第9章 标准化成就测验

用知识、技能或通过努力能够完成的情况所界定的成就测验，是所有心理测量学工具中最常见的。加上所有由教师自编的课堂测验和卖给学校和其他机构的标准化测验，施测成就测验的数目很容易超过其他类型的心理和教育测验。美国的大多数州都规定，学生在有些年级要使用成就测验。在北美学校中施测的标准化成就测验，大多是关于阅读和语言文学领域的内容。每年花在数学、理科、社会问题研究以及其他学科测验上的费用多达数百万元。

9.1 成就测验的基础

能力(一般智力、特殊能力或成就)测验实际上测量的都是一个人所完成的事情。智力测验和特殊能力测验的题目与成就测验的题目相似，要求受测者证明他对一些任务的完成情况。成就测验的分数在使用目的上与其他一般智力或特殊能力测验上的得分有很多是相同的，它们包括对个人能力进行总的和诊断性的评估，以及对教育性和社会性项目的效能进行评价。

教育成就测验在预测学校成绩上有时比智力测验和特殊能力测验做得更好，但是它不能取代这些测验。一般智力测验在任务完成方面所测量的东西与标准化成就测验所测的东西相比，内容更为广泛，而且也较少受正规的近期学习经验的影响。大多数成就测验评估的是教授对某种事物的知识，因此其分数会比智力和特殊能力测验的分数更多地受辅导的影响。

成就测验和其他认知能力测验的区别也可以用它们不同的侧重点来说明。成就测验集中注意于当前，即个体现在知道什么和能够正确地完成什么，而智力和特殊能力测验关注的是未来。它们测量学习的能力倾向，即个体在进一步接受教育和训练后，能做到什么。

很多流行的成就测验都与同一公司出版的，并在相同的学生群体中与标准化的能力倾向测验联结在一起。将成绩与能力倾向的测量结合使用，在对结果做解释时，可以超过单纯靠成就测验的方法，使对测验结果的解释变得更加容易。

9.1.1.历史回顾

在人事和教育评估中引入口头的和书面的成就测验可以追溯到古代中国。大约公元前150 年，中国就开始通过口试选拔官员(Bowman，1989)。书面测验的使用如作文、作诗、默写并用两级评判最早也是出现在中国，大约在公元1370 年。随着12 世纪欧洲人从阿拉伯学到了造纸技术(而阿拉伯人是在8 世纪从中国学到的)，在一些欧洲的大学里用笔试替代了口试。根据记录，笔试在欧洲大学里及时次被应用在教育上发生在1702 年英国的剑桥大学。伦敦大学在1836 年获得授权，设立了书面测试中心(Green，1991)。直到1845 年，在美国才开始大规模实施书面考试(Greene， Jorgensen & Gerberich，1945)。

到19 世纪早期，美国城市中的学校的学生数目大量增加，不再适合经常地应用口试方法进行考试了。然而直至19 世纪后期，口试依然是美国评价学生成绩的主要方法。在1945 年，波士顿的教育家霍勒斯? 梅因(Horace Mann )对于统一施测和计分的笔试与口试相比较是更好的测量成绩的方法，做了很有说服力的争论。在他的影响下，波士顿的学校开始每年对学生进行笔试。他们期望通过这种实践确定"学校的情况、进步或退步"(Fish，1941)。尽管有梅因和其他教育家的努力，口试继续作为评估学校成绩的主要方法，直到很多年后才逐渐被笔试替代。在那时，口试和笔试的计分都是相当主观的。

及时个能够记分的、关于成绩的客观测验是1861 年英国人乔治? 费希尔(George Fisher )编制的书写量表(writing scale)。一年以后，为了提高教育标准，纽约州也开始使用客观测试。教育测量上另一个重要进步是赖斯(J.M.Rice )关于学龄儿童拼写能力的经典型测验。通过对33 000 个儿童施测50 个单词的拼写测验，赖斯得出的结论是：每天15 分钟的拼写教学，学到的东西与每天40 分钟教学所学到的一样多。在后来的研究中，赖斯设计了评估儿童语言技能和算术成就的客观测验。这些测验一般被视为标准化成就测验的前趋，为教育测量方面的其他先锋人物的工作奠定了基础。

在20 世纪初期，一些标准化的成就测验在桑代克(E. L. Thorndike )的指导下出版，桑代克被罗斯(Ross )和斯坦利(Stanley )视为教育测验运动之父。这些测验包括斯通(C. L. Stone )的算术测验——基础运算和算术推理测验(Arithmetic Test for Fundamental Operations and Arithmetic Reasoning Test, 908)，柯蒂斯(S. A. Courtis )的算术测验系列(Arithmetic Tests Series,1909 )和桑代克的儿童书写量表(Scale of Handwriting for Children,1909)。由于教师评定分数不可信, 甚至在数学课上分数也不，这使得人们对客观的标准化测验的研究兴趣有所增加。到20世纪20 年代末期，就有了大量可用的标准化测验，包括成套的测验，如斯坦福成就测验小学生版(Stanford Achievement test for elementary school pupils, 1923) 和艾奥瓦中学内容考试(Iowa High School Content Examination，1924。在1926 年，应用多选题形式的学业能力测验(Scholastic Aptitude Test, SAT )代替了之前在大学入学考试中实施的论述式测验(Donlon， 98 )。新的多选题形式与自动化记分机器的发明，共同引导了在评价学生成绩上使用标准化测验的快速增长。

不仅是受到教育和科学方面的激发，美国成就测验的发展也部分地归因于如下事实：在关于公立学校的公开辩论中，双方都发现，提倡测验的主张和结果在政治上是有利的。

9.1.2.论述题和客观题测验

尽管有数百个研究，但是关于论述题和客观题测验的相对价值的争论至今还是没有解决。实践中，有人认为教师们过分地使用客观题致使损害了学生的作文能力。精心编制的主观性测验不但能够测量对事实的记忆，还能够测量很多过去认为只能用作文测验测量的教学中更为复杂的内容。在过去的几十年里，一个值得注意的趋势是考试深入到教学目标的高级成就，如应用，分析和评价。另一个趋势是离开了标准化成就测验，即尝试在广泛的教育目标中评估个体成就，其目标是为特定教材和教学项目而设计的特殊测验。，为了对客观题考试培养的学生不会书写和不善自我表达的批评做出反应，现在人们对于标准化的书写表达的论述题给予了更多关注。