测量测量与评价重点.docx

名词解释
测量：根据某些法则与程序，用数字对事物在量上的规定性予以确定和描述的过程。
教育测量:针对学校教育影响下学生各方面的发展，侧重从量的规定性予以确定和描述的过程。
评价：衡量、判断人物或事物的价值。
教育评价：按照一定的价值标准和教育目标，利用测量和非测量的种种方法系统地收集资料信息，对学生的发展变化及其影响学生发展变化的各种要素进行价值分析和价值判断，并为教育决策提供依据的过程。
测量单位：用于表示与其相比较的同种量大小的约定定义和采用的特定量。（度娘）
参照点：用数字对事物在量上的规定性予以确定，就需要有一个测量或计算的起点，这个起点叫参照点。
命名量表：最低水平的一种量表，这种量表是用来对事物或人的心理现象进行分类的。P4
顺序量表：用于对事物或人的心理现象进行分类，但这种分类是以所测属性的数量大小为基础进行的。
比率量表：除了具有量的大小和相等单位外，还具有绝对的零点。最高水平的量表是比率量表。
等距量表：比顺序量表高一个层次，它不但能在一个连续体上表示事物量的大小，而且具有相同的测量单位。等距量表的零点是相对的。
形成性测量与评价：在教学过程中经常实施的，在性质上大致相当于现在的中小学单元测验。
诊断性测量与评价：对经常表现出学习困难的学生所作的测量与评价。
终结性测量与评价：用于教学结束后，在性质上相当于现在学校中所举行的期末考试。
常模参照测量与评价：将被试水平与测验常模相比较，以评价被试在团体中的相对地位的一种测量与评价类型。
标准参照测量与评价：将被试的表现与既定的教育目标或行为标准相比较，以评价被试在多大程度上达到该标准。
潜力参照测量与评价：将被试实际水平与其自身潜在水平（潜力）相比较，以评价被试有无充分发挥自身潜力为目的。
最佳行为测量与评价：以测量被试的最佳行为表现为目的，以成就或能力的高低作为评价基础。
典型行为测量与评价：测量与评价其是否具备某种（或某些）典型行为。
纸笔测验：纸笔测验的内容是以文字的形式表现的，被试也用文字作答，是最为普通的一种测量与评价方式。
操作测验：操作测验的内容是通过图形、仪器、工具、实物、模型等形式表现的，被试通过指认、手工操作向主试提供答案。
计算机自适应测验：用项目反应理论建立题库，并由计算机根据被试能力水平自动选择测题，最终对被试能力作出估计的一种新型测验。（度娘）
测验标准化：由测量专家严格按照测验编制程序而编成的一种测验。
高厉害测验：
信度：测量结果的稳定性程度，是指对无系统的随机误差的控制。
效度：一个测验或量表实际能测出其所要测量的特性的程度。
真分数：反映被试某种心理特质真正水平的数值。P58/被试的真分数是观测分数（或说测量实得分数）的数学期望值。P308
随机误差：量结果与同一待测量的大量重复测量的平均结果之差。（度娘）
系统误差：在重复性条件下，对同一被测量进行无限多次测量所得结果的平均值与被测量的真值之差。（度娘）
平行测验：如果两个题目不同的测验测的是同一特质，并且题目形式、数量、难度、区分度以及测查等值团体后所得分数的分布（x和s）都是一致的，则这两个测验被称作是彼此平行的测验。（度娘）
重测信度：用同一个量表（测验或评价表）对同一组被试施测两次所得结果的一致性程度。
复本信度：两个平行测验测量同一批被试所得结果的一致性程度。
等值性系数：可以反映出两个测验是否是真正的平行测验。
等值稳定性系数：不仅反映出测验内容的抽样误差，而且也反映了被试本身状况的改变。
内部一致性信度（同质性信度）：测验内部所有题目间的一致性程度。
分半信度：将一个测验分成对等的两半后，所有被试在这两半上所得分数的一致性程度。
评分者信度：多个评分者给同一批人的答卷进行评分的一致性程度。
测量标准误：测验中所得测值偏离真分数的程度。
内容效度：测验题目样本对于应测内容与行为领域的代表性程度。
实证效度：以实践的效果来作为检验测验是否有效的标准。
效标关联效度：指测评结果与衡量测评有效性的参照标准结果的一致性程度。（度娘）/测量分数对于学生在一外部效标上成绩的预测程度。
效标：检验测验效度的外在的、客观的标准。P63
观念效标：
效标与测量：
同时效度：测验分数与效标资料的取得约在同一时间内连续完成，计算这两种资料的相关系数就是代表测验的同时效度。
预测效度：在测验分数取得一段时间后才获得效标资料，计算这两种资料间的相关系数就是代表测验的预测效度。
结构效度：测验能够测量到理论上所定义的某一心理结构或特质的程度。
表面效度：在被试或非专业人士看来，测验表面上是否存在有效地测量着应测特质量的程度。
难度：被试完成题目作答任务时所遇到的困难程度。
区分度：题目区别被试水平能力的量度。
通过率：正确作答人数和参加考试总人数的比值。/根据一定的规则，对参加测试的对象进行筛选，所有通过筛选的对象与所有参加测试的对象的比值。
标准化难度系数：
鉴别指数：衡量题目区分程度的一个指标。
猜测度：
主观题：鼓励被试积极地组织所学的材料，表达自己的观点。（没有明确统一的标准答案，评分易受评阅者主观因素影响，因而误差较大。）
客观题：答案明确，作答简便，在限定的时间内测验可以包含足够数量的试题，能保证对知识内容的覆盖。（评分客观，它们的正确答案可以在测验前就已准备好，不同评分者各自独立评分，所得结果基本上是相同的。）
二值记分题：每个题目只有两种评分结果。
多值记分题：至少有3种可能的记分结果。
教育目标：人们在教育活动之前，预先设想和确定的关于教育活动最终期望达成的结果。
测验目标：学生的受教育结果。P96
概括性问题教育评价表：根据评价目标概括提出一系列问题加以系统了解的评价表式。
指标结构性教育评价表：根据评价目标逐层分解评价指标，形成具有评价指标体系、指标权重结构以及定性定量具体评价标准的教育评价表。
原始分数：未经任何处理或转换的分数，是考生在一份试卷中所得的卷面分数。
导出分数：以常模团体的原始分数为基础，用统计学方法，导出一种新的、具有特定意义的、能反映个体发展在其团体中相对位置情况的分数量表或符号系统。
常模：一个有代表性的样组在某种测验上的表现情况。
常模团体：在建立测验常模过程中实际受测被试样组。
全国常模：测试样组在全国范围内进行抽样所建立的常模。P126
地区常模：测试样组限在本地区中抽样所建立的常模。P126
发展常模：某类个体正常发展过程中各个特定阶段的一般水平。
年龄常模：某个年龄组所有个体的正常发展水平。P127
年级常模：不同年级学生在某种测验上的正常的一般的表现水平。
智力年龄：在智力测验量表上与某一智力标准水平相当的年龄。（度娘）
比率智商：为智力年龄与实际年龄之比。（度娘）
组内常模：是关于一个与被试同类的群体，在某种测验所测特性上的一般表现水平的常模资料。
离差智商：是一种以年龄组为样本计算而得的标准分数。（度娘）

论述与简答
1. 教育测量与教育评价的联系与区别？P7
联系：教育测量可以为教育评价提供价值判断的基本数量事实，教育测量是教育评价的基础；而教育评价往往是教育测量过程的延续，是对测量结果的解释与应用，并朝着价值判断与释放教育功能的方向拓展。
区别：教育评价最根本的特征是做出价值判断。而教育测量过程的完结，在给出数量事实的描述与判断之后，不一定都要做出价值判断。
2. 心理测量与教育测量的联系与区别？
心理测量是用来检测人们的能力、行为和个性特质的特殊的测验程序。教育测量是针对学校教育影响下学生各方面的发展，侧重从量的规定性予以确定和描述的过程。

3. 斯蒂文斯认为的4种测量水平是什么？教育测量属于哪一种水平，为什么？
称名量表；顺序量表；等距量表；比率量表。
教育测量属于顺序测量的水平。原因：从所使用的参照点来说，教育测量领域的参照点均为相对参照点；从所使用的单位来说，教育测量的单位远没有其他测量的单位成熟和完善，既无统一的单位，也不符合等距的要求。
4. 为什么不可见不可观察的教育现象和心理现象可以测量？
5. 和物理测量相比，测量心理和教育现象有什么特别的地方？
（1）从依据的法则来说，心理与教育测量依据的法则在很大程度上只是一种理论。
（2）从测量的内容来说，心理与教育测量的内容是复杂的 ，内隐的，其测量只能是间接的。
（3）相对与物理测量的定量分析的精确度而言，心理与教育测量定量分析的精确度很低。
6. 测量与评价为优化教育决策提供依据，其功能和意义表现在哪？

（1）教育测量与评价在教育系统中的作用：教育本身是一个系统。在教育系统中，学生、教师、学生、教育方案、课程、教材、教学训练、考试等都是这个系统的组成部分。当根据教育目标和计划、把教育方案、课程、教学等因素作用于学生身上后，需参照教育目标和计划，对教育效果及其输入条件的妥当性予以测量评估、价值分析和判断。然后，把这一测量与评价过程所获得的信息反馈给教育者、学习者以及有关教育决策者，以便改进教育的策略与方案，更有效地答道教育目的。
在教育系统运转过程中，除了对教育效果要进行测量与评价外，还要针对影响教育效果的诸因素进行客观的分析和评价。教育测量与评价在教育系统中对实现教育目标起着重要的作用。
（2）教育改革常常以教育测量与评价的改革作为突破口。
7. 为什么教育测量与评价是教师必须掌握的技能？P27
正确评价学生的发展是教师职业能力的重要组成部分。
国外教师教育普遍开设“教育测量与评价”类课程。
8. 真分数模型的基本观点和用处？
基本观点：真分数模型是以弱假设为基础的，即这些假设很容易验证并易被大多数测验数据资料所满足。
用处：以真分数模型为理论基础建立了经典测验理论，即真分数理论。经过几十年的发展，经典测验理论形成了一套以真分数理论为基础的较完善的测验理论和对题目与测验进行统计及分析的方法，且这些方法在计算上较为简单，意义上也直观明了，易被教育工作者理解和掌握
9. 重测/复本/内部一致性/评分者信度的联系和区别，反映了测量中的什么误差？P47-P55
10. 影响信度的因素有哪些？如何提高？
因素：被试的样本，测验的长度， 测验的难度。
方法：增加题目数量；难度适中；内容同质；程序统一；时间充分；评分客观。/(1)适当增加测验长度。(2)使测验中所有的试题的难度接近正态分布，并控制在中等水平。(3)努力提高测验试题的区分度。(4)选取恰当的被试，提高测验在各同质性较强的亚团体上的信度。（5）主试者严格执行测验规程，评分者严格标准评分，实测场地按测验手册的要求布置，减少无关因素的干扰。
11. 信度和效度的含义和关系？
含义：信度是测量结果的稳定性程度，是指对无系统的随机误差的控制。效度是一个测验或量表实际能测出其所要测量的特性的程度。
关系：信度是效度的必要条件，但不是充分条件。一个测量工具要有效度必须有信度，没有信度就没有效度；但是有了信度不一定有效度。信度低，效度不可能高。因为如果测量的数据不准确，也并不能有效地说明所研究的对象。信度高，效度未必高。效度低，信度很可能高。 效度高，信度也必然高。
12. 为什么测验的有效程度是相对的？
效度始终是针对一定测量目的而言。
效度只有程度上的差异。
效度是针对测量结果而言的。
评价一个测量是否有效度要多角度、多方面地收集证据。
13. 测验的结构效度证据来源于哪些？
测验内部寻找证据法：内容效度，作答过程分析，测验的同质性，因素分析法。
考察测验的实证效度法：差异被试比较法，先后测试分析法。
14. 影响测验效度的因素有哪些？如何提高？
因素：测验的构成，测验实施过程，接受测验的被试，所选效标的性质，测量的信度。
方法：（1）精心编制测验量表，避免出现较大的系统误差。（2）妥善组织测验，控制随机误差。（3）创设标准的应试情境，让每个被试都发挥出正常水平。（4）选好正确的效标，定好恰当的效标测量，正确使用有关公式。
15. 难度对测验分布的影响？P68
测验难度增加，考生分数分布呈正偏态。
测验难度减少，考生分数分布呈负偏态。
16 一个测验的理想难度分布是什么形态？P68
测验题目的恰当难度就是使P值尽量接近0.50。可使测验对被试有较大的鉴别力，而且可以使测验分数接近正态分布。
17. 标准的参照测验题目难度是否重要？P78
标准参照测验题目难度分析必要性不大。标准参照测验的题目区分度分析比难度分析要重要，因为这类测验的目的就是要区分合格与不合格被试。
18. 如何计算评价题目的区分能力？P69
相关法：（1）点双列相关系数（2）二列相关系数（3）积差相关系数
高低分组法。
19. 标准化测验的编制过程。P106
选定测验的材料；编写测验试题（命题）；试题与题目分析；合成测验（组卷）；编制复本；编写测验手册。
20. 主观题与客观题的特点和优劣？
主观题的优缺点：
主观题是让考生自己答题，以表达对试题的理解。试题的题型有简答题、论述题、应用题、作文题等。主观题也称自由应答型试题。主观题可以借题发挥，没有固定答案，只有参考答案，答案只要不离谱就行。优点在于对于考查考生的语言表达能力思维创新能力等方面有独到的功能，可以任意表述自己的想法，只要答得在理，沾边就可以得到一定的分数；但弊端就在于，评分容易受到评卷人的主观影响，得分的多少完全在于判卷老师的手中，想要得满分不容易，但如果你答得尽善尽美，自然也不用担心。
客观题的优缺点：
客观题分为选择题、判断是非题等，客观题也称固定应答型试题，答案很明确，是让考生从事先拟定的答案中辨认出正确答案，画圈或打钩就可以了，对就对，错就错。优点在于客观题有标准答案，与主观题相比较为简单。以客观题为主体的试卷有足够的覆盖面，阅卷、评分完全避免阅卷人的主观因素的干扰，还可以通过机器阅卷，提高阅卷效率。有时，主观题和客观题在答案上都互相有所提示。弊端就在于答案是给定的，要求从中选择正确答案，答题者没有选择的余地。不能任意表达自己的想法发展思维。
21. 布鲁姆教育目标分类学的认知内容有哪些？P98
知识；领会；运用；分析；综合；评价。

22. 教育评价指标的初步确定有哪些方法？筛选过程有哪些方法？确定指标群众有哪些方法？P118
初拟方法：头脑风暴法；因素分解法；理论推演法。
筛选方法：经验法；调查统计法。
确定指标群众：
23. 使用原始分数报告分数是否合理？论据？P142
不合理。
原因：（1）原始分数未能反映考试分数相对于团体的位置信息。（2）不同科目或同一科目不同次考试之间分数可比性差。（3）各科标准不一影响对科目权重的设计。
24. 比较年龄和年级常模的异同。P127
同：年龄常模和年级常模直观、易懂，对于解释和评价学生个体的某些身心特性的发展是具有一定意义的，尤其是小学阶段，其身心发展的特点和学校主要课程内容在教学上具有较好的连续性。
异：
25. 标准分数，百分等级常模的优缺点。
百分等级优：具有可比性，容易计算，解释方便。 缺：单位不等，尤其在分配的两个极端； 只具有顺序性，无法说明不同被试之间分数差异的数量。
标准化分数精确度高，所提供的资料也最丰富，无论在心理学临床和研究上都有广泛的使用，但其缺点是测验分数必须呈现常态分配，且易被对心理测验了解不足者所误用。
26. 标准，常模参照测验的联系和区别？是否可以两者同时，为什么？P150
区别：（1）两种测验的目的有所不同。（2）两种测验对题目统计量的考虑有所不同。（3）两种测验对描述内容领域规范的详略有所不同。（4）两种测验对测量同一学习任务或目标所用题目数量有所不同。（5）两种测验对分数的解释方法有所不同。
联系：

27. 简要说明用于标准设定的2种方法。
（1）以测验为中心的标准设定方法。要求评委对评价任务作出评判，评委对临界水平考生在每个项目上的期望表现水平作出评判。
（2）以考生为中心的标准设定方法。将注意力直接集中于考生，要求熟悉考生的评委在不了解考生测验表现的情况下将他们置于有序的表现类别。
28. 当前高校考试制度有哪些是可取的哪些是不可取的？ 高考标准分，学生评价。
弊端：（1）在考试的形式上，当前高等教育考试多为在学期末采取一次性闭卷考试的单一形式，或者将成绩分为平时成绩和期末考试成绩两个部分，形式缺乏灵活性。
（2）在考试的内容上，当前高等教育考试大多侧重于学生识记方面的考核，却往往疏于综合能力方面的考核。
（3）在考试的目的上，应试教育是一种以考试为导向而进行的教育活动，容易使学生对学习产生一些不正确的认识。
可取处：P169