現(xiàn)代語言測(cè)試的新發(fā)展曾用強(qiáng)(作者簡(jiǎn)介：曾用強(qiáng)，博士，教授，廣東外語外貿(mào)大學(xué)外國(guó)語言學(xué)及應(yīng)用語言學(xué)研究中心主任，廣東廣州，510420。)摘要:語言測(cè)試從20世紀(jì)60年代開始發(fā)展，經(jīng)過四十多年，現(xiàn)代語言測(cè)試有了新的發(fā)展，突出體現(xiàn)在以下四個(gè)方面：考試內(nèi)容的真實(shí)、能力評(píng)估的過程化、考試形式的個(gè)性化以及考試手段的電腦化。關(guān)鍵詞:語言測(cè)試真實(shí)性能力評(píng)估個(gè)性化計(jì)算機(jī)化考試語言測(cè)試隨著語言教學(xué)的發(fā)展而發(fā)展，語言測(cè)試發(fā)展到今天，已自成一門學(xué)科，有其自身的不同于語言教學(xué)學(xué)科的內(nèi)容、特點(diǎn)、要求和考慮。語言測(cè)試從20世紀(jì)60年代開始發(fā)展，首先它從語言學(xué)領(lǐng)域的結(jié)構(gòu)主義語言學(xué)獲得了科學(xué)的內(nèi)容，從測(cè)量學(xué)領(lǐng)域的心理測(cè)量學(xué)借取了科學(xué)的手段，形成了歷史上第一代的科學(xué)語言測(cè)試。其后四十多年，語言測(cè)試一方面接受了語言學(xué)及應(yīng)用語言學(xué)領(lǐng)域，尤其是語言教學(xué)的先進(jìn)思想和方法，在考試內(nèi)容和形式等方面得到了發(fā)展；另一方面隨著科學(xué)技術(shù)的進(jìn)步，語言測(cè)試手段開始朝著更加科學(xué)化和現(xiàn)代化方向發(fā)展。經(jīng)過幾十年的發(fā)展，現(xiàn)代語言測(cè)試有了新的發(fā)展，突出體現(xiàn)在以下四個(gè)方面：考試內(nèi)容的真實(shí)、能力評(píng)估的過程化、考試形式的個(gè)性化以及考試手段的電腦化。1．考試內(nèi)容的真實(shí)性所謂真實(shí)性(authenticity)就是指，考試的內(nèi)容要真實(shí)于實(shí)際的語言交際任務(wù)。Bachman&Palmer(1996)把真實(shí)性定義為語言測(cè)試的任務(wù)與使用目標(biāo)語言的真實(shí)任務(wù)之間的一致性程度，也就是考試的內(nèi)容必須真實(shí)體現(xiàn)受試者在實(shí)際的語言交際情景中可能或必須完成的任務(wù)，而不是簡(jiǎn)單地把語言分解成詞匯、語法和四個(gè)基本技能(聽、說、讀和寫)進(jìn)行單項(xiàng)的考試。早在20世紀(jì)70年代，語言教學(xué)就開始提倡“交際法”(communicativeapproach)。“交際”或“真實(shí)”語言測(cè)試80年代以后才被引入語言測(cè)試的研究領(lǐng)域中。進(jìn)入90年代以后，語言測(cè)試開始越來越強(qiáng)調(diào)測(cè)試內(nèi)容的“交際性”和“真實(shí)性”，主要有兩方面的原因：一方面因?yàn)檎Z言教學(xué)強(qiáng)調(diào)培養(yǎng)學(xué)習(xí)者的語言交際能力，它必然要求語言測(cè)試與之相適應(yīng)；另一方面由于越來越多的人感到標(biāo)準(zhǔn)化的選擇填空考試不夠真實(shí)，在一定程度上減低了考試的效度(validity)，其反撥作用(washback)也比較差。語言測(cè)試的“交際性”和“真實(shí)性”研究在過去的十多年里取得了很大的進(jìn)展，比如：在試卷結(jié)構(gòu)和題型設(shè)計(jì)方面，人們更多考慮了如何考察受試者的實(shí)際語言應(yīng)用能力，尤其是產(chǎn)出性能力(productiveskills)的測(cè)量。我國(guó)流行的幾種公開的大型考試，開始引進(jìn)真實(shí)情景對(duì)話的考試，如：公共英語等級(jí)考試、高考英語復(fù)試和大學(xué)英語四、六級(jí)考試等都增加了不同形式的口頭表達(dá)能力的測(cè)試，對(duì)改進(jìn)我國(guó)英語教學(xué)和培養(yǎng)學(xué)生的實(shí)際語言應(yīng)用能力起到了積極的促進(jìn)作用。近些年發(fā)展起來的語言行為評(píng)估(performanceassessment)和跨文化交際中的語用能力測(cè)試(pragmaticcompetenceincross-culturalcommunication)也是真實(shí)性語言測(cè)試發(fā)展的產(chǎn)物。在80年代以前，語言測(cè)試的發(fā)展主流依然是傳統(tǒng)的語言能力(1inguisticcompetence)考試，如：詞匯和語法以及語言四項(xiàng)基本技能(聽、說、讀和寫)。但是，隨著基于任務(wù)的語言教學(xué)(task-basedlanguageteaching)的興起，語言行為評(píng)估也隨之誕生。所謂語言行為評(píng)估，就是根據(jù)語言行為的真實(shí)標(biāo)準(zhǔn)對(duì)受試者完成具體某項(xiàng)語言任務(wù)的過程作出評(píng)估。Norrisetall998年對(duì)語言行為評(píng)估和基于任務(wù)的語言教學(xué)等問題作了詳盡的論述，提出了如何發(fā)展語言行為評(píng)估的具體原則和過程。此外，應(yīng)用語言學(xué)的不斷發(fā)展，使得人們對(duì)語言能力(1anguageability)和語言使用(1anguageuse)有了新認(rèn)識(shí)，語言測(cè)試的研究融入應(yīng)用語言學(xué)的領(lǐng)域中，它開始吸收二語習(xí)得、語用學(xué)和社會(huì)語言學(xué)的研究成果，促使語言測(cè)試的內(nèi)容從語言能力向語用能力的轉(zhuǎn)移。2．能力評(píng)估的過程化自從20世紀(jì)70年代以來，外語教學(xué)的研究中心開始從教學(xué)方法的研究轉(zhuǎn)移至學(xué)習(xí)過程的研究。這種研究中心的轉(zhuǎn)移促使研究者開始重視調(diào)查學(xué)習(xí)者特征以及二語習(xí)得的研究，尤其是外語學(xué)習(xí)過程的認(rèn)知因素、學(xué)習(xí)策略與學(xué)習(xí)效果之間的關(guān)系等問題。這種趨勢(shì)也同樣影響了語言測(cè)試的研究，越來越多的語言測(cè)試研究者也開始對(duì)影響測(cè)試行為的各種因素感興趣(如：測(cè)試條件、試題形式以及測(cè)試者的個(gè)性特征等)。語言測(cè)試研究的中心開始轉(zhuǎn)移到測(cè)試的過程中，也就是結(jié)合二語習(xí)得的研究成果，研究測(cè)試者的認(rèn)知特征如何影響測(cè)試的過程，如：學(xué)習(xí)策略與測(cè)試成績(jī)之間的關(guān)系、認(rèn)知策略與測(cè)試行為之間的關(guān)系等等。語言測(cè)試是一個(gè)從受試者的觀察分(observedscore)推導(dǎo)出其能力真分(truescore)的過程，如何保證觀察分真實(shí)有效地反映能力真分是語言測(cè)試研究中的一個(gè)基本問題。在80年代之前，測(cè)試者關(guān)心的只是這個(gè)過程的結(jié)果，即：受試者答題的正確與否，比如：在經(jīng)典真分模式(ClassicalTrueScoreModel)中，受試者的能力估算只是簡(jiǎn)單地計(jì)算他／她正確回答測(cè)試項(xiàng)目的數(shù)量(即答對(duì)率)；項(xiàng)目反應(yīng)理論(ItemResponseTheory，IRT)則是根據(jù)受試者對(duì)不同難度項(xiàng)目的反應(yīng)推導(dǎo)出其能力值。不論是經(jīng)典模式，還是項(xiàng)目反應(yīng)理論，目前采用的能力評(píng)估模式都是建立在單維能力假設(shè)(unidimentionality)的基礎(chǔ)上，即：影響受試者測(cè)試行為的因素只是受試者某一特定的單一語言能力(如：詞匯能力或閱讀理解能力等)。但是，我們都知道，在實(shí)際的語言測(cè)試中，影響受試者測(cè)試行為的因素除了受試者的語言能力外，還有許多其他因素，如：測(cè)試條件、測(cè)試焦慮以及其他個(gè)性特征等。所有這些其他因素在單維能力假設(shè)中被認(rèn)為是構(gòu)成測(cè)試誤差的主要來源。單維能力假設(shè)的最大缺陷就是，在估算能力真分的過程中，它不考慮影響受試者測(cè)試行為的諸多因素，因此無法對(duì)受試者的能力真分作出客觀、準(zhǔn)確的評(píng)估。隨著語言測(cè)試?yán)碚摰陌l(fā)展和測(cè)試手段的現(xiàn)代化，語言測(cè)試已經(jīng)開始朝著多維能力評(píng)估的方向發(fā)展，即受試者的測(cè)試行為被認(rèn)為是多個(gè)能力共同作用的結(jié)果。受試者語言能力的評(píng)估不僅僅考慮了他們的測(cè)試結(jié)果，而且開始考慮受試者的測(cè)如圖l所示，在個(gè)性化自適應(yīng)性測(cè)試中，受試者先自我評(píng)估自己的能力水平，并以此確定初始項(xiàng)目。答題時(shí)受試者從A、B、C和D中選擇最佳答案，然后評(píng)估自己對(duì)答對(duì)這個(gè)測(cè)試項(xiàng)目的自信心。每回答完一道題之后，采用極大似然值估算法(maximumlikelihoodestimation)重新估算受試者的能力值，其中項(xiàng)目難度采用加權(quán)后的難度，即：根據(jù)受試者的自信心，用加權(quán)的方法調(diào)整測(cè)試項(xiàng)目的難度。加權(quán)之后的難度我們稱之為相對(duì)難度。受試者回答完每道題之后，根據(jù)答對(duì)或答錯(cuò)的情況以及自信心的加權(quán)分值獲得一個(gè)相對(duì)難度：如果ri=1，那么bij=bi+cji如果ri=0，那么bij=bi-cji其中ri=1表示答對(duì)第i道題，ri=0表示答錯(cuò)第i道題，bij表示受試者j回答第i道測(cè)試項(xiàng)目時(shí)獲得的相對(duì)難度，bi表示第i道測(cè)試項(xiàng)目的參照難度值，cji表示受試者j回答第i道測(cè)試項(xiàng)目的自信心加權(quán)系數(shù)。不同的受試者答對(duì)相同難度的測(cè)試項(xiàng)目，如果自信心不同，其相對(duì)難度也不同，能力估算也不同。在個(gè)性化自適應(yīng)性測(cè)試中，我們采用加權(quán)之后的難度，或相對(duì)難度估算受試者的能力值，下一個(gè)測(cè)試項(xiàng)目的難度就與這個(gè)能力估算值相適應(yīng)。和其他適應(yīng)性測(cè)試模式一樣，這種相適應(yīng)一直進(jìn)行到測(cè)試達(dá)到特定的精度水平，或低于預(yù)先定義的測(cè)試標(biāo)準(zhǔn)誤差。這種個(gè)性化自適應(yīng)性測(cè)試不僅實(shí)現(xiàn)了測(cè)試項(xiàng)目的難度與受試者的能力之間的相適應(yīng)性，而且實(shí)現(xiàn)了測(cè)試過程與受試者個(gè)性特征(如：自信心)之間的適應(yīng)性。4．考試手段的電腦化考試手段電腦化是實(shí)現(xiàn)能力評(píng)估過程化和考試形式個(gè)性化的必然要求，因?yàn)閭€(gè)性化考試以及對(duì)能力進(jìn)行過程化評(píng)估都只能依賴計(jì)算機(jī)得以實(shí)現(xiàn)。計(jì)算機(jī)化考試將成為本世紀(jì)考試發(fā)展的必然趨勢(shì)。一方面它是適應(yīng)現(xiàn)代語言測(cè)試發(fā)展的需求，另一方面電腦和網(wǎng)絡(luò)技術(shù)的發(fā)展為實(shí)現(xiàn)電腦化考試提供了必要的物質(zhì)條件。計(jì)算機(jī)化考試具有傳統(tǒng)的紙筆考試無法比擬的一些優(yōu)勢(shì)，比如：它不受考試時(shí)間的限制，十分方便于受試者；它可以減少許多繁瑣的考務(wù)組織工作，降低考試的成本；它可以實(shí)現(xiàn)個(gè)性化考試，提高考試的信、效度；它可以及時(shí)反饋考試的結(jié)果，提高考試的效率；它具有信息量大、處理速度快等特點(diǎn)，能夠詳細(xì)記錄受試者的考試過程，實(shí)現(xiàn)過程化的能力評(píng)估。所有這些優(yōu)勢(shì)決定了發(fā)展計(jì)算機(jī)化考試的重要性和必要性。計(jì)算機(jī)化考試的未來發(fā)展還體現(xiàn)在基于語料庫的語言考試(Corpus-basedlanguagetesting)。語料庫是一個(gè)龐大的語言素材的集合體。它具有信息量大、應(yīng)用廣泛等特征。語料庫在語言測(cè)試中的應(yīng)用主要體現(xiàn)在命題和基于語料庫的語言測(cè)試模式設(shè)計(jì)等方面。在命題方面，語料庫首先可以為命題者提供合適的素材，查找合適的材料是命題者普遍感到比較困難而且費(fèi)時(shí)的一個(gè)過程。更為重要的是，語料庫可以為命題者提供考點(diǎn)信息，如果已經(jīng)建設(shè)一個(gè)規(guī)模較大的而且具有語言使用失誤標(biāo)注的學(xué)習(xí)者語料庫，根據(jù)錯(cuò)誤的分布和頻率等信息，命題者就很容易確定哪些詞、語言結(jié)構(gòu)應(yīng)該作為考試的重點(diǎn)。根據(jù)語料庫提供的信息進(jìn)行命題，可以十分有效地提高考試的效度，同時(shí)保證考試的科學(xué)性和針對(duì)性。學(xué)習(xí)者語料庫由于標(biāo)注了學(xué)習(xí)者的語言失誤等信息，它為診斷學(xué)習(xí)者的語言能力提供了科學(xué)的依據(jù)，目前我們正利用CLEC(ChineseLearners’EnglishCorpus，桂詩春)設(shè)計(jì)一種基于語料庫的適應(yīng)性診斷測(cè)試(Corpus-basedAdaptiveDiagnosisTesting，CADT)。CLEC是桂詩春教授主持的一項(xiàng)國(guó)家“九五”社科項(xiàng)目，它收集了一百多萬詞的中國(guó)英語學(xué)習(xí)者的寫作語料，學(xué)習(xí)者分為中學(xué)生、公共英語四級(jí)、公共英語六級(jí)、專業(yè)英語低年級(jí)和專業(yè)英語高年級(jí)等五個(gè)層次。CLEC標(biāo)注了這五個(gè)層次學(xué)生在英語寫作中出現(xiàn)的各類錯(cuò)誤，錯(cuò)誤類型包括了詞的拼寫、詞的用法、詞的搭配以及語法等62類錯(cuò)誤?；谡Z料庫的適應(yīng)性診斷測(cè)試可以根據(jù)錯(cuò)誤頻率信息為不同類別的學(xué)生設(shè)計(jì)不同的測(cè)試項(xiàng)目，其中包括單詞拼寫、詞義匹配、詞語搭配、詞語填空、詞義關(guān)系、功能詞填空、動(dòng)詞形式填空、組詞造句、錯(cuò)誤辨別、語篇理解以及寫作練習(xí)等。測(cè)試項(xiàng)目的形式又是決定于對(duì)受試者的語言水平評(píng)估及其學(xué)習(xí)心理的診斷結(jié)果，例如：如果某個(gè)學(xué)習(xí)者的詞匯記憶能力比較強(qiáng)，但是詞匯在句子中的應(yīng)用能力相對(duì)弱些，那么，基于語料庫的適應(yīng)性診斷測(cè)試就會(huì)為他／她設(shè)計(jì)一組難度適中的詞匯填空練習(xí)等。這種測(cè)試具有以下幾方面的優(yōu)勢(shì)：(1)語料庫為診斷學(xué)習(xí)者的語言能力提供更為科學(xué)的依據(jù)；(2)學(xué)習(xí)者的語言能力診斷體現(xiàn)了適應(yīng)性，也就是學(xué)習(xí)者的語言能力分布不同，其能力診斷過程也不同；(3)實(shí)現(xiàn)了計(jì)算機(jī)化的命題過程等。參考文獻(xiàn)[1]Bachman，L．F．a(chǎn)ndPalmer，A．S．1996：Languagetestinginpractice：designinganddevelopingusefullanguagetests[M]．Oxford：OxfordUniversityPress．[2]Bachman，L．F．1998．Languagetesting-SLAresearchinterfaces[A]．InBachman，L．F．＆Cohen，A．D．(eds)．InterfacesBetweenSecondLanguageAcquisitionandLanguageTestingResearch[C]．NewYork：CambridgeUniversityPress．[3]Bachman，L．F．1998．Modernlanguagetestingattheturnofthecentury：assuringthatwhatwecountcounts[J]．languagetesting.[4]Buck，G．1991．Thetestingoflisteningcomprehension：anintrospectivestudy[J]．languagetesting8：67-91[5]Cohen，A．D．1998．StrategiesandprocessintesttakingandSLA[A]．InBachman，L．F．＆cohen．A．D．(eds)．InterfacesBetweenSecondLanguageAcquisitionandLanguageTestingResearch[C]．NewYork：CambridgeUniversityPress．[6]Hambleton，R．K．a(chǎn)ndSwaminathan，H．1985．ItemResponseTheory：PrinciplesandApplication[M].Boston/Dordrecht／Lancaster：Kluwer．NijhoffPublishing[7]Hambleton，R．K．1989．PrinciplesandSelectedApplicationsofItemResponseTheory[A]．InR．L．Linn，(ed)．EducationalMeasurement[C]．NewYork：Macmillan．[8]Kunnan，A．J．1995．Testtakercharacteristicsandtestperformance：astructuralmodelingapproach[M].Cambridge：UniversityofCambridgeLocalExaminationsSyndicateandCambridgeUniversityPress．[9]Nev0，N.1989.Test-takingstrategiesonamultiple-choicetestofreadingcomprehension[J]．LanguageTesting，2：199-215．[10]Norris，J.M．，BrownJ．D．，Hudson，T．a(chǎn)ndYoshioka，J．1998．Designingsecondlanguageperformanceassessments[M]．Honolulu：UniversityofHaw[11]Purpura，J．E．1999．Learnerstrategyuseandperformanceonlanguagetests：Astructuralequationmodelingapproach[M]．[12]Rocklin，T．R．1994．Self-adaptiveTesting[J]．AppliedMeasurementinE