對外漢語教學(xué)的測試第一頁，共四十三頁，2022年，8月28日教育測量與評價(jià)教育測量也稱考試、測試?？荚嚨哪康氖且髟u價(jià)，作判斷。根據(jù)考試的用途、手段和評價(jià)標(biāo)準(zhǔn)，可以將考試作如下分類：（一）根據(jù)測試用途分類

成就測試，能力測試，能力傾向測試1.成就測試也稱成績測試，測試目的在于測量學(xué)生在某個(gè)學(xué)習(xí)階段學(xué)到了什么，包括：A)各學(xué)科的單科/綜合測試。B)教學(xué)階段的安置、形成、診斷和總結(jié)性測試。安置性測試的典型例子是摸底考試和分班考試。形成性測試考察學(xué)生進(jìn)步的情況，對階段性教學(xué)內(nèi)容掌握的情況。診斷性測試是針對個(gè)體或個(gè)別教學(xué)內(nèi)容掌握情況的考試，意在對個(gè)別學(xué)生或特定的教學(xué)內(nèi)容掌握的情況作精確的了解?？偨Y(jié)性測試的典型例子是學(xué)期、學(xué)年考試、會(huì)考也屬這一類型。第二頁，共四十三頁，2022年，8月28日2.能力測試測驗(yàn)?zāi)康脑谟跍y量個(gè)體的不因外界環(huán)境的影響而輕易改變的、較穩(wěn)定的、表現(xiàn)在認(rèn)知能力方面的心理特質(zhì)，比如觀察力、記憶力、理解力、概括力、空間想象力、判斷推理能力等等。IQ的測試屬于這類考試。第三頁，共四十三頁，2022年，8月28日3.能力傾向測試又稱學(xué)習(xí)能力測驗(yàn)，它介于成就測驗(yàn)與能力測驗(yàn)之間，既測知識(shí)也測能力，目的在于測量學(xué)生的潛在學(xué)習(xí)能力及學(xué)術(shù)發(fā)展趨向。潛在能力指個(gè)體從未來教育或訓(xùn)練中最可能發(fā)展并受益的能力，一般分為兩種：A)一般學(xué)習(xí)能力測試。B)特殊能力傾向測試。高考屬這類考試。第四頁，共四十三頁，2022年，8月28日根據(jù)評分者和評分方法分類客觀試題由被試者從可供選擇項(xiàng)中確定正確（最佳）或錯(cuò)誤答案的題目。這類題目包括是非題、多選題、配對題等，這類題目答案唯一，評分不受主觀因素影響，在條件許可的情況下，還可以用機(jī)器閱卷評分。有時(shí)我們也把介于主觀性題目與客觀性題目之間的限制性題目如簡答題、填充題也歸類于客觀題，全部由客觀性題目組成的測驗(yàn)稱之為客觀性測驗(yàn)。第五頁，共四十三頁，2022年，8月28日主觀試題由考生以自己的答案來回答所提出的問題?？忌谔幚韱栴}方式、回答內(nèi)容的選擇、回答內(nèi)容的組織及答題重點(diǎn)等方面均有相當(dāng)?shù)淖杂?。這類試題包括論述題、證明題、作文題等，因?yàn)檫@類題目的答案不唯一，評分易受主觀性因素的影響，故稱之為主觀性題目。評分受評閱人主觀判斷的影響。第六頁，共四十三頁，2022年，8月28日根據(jù)評價(jià)標(biāo)準(zhǔn)分類常模參照測試標(biāo)準(zhǔn)參照測試第七頁，共四十三頁，2022年，8月28日根據(jù)是否運(yùn)用標(biāo)準(zhǔn)化方法分類標(biāo)準(zhǔn)化測試非標(biāo)準(zhǔn)化測試標(biāo)準(zhǔn)化的含義題目的標(biāo)準(zhǔn)化（客觀試題）指導(dǎo)語的標(biāo)準(zhǔn)化施測過程的標(biāo)準(zhǔn)化評分的標(biāo)準(zhǔn)化解釋的標(biāo)準(zhǔn)化第八頁，共四十三頁，2022年，8月28日最重要的是分?jǐn)?shù)解釋的標(biāo)準(zhǔn)化原始分==〉標(biāo)準(zhǔn)分原始分?jǐn)?shù)的誤區(qū)case1有老師對學(xué)生說，你上次數(shù)學(xué)測驗(yàn)的的成績是78分，這一次測驗(yàn)只得了71分，你為什么退步了？

Case2家長看到孩子成績單上的數(shù)學(xué)測驗(yàn)成績?yōu)?2分，語文測驗(yàn)成績?yōu)?0分，父母們對此是如何評價(jià)的？Case3某學(xué)校負(fù)責(zé)人在學(xué)期結(jié)束時(shí)的總結(jié)會(huì)上對某學(xué)科教師說他的教學(xué)效果不好，其依據(jù)是該學(xué)期學(xué)生在此學(xué)科上的考試平均成績低于其他學(xué)科。第九頁，共四十三頁，2022年，8月28日標(biāo)準(zhǔn)分的意義：該生與全體考生比較所處的位置第十頁，共四十三頁，2022年，8月28日根據(jù)測試材料和形式分類

語言與文字測試

非語言與文字測試

根據(jù)人數(shù)多寡分類團(tuán)體測試個(gè)人測試第十一頁，共四十三頁，2022年，8月28日考察測試質(zhì)量的幾個(gè)測量學(xué)指標(biāo)難度、區(qū)分度、效度、信度1.難度難度：被試完成題目（item）任務(wù)時(shí)所遇到的困難程度。難度系數(shù)：定量地刻畫被試作答題目時(shí)困難程度的量值。P

第十二頁，共四十三頁，2022年，8月28日難度指標(biāo)適用范圍計(jì)算公式難度是指測驗(yàn)項(xiàng)目的難易程度，試題的難度可以用試題的通過率來表示。試題卷面的難度值范圍是0.6~0.7難度記為P，在教育測量中，P＝R/NR：答對該題的人數(shù)N：參加測驗(yàn)總?cè)藬?shù)

難度第十三頁，共四十三頁，2022年，8月28日1、難度的兩種數(shù)學(xué)定義：（1）P=1—x/w

x為某題得分的平均分?jǐn)?shù)，w為該題的滿分。這種定義法，難度值小時(shí)表明試題容易，值大時(shí)表明試題難，最小值為0，最大值為1。（2）P=x/w

這種定義法，難度值小時(shí)表明試題難，值大時(shí)表明試題容易，最小值為0，最大值為1。第十四頁，共四十三頁，2022年，8月28日區(qū)分度

含義意義公式指標(biāo)范圍指測驗(yàn)對學(xué)業(yè)水平不同的考生的區(qū)分程度或鑒別力。具有良好區(qū)分度的項(xiàng)目，能將不同水平的考生區(qū)分開來，即在該項(xiàng)目上水平高的考生得高分，水平低的考生得低分。通常用D表示，取值范圍為＋1.00至-1.00。D越高則質(zhì)量越好。0.2以下應(yīng)淘汰0.2-0.3合格0.3-0.4良好0.4-1性能佳D＝PH－PLPH指高分組通過的百分比,高分組為總分?jǐn)?shù)最高的27%PL指低分組通過的百分比,低分組為總分?jǐn)?shù)最低的27%第十五頁，共四十三頁，2022年，8月28日區(qū)分度計(jì)算客觀性試題極端分組法公式D＝PH－PL計(jì)算步驟：按測驗(yàn)總分從高到低排序；測驗(yàn)總分最高的27％的被試作為高分組，最低的27％的被試為低分組；分別求出這兩組被試通過試題的百分比；將算得有關(guān)數(shù)據(jù)帶入上公式。公式XH:高分組總分;XL:低分組總分;H:該題最高分;L:該題最低分;N:考生總?cè)藬?shù)的25％計(jì)算步驟：按測驗(yàn)總分由高到低排序；分別確定測驗(yàn)總分的前27％和后27％作為高低分組；列出試題分析表；將數(shù)據(jù)帶入公式計(jì)算。主觀性試題極端分組法第十六頁，共四十三頁，2022年，8月28日信度即測試的穩(wěn)定性和和可靠程度，信度是反映測量中隨機(jī)誤差大小的指標(biāo)。包括重測信度、復(fù)本信度、同質(zhì)性信度。重測信度:同一測驗(yàn)對同組被試先后兩次施測所得結(jié)果的一致性程度;復(fù)本信度:兩平行測驗(yàn)對同組被試施測所得結(jié)果的一致性程度;同質(zhì)性信度:測驗(yàn)內(nèi)部所有題目間的一致性程度。教師自編測驗(yàn)的信度指標(biāo)范圍為0.7以上。σ2i:每道試題方差;Σ2:全卷方差;k:試卷中試題數(shù)目含義種類公式指標(biāo)范圍試題同質(zhì)性信度第十七頁，共四十三頁，2022年，8月28日效度是測驗(yàn)的準(zhǔn)確性，是測驗(yàn)?zāi)軌驕y出它所欲測的特質(zhì)的程度，即測驗(yàn)實(shí)際測量出其所要測量特性的程度。內(nèi)容效度：是指測驗(yàn)內(nèi)容對于其所欲測之行為領(lǐng)域的代表性程度。效標(biāo)關(guān)聯(lián)效度：是指一個(gè)測驗(yàn)對處于特定情境中的個(gè)體的行為進(jìn)行預(yù)測的有效性。結(jié)構(gòu)效度：是指測驗(yàn)對于被稱作某一理論概念或特質(zhì)測量的程度。教師自編測驗(yàn)的效度指標(biāo)范圍為0.4以上。含義種類公式指標(biāo)范圍Di為每一試題的區(qū)分度k為試卷中試題的數(shù)目試卷結(jié)構(gòu)效度第十八頁，共四十三頁，2022年，8月28日一、信度（一）信度的概念信度是指測量結(jié)果的穩(wěn)定性或可靠的程度，亦即測量結(jié)果是否真實(shí)、客觀的反映實(shí)際水平?？梢詮囊韵氯齻€(gè)方面理解測量的信度：1、實(shí)測值與真值相差的程度也就是誤差，誤差越小，測量的信度越高。2、統(tǒng)計(jì)量與參數(shù)之間的接近程度統(tǒng)計(jì)量指樣本上的數(shù)字特征。參數(shù)是總體上的數(shù)字特征。第十九頁，共四十三頁，2022年，8月28日統(tǒng)計(jì)量越接近參數(shù)，可靠性越高，信度越高。3、兩次重復(fù)測量或等值測量之間的關(guān)聯(lián)程度兩次測量的相關(guān)系數(shù)越高，則測量的信度越高，但被測對象的經(jīng)驗(yàn)、知識(shí)增長等因素也影響信度。（二）提高測量信度的方法1、適當(dāng)增加測量題目的數(shù)量數(shù)量多則代表性就大，既可提高信度，又可提高效度。但數(shù)量太多又操作困難。2、測驗(yàn)的難度要適中第二十頁，共四十三頁，2022年，8月28日難度適中，則信度大，區(qū)分度也大。3、測驗(yàn)的內(nèi)容應(yīng)盡量同質(zhì)測驗(yàn)內(nèi)容龐雜，則增加難度，必然降低信度。4、測驗(yàn)的程序應(yīng)統(tǒng)一測驗(yàn)的過程直接關(guān)系到信度的高低，信度需要規(guī)范公平的測驗(yàn)過程去保證。5、測驗(yàn)的時(shí)間要充分測驗(yàn)的時(shí)間如果不足，不能客觀反映學(xué)生的實(shí)際水平，也影響信度。6、評分要盡量客觀、準(zhǔn)確評分不準(zhǔn)確，必然降低信度。第二十一頁，共四十三頁，2022年，8月28日二、效度（一）效度的概念效度是指測量結(jié)果的準(zhǔn)確性和有效性的程度，亦即測量是否達(dá)到了預(yù)期的目的?？梢詮囊韵氯齻€(gè)方面理解效度：1、效度始終是對一定的測量目的而言的一般而言，判斷效度的高低，就是判斷測驗(yàn)達(dá)到目的的程度。2、效度也是對測量的結(jié)果而言的測量結(jié)果真實(shí)、正確的反映被測對象的功能和特性時(shí)，則為效度較高或有效。3、效度只是高與低的問題第二十二頁，共四十三頁，2022年，8月28日測量的效度不存在有沒有，只存在高與低。由于教育測量對象的特殊性（精神的、心理的、可以掩蓋的），所以更注重效度問題。（二）效度的類型1、內(nèi)容效度是指測驗(yàn)?zāi)康拇硭麥y量的內(nèi)容和引起預(yù)期反映所達(dá)到的程度，也就是測量內(nèi)容的代表性程度。2、效標(biāo)關(guān)聯(lián)效度又稱經(jīng)驗(yàn)效度或統(tǒng)計(jì)效度，是以測驗(yàn)分?jǐn)?shù)和效標(biāo)之間的相關(guān)系數(shù)來表示測驗(yàn)效度的高低。效標(biāo)就是鑒定效度的參照尺度。效標(biāo)具有可變性，而且選擇是比較困難的。3、結(jié)構(gòu)效度第二十三頁，共四十三頁，2022年，8月28日是指一個(gè)測量能實(shí)際測量出理論上的構(gòu)念或心理特性的程度。即就是從心理學(xué)的理論觀點(diǎn)對檢測結(jié)果加以解釋和探討。（三）提高效度的方法1、控制系統(tǒng)誤差2、精心編制量表3、妥善組織檢測4、擴(kuò)充樣本的內(nèi)容和代表性5、合理處理效度和信度的關(guān)系6、適當(dāng)增加測驗(yàn)的長度三、難度（一）難度的概念第二十四頁，共四十三頁，2022年，8月28日難度是指測驗(yàn)試題的難易程度。教育測量中，客觀試題的難度一般用正確回答人數(shù)與參加測量總?cè)藬?shù)的比值表示，即p＝r/n難度是試題對學(xué)生知識(shí)和能力水平的適合程度的指標(biāo)。難度既影響區(qū)分度，又影響信度和效度。但是難度是一個(gè)相對的概念。（二）難度對測驗(yàn)的影響1、影響測驗(yàn)分?jǐn)?shù)的分布形態(tài)2、影響測驗(yàn)分?jǐn)?shù)的離散程度3、影響測驗(yàn)的鑒別能力（三）測驗(yàn)的適宜難度根據(jù)公式p＝r/n，則0≤p≤1，所以，一套題目的整體難度應(yīng)該是0.3－0.7，平均難度是0.45－0.55，這樣才可以保證分?jǐn)?shù)呈正態(tài)分布。第二十五頁，共四十三頁，2022年，8月28日（四）控制題目難度的基本方法影響題目難度的主要因素：1、考查知識(shí)點(diǎn)的多少。2、考查能力的復(fù)雜程度或?qū)哟蔚母叩汀?、考生對題目的熟悉程度。4、命題的技巧性。四、區(qū)分度（一）區(qū)分度的概念區(qū)分度是指測驗(yàn)對考生實(shí)際水平的區(qū)分程度。又叫鑒別力。區(qū)分度又分為正區(qū)分（積極區(qū)分）、負(fù)區(qū)分（消極區(qū)分）和零區(qū)分。（二）區(qū)分度與測驗(yàn)信度、難度的關(guān)系第二十六頁，共四十三頁，2022年，8月28日1、區(qū)分度與信度的關(guān)系據(jù)研究，要想達(dá)到理性的測驗(yàn)信度，提高區(qū)分度是一個(gè)好方法。2、區(qū)分度與難度的關(guān)系難度適中時(shí)，區(qū)分度有可能達(dá)到最大。（三）提高區(qū)分度的方法1、使題目和整個(gè)考試難度適中。2、著重考查復(fù)雜的學(xué)習(xí)結(jié)果。（四）區(qū)分度的評價(jià)標(biāo)準(zhǔn)區(qū)分度當(dāng)然是越高越好，但是越高越難，一般應(yīng)該控制在0.2－－0.4之間。0.4－非常好；0.3－0.39良好；0.2－0.29尚可。第二十七頁，共四十三頁，2022年，8月28日3.信度信度指的是測量結(jié)果的穩(wěn)定性和可靠性。也就是說，在不同時(shí)間、不同測驗(yàn)條件下所得分?jǐn)?shù)之間能夠保持一致。重測信度同一測驗(yàn)對同組被試先后兩次施測所得結(jié)果的一致性程度。復(fù)本信度

指同一批考生在兩個(gè)平行（等值）試卷上得分的相關(guān)系數(shù)。評分者信度

指評分者評分的穩(wěn)定性和可靠性，反映了評分能夠穩(wěn)定地反映考生的真實(shí)知識(shí)和能力水平的程度。第二十八頁，共四十三頁，2022年，8月28日4.效度效度，就是指試卷的有效性，即試卷是否達(dá)到了考試的目的。換句話說，也就是測驗(yàn)是否精確地測量了想要測的東西。

效度的統(tǒng)計(jì)學(xué)定義是：與測量目標(biāo)有關(guān)的真實(shí)分?jǐn)?shù)方差與總分方差的比率效度的分類內(nèi)容效度題目對欲測的內(nèi)容范圍取樣的適當(dāng)程度。構(gòu)想效度（理論效度、結(jié)構(gòu)效度、建構(gòu)效度）效標(biāo)關(guān)聯(lián)效度（準(zhǔn)則效度、實(shí)證效度）第二十九頁，共四十三頁，2022年，8月28日提高測驗(yàn)信度、效度的方法

測驗(yàn)中題目的數(shù)量應(yīng)適當(dāng)，不能太少。

緊密圍繞教學(xué)大綱和教學(xué)目標(biāo)命題。

考核內(nèi)容應(yīng)全面，并能有效代表學(xué)生應(yīng)掌握的知識(shí)領(lǐng)域。測驗(yàn)的整體難度適當(dāng)，不同類型、不同難度的題目應(yīng)保持恰當(dāng)比例。少出偏題、怪題，一般應(yīng)以考察基礎(chǔ)知識(shí)和基本能力為主。

第三十頁，共四十三頁，2022年，8月28日一、難度

難度是指試題的難易程度，它是衡量試題質(zhì)量的一個(gè)重要指標(biāo)參數(shù)，它和區(qū)分度共同影響并決定試卷的鑒別性。一般認(rèn)為，試題的難度指數(shù)在0.3－0.7之間比較合適，整份試卷的平均難度最好在0.5左右，高于0.7和低于0.3的試題不能太多。第三十一頁，共四十三頁，2022年，8月28日1、難度的兩種定義：（1）P=1—x/w

x為某題得分的平均分?jǐn)?shù)，w為該題的滿分。這種定義法，難度值小時(shí)表明試題容易，值大時(shí)表明試題難，最小值為0，最大值為1。（2）P=x/w

這種定義法，難度值小時(shí)表明試題難，值大時(shí)表明試題容易，最小值為0，最大值為1。第三十二頁，共四十三頁，2022年，8月28日2、難度的計(jì)算：（1）主觀性試題的難度

A

基本公式法：P=1—x/w

B

極端分組法P=1—(XH+XL)∕2W

XH：高分組的平均得分（前27%），XL：低分組的平均得分（后27%）。（2）客觀性試題的難度A

基本公式法：P=1—R/N

R為答對人數(shù)，N為全體人數(shù)。B

極端分組法：P=1—（PH+PL）∕2

PH=RH/n

叫高分組通過率，RH：高分組答對人數(shù)，n：總?cè)藬?shù)的前27%。PL=RL/n

叫低分組通過率，RL：低分組答對人數(shù)。第三十三頁，共四十三頁，2022年，8月28日二、區(qū)分度

區(qū)分度是區(qū)分應(yīng)試者能力水平高低的指標(biāo)。試題區(qū)分度高，可以拉開不同水平應(yīng)試者分?jǐn)?shù)的距離，使高水平者得高分，低水平者得低分，而區(qū)分度低則反映不出不同應(yīng)試者的水平差異。試題的區(qū)分度與試題的難度直接相關(guān)，通常來說，中等難度的試題區(qū)分度較大。另外，試題的區(qū)分度也與應(yīng)試者的水平密切相關(guān)，試題難度只有等于或略低于應(yīng)試者的實(shí)際能力，其區(qū)分性能才能充分顯現(xiàn)出來。

區(qū)分度指標(biāo)的評價(jià)：-1.00≤D≤+1.00，區(qū)分度指數(shù)越高，試題的區(qū)分度就越強(qiáng)。一般認(rèn)為，區(qū)分度指數(shù)高于0.3，試題便可以被接受。第三十四頁，共四十三頁，2022年，8月28日2、

區(qū)分度的計(jì)算方法：基本公式法：D＝（H－L）÷N（D代表區(qū)分度指數(shù)，H代表高分組答對題的人數(shù)，L代表低分組答對題的人數(shù)，N代表一個(gè)組的人數(shù)即高分組與低分組人數(shù)之和）。極端分組法：（1）主觀性試題：D=SH—SL∕n(WH-WL)

SH:高分組得分總數(shù)，SL：低分組得分總數(shù)，WH：該題的最高得分，WL：該題的最低得分，n為高分組（或低分組）的人數(shù)，即總?cè)藬?shù)的27%。

（2）客觀性試題：D=PH—PL

,或D=RH—RL∕n

（3）

一般也可以用D=XH—XL∕X滿計(jì)算。XH：高分組某試題的平均分，XL：低分組某試題的平均分，X滿：該題的滿分。第三十五頁，共四十三頁，2022年，8月28日三、信度

信度是指測得結(jié)果的一致性或穩(wěn)定性，穩(wěn)定性越大，意味著測評結(jié)果越可靠。相反，如果用某套試題對同一應(yīng)試者先后進(jìn)行兩次測試，結(jié)果第一次得80分，第二次得50分，結(jié)果的可靠性就值得懷疑了。信度通常以兩次測評結(jié)果的相關(guān)系數(shù)來表示。相關(guān)系數(shù)為1，表明測評工具如試卷完全可靠；相關(guān)系數(shù)為0，則表明該試卷完全不可靠。一般來說，要求信度在0.7以上。第三十六頁，共四十三頁，2022年，8月28日1、評價(jià)信度的方法：（1）重測法，（2）復(fù)本法—副題，（3）折半法，或者說：用再測信度、復(fù)本信度和內(nèi)部一致信度三種方法來進(jìn)行評估。再測信度是指將同一試卷在相同的條件下對同一組考生先后實(shí)施兩次，兩次測評結(jié)果的相關(guān)系數(shù)。復(fù)本信度是指用兩份或幾份在構(gòu)想、內(nèi)容、難度、題型和題量等方面都平行的試卷進(jìn)行測試，測評結(jié)果之間的相關(guān)系數(shù)。內(nèi)部一致信度是指試卷內(nèi)部各題之間的一致性，通常是將試卷一分為二，然后計(jì)算一半試卷與另一半試卷之間的相關(guān)系數(shù)。2、

信度系數(shù)

γxx=ST2∕SX2

ST2

叫真分?jǐn)?shù)方差，SX2

為獲得分?jǐn)?shù)方差。信度系數(shù)的最大值為1，表示測驗(yàn)的可靠性高，最小值為0，表示測驗(yàn)的信度低。當(dāng)γxx≥0.70時(shí)，測驗(yàn)可用于團(tuán)體間的比較。當(dāng)γxx≥0.85時(shí)，測驗(yàn)可用于個(gè)體之間的比較。第三十七頁，共四十三頁，2022年，8月28日四、效度

效度是一個(gè)測試能夠測試出它所要測試的東西的程度，即測試結(jié)果與測試目標(biāo)的符合程度．任何測試工具，無論其它方面有多好，若效度太低，測試的結(jié)果不是它要測試的東西(如用英語試卷測試學(xué)生的數(shù)學(xué)能力)，那么，對目前所要測試的東西，這個(gè)測試將是無價(jià)值的。由于心理現(xiàn)象本身的特點(diǎn)，測評的效度尤為重要。心理屬于精神方面的東西，目前人們還無法直接觀察它，只能通過一個(gè)人的行為模式或者對測試題目的反應(yīng)，來推論其心理特質(zhì)。如智力水于主要是借助于個(gè)體對一些問題的反應(yīng)及正誤等結(jié)果來推斷的。效度是一個(gè)相對概念，即效度只有高低之分，沒有全部有效和全部無效之分。效度從種類上可分為卷面效度、內(nèi)容效度、構(gòu)想效度、預(yù)測效度和共時(shí)效度。第三十八頁，共