考后分数可以调整吗？

张丽强

编者按

2018年11月，浙江省因英语高考分数调整而引发了一场不小的风波。现在风波虽已平静，但结果却让人唏嘘不已。原本是为了维护广大考生的合法利益，却因为操作流程问题引发了考生和家长质疑。因此，唏嘘之余，我们清醒地意识到，我们有责任、有义务为教育行政管理者、老师、学生以及家长普及考试科学化的知识，有必要用浅显易懂的语言将有关教育评估和考试科学化的知识细致、清晰地呈现在大家面前。为此，2019年，我刊新增了“督导与评估”专栏，并邀请在心理学与教育测量学方面有较大影响的北京语言大学语言科学院教育测量研究所的专家学者为我们提供专业指导，同时也将先行者的经验、做法、思考介绍给广大读者，以期为普及教育评价乃至考试科学化知识、促进考试科学化水平的提高尽一份绵薄之力。此系列文章语言虽力求浅显易懂，但由于专业性较强，还是需要广大读者朋友们花一些时间去慢慢研读、静心思考，若能潜心阅读，读者必将受益匪浅。

2018年12月5日，随着浙江省公布2018年11月高考英语科目加权赋分情况的调查结果，有关责任人被免职、处分，这次考试的加权赋分被取消，原始得分恢复。关于浙江省高考英语分数调整的风波似已尘埃落定，但掩卷沉思，其中引发的问题却不容忽略。

这场风波表面上看是由分数调整引起，其中却涉及了预估难度与实测难度、分数调整和等值、考试的公平性和科学性等诸多问题。这也启示我们，对于涉及考生切身利益的高考改革一定要科学论证，谨慎行事，同时也要做好教育测量学理论与知识的科普工作，否则就极有可能前功尽弃、重蹈覆辙。

一、预估难度与实测难度

从媒体披露的信息来看，这次风波的起因是英语科目的部分试题偏难，考生的得分和整体的平均分偏低。也就是说，通过实测的检验，英语部分试题的难度预估出现了较大偏差。为了弥补偏差，考试机构采用了加权赋分的方式对这部分试题的难度进行了调整。

众所周知，难度是评价试题质量的重要指标，通常以计算考生的通过率来得出。通俗地讲，考生答对的题目多，说明考试简单;考生答对的少，说明考试难。难度决定了考生得分的多少，决定了考试分数的分布，对实现考试评价与选拔的功能起到至关重要的作用。

难度在实际应用和研究中又细分为预估难度和实测难度。预估难度是在考前的命题阶段由专家或计算机结合试题内容，通过构建标准常模，进行合理地推测、估计而得到的试题难度。预估难度常用的方法有主观评判法和配对比较法等。主观评判法是指专家根据个人的经验、观点，直接对题目的难易程度作出主观的判断，这是一种比较传统的难度预估法。配对比较法是指专家只需要对试题逐个进行难度比较，然后使用改良的IRT 模型分析试题配对比较的数据，最后便可计算出每道题的IRT参数，这是一种比较新颖的难度预估法。对于高考这类高利害考试来说，为了保密，事先无法进行预测，即使采用小规模的考前试做也可能出现失密或估计偏差。因此，考试机构通常会采用难度预估的方式，估计试卷的难度或尽量平衡同一测试的不同测验版本的难度。但这种方式有一定的缺陷和风险，无论是专家的经验估计还是模型的推演，终究还属于经验型的主观判断。专家的专业背景、教学经验以及对学生学习状况的熟悉程度等因素都可能使预估的结果出现偏差。

实测难度是在考后得到的考生样本的统计值，它也会随着统计样本选取的不同而有所变化。如果题目过易，考生的得分普遍会高，标准差会小，分数分布会集中或偏态，容易形成天花板效应，考试的区分度会减低;如果题目太难，考生的得分普遍会低，标准差也会小，分数分布也会集中或偏态，容易形成地板效应，考试的区分度也会减低，同样也会对分数线的划定和考试的录用带来困难。

提高预估难度的准确性是考试界的难题。除上述两种主观预估方法外，研究者们还提出通过计算机提取题目的特征值来建立估计模型，如通过多元回归分析模型与人工神经网络模型等来预测试题难度。虽然这些研究也取得了可喜的进步，但从离考试的实际需求来说依然有不小的距离。就目前的技术水平来看，无论采用哪种方法，预估难度只能将误差减小，并不能消除误差。也就是说，即使浙江考试机构汲取了这次命题的经验教训，或许命题的质量会提高，难度预估比今年更准，但如果难度预估的方法没有得到根本性的改变，难度估不准、出现偏差的风险就依然存在。这是难度预估方法自身的局限，不会被人们的意志和愿望所左右。对此，人们必须有清醒的认识。

二、分数调整和等值

难度预估一旦出现偏差应该怎么办？业界通常的做法是对分数进行调整。分数调整是在考试结束后，通过对比前后两次测验的难度，对分数进行干预的做法。事实上，这是测量界的惯例，只是人们不熟悉罢了。为了弥补难度预估带来的偏差，同时也是为了维护考试的公平性，测量界一般会通过分数调整的方式来缩小误差。其中，加权赋分就是一种分数调整的方法，此外，还有预测、量表化、等值等。

实行多次考试，首先要解决的就是不同次考试的分数可比性问题，这也是实现英语一年两考，成绩两年有效的前提。为此就要进行不同次考试间的分数等值。等值可以理解为将测验不同版本的分数统一在一个量表上的过程。从等值的本质上来看，其实就是把不同平行测验的分数放到同一量表上，使分数能够进行比较。当然，并不是所有的测验分数之间都可以进行等值，只有满足等值的前提条件，才可以进行等值。我们可以把一个合理的、有效的等值处理需要满足的条件概括为：被等值的两份试卷具有測量相同的构念、相似的信度、分数的转换具有对称性、分数具有等价性、跨样本一致性这五个基本条件。

被等值的两份试卷测量相同的构念，指的是两个测验必须是测量相同的心理特质或特质领域。对测试完全不同的心理特质的测验进行等值是没有意义的。比如，体育成绩和数学成绩之间是不同性质的分数，二者不具有可比性，因而对其进行等值是没有意义的。理解测验信度相似，首先要明确信度的含义。信度是指测验的可靠性和稳定性程度。不同信度上的分数不能进行等值，如果一个不可靠的测验上的分数可以等值到一个可靠的测验上，那么就不会有人研究可靠的测验了。所以，被等值的两个测验必须有相同的信度水平。比如，有两个测验分别是测验X和测验Y。假设测验X的信度高，测验Y的信度低，那么测验X等值到测验Y，有可能导致分数的测量误差变大，分数也变得不稳定。对称性是指被等值的两个测验的等值转换关系是双向的。即从测验X等值到测验Y上的分数与从测验Y等值到测验X上的分数是一样的。样本组间一致性是指等值处理的结果应该不受进行等值处理所采用的考生样本组的影响。比如，测验分数不能因性别差异而有所变化。分数具有等价性应该是一种弱等价，意味着具有相同水平的考生在测验X和测验Y上所得分数的平均数相同就可以。

在实际考试当中，以上等值条件往往很难满足。因而需要进行分数“连接（linking）”。连接相对于等值来说，是一个比较宽泛的概念，等值只是“连接”在条件严格满足的情况下进行的分数调整。如果进行等值，应考虑两个问题，一个是数据收集的问题，也就是等值设计的问题;另一个是数据处理的问题，也就是等值方法的问题。

等值设计是指收集等值数据的方法，有两种思路：一种围绕“共同组”展开，另一种围绕“共同题”展开，共同题也称为“锚题”。共同组是要求考生的能力水平分布相同，让考生参加两次测验。因为参加考试的考生能力水平相同，所以在两个测验上的分数理应相同，如果分数不同，则可能是难度不同所造成的。共同题是指考生做的两份试卷有相同的试题，如果考生在两份试卷的共同题的得分上有差异，则是由于考生的能力差异造成的。

虽然媒体没有明说这次浙江省高考英语的分数是如何调整的，但推测很有可能是围绕共同组进行的。因为高考为了考试的安全，不能用共同题，只能从共同组的角度考虑。再者，可以假设参加这两次考试的考生有可能会是相同的考生群体，考生的能力水平没有发生很大的变化，因此可以对两次考试的难度加以比较，对分数进行调整。

除了高考，一年多考的考试、同一考试分不同批次进行的大规模的测试项目，比如托福考试（TOEFL）、中国少数民族汉语水平等级考试（MHK）等都会用等值来进行分数调整。这就是说，等值方法本身没有问题，关键是如何进行等值。据此，我们可以做出初步的判断，浙江省这次进行分数调整的初衷没有问题，理论依据也是可靠的，问题就出现在流程上。一是事先没有告知。即考生和家长不清楚一旦试题的难度出现偏差，事后要对分数进行必要的调整，考生和家长的思想和心理准备不足。二是方法不严谨。考试机构仅做了模拟推演，没有进行细致的分数验证，没有进行必要的专家论证。由此，原本是为了维护本次考试考生的整体利益，却因为做法的问题遭到了考生和家长的质疑，引起了轩然大波。

三、考试的公平性和科学性

浙江省这次面向所有考生，对难度较大的第二部分（阅读理解）、第三部分（语言运用）的部分试题进行了难度系数的调整，实施了加权赋分。目前尚不清楚他们究竟是如何改变权重的，推想很有可能是把这两部分题目的分数权重减小，增大了其他题目的权重。如果不做精心的设计，单纯改变部分题目的权重风险很大，危害至少有两点：一是降低了考试的区分度，给考生的排名和报志愿带来了困难;二是由于成绩两年有效，实际上造成了2018级和2019级考生间的不公平。这其中涉及了考试的公平性和科学性问题。

高考制度作为我国的人才培养和选拔制度，在百姓的心目中有着至高无上的地位。公平性和科学性是衡量、评价考试质量的重要指标，公平性以科学性为基础，科学性以公平性为前提，二者相辅相成。对于高考这种高利害考试来说，公平性和科学性均需保障，两者缺一不可。

考试作为测量考生能力水平的一种工具，像是一把尺子，而考生的能力水平就是尺子测量的对象。这把尺子本身可能存在误差，而且考生能力水平很难被准确地测量出来，因而测量出来的结果难免会有误差。这虽然是常识，但未必所有人都能认知其本质。特别是作为当事人深陷其中时，很难保障其不出现不清醒、不冷静的行为。无论是难度预估，还是分数调整，本身都是为了维护考生的利益，保证考试公平，让考试更加科学。只是很多人还不明白分数调整的科学性，认为分数调整反而影响了考试的公平性。这就启示正在进行高考改革的省份，既要做好顶层设计，也要未雨绸缪做好预案，做好宣传，特别是要做好考生和家长的宣传工作，避免仓促行事。否则一旦出现问题，后果很难收拾。

考试作为一项重要的人才选拔方式已渗透到人们生活的方方面面，与个人的发展息息相关。比较而言，人们似乎更专注考试的公平性，因为它是显性的，更容易被人们所感知，更容易引起人们的注意;而科学性往往是隐性的，甚至可能是费解的、晦涩的，人们要理解它、接受它有一定的难度。自然两者都兼顾更好，但现实未必都如人愿。当公平性和科学性发生冲突时，科学性往往会让位于公平性，以使事态尽快平息。但这样是要付出代价的，人们对此卻往往会忽视。可以说，这次浙江分数调整风波没有胜利者，责任人虽然受到了惩罚，但考生也不得不咽下本次考试得分低的苦酒。这就意味着下次考试的风险将加大，命题工作自然会更加细致谨慎，命题的成本无疑会增加。同时，没有本次考试托底，一年两考实际上回归了一年一考，考生考试的风险也将加大，紧张、疏忽都可能带来无法挽回的风险。这是考生和考生家长不得不面临的残酷现实。

改变“一考定终身”，降低一次考试的风险，实现一年两考，是高考改革的发展方向和趋势。改革中还有很长的路要走。改革中，既不可盲目草率，也不能因噎废食。这次浙江考试分数调整风波只是新高考改革之路的插曲，不会改变新高考改革的大方向。但它至少起到了警示的作用，预示着高考改革并不会一帆风顺，进两步退一步，甚至迂回向前、螺旋式上升均有可能。因此，在关注考试公平性的同时，还要下力气提高考试的科学化水平。因为没有科学性的保障，考试的公平性始终是脆弱的。