● 北京語言大學(xué) 謝小慶

進(jìn)行成長評估，可以有兩種思路：一是高起點(diǎn)、高水平，一步到位；二是低起點(diǎn)、低水平，第一步先“做起來”，第二步再力爭逐步“做得好”。如有條件，當(dāng)然可以選擇第一種思路。本文介紹的“等值”和“殘差”兩種方法，屬于第二種思路。

一、 從“達(dá)標(biāo)（結(jié)果）評估”到“達(dá)標(biāo)+成長（增值）評估”

2020年6月30日，由習(xí)近平總書記主持召開的中央全面深化改革委員會(huì)第十四次會(huì)議審議通過了《深化新時(shí)代教育評價(jià)改革總體方案》。10月13日，中共中央和國務(wù)院印發(fā)了這一總體方案?！渡罨聲r(shí)代教育評價(jià)改革總體方案》的“總體要求”中提出：“改進(jìn)結(jié)果評價(jià)，強(qiáng)化過程評價(jià)，探索增值評價(jià)，健全綜合評價(jià)”?！渡罨聲r(shí)代教育評價(jià)改革總體方案》已經(jīng)為未來教育評價(jià)改革指明了方向，理清了思路。這就是：以“倡四評（結(jié)果、過程、增值、綜合）”實(shí)現(xiàn)“破五唯（分?jǐn)?shù)、升學(xué)、文憑、論文、帽子）”。未來，教育評價(jià)改革的一個(gè)重要思路就是，以成長（增值）評估來完善和補(bǔ)充原有的達(dá)標(biāo)（結(jié)果）評估。

所謂成長評估模型是指一組定義、計(jì)算方法和規(guī)則，可以根據(jù)學(xué)生兩個(gè)或多個(gè)時(shí)間點(diǎn)的表現(xiàn)，做出與學(xué)生、班級(jí)、教師和學(xué)校有關(guān)的解釋。（王曉平，齊森，謝小慶《美國學(xué)?！俺砷L測量”的7種主要方法》，2018年刊于《中國考試》第6期）進(jìn)行成長評估，不僅可以更準(zhǔn)確地了解學(xué)生實(shí)際的學(xué)習(xí)成效（outcome），同時(shí)還可以更準(zhǔn)確、更清晰地了解教師、學(xué)校對學(xué)生成績提高所產(chǎn)生的實(shí)際影響。

新的“達(dá)標(biāo)+成長”的教育評估模型體現(xiàn)了一種新的教育理念。學(xué)習(xí)，不僅要追求“達(dá)標(biāo)”，更要追求“成長”。對于一些基礎(chǔ)好的學(xué)生，實(shí)現(xiàn)“達(dá)標(biāo)”并不一定能夠?qū)崿F(xiàn)“成長”；對于一些基礎(chǔ)薄弱的學(xué)生，即使暫時(shí)“達(dá)標(biāo)”有困難，但仍然可以通過學(xué)習(xí)獲得“成長”。

二、幾個(gè)常用的成長評估模型

今天，在美國各州應(yīng)用的成長測量模型主要有：基于縱向量表的增分模型（gain score）、軌道模型（trajectory）和分類模型（categorical）；基于回歸方法的殘差模型（the residual gain）、投射模型（projection）和學(xué)生成長百分等級(jí)模型（student growth percentile，簡稱SGP模型）；基于多變量分析的增值模型（value added）。

基于縱向量表的增分、軌道和分類等三種模型，目前在我國暫時(shí)不具有可行性，可以暫不考慮。今天，在美國應(yīng)用最廣泛的兩個(gè)縱向量表是《智者平衡評估聯(lián)盟測試系統(tǒng)（The Smarter Balanced Assessment Consortium, 簡稱SBAC）》（SBAC官網(wǎng)：http://www.smarterbalanced.org/）（維 基 百 科SBAC詞 條：https://en.wikipedia.org/wiki/Smarter_Balanced_Assessment_Consortium）和《大學(xué)學(xué)習(xí)和就業(yè)準(zhǔn)備聯(lián)合測試》（Partnership for the Assessment of Readiness for College and Career，簡 稱PARCC）（PARCC官 網(wǎng)：https://parcc-assessment.org/）（維基百科PARCC詞條：https://en.wikipedia.org/wiki/PARCC）。從2010年到2014年，SBAC和PARCC測試系統(tǒng)的開發(fā)分別獲得了聯(lián)邦政府1.78億和1.86億美元的資助。這僅僅是研發(fā)投入的一部分，此外，還有40多個(gè)州政府的投入，還有承擔(dān)研發(fā)任務(wù)的培生等大公司的研發(fā)投入。目前，在我國尚難以進(jìn)行這樣規(guī)模的投入。

三、兩種思路

進(jìn)行成長評估，可以有兩種思路：

1.高起點(diǎn)、高水平，一步到位；

2.低起點(diǎn)、低水平，第一步先“做起來”，第二步再力爭逐步“做得好”。

有條件的時(shí)候，當(dāng)然可以選擇第一種思路。我這里介紹的“等值”和“殘差”兩種方法，屬于第二種思路。

四、等值方法

為了對學(xué)生的成長進(jìn)行評估，需要在特定時(shí)段（如一學(xué)期或一學(xué)年）的開始時(shí)和結(jié)束時(shí)，進(jìn)行兩次測試，即“入口”和“出口”的兩次測試。由于練習(xí)效應(yīng)，兩次測試不能用同一張?jiān)嚲怼?/p>

盡管測試的編制者在命題過程中總是盡量保持難度的穩(wěn)定性，但不同試卷之間在難度、分?jǐn)?shù)分布方面的差別很難完全避免。兩次測試的難度不同，分?jǐn)?shù)的增長可能歸因于學(xué)生的成長，也可能歸因于試卷偏容易。如果第二次測試的分?jǐn)?shù)提高明顯，我們無法知道分?jǐn)?shù)的提高是由于學(xué)生獲得了“成長”，還是因?yàn)榈诙螠y試的試卷比較容易。只有兩次測試的成績可以進(jìn)行合理的轉(zhuǎn)換，可以排除掉試卷難易度變化的影響，兩次測試才具有可比性。

這樣，就需要在不同難度的兩份試卷之間建立可比性。這一建立可比性的過程，就是等值(equating)。

等值的具體做法是：首先編制試卷1和試卷2兩份試卷。如果計(jì)劃將試卷應(yīng)用于對A校（或A學(xué)區(qū)、A地區(qū)）的學(xué)生進(jìn)行成長評估，則將兩份試卷在B校（或B學(xué)區(qū)、B地區(qū)）的一組學(xué)生中施測。根據(jù)施測結(jié)果，對兩份試卷進(jìn)行等值連接。之后，將試卷1作為A校的“入口”試卷，將試卷2作為A校的“出口”試卷。（見圖一）

圖一

在B校施測的方式可以有兩種：第一種，上午測試一份試卷，下午測試一份試卷。這時(shí)，我們假設(shè)同一組學(xué)生在一天之內(nèi)水平不會(huì)出現(xiàn)變化。第二種，將兩份試卷合并為一份試卷，施測于B校的一組學(xué)生。（見圖二）

圖二

在試卷1與試卷2之間建立分?jǐn)?shù)等值的方法是：

例如：

試卷1施測于B校的平均分=21.75。

試卷2施測于B校的平均分=19.25（試卷2比試卷1難一些）。

李萍的試卷2得分為27分。

李萍的試卷2相對于試卷1的等值分?jǐn)?shù)=27+（21.75-19.25）

=27+2.5

=29.5

又如：

試卷1施測于B校的平均分=20.25。

試卷2施測于B校的平均分=22.55（試卷2比試卷1容易一些）。

李萍的試卷2得分為27分。

李萍的試卷2相對于試卷1的等值分?jǐn)?shù)=27+（20.25-22.55）

=27-2.3

=25.7

成長分?jǐn)?shù)的計(jì)算方法是：

例如：

李萍的試卷1（入口）得分26分。

李萍的試卷2（出口）卷面得分27分。

李萍的試卷2相對于試卷1的等值分?jǐn)?shù)29.5分。

李萍的成長分?jǐn)?shù)=29.5-26=3.5分（獲得了成長）。

又如：

李萍的試卷1（入口）得分26分。

李萍的試卷2（出口）卷面得分27分。

李萍的試卷2相對于試卷1的等值分?jǐn)?shù)25.7分。

李萍的成長分?jǐn)?shù)=25.7-26=-0.3分（沒有成長）。

以上介紹的是最簡單、最粗糙的“平均數(shù)等值”方法。在有條件的學(xué)校（學(xué)區(qū)、地區(qū)），可以采用更精致的等值方法。在等值數(shù)據(jù)資料的收集方面，既可以采用以“人”為媒介的共同被試組設(shè)計(jì)，也可以采用以“題”為媒介的“錨測驗(yàn)”設(shè)計(jì)。在等值數(shù)據(jù)資料處理的數(shù)學(xué)模型方面，可以依據(jù)基于真分?jǐn)?shù)假設(shè)之上的經(jīng)典測驗(yàn)理論（classical testing theory，簡稱CTT），也可以依據(jù)基于潛在特質(zhì)假設(shè)之上的題目反應(yīng)理論（item response theory，簡稱IRT）。在兩種理論模型的框架內(nèi)，區(qū)別于數(shù)據(jù)收集的方式不同、所采用的計(jì)算方法不同等，又存在著多種不同的等值方法。（謝小慶《對15種測驗(yàn)等值方法的比較研究》 《HSK和MHK的等值》 《考試分?jǐn)?shù)等值的新框架》分別于2000年、2005年、2008年刊于《心理學(xué)報(bào)》第2期 《考試研究》 第1期、 《考試研究》 第2期） （見圖三）。

圖三

五、殘差方法

殘差（the residual gain）方法也需要編制兩套試卷，一套用于入口，一套用于出口。殘差方法不需要對兩套試卷進(jìn)行等值連接。

殘差方法所要回答的問題是：與根據(jù)入口成績估計(jì)的預(yù)期出口成績相比，某一學(xué)生的實(shí)際出口成績?nèi)绾?？是高于預(yù)期成績還是低于預(yù)期成績，或者基本與期望成績相一致。如果實(shí)際成績明顯高于預(yù)期成績，我們就可以認(rèn)為學(xué)生獲得了成長。

殘差方法所采用的是一種很容易理解的回歸方法，基本計(jì)算方法是：在入口和出口成績之間建立線性回歸方程，根據(jù)回歸方程和某同學(xué)的入口成績，計(jì)算出該同學(xué)預(yù)期的出口成績。之后，計(jì)算該同學(xué)預(yù)期出口成績與實(shí)際出口成績之間的“殘差”。如果實(shí)際成績高于預(yù)期成績，該同學(xué)就取得了比較滿意的“成長”；相反，則成長的情況不理想。

獲得了一組學(xué)生（如一個(gè)年級(jí)的全體同學(xué)）的入口成績（X）和出口成績（Y）之后，很容易利用統(tǒng)計(jì)軟件（如SPSS等）計(jì)算出回歸系數(shù)，建立起回歸方程。

例如：

Y=1.02X+1.2

圖四

根據(jù)一位同學(xué)的入口成績和回歸方程，很容易計(jì)算出其預(yù)期的出口成績。

例如，李萍的入口成績?yōu)?0分，根據(jù)回歸方程

Y=1.02X+1.2。

可以計(jì)算出：

李萍的預(yù)期出口成績=1.02×20+1.2=21.6。

如果李萍的實(shí)際出口成績是25分，那么李萍的成長分?jǐn)?shù)

=殘差

=實(shí)際出口成績 – 預(yù)期出口成績

=25-21.6

=3.4

圖五

在殘差方法中，包含著兩個(gè)較強(qiáng)的假設(shè)：1.線性假設(shè)；

2.方差齊性假設(shè)。

在學(xué)生成長百分等級(jí)（SGP）方法中，不包含這兩個(gè)假設(shè)，更為精致，是今天美國使用最廣泛的一種成長評估模型，有20多個(gè)州使用，占所有使用成長模型的州一半以上。

SGP方法的計(jì)算較殘差方法復(fù)雜一些，在有條件的時(shí)候，可以進(jìn)一步采用更精致的SGP方法。（謝小慶《用于成長評估的學(xué)生成長百分等級(jí)模型：來自美國的經(jīng)驗(yàn)》，2019年刊于《教育測量與評價(jià)》第6期；符華均等《基于學(xué)生成長百分等級(jí)模型的學(xué)業(yè)進(jìn)步評價(jià)》。2019年刊于《中國考試》第2期；王帥鳴等《基于成長百分等級(jí)模型開展增值評價(jià)的實(shí)證研究》，2020年刊于《中國考試》第9期）

六、成長分?jǐn)?shù)的應(yīng)用

成長分?jǐn)?shù)可以應(yīng)用于學(xué)生、教師、學(xué)校（學(xué)區(qū)、地區(qū)）、學(xué)材、教法的評估。

學(xué)生：在向?qū)W生、家長報(bào)告“結(jié)果評估分?jǐn)?shù)（達(dá)標(biāo)成績或期末成績）”的時(shí)候，可以同時(shí)報(bào)告“成長分?jǐn)?shù)”，可以使結(jié)果評估成績處于高端、中斷和低端的學(xué)生都能夠受到激勵(lì)、提醒和鼓勵(lì)。

教師：計(jì)算和報(bào)告不同教師所教學(xué)生的平均成長分?jǐn)?shù)，使任教于不同基礎(chǔ)班級(jí)的教師，都可以看到自己在幫助學(xué)生獲得成長方面所取得的實(shí)際效果。

學(xué)校（學(xué)區(qū)、地區(qū)）：計(jì)算和報(bào)告不同學(xué)校學(xué)生的平均成長分?jǐn)?shù)，使學(xué)生基礎(chǔ)不同的學(xué)校，都可以看到自己在幫助學(xué)生獲得成長方面所取得的實(shí)際效果。

學(xué)材：計(jì)算和報(bào)告使用不同學(xué)材學(xué)生的平均成長分?jǐn)?shù)，為不同學(xué)材的優(yōu)劣比較，提供實(shí)證的參考依據(jù)。

教法：計(jì)算和報(bào)告采用不同教法學(xué)生的平均成長分?jǐn)?shù)，為不同教法的優(yōu)劣比較，提供實(shí)證的參考依據(jù)。