小学教育心理学第十六章：学习结果的测量与评定综述课件.ppt

1、一、什么是学习测量与评定 (一)什么是测量和测验测量是用数学方式对人的行为的描述。教学过程中的测量是用数学的方式对学生学习行为的描述，主要是借助于测验来进行。测验是通过一系列的科学程序(如编制题目、施测和评分等)对学生某一方面的学习行为进行测量。 (二)什么是评定 教学过程中的评定是根据一定的标准对学生的学习行为进行估价的过程。 2二、学习测量和评定的主要功能 (一)诊断功能 (二)反馈与鞭策功能 1为教师的教学提供反馈信息 2.激发学生的的学习动机 (三)管理功能 1编班分组和升留级的依据 2职业指导的作用 3教育科学研究的工具 (四)教育心理功能34 三、教育工作者应具备的测量与评定的知识

2、和能力 理解与清楚地表述教学和管理目标，懂得怎样通过教学和管理活动达到目标，全面了解测量与评定的涵义及评定对教学及管理的意义。 理解有效测量和评定条件，明确自己在编制、选择和使用测量工具时所扮演的角色。 能自行编制日常教学使用的测验，能适当地主持测验并有效地使用测验的结果，以为改进教学和管理之用；能选择适当的标准化测验。 能编制、选择与使用非测验式的测验工具。 能综合解释测验的分数和非测验式测量的结果，作出评定。明确各种测验的用途及限制。 能根据评定的结果，改进自己的教学和管理工作。 此外，对参与评价的人来说，还应有高尚的人格，应当使自己参与的评定工作合乎道德规范，不应使学生或教师感到高度焦虑

3、，损伤他们的自尊心或引起恶性竞争。5 四、学习评定的分类布鲁姆(Bloom，BS)的分类： (一)配置性评定 一般在各学年、各学期开始时或开始前施行，其目的是要了解学生是否具有达到教学目标所必需的基础知识和技能学生的准备状态。 (二)形成性评定 一般是在教和学的过程中进行的，目的在于了解教学结果，探究教学中所存在的问题的缺陷，以便对教学工作进行调整。 (三)总结性评定 一般在学期末进行，目的是了解学生通过学期的学习，是否达到教学目的的要求，以此作出较全面的总结性评定。 6五、有效测验的必要条件(一)效度 测验效度是指测量的真实性、正确性，即该测验与所要测量的目标特征相符合的程度。如果一致性高，

4、说明这个测验的效度高，反之则低。 效度通常是利用该测验的结果与一个反映测量目标的参照标准(效标)之间的相关来表示，所求得的相关系数即为效度系数。相关系数越大，说明效度越高。般要求这类测验的效度值应当在035至0.60之间。 7 (二)信度 信度是反映测验分数的稳定性的可靠性的指标，是指测量的前后一致性程度，只有信度高的测验才能够作为一个稳定可靠的测量工具加以应用。国外一般要求学科成绩测验的信度值要在090以上。 信度值是用相关系数来表示的，又称为信度系数。 计算信度系数的方法主要有： 再测法：我们用某一个测验对相同的学生前后施测两次，计算出这两次测验成绩的相关就可得到再测信度； 复本法：这种方

5、法需要编制出两套以上内容、形式、数量、难度等方面都等值的测验，然后根据同一组学生接受两次复本测验的得分计算出相关系数，就可得到复本信度； 分半法：当一种测验没有复本而且只能施测一次的情况下，通常采用分半法来估计信度。这种方法是将一套测验分成对等的两半，根据每个人在这两半试题中的得分所求得的相关系数即为半分信度。 在学科测验中，较多的是应用分半法和复本法来计算测验题的信度。8 (三)难度 难度是指套测验中试题的难易程度，这是用来进行题目分析和评价试题的主要指标之一。难度的计算可依据试题形式的不同采用以下两种方法，其公式为：9(四)区分度 区分度是测验题目对考生水平鉴别能力的指标，是测验题目能够鉴

6、别受测者水平的程度。 区分度的计算多采用相关法，即以考生在某个题目上的得分与总分的相关作为该题的区分度值，相关越高，区分度越好。国外应用在教育上的标准化测验要求优秀题目的区分度在030以上，否则就需加以改进或淘汰。(五)可用性 即测验在解释学生的能力、知识等方面有多大用处；测验的形式与内容是否适合学生的年龄特征；测验所花的时间和人力是否合适；以及评分是否客观，主持测验是否通过过特殊训练等。如果在这些方面使人不能接受，测验的可用性就低。10一、论文式测验(一)论文式测验的涵义及其试卷的编制和评分 所谓论文式测验，是由教师根据教学内容的要点，择其较重要者出几个试题，让学生用论文的方式，自由地以书面

7、解答问题。 11 (二)论文式测验的利弊 1论文式测验的优点： 命题省时容易 有利于测定学生的思维能力和写作能力 了解学生的学习程度 减少学生情境压力12 2论文式测验的缺点： 评分的主观性 试题缺少代表性 问题涵义太广泛 易受其他因素干扰13 (二)论文式测验的改进 问题要明确。 采用一些可用较短篇幅回答的问题，以求取样适当。 事先拟好指导评分的规则和标准，其中包括可以接受的答案，并规定出这些答案的比重。 不要因错别字或语法有错误而扣分，除非考试是为测试这些方面而特别进行的。 先要阅看几份考卷，以便对考查的性质得到一个一般的观念，并用来检查与修改评分的规则和标准。 在评定一份考卷时不要知道答

8、卷者的姓名，同时尽可能在几乎相等的条件下评卷定分，或采取两三个教师合评的方式14 二、客观测验 （一）客观测验的涵义及其与论文式测验的区别 客观测验是用一些非常简单或机械式反应来回答的测验。其中最为人们听熟悉的是填充、正误、多重选择和配对等形式。论文式测验与客观测验在学生学业的评定方面的比较： 151617(二)客观测验项目的形式及其编制 1编制客观测验的一般原则： 测验要测试学科中的重要内容。 要降低测验项目的阅读难度，除非测验的目的在于测最阅读能力。 一个项目不要为另一个项目的答案提供线索，回答某一特定项目的能力也不依靠前一项目的回答的能力。 必须避免引人上当的问题，诡诈性和欺骗性问题既可

9、能损害测验的真正目的，又可能影响学生的学习风气。 测验项目的措词应适当，以便使学生回答问题的内容而不回答问题的形式。 18 2客观测验项目的形式及其编制 填充 正误 选择 配对 19 (三)客观测验的利弊 1客观测验的优点 试题涉及教学内容的全部范围。 试题简明扼要，易于回答。 评分客观迅速。 2客观测验的缺点 命题费时且困难。 偏于零星知识的记忆。 不能确知学生的学习程度。 20 三、标准测验 标准测验也称标准化测验或标准化考试，是目前国际上广为流行的一种测验方法。它是一种大规模的、具有统一标准的、按照系统的科学程序组织的、并对误差作了严格控制的测验。 21 四、心理测验 (一)智力测验 虽

10、然学业成绩测验也可以测定一些学生的智力，但对学生智力水平的高低，通过教学后智力的发展变化情况的测量，更主要的还是依靠智力测验。目前世界上最流行的两种智力测验是斯坦福一比奈智力测验和韦克斯勒智力测验。 1斯坦福一比奈智力测验 斯坦福一比奈智力测验包括下列各种问题：字义、语言类推问题、适应问题、算术问题、记忆、一般常识、发现错误、图画、空间问题、理解等。 智力商数(IQ):智商=智力年龄/实际年龄10022 2韦克斯勒智力测验 韦 克 斯 勒 智 力 测 验 是 美 国 心 理 学 家 韦 克 斯 勒(DWechsler)创造的，它是另一个在世界上被广为使用的标准智力测验。它包括韦氏成人智力量表(

11、WAIS)、韦氏儿童智力测验表(WAIS)和韦氏学前儿童智力量表(WPPSI)3种。 韦氏量表是运用统计学原理，根据对人的智力的统计规律遵循正态分布这一事实，计算离差智商来表示智力高低的。韦克斯勒假定，人们的智商是以平均数为100和标准差为15的正态形式分布的。因此，其计算智商的公式如下：23 用这种离差智商，可以确定一个人的智力在同龄人当中的相对位置；诊断出他是智力落后或超常。一般认为智商在70以下属智力落后；130以上可谓智力发展优异。24 3综合学业性向测验1 综合学业性向测验的目的在于测量学生学习各门学科能力的真实程度。这种测验不仅可以鉴别学生能力的高低，而且也可分析比较学生能力的偏向

12、或在各方面的能力的高低。综合学业性向测验包括分类性向测验(DAT)、美国大学入学测验(ACT)、学业性向测验(SAT)、米勒类推测验(MAT)以及研究生性向测验(GRE)等。 1李小融、魏龙渝：教学评价，217页，成都，四川教育出版社，1988。25 (二)人格测验 1自陈人格测验 自陈人格测验也称自陈问卷，是指被测者对自己的人格，按自己的意见予以评定的一种方法。最常见的自陈人格测验有：明尼苏达多相人格测验；加利福尼亚人格测验；莫尼问题调查表；卡姆溜人格测验；内外向人格调查表；瑟斯顿性格测验等。 2兴趣测验 兴趣是人对事物的特殊认识倾向。所谓认识倾向，即在认识过程中带有相对稳定的指向、趋向，能

13、够维持较长的时间。较为著名的兴趣量表有：爱德华个人兴趣量表；斯特朗职业兴趣量表；库得职业兴趣量表等。26 3态度测验 态度是人们对人、事或物的喜好或厌恶的倾向，与其行为有着密切关系。 态度的倾向，如喜欢与否，肯定与否。 态度的深度与强度，如喜欢、很喜欢、不喜欢、厌恶。 态度的中心，指人格心理体系中重要的因素，包括情感、认知和行为因素。 态度的外显性，态度不能直接测量，但可以通过对人们的言语、行为以及其他方面的表现的测量去推断其态度。 常见的与教学有关的态度测验有明尼苏达教师态度测验、各学科态度测验和学习习惯与态度测验等。27 4价值测验 价值是人们对人、事或物所作的好坏判断。这方面的测验有价值

14、测验、人际价值测验和工作价值测验。 5行为观察 6投射人格测验 投射人格测验是在测验时向被测者提供些模棱两可的刺激，让他在不受限制的情况下，自由地做出自己的反应，使其不知不觉地表露出入格特征。即在没有控制的情况下，个人内在因素通过对某些刺激的反应投射出来。作为刺激物的材料有内容模糊的图片、未完成的句子、没有结尾的故事等。 属于投射人格测验的有：罗夏墨迹测验、主题统觉测验、儿童统觉测验、文字联想测验和名字完成测验等。 28一、图示量表29 二、形容词量表 这种量表在提出的问题之后，用一组序列化的形容词或修饰短语的方式提供各种不同程度的答案，回答者在每个形容词及短语上画圈或做上记号，以表示自己的评

15、定。例如： 极好；很好；，好；尚好；不好。 完全同意；同意(或赞成)；无所谓；不同意(或反对)；完全不同意(或极反对)；无法回答。 绝对正确；正确；较正确；不正确；极不正确；无法回答。 很好；好；可以；不对；糟糕；无法回答。 经常；偶尔；完全不。 极重要；重要；较重要；不重要；不知道。 非常赞成；相当赞成；稍许赞成；难说；稍许反对；相当反对；非常反对。30三、数值量表 数值量表是为了克服形容词量表不能数量化的缺点而出现的一种量表形式，这种量表只是简单地把数字加在形容词量表上，对每个等级的答案都标上分数。例如： 极好(5)；很好(4)；好(3)；尚好(2)；不好(1)。 完全同意(5)；同意或赞

16、成(4)；无所谓(3)；不同意或反对(2)；完全不同意或极反对(1)。 绝对正确(5)；正确(4)；较正确(3)；不正确(2)；极不正确(1)。 很好(5)；好(4)；可以(3)；不对(2)；糟糕(1)。 经常(3)；偶尔(2)；完全不(1)。 极重要(5)；重要(4)；较重要(3)；不重要(2)；不知道(1)。31 四、行为量表 设计行为量表可按下面的程序进行： 首先要求评定者熟悉被评定的教学现象，而且要求他们描述其中的有效行为或无效行为。 接着，研究者把这些描述分成相对来说内容较少的种类并给它们命名。作为对分类的检查，也可组织有丰富教学经验的教师或教学专家及教学评价专家再次把上述描述分配到

17、已命名的种类中。 然后，评定者把可以有效地分类和评定的那些描述归人一个为各类描述而设置的量表，使用这些对教学行为的描述作为量表的标度。 32例如： 通过教师与学生的接触来评定教师对教学的态度： 在教师家里召开研讨会。 一愿意在正常的上班时间之外和学生一起活动。 一一在办公室和学校的其他地方会见学生。 乐意占用办公时间与学生交谈。 勉强安排最少可能的办公时间与学生接触。 拒绝在课堂之外会见学生。 行为量表通常分为37个单位或等级，每个等级代表某一教学行为的一个增量。评定者根据任课教师在教学的某一方面的行为的程度不同而在量表的相应等级上做上记号。33课堂教学评定量表（一个例子）3435 五、常见的

18、几种量表形式的变体 (一)加涅1974年设计的“现实一满意等级量表” 加涅等人1974年设计了一种双重目的的“现实一满意等级量表”，以使评定者回答有关每一教学评定项目的两个问题。例如： 1你如何评定任课教师的语言清晰度? (1) (2) (3) (4) (5) 从不 几乎不 偶尔 时常 经常 (问题) (问题) (问题) (问题) (问题)36 2在这个项目中你认为哪个评定是您满意的? (1) (2) (3) (4) (5) 从不 几乎不 偶尔 时常 经常 (问题) (问题) (问题) (问题) (问题) 第二问旨在使评定达到某个标准或水平，并对照该标准或水平解释评定者对第一问的回答。37(二

19、)多伊尔在1975年提出了一种双重的“评价一重要性量表” 1你怎样评定任课教师对别人观点的接受? (1) (2) (3) (4) (5) 不好 尚好 好 很好 很好 2该教师的品质对你有怎样的重要性? (1) (2) (3) 不太重要 还算重要 非常重要 第二问旨在提供一种方法以区分问卷上各种提问的重要性。这种被项目重要性所强调的具体特征评定比起不被强调的评定来说，是全面评价更好的预言者，而且也可以提供个对正在进行的教学评定项目的有效性的方便估计。38 (三)第三种变体与效果评定有关 学生可以通过在一门课程开始时完成的一个评定和在该课程结束时的一个类似评定；也可以通过只是在该课程结束时作出的一

20、个双重前一后评定；还可以通过一个下列类型的单一评定，就能够评定他们的学习收获： 与本课程第一天的收获相比，你现在怎样评定你对该课程教学内容的掌握了 很多 多 少 少 多 很多 现在更差 现在更差 现在更差 现在更好 现在更好 现在更好39 六、强迫选择量表 流行的强迫选择评定形式由四个要素构成，所有要素对评定者具有同等的吸引力，但是仅有两个要素实际上与某些测量标准有关并被评分。剩下的两个要素因为在区分有效表现与无效表现时没有实验依据，而不被人们重视： 一一友好的 激励人的 博学的 善于表达的 强迫选择量表的评分是根据评定者的识别要素的总数来决定的。这种量表蕴含着这样一种思想，即因为所有的选择要

21、素对评定者来说都是同等地合乎需要的，都是未知的，都是有效的和可评分的，所以评定者将不能伪造有利的或不利的平定。因此，这种量表比前面所介绍的那些常见的评定量表更能消除评定者误差；而且强迫选择评定与对学生的学习测量之间有明显的相关。40 七、综合评定量表 为了利用论文的传送可靠性和评定的定量特征，一种常用的综合方式是在同一量表或问卷中把各种评定式提问和论文式提问结合在一起。这种方法可以由末尾有12个论文式提问的许多评定项目构成；也可以是在开端末尾有12个概括评定的基本上是论文式的问卷；还可以是在整个量表或问卷中把论文式提问和评定式提问混合在一起：以使每个评定项目都有一个为进行评论、详尽阐述、提出建

22、议而留出的空白。 41 一、学生心理因素的影响 考生由于心理紧张，情绪不安，对那些平时能解答的考题也会束手无策，以致影响考试的结果和成绩的评定。 所谓怯场是指上述这种状态。 42 如何防止怯场? 第，做好学习评定过程中的思想教育工作。 第二，做好经常性的学习评定工作。 第三、锻炼学生自我控制的能力.43 二、教师心理因素的影响 (一)宽大误差 即由于教师的心理作用，而导致对学生学习夸大的评定。它使测验的辨别力降低，不利于发挥评定的正常功能。 (二)光环效应 即教师对学生学习的评定不适当地受到对这个学生总的印象的影响。如一些教师对一贯表现突出的学生干部给分较高，就可能是受到光环效应的影响。 (三)集中趋势 即教师自觉地避免对学生学习进行极端的评定，从而使评分接近中点的倾向。这种倾向也降低了评定的分辨作用，不能真正反映学生之间存在的差异。44 (四)逻辑误差 即教师对学生学习评定由于受学生某些特征之间的相似而给予同样评分倾向。 (五)对比误差 即教师有对自己的倾向相反的学生学习给予较低评价的一种误差。 (六)邻近误差 即相对邻近的几张试卷给予较一致评分的倾向。 45