我國現(xiàn)代教育測量發(fā)展述析

李夏妍

(廣東金融學(xué)院，廣東 廣州 510521)

我國從夏商周三代至清末廢科舉時止，為古代教育測量時期;清末廢科舉至現(xiàn)在，為現(xiàn)代教育測量時期。

一、我國現(xiàn)代教育測量的出現(xiàn)并快速發(fā)展時期

“教育測量”一詞，是美國桑代克在1904年提出來的。20世紀(jì)初期，我國進(jìn)入現(xiàn)代教育測量階段。筆者認(rèn)為，我國現(xiàn)代教育測量的產(chǎn)生，主要源于我國以科舉考試為特征的古代教育測量和西方以智力測驗(yàn)量表以及調(diào)查問卷為特征的心理測驗(yàn)和學(xué)績測驗(yàn)，受西方心理與教育測量學(xué)影響較大?，F(xiàn)代教育測量的主要特征是:第一，測量類型的多元化。我國古代教育測量只是學(xué)業(yè)考試?，F(xiàn)代教育測量除了學(xué)業(yè)考試，還有智力測驗(yàn)、品德測驗(yàn)、能力傾向測驗(yàn)等。既有個別測驗(yàn)，又有團(tuán)體測驗(yàn)。第二，客觀性、科學(xué)性和標(biāo)準(zhǔn)化。古代教育測量大多偏于主觀經(jīng)驗(yàn)性測量，如口試、憑經(jīng)驗(yàn)觀測、主觀評判等，現(xiàn)代教育測量開始注重客觀依據(jù)和科學(xué)標(biāo)準(zhǔn)，測量手段、工具更先進(jìn)、更科學(xué)、更有效。從測量標(biāo)準(zhǔn)、命題、測量過程到評定都講究客觀性和科學(xué)性。19世紀(jì)，馮特時代的心理實(shí)驗(yàn)十分強(qiáng)調(diào)控制實(shí)驗(yàn)情景。到了20世紀(jì)，實(shí)驗(yàn)控制的思想在測驗(yàn)中就演變?yōu)闇y量的標(biāo)準(zhǔn)化問題。現(xiàn)代教育測量強(qiáng)調(diào)在一個標(biāo)準(zhǔn)化的情境下觀察所有受試者，使測量走向科學(xué)化、規(guī)范化。第三，教育統(tǒng)計(jì)學(xué)在教育測量中的應(yīng)用。教育統(tǒng)計(jì)學(xué)的發(fā)展提高了教育測量結(jié)果的數(shù)量化水平，使測量結(jié)果的描述從模糊性到精確性。第四，經(jīng)典測驗(yàn)理論的形成。經(jīng)典測驗(yàn)理論討論了測量的信度、效度、難度和區(qū)分度等問題，使我們能對測量結(jié)果的穩(wěn)定性和有效性進(jìn)行評價，從而更好地改進(jìn)測驗(yàn)工具。

20世紀(jì)初，科學(xué)的教育測量學(xué)從西方引進(jìn)中國。1915年，美國的克雷頓 (Creighton)對廣州500名小學(xué)生進(jìn)行機(jī)械記憶、比喻、交替等內(nèi)容的測驗(yàn)，并比較中美兒童智力差異的情況。這是西方教育測量理論與方法在中國運(yùn)用的最早案例。1917年，樊炳清首先向國人引入和評述比內(nèi)—西蒙量表。1918年，西方學(xué)者使用推孟的修正智力量表對北京大學(xué)和清華大學(xué)的學(xué)生進(jìn)行智力測驗(yàn)。

在西方科學(xué)教育測驗(yàn)工具在我國運(yùn)用的同時，我國學(xué)者也開始自編測驗(yàn)。自編的教育測驗(yàn)的種類五花八門，包括書法測驗(yàn)、算術(shù)測驗(yàn)、默讀測驗(yàn)、文法測驗(yàn)、常識測驗(yàn)、學(xué)校各科教育測驗(yàn)等。這些測驗(yàn)測量的對象主要是中小學(xué)生。1918年，江蘇省立師范附小的俞子夷編制了小學(xué)生毛筆書法量表［1］。1922年，我國聘請美國測量學(xué)家麥柯爾 (W.A.McCall)來華指導(dǎo)編制各種教育測驗(yàn)，并培訓(xùn)教育測量人才。麥柯爾在中國與全國各地教育專家合作完成了五十多種測驗(yàn)［1］。1925年前后，南京高等師范學(xué)校廖世承編制了《廖氏團(tuán)體測驗(yàn)》;此外，還有艾偉編制了中小學(xué)各年級各學(xué)科測驗(yàn)、小學(xué)兒童能力測驗(yàn)及智力測驗(yàn)，進(jìn)一步促進(jìn)我國自編教育測驗(yàn)的發(fā)展。西方科學(xué)的智力測驗(yàn)量表的引進(jìn)使用及我國自編標(biāo)準(zhǔn)化教育測驗(yàn)的發(fā)展，是我國20世紀(jì)初現(xiàn)代教育測量的出現(xiàn)并快速發(fā)展的重要標(biāo)志。

二、緩慢和停止發(fā)展時期

抗日戰(zhàn)爭開始后，我國教育測量的發(fā)展速度減慢，但在學(xué)校施測并沒有停止。新中國成立后至1966年，學(xué)校重視知識教學(xué)，關(guān)注學(xué)業(yè)成績測驗(yàn)和升學(xué)考試，但不重視對教育測量理論和技術(shù)的研究，教育測量學(xué)緩慢發(fā)展。

“文革”期間，凱洛夫教育學(xué)被打成修正主義“黑貨”。心理學(xué)被打成偽科學(xué)，教育與心理測驗(yàn)被視為禁區(qū)，取消高考與中考，導(dǎo)致教育測量學(xué)停止發(fā)展。

三、蓬勃發(fā)展時期

20世紀(jì)70年代末至80年代時期，主要表現(xiàn)在:第一，我國學(xué)者從西方國家引進(jìn)了傳統(tǒng)的經(jīng)典測驗(yàn)理論 (Classical Test Theory，簡稱CTT)以及現(xiàn)代的概化理論 (Generalizability Theory，簡稱GT)和項(xiàng)目反應(yīng)理論 (Item Response Theory，簡稱IRT)。第二，1979年，林傳鼎、張厚粲等人在參考國外資料的基礎(chǔ)上編制了少年兒童學(xué)習(xí)能力測驗(yàn)，用于測量小學(xué)畢業(yè)生的語言能力和推理能力。1980年開始，在張厚粲的主持下，北京師范大學(xué)高考研究組對每年的高考試卷進(jìn)行系統(tǒng)的統(tǒng)計(jì)分析。從1985年開始至1990年，我國全面開展高考標(biāo)準(zhǔn)化改革實(shí)驗(yàn)。第三，1982年，葉佩華教授等人翻譯美國桑代克、哈根合著的《心理與教育的測驗(yàn)和評價》(Measurement and Evaluation in Psychology and Education，1977年版)一書。教育測量學(xué)方面的學(xué)術(shù)著作大批出版。第四，1988年，全國教育統(tǒng)計(jì)與測量研究會成立。同年，我國加入國際教育成就評價協(xié)會 (International Association for Educational Assessment，IAEA)，并與國際教育成就評價協(xié)會合作，在我國進(jìn)行了全國規(guī)模的教育測量抽樣研究。

四、21世紀(jì)初我國現(xiàn)代教育測量理論和方法的新發(fā)展

(一)教育測量理論的前沿研究

21世紀(jì)初我國教育測量理論的前沿研究主要表現(xiàn)在三個方面:一是多維項(xiàng)目反應(yīng)理論的研究與應(yīng)用;二是認(rèn)知診斷理論的研究與應(yīng)用［2］;三是測驗(yàn)等值理論的研究與應(yīng)用。

傳統(tǒng)的教育測驗(yàn)以經(jīng)典測驗(yàn)理論為依據(jù)，主要用于教學(xué)中的人才選拔考試、學(xué)生成績診斷和描述性評價等方面。經(jīng)典測驗(yàn)理論存在統(tǒng)計(jì)量的樣本依賴性大，信度估計(jì)不精確，不能同時對題目難度和被試能力進(jìn)行估計(jì)，測驗(yàn)結(jié)果的預(yù)測力缺乏等問題。項(xiàng)目反應(yīng)理論具有能對被試的能力或潛質(zhì)特質(zhì)進(jìn)行估計(jì)，針對每個被試提出其能力估計(jì)值的測量誤差，項(xiàng)目參數(shù)不依賴于樣本等優(yōu)點(diǎn)，彌補(bǔ)了經(jīng)典測驗(yàn)理論的不足。項(xiàng)目反應(yīng)理論的研究主要關(guān)注不同參數(shù)的等級反應(yīng)模型、規(guī)則空間模型、不同條件下對各種參數(shù)估計(jì)的影響等，研究方法主要采取模擬數(shù)據(jù)和實(shí)測數(shù)據(jù)相結(jié)合。多維項(xiàng)目反應(yīng)理論是把知識分解為多個維度，分別估計(jì)被試在每個維度的能力值，來實(shí)現(xiàn)對被試知識結(jié)構(gòu)的診斷［2］。多維項(xiàng)目反應(yīng)理論對測驗(yàn)中的每個維度都分別計(jì)算被試能力和項(xiàng)目區(qū)分度參數(shù)，同時估計(jì)題目與被試的交互作用。

經(jīng)典測驗(yàn)理論給人們提供的只有分?jǐn)?shù)，只能提供被試在知識與能力上的排序信息，而缺乏深入了解被試認(rèn)知結(jié)構(gòu)和認(rèn)知水平的診斷信息。認(rèn)知診斷理論 (Cognitive Diagnostic Theory，簡稱CDT)的研究則可解決這一問題。認(rèn)知診斷理論突破了經(jīng)典測驗(yàn)理論忽視被試心理學(xué)實(shí)際意義的不足，結(jié)合認(rèn)知心理學(xué)的最新研究，注重被試的心理學(xué)實(shí)際情況，成為新一代測驗(yàn)理論的核心。它以現(xiàn)代測量理論為基礎(chǔ)，根據(jù)認(rèn)知學(xué)習(xí)理論，運(yùn)用精致的數(shù)學(xué)模型，以測量被試的知識結(jié)構(gòu)、認(rèn)知過程和認(rèn)知策略為目標(biāo)［3］，注重測量被試的多維認(rèn)知能力，可以給被試提供掌握知識與技能情況的診斷信息。

以多維項(xiàng)目反應(yīng)理論和認(rèn)知診斷理論為代表的現(xiàn)代教育測量理論的興起反映了人們不滿足于單一的測量分?jǐn)?shù)、希望得到更加詳細(xì)的診斷信息的現(xiàn)實(shí)情況。將測量理論與教育評價和考試等實(shí)踐領(lǐng)域相結(jié)合，產(chǎn)生了增值性評價、自適應(yīng)測驗(yàn)以及計(jì)算機(jī)化自適應(yīng)多階段考試等應(yīng)用性的研究。目前大多數(shù)前沿領(lǐng)域，如認(rèn)知診斷和計(jì)算機(jī)化認(rèn)知診斷測驗(yàn)，還處于理論研究的階段，尚未在大規(guī)模測評項(xiàng)目中應(yīng)用。

在教育測量中，人們常常遇到需要比較不同地區(qū)、單位、時間的考試分?jǐn)?shù)的問題。教育管理部門希望對不同學(xué)年學(xué)生的學(xué)業(yè)成績與水平做出公平的評價，這就需要測驗(yàn)等值的技術(shù)方法把不同的測驗(yàn)關(guān)聯(lián)起來。測驗(yàn)等值可以把不同測驗(yàn)分?jǐn)?shù)之間進(jìn)行等值，也可以對測驗(yàn)題目的參數(shù)進(jìn)行等值［4］。總之，現(xiàn)代測驗(yàn)理論的不斷發(fā)展和成熟，彌補(bǔ)了經(jīng)典測量理論的不足，為教育測量與評價提供更多樣化、科學(xué)化的工具。

(二)教育測量新方法的研究與應(yīng)用

未來一段時期內(nèi)我國教育測量新方法的研究應(yīng)用主要關(guān)注以下三個方面:

1.計(jì)算機(jī)自適應(yīng)測驗(yàn)

以項(xiàng)目反應(yīng)理論為基礎(chǔ)，結(jié)合計(jì)算機(jī)技術(shù)形成的計(jì)算機(jī)自適應(yīng)測驗(yàn)已經(jīng)被廣泛應(yīng)用于教育測驗(yàn)。計(jì)算機(jī)自適應(yīng)測驗(yàn) (Computerized Adaptive Testing，簡稱CAT)是項(xiàng)目反應(yīng)理論的一個重要應(yīng)用。計(jì)算機(jī)自適應(yīng)測驗(yàn)是不同于傳統(tǒng)紙筆測驗(yàn)的一種新型測驗(yàn)。它應(yīng)用項(xiàng)目反應(yīng)理論來建立測驗(yàn)的題庫，通過計(jì)算機(jī)自動選擇與被試能力相符的測驗(yàn)題目施測，應(yīng)用數(shù)學(xué)模型對被試能力水平進(jìn)行估計(jì)。因此，不同于傳統(tǒng)紙筆測驗(yàn)通過一份試卷考查所有被試，在計(jì)算機(jī)自適應(yīng)測驗(yàn)中，每個被試接受與自己能力相符的獨(dú)特的測驗(yàn)。計(jì)算機(jī)自適應(yīng)測驗(yàn)也不同于一般的計(jì)算機(jī)化測驗(yàn)，一般的計(jì)算機(jī)化測驗(yàn)只有呈現(xiàn)題目、輸入答案、自動評分、得出結(jié)果的功能，而計(jì)算機(jī)自適應(yīng)測驗(yàn)需要根據(jù)被試對試題的不同回答，自動選擇最適合被試的試題讓被試?yán)^續(xù)作答，最終達(dá)到對被試能力做出最恰當(dāng)估計(jì)的目的。在計(jì)算機(jī)自適應(yīng)測驗(yàn)中，測驗(yàn)試題的選擇和呈現(xiàn)、被試對試題的解答以及被試的能力計(jì)算都是通過計(jì)算機(jī)來完成的，因此，對計(jì)算機(jī)的性能要求比較高。計(jì)算機(jī)自適應(yīng)測驗(yàn)關(guān)注試題曝光率的控制、測驗(yàn)終止的原則對計(jì)算機(jī)化掌握性測驗(yàn)的影響、選擇試題的策略以及計(jì)算機(jī)自適應(yīng)測驗(yàn)的結(jié)束規(guī)則等方面。美國教育考試服務(wù)中心 (ETS)GRE考試的General Test和GMAT計(jì)算機(jī)考試都屬于計(jì)算機(jī)自適應(yīng)測驗(yàn)。我國大學(xué)英語四六級考試目前正在嘗試推動這種考試方式的改革。

2.高級統(tǒng)計(jì)方法在教育測量中的應(yīng)用

高級統(tǒng)計(jì)方法的發(fā)展極大推動了教育測量的研究。結(jié)構(gòu)方程模型 (Structural Equation Model)計(jì)算方法是目前最常用的高級統(tǒng)計(jì)方法，它在現(xiàn)代教育測量與教育研究中的應(yīng)用已日益廣泛。結(jié)構(gòu)方程模型中的驗(yàn)證性因素分析為測驗(yàn)結(jié)構(gòu)效度的檢驗(yàn)提供了新的方法。結(jié)構(gòu)方程的路徑分析思想拓展了教育測量研究的思路——由過去的只研究單變量變?yōu)檠芯慷嘧兞浚煞治鲋餍?yīng)到同時分析主效應(yīng)和交互效應(yīng)，由對單指標(biāo)和直接觀測變量進(jìn)行研究到對多指標(biāo)和潛變量進(jìn)行研究［5］。統(tǒng)計(jì)分析方法的另一大突破性發(fā)展是多層分析的理論和方法。在教育測量的研究中，取樣往往存在嵌套結(jié)構(gòu)，如學(xué)生嵌套于學(xué)校。多層分析方法可以減少傳統(tǒng)回歸分析方法導(dǎo)致的估計(jì)誤差，并且可以避免由人為選擇分析單位而可能出現(xiàn)的錯誤。新一代統(tǒng)計(jì)方法的發(fā)展還體現(xiàn)在對追蹤數(shù)據(jù)和發(fā)展模型的處理上，目前最為廣泛接受的是基于結(jié)構(gòu)方程的追蹤數(shù)據(jù)分析方法和基于多層分析技術(shù)的發(fā)展模型方法。這些高級統(tǒng)計(jì)方法對提高研究的嚴(yán)謹(jǐn)性、結(jié)論的科學(xué)性帶來很大幫助，必將有力推動教育測量的研究向更高層次的發(fā)展。

3.國際學(xué)科能力測驗(yàn)的新方法

教育評價的國際比較研究為人們在解釋一國的表現(xiàn)時提供了更大的參照系，因而加強(qiáng)國際合作已成為當(dāng)今世界評價學(xué)生基本素質(zhì)的一大發(fā)展趨勢。當(dāng)前國際上影響力較大的三個基礎(chǔ)教育學(xué)科能力評價項(xiàng)目PISA(Programme for International Student Assessment，國際學(xué)生評估項(xiàng)目)、TIMSS(Trends of International Mathematics and Science Study，國際數(shù)學(xué)和科學(xué)評測趨勢)和NAEP(National Assessment of Educational Progress，美國教育進(jìn)展評價)的考試科目和內(nèi)容的確定、測驗(yàn)命題、考試組織、成績評價等全新的方法引起國內(nèi)研究者的關(guān)注。目前，我國上海等城市的學(xué)生已參與PISA測驗(yàn)。中國大陸還沒有參加 TIMSS測試。2012年，在四年一屆的TIMSS項(xiàng)目中，中國香港和臺灣地區(qū)學(xué)生參與其中，并取得驕人成績。國際教育比較研究可以偵測每個國家相對擅長和不足的學(xué)科領(lǐng)域，為國家的教育政策、學(xué)校課程、教學(xué)以及學(xué)生的學(xué)習(xí)提供導(dǎo)向。

［1］張厚粲，余嘉元.中國的心理測量發(fā)展史［J］.心理科學(xué)，2012(3).

［2］辛濤，樂美玲，張佳慧.教育測量理論新進(jìn)展及發(fā)展趨勢［J］.中國考試，2012(5).

［3］吳強(qiáng)，鐘志強(qiáng).教育測量理論發(fā)展研究［J］.鞍山師范學(xué)院學(xué)報，2013(4).

［4］張敏強(qiáng).20世紀(jì)教育測量學(xué)發(fā)展的回顧與現(xiàn)狀評析［J］.教育研究，1999(11).

［5］侯杰泰，等.結(jié)構(gòu)方程模型及其應(yīng)用［M］.北京:教育科學(xué)出版社，2004.