跳转到内容

测验法

来自VeritasWiki 真理百科

测验法(test method)是运用标准化工具,在统一条件下诱发并测量个体的行为样本,从而对其心理特质或能力水平作出数量化描述的方法。这里的“标准化”包含三层含义:施测程序统一、计分规则统一、分数解释依据统一的参照系统。测验法与量表法在技术上相互交织,但测验更强调对个体差异的评定与分类,通常配有常模、信效度证据与使用规范,其结果是关于“某人处于何种水平”的判断,而不只是关于某个构念的测量值。它是心理测量学最直接的应用形态,也是教育、临床与人事领域最常被引用的心理学工具。[1]

起源与制度化

心理测验的兴起与个体差异研究密不可分。高尔顿在19世纪后期建立了人体测量实验室,试图用感觉辨别、反应时等简单指标刻画人的能力差异,虽然这些指标后来被证明与学业成就关联甚弱,但他提出的“用客观测量刻画个体差异”的思路影响深远。卡特尔把这些零散的测量整理成一套测验程序,并在19世纪末把它介绍到美国,“心理测验”一词由此逐渐通行。

真正的转折来自教育实践的需要。20世纪初,比奈与西蒙受法国教育部门委托,编制了一套用于识别需要特殊教育的儿童的量表,它不再测量简单的感觉运动指标,而是直接取样判断、理解与推理等复杂心理功能,并按年龄分组排列题目,用“心理年龄”表示儿童的作业水平。这套量表后来被引入多国并反复修订,成为智力测验的范本。第一次世界大战期间,美国为快速筛选大量新兵,编制了团体施测的陆军测验,使测验从个别施测走向大规模应用,也暴露了文化背景与教育经历对分数的强烈影响。

此后,韦克斯勒把智力测验改造为分测验结构,分别评估言语理解、知觉推理、工作记忆与加工速度等成分,并采用离差智商代替比率智商,使同年龄个体的分数可以直接比较。与此同时,人格测验沿着另一条路径发展:自陈式问卷以题目内容推断特质,投射测验则以模糊刺激引发联想,试图绕过被试的自我防御。[2]

主要类别

按测量对象,测验可分为能力测验、成就测验与人格测验。能力测验又分为一般智力测验与特殊能力倾向测验,前者估计整体认知水平,后者预测在特定领域的学习或作业潜力;成就测验测量已掌握的知识与技能,与教育评价关系最密切;人格测验测量稳定的行为倾向与情绪特征,常用的有自陈量表与投射测验两类,前者依赖被试的自我报告,后者依赖其对模糊材料的解释。

按施测方式,有个别测验与团体测验。个别测验一次只测一人,主试可以观察作答过程、记录反应质量,适合临床诊断,但耗时且高度依赖主试训练;团体测验可同时施测多人,效率高、评分客观,适合筛查与大规模研究,却难以获取过程信息,也更容易受作答动机与猜测的影响。按时间限制,有速度测验与难度测验,前者题目简单但量大,测量的是加工速度,后者时间充裕而题目由易到难,测量的是能力上限。按解释方式,有常模参照测验与标准参照测验,前者把分数与同龄群体比较,后者把分数与既定的能力标准比较。[3]

标准化与技术要求

一个测验要成为“测验”,必须满足若干技术条件。标准化首先指施测与计分的一致性:指导语、时限、材料呈现方式、记分规则都要明确规定,任何变动都可能改变分数含义。其次是常模,即一个有代表性的参照群体在该测验上的分数分布,个体的原始分通过转换成为标准分、百分等级或离差智商,才具有解释意义。常模必须与使用者所处的人群相匹配,用几十年前的常模解释今天的分数,会系统性高估或低估水平。

信度与效度是测验质量的两根支柱。信度关注分数的一致性,常用重测信度、复本信度、内部一致性与评分者信度来估计;效度关注分数是否测到了所要测的东西,包括内容效度、效标关联效度与结构效度。效度不是测验的固有属性,而是“分数用于某一目的时的恰当性”,同一测验用于选拔与用于诊断,所需的效度证据并不相同。此外,项目分析用于检查题目的难度与区分度,题目过难或过易都会压缩分数变异,降低区分能力。

测验技术的新进展改变了标准化的实现方式。项目反应理论不再把分数看作题目得分的简单相加,而是为每道题估计难度、区分度与猜测参数,把个体的作答模式映射到潜在特质连续体上,并给出每一能力水平上的测量误差。基于这一模型发展出的计算机自适应测验,会根据被试前一题的作答选择下一题,使题目难度逼近其当前水平,从而在较少的题目内达到与传统长测验相当的精度。这一思路在大型能力测验与教育测评中已被采用,但它对题目参数估计的样本量要求较高,题库建设与等值维护的成本也不低。

使用中的偏差与伦理

测验分数容易被误认为是对个体固有素质的直接读数,这是使用中最危险的误解。分数受练习效应、测验焦虑、疲劳、动机与主试关系的影响;接受过类似题目训练的个体可能获得不相称的提高,即测验练习效应;跨文化使用时,题目内容可能默认了某种生活经验,造成文化偏差,使分数差异反映的是经验差异而非能力差异。对少数群体的系统性低估,曾使测验在公共政策中引发长期争论,也推动了“测验公平性”研究的兴起。

伦理规范因此成为测验使用的一部分。施测者应具备相应资格,使用前说明目的与分数的局限,对结果保密,避免把单一分数作为重大决定的唯一依据;测验材料需要控制流通,防止题目泄露;对受测者而言,有权知道结果并获得解释。把测验用于人事选拔、临床诊断或教育安置时,还应结合其他证据,避免标签化对个体造成长期影响。[4]

应用与评价

测验法在心理学中的应用几乎覆盖所有分支。在教育中,成就测验与能力测验用于评估学习结果、识别学习困难;在临床中,神经心理测验用于定位认知缺陷,人格测验辅助诊断与治疗计划;在组织中,能力与人格测验被用于人员选拔与岗位匹配,其预测效度在多项元分析中受到检验;在研究中,测验提供了可比较的个体差异指标,使纵向追踪与跨群体比较成为可能。我国在测验的引进、修订与常模更新方面也建立了相应的工作规范,强调使用适合本土人群的版本。

评价测验法,需要同时看到它的力量与边界。它把模糊的“能力高低”“性格如何”转换为可比较的数值,使心理学的判断有了公共可检验的形式;但它测量的始终是行为样本,样本的选取、情境的设置与分数的解释都渗透着理论假设。真正专业的测验使用,不是套用分数,而是理解分数从何而来、在什么条件下有效、又在何处失效。[5]

参考资料

  1. ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
  2. ↑ Intelligence and IQ,Simply Psychology,2024年访问
  3. ↑ 中国心理学会,中国心理学会,2024年访问
  4. ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
  5. ↑ Reliability,Simply Psychology,2024年访问