词条以测量专业标准中的公平框架为主线,梳理公平的三个层次、保障机制与高利害测评中的公平治理。
源流
测量公平的制度化源于测验使用的社会争议。20世纪,标准化测验在招生、人事与资格认证中的决定性作用使"测验对特定群体是否不利"成为法律与公共议题;围绕测验偏差的争论推动了测量专业界把公平写进专业标准——教育与心理测验标准的现行版本把效度、公平、信度与施测并列为其四大支柱,公平部分明确要求:测验编制与选用时应审查对各类群体的公平性,分数解释与使用应避免系统的群体不利,考生有权获得对其合理的施测条件。公平研究本身则在方法与概念两端发展:方法端以项目功能差异分析、测量不变性检验与预测偏差分析为技术工具(分别见项目功能差异、心理测量不变性、测量偏差);概念端则把公平区分为多个层次,纠正"公平只等于统计无差异"的简化倾向。[1]
公平的三个层次
测量公平的分析框架通常区分三个层次。第一层,测量公平(测量内的公平):测验对各组被"同样地测"——构念结构、条目功能、分数含义在群体间一致;其技术保障是不变性检验与功能差异分析,这是公平的计量基础。第二层,机会公平(进入与施测的公平):各群体获得测验机会与施测条件的平等——报名门槛、施测语言、时间安排、特殊需求考生的合理便利(延长时限、替代格式);其保障是施测标准化与便利化制度。第三层,后果公平(使用决策的公平):分数在决策中的使用不给群体带来不成比例的不利——预测效度的跨组比较(同一分数对两组的效标预测是否同样准确)、分数线设定的群体影响分析、决策的申诉与复核机制;其保障是效度证据的分组报告与使用政策的审查。三层的关系是递进的:测量公平是基础(测量都不可比,谈不上公平使用),机会公平是条件(无法公平参测,测量再准也无意义),后果公平是落脚点(公平最终体现在决策后果上)。实践中常见的偏移是:只用第一层的技术报告宣称公平,回避第二三层的社会审查。
公平的保障机制
测量公平的保障机制贯穿测验全生命周期。编制期:多元审查——命题团队的构成多样性、条目的情境与词汇审查(避免单一群体的生活经验作为默认背景)、预试样本的群体覆盖;功能差异筛查进入题目质量管理流程。标定期:不变性检验与功能差异分析作为量表与测验发布的计量门槛,检出条目按影响量决策处理(见差异项目功能)。施测期:标准化程序、语言条件与合理便利制度——残障考生、语言少数群体获得等效施测条件;施测环境的刻板印象威胁审查(提示语的去威胁化)属于情境公平的技术细节。使用期:效度证据的分组报告(预测斜率与截距的跨组比较)、决策影响的监测(通过率、录取率的群体分布及其解释)、分数使用边界声明(该测验适用于哪些群体、跨群体比较需何种前提)。监督期:独立审查与申诉机制——高利害测验的公平争议应有技术复核渠道,考生的质疑权利与机构的信息公开相互配套。机制的总体逻辑是:公平不是一次性审查结论,而是持续运营的质量属性。
高利害测评中的公平治理
公平议题在高利害测评(决定升学、就业、资格的测验)中最为尖锐,其治理特点是技术与制度的结合。技术端:题库运营中的功能差异常规筛查、跨年度分数衔接的等值体系(见测量等值)、跨群体比较的不变性前提,构成公平的计量底盘。制度端:命题的双盲审查(审题人不了解题目来源)、公平性审查委员会的独立运作、成绩复核与争议处理程序、社会监督下的信息披露(抽样题目的公平性报告)。国际比较端:跨国测评把公平治理延伸到语言版本与文化资源层面——各语言版本的等值与不变性审查决定比较结论的合法性,其公平性争议(题目文化资源偏向)已在跨国研究中成为公开议题。考试安全的公平维度:题目泄漏对备考资源可得性不同的群体造成不对称影响,安全管理制度同样是公平制度的一部分。治理的共识是:公平争议的处理需要"技术证据+程序正义"双轨——只讲统计不建程序,公平声明缺乏公信力;只建程序不查技术,申诉无据可依。
与相邻概念的关系
测量公平在概念网络中的位置:与测量偏差(见测量偏差)——偏差是公平问题的主要技术来源,公平框架把偏差检测(条目、预测、情境、反应各型)纳入保障机制,但公平还包括偏差之外的维度(机会与程序)。与项目功能差异(见项目功能差异)——条目层面的公平技术工具;功能差异是公平审查的必要线索而非充分判决。与测量等值与不变性(见测量等值、心理测量不变性)——群体比较合法性的计量前提,是公平的第一层技术基础。与效度的关系——当代框架把公平后果纳入效度论证(分数使用的价值主张),但公平仍保留独立视角:测量准确而使用不公的情形真实存在,两个概念互补而非互替。与心理测量学的伦理规范——公平是测量职业伦理的核心条款,从业者对公平的技术与程序义务具有职业规范性质。
中国语境
中国语境中的测量公平议题围绕三个热点展开。其一,高利害考试的公平治理:高考等升学考试的命题公平审查(题目情境的城乡与区域中立性)、随迁子女与异地报考的机会公平、特殊考生便利制度的发展,构成公平治理的主要制度内容;教育公平的社会关注使考试公平成为公众高度敏感的议题,测评机构的技术透明度建设(命题规范的公开、审题程序的说明)是信任维护的关键。其二,心理测评进入选拔场景的公平审查:人才测评、心理筛查在招聘与入学中的应用扩大,其量表的群体适配(跨文化修订质量、常模的群体代表性)与使用规范(分数如何影响决策)尚待更严格的公平标准;国内专业组织正在推动心理测评的执业规范。其三,特殊群体的测量公平:残障考生(视障、听障)的替代格式测验、少数民族语言地区的双语测评、低龄儿童的施测适配,其计量等值(替代格式与常规格式分数的等值)与机会保障是正在建设的技术领域。挑战有三:其一,技术能力分布不均——公平审查的计量程序集中在大机构,地方测评的质量参差;其二,历史结论的计量前提问题——存量研究中未做等值与功能差异审查的群体比较较多,引用需谨慎;其三,公平话语的社会沟通——"统计无差异"与"社会感知公平"之间的落差需要用通俗方式解释,测评机构与公众的沟通能力是公平治理的软性环节。
争议
测量公平的争议有四。其一,公平的标准之争:公平应定义为"各组测量无差异"(统计公平)还是"决策后果上无不利"(结果公平)——两种标准可能冲突(测量无差异但机会不等,或反之),测验标准采取的是程序加证据的复合立场,但概念争论未息。[2]其二,功能差异判决的边界:统计检出与实质不公之间隔着来源分析与价值判断——学习机会差异造成的功能差异算不算测验的不公平,取决于"测验应测什么"的理论立场,这一解释争议没有技术解。其三,调整政策的争议:为公平而调整分数或题目的做法(加分、替代指标、弹性标准)在测量学内部存在方法论分歧——支持者认为矫正结构不利是公平的应有之义,反对者担心损害分数的可比性与预测效度;该争议本质是社会政策议题而非纯测量议题。其四,透明度与安全的张力:公平治理要求信息披露(题目、方法、误差),考试安全要求保密——两要求的平衡在高利害测评中是持续的运营难题。总体而言,测量公平是一个技术与社会双属性的概念:技术部分(不变性、功能差异、等值)可以标准化,社会部分(标准选择、政策调整)必须公开讨论——把技术结论冒充社会判断,或把社会争议压缩为技术问题,都是公平治理的失格形态。
参见
参考资料
- ↑ Revisiting Differential Item Functioning: Implications for Fairness Investigation,Huang等,International Journal of Education,2012年。
- ↑ Revisiting Differential Item Functioning: Implications for Fairness Investigation,Huang等,International Journal of Education,2012年。