教育测评技术的发展及创新应用

张敏强/华南师范大学心理学院教授、中国教育学会统计与测量分会理事长

凡细珍 /华南师范大学心理学院博士生

教育测评技术的发展及创新应用

张敏强/华南师范大学心理学院教授、中国教育学会统计与测量分会理事长

凡细珍 /华南师范大学心理学院博士生

2014年 9 月 4 日，国务院颁布了《关于深化考试招生制度改革的实施意见》，明确提出“启动高考综合改革试点”，要“改革考试科目设置。增强高考与高中学习的关联度……”为贯彻落实此改革意见，教育部先后颁布了《关于普通高中学业水平考试的实施意见》和《关于进一步推进高中阶段学校考试招生制度改革的指导意见》两个文件，正式拉开了新一轮招生考试制度改革的大幕。

新一轮招生考试制度改革的关键词解读

在新一轮招生考试制度改革方案中，高考改革的关键词是“多元录取”“一年两考”，探索基于统一高考和高中学业水平考试成绩、参考综合素质评价的多元录取机制。考生总成绩由统一高考的语文、数学、外语三个科目成绩和高中学业水平考试三个科目成绩组成。保持统一高考的语文、数学、外语科目不变、分值不变，不分文理科，外语科目提供两次考试机会。高中学业水平考试科目，由考生根据报考高校要求和自身特长，在思想政治、历史、地理、物理、化学、生物等科目中自主选择。最新出台的高中阶段学校招生制度改革的关键词是“两考合一”，积极探索基于初中学业水平考试成绩、结合综合素质评价的招生录取模式。推行初中学业水平考试不是取消中考，而是将初中毕业考试与高中招生考试合二为一，一考多用，避免多次考试给学生造成负担。

分析方案中的关键内容，我们不难发现，新一轮招生考试制度改革的根本宗旨在于改变过去“唯分数论”“一考定终身”的弊端，形成分类考试、综合评价、多元录取的考试招生模式，坚持全面考核，促进学生完成国家规定的各门课程的学习；坚持自主选择，为每个学生提供更多的选择机会，促进学生发展学科兴趣与个性特长，继续为提高教育质量、提升国民素质、促进社会纵向流动、服务国家现代化建设发挥重要作用。

招生考试制度改革给教育测评带来的挑战

（一）教育大数据的处理问题

今天，社会各界都在讲大数据，实际上教育领域的数据更是大数据，它实现了对学生数据的全方位、全过程采集，覆盖了学生学业、知识技能、身心健康等各个方面。同时，它又是动态发展的，汇集了学生从幼儿园到高中的发展全过程的纵向数据。“一年两考”和综合评价都必然会带来更多的教育数据，这些数据在实际的处理和应用中会产生不少问题和困难。

第一，教育大数据来源多样，有来自不同区域、不同学校、不同学科测评的数据，以及学生发展的不同方面及类型的数据，这些都缺乏标准化的数据定义，不利于数据间的比较。

第二，数据类型多元，但不具有一致性，不利于数据间的比较与整合。综合评价涉及到学业水平、身心健康、思想品德等各个方面，不同方面的数据可能是连续型数据，也可能是类别型数据，这给考试分数和问卷数据的解释与评价带来困难。目前，教育行业对不同类型数据的整合不足，从而对学生各种指标数据的解释与评价尚显不够。

第三，纵向数据收集难度大，且对其分析欠缺。目前，教育测评注重对横断面数据的应用分析，对数据进行横向比较，较少进行纵向的追踪与比较。

第四，数据容量大但深层挖掘不易，对数据的利用不够充分。一是由于目前数据的收集缺乏规划，不够细致和到位；二是相关的教育工作者缺乏测量方面的专业知识，缺乏数据背后深层次的隐性信息的挖掘。

4)随着网架高度增加，网架用钢量变化不大，且正放四角锥网架和斜放四角锥网架用钢量也基本相同，说明在一定范围内增加网架高度并不能显著节省用钢量。

第五，非学业数据的获取和处理难度都更大。过去，我们一直以学业成绩为主导，以“分”评价学业的优劣，以“率”评价学校、区域的绩效，而对学生成长的非学业因素，比如说思想品德、身心健康、兴趣爱好等关注不够。而综合素养的评价作为录取标准之一，重要前提是要对非学业数据进行科学合理的处理。

（二）测评的实施与结果解释

综合评价的各大类指标如何进行综合，才能公正、公平、合理，才能获得使用这些评价结果的各个层面的认可？多元录取如何实现，各“元”之间如何分配和综合？高考外语一年两考，两次考试的成绩如何比较？这些都是非常实际而又无法避开的问题。招生考试制度的改革不仅仅是政策的颁布与贯彻，其背后的技术支撑如果不能跟上，改革的效果将得不到保障。因此，作为招生考试制度重要技术支撑的测评技术也应随之发展与创新。

教育测评技术的发展与应用创新

（一）三大基本测评理论

经典测评理论（Classical Test Theory, CTT）、项目反应理论（Item Response Theory, IRT）、认知诊断理论(Cognitive Diagnosis Theory, CDT)是测评领域应用最广泛的基本理论。CTT因其对题目和测验作统计分析的方法在计算上较为简单，意义上也明了直观，易于教育工作者理解和掌握，因此有着广泛的应用。但其也存在着较为明显的缺陷——最突出的是“千人一卷”，不能实现“因人而测”。IRT是针对CTT的不足而发展起来的，它可以精确估计每个考生的能力水平，从而为实现“因人而测”的计算机自适应测验（Computerized Adaptive Testing，CAT）提供了必要的条件。而CDT则实现了对个体知识结构、加工技能或认知过程的诊断评估，弥补了CTT和IRT只能提供一个测验分数（或能力参数）的不足，实现了对学生更为精细的诊断与区分。

这三大测评理论为多次考试的分数比较、综合评价指标整合和计算机化的测验形式提供了基本的理论基础。但仅有此是不够的，测评技术还需在此基础上进一步发展和创新，才能解决当前招生考试制度改革下的技术难题。

（二）测评技术的发展及创新应用

在教育新形势的推动下，测评技术也有了发展和创新，并在广州市2015年的“中小学教育质量阳光评价”中得到了应用。这些创新应用都为新的招生考试制度的具体实施提供了重要参考。

采用“学业测试+问卷调查+非学业量表”相结合的方式，可从多层面对学生进行评价：（1）对学生进行学业测试，了解学生学业发展水平；（2）对学生进行和学业测试配套的问卷调查，探讨影响学生学业发展的相关因素；（3）对学生进行非学业问卷调查，从多方面了解和评价学生的综合素质。

2.“大量表+小量表”整体评估非学业素养

综合评价涉及多方面、多指标。各个指标与各个方面不应割裂开来，应该视为整体与局部的关系。但如果每一项指标都分别用不同的量表测试，那么指标间的整体关系将被破坏，无法合成一个综合分数用于整体评价。在广州市的“教育质量阳光评价”中，由华南师范大学心理学院教授组成的专家团队经过研讨，决定采用“大量表”形式实现测试，“大量表”统领“小量表”，量表间分工合作，不破坏它们之间的整体关系。测验结果表明，各小量表及大量表都达到了测量学标准。

3.基于潜变量模型的学生分类方法

传统的依据学生分数对学生进行分层的方法，根据预先的假设，把学生学业分数上的量化差异进行人为分类，这种方法不能确定不同组别的学生学业发展是否具有质性差异。潜在剖面分析（Latent Profile Analysis，LPA）以学生为中心，依据学生的不同表现，诊断学生潜在的质性差异，把学生分成组内一致、组间差异的组别，实现了对学生更为精准的分层。

4.新一代多元概化理论框架下的分数合成方法

综合评价中一个突出的问题，是各指标分数的合成问题。由于指标繁多，且获取的数据类型可能并不一致，用经典测量理论来进行分数合成会造成评估误差。新一代多元概化理论（Multivariate Generalizability Theory，MGT）则很好地解决了这个问题，它可以同时考虑题目因素与维度因素，并且将每个维度固定起来各自作为一个“元”。

5.传统纸笔测验+计算机线上测试双模式并行

对学生进行评价会增加教师工作量和学校的管理难度，从而给评价的实施和推广带来阻力。档案袋评价没能推广开来，原因就在于此。因此，综合评价的具体实施一定要考虑到一线教学和管理的便利。在广州市的阳光评价中，我们同时采用了传统的纸笔测验和计算机线上测验，从而极大地减少了教师和学校的工作量，评价的推行也进行顺利。因此，在高中阶段的综合评价中也可以尝试采用这种纸笔测验+计算机线上测试的双模式。

考试招生制度的改革是一件关乎民生的大事，尽管挑战重重，但只要社会各界，尤其是学界积聚力量，互相学习和交流，共同为提高国家教育质量、促进学生健康全面发展贡献一份力量，一定能够使我们的改革顺利推行下去，实现我国教育改革发展的宏伟目标。