教育测量：从数学模型到法学模型

教育测量：从数学模型到法学模型

谢小庆

（北京语言大学）

摘要：美国教育协会和美国国家教育测量学会共同组织编写的《教育测量》在业内被称为是“测量领域的《圣经》”。在2006年出版的《教育测量》（第4版）中，将图尔敏的论证模型作为效度研究的基本范式。这不仅是效度研究范式的转变，更标志着教育测量研究从数学模型向法学模型的转变。本文讨论了这种教育测量研究范式的转变。

关键词：测验 考试 教育测量 图尔敏

效度研究是教育和心理测量研究领域中最重要的问题。美国教育协会（American Council on Education）和美国国家教育测量学会（National Council on Measurement in Education）共同组织编写的《教育测量（Educational Measurement）》在业内被称为“教育测量领域的《圣经》”。在2006年出版的《教育测量（第4版）》中，将图尔敏的证模型作为效度研究的基本范式。1 在新的效度研究范式中，“理据（warrant）”成为核心概念，效度研究被视为一种通过构造理据系统、理据链条和理据网络而对效度进行的“论证（argument）”，效度研究被视为一种对测验分数做出普乐好（plausible）解释的过程。2，3

作为一门学科，教育测量学已经走过了百余年的历史。在教育测量学的发展历史中基本的研究模型是数学模型，是借助数学工具改进教育评价的质量，从而提高教育评价的有效性、可靠性和公平性。百年间，教育测量研究的数学模型取得了很大的成绩，研究成果被广泛地应用于考试实践，既促进了教育的公平，1 Brennan, R. L., ed. : Educational measurement (4th edition), [C] Washington, DC: American

Council on Education/Praeger，2006，第17-64页

2谢小庆，测验效度概念的新进展[J]，考试研究，2013年第3期，2013，56-64页

3谢小庆，效度：从分数的合理解释到可接受解释[J]，中国考试，2013年第7期，3-8页

也提高了教育的效率。每当数学家和计算技术专家发明了一种新的数学工具或计算技术，教育测量学家往往会在第一时间就拿来应用。有时候，教育测量学家甚至会自己发明一些新的数学工具用于自己的研究。例如，今天被广泛应用于自然科学和社会科学各个领域的因素分析（factor analysis）方法，就是由斯皮尔曼（Spearman）、瑟斯顿（Thurstone）、卡特尔（Cattell）等人在教育测量的研究中发展起来的一种数学工具。

Mislvey是今天国际教育测量领域中最有影响的学者之一。他曾说： “如果我们将支配着今天教育测量活动的测验理论概括成，将20世纪的统计学应用于19世纪的心理学，那么，这不能算是一种夸张。”1 Mislvey已经看到，在描述人的复杂的心理过程时，仅仅靠数学模型是不够的。实际上，人的心理过程的复杂性，远远超出最先进的数学模型的处理能力。教育测量，不仅需要先进的数学模型和计算技术，还需要先进的心理学模型。

一、 数学模型的局限性

在数学模型被应用于教育评价之前，教育评价主要依靠基于个人经验之上的定性方法。在许多情况下，我们都可以根据经验做出正确的判断，并做出正确的决策。但是，由于不同的研究者各自的经验、观点、倾向、偏好不同，有时候对同一问题会得到非常不同的结论。例如，客观性选择题能否考察出学生的写作能力？英语46级考试成绩应否作为学位授予的必要条件？物理系招生是否需要有语文最低分数要求？古代汉语研究生招生是否需要外语最低分数要求？ 对于许多问题，不同教师的看法相去甚远，甚至截然不同。孰是孰非？仅凭各自的经验只会争论不休。为了支持自己的观点，双方都可以举出大量的个案，然而个案是不足为据的。这些时候，就需要借助定量方法，需要借助统计方法。这时，定量分析可以帮助我们从各执一词的争论中摆脱出来。因此，在几乎整个20世纪，数学模型成为教育测量研究的基本研究范式。

在教育心理测量的研究过程中，人们逐渐认识到数学模型的局限性。这种局限性，突出地表现在以下几个方面： 1 Mislvey, R. J.,Foundations of a new test theory, in Test for a new generation of tests, Lawrence Erlbaum Associates Publishes, New Jersey, 1993, p19.

1.概率的逻辑基础

今天应用于教育测量的数学方法大部分基于概率理论之上。然而，概率理论能否应用于教育测量研究，尚是一个颇值怀疑和非常棘手的问题。何谓概率？通俗讲即“重复试验中事件发生的可能性”。对于概率概念，“重复试验”是一个非常重要的前提。例如，只有多次重复抛掷硬币，才可能得到正面朝上的概率。倘若是不可重复的试验，倘若每次抛掷时硬币的重量、质地、成分、形状等会发生变化，就无所谓概率。教育研究的对象是人，每个人不仅具有不同的遗传特点，而且经历、需要、欲望、情感、能力水平等各异。对不同的人进行的观察能否被视作重复试验呢？ 能否被视作与将一枚硬币多次抛掷相似的重复试验呢？这个问题的答案至少不是不言而喻的。

退一步，既使我们将对不同的人的观察视为重复试验，这种基于概率基础之上的统计规律性能否成为关于有个性的人的教育决策的依据呢？ 这仍然是一个需要讨论的问题。即使根据我们的研究知道具有某一组神经生理心理特点的人中90% 难以完成某一水准的学业，我们能否根据这一研究结果而预言一个具有这些神经生理心理特点的人不能完成学业呢？这里，人的能动性是一个不容忽视的因素。不用说预言一个具有能动性、选择性的人，即使是从大量抛硬币中得到的统计规律，对于预测下一次抛掷硬币的结果也是毫无意义的。

归根结底，概率方法是基于归纳逻辑之上的，然而，正如恩格斯早在100多年前所指出的：“按照归纳派的意见，归纳法是不会错误的方法，但事实上它是很不中用的，甚至它的似乎最可靠的结果，每天都被新的发现所推翻。”1 将归纳法用于研究死的、被动的物理现象尚存在着“不中用”的一面，对于研究能动的、有选择性的人的心理现象，则具有更大的局限性。

2.显著性检验

今天教育测量研究中经常运用的一种定量分析方法是显著性检验，包括正态检验、t 检验、卡方检验、F 检验等。通常，只有基于一定的定性分析之上，在一定的问题情境之中，显著性检验才有意义。 1恩格斯，自然辩证法[M]，人民出版社，1972，第206 页。

当我们用组间比较的方法1 对一项测验的效度进行论证的时候，我们可能犯两种错误，一种是“接受无效测验”，一种是“拒绝有效测验”。在统计学中将这两种错误分别称为“第一类错误(或α错误) ”和“第二类错误(或β错误) ”。犯某一类错误的可能性的减少必然以犯另一类错误的可能性的提高为代价。差异显著性标准愈严格，就愈不容易犯“接受无效测验”错误，同时，就愈容易犯“拒绝有效测验”的错误。显著性检验标准的设定（P=0.001,0.01,0.05,0.1或0.2），需要根据测验的实际应用情况来确定。对于用于飞行员选拔的测验，我们可能会设定较严格的标准；对于用于高中招生的测验，我们可能会设定较宽松的标准。设定怎样的标准，需要基于先于显著性检验的定性分析之上。

3.相关分析

今天教育测量研究中最常用的定量分析方法是相关分析，包括回归分析、因素分析等。这些定量分析方法可以揭示出事物之间的相关关系。然而，相关并不等于因果。学校早上八点上课，商店早上9 点开门，二者相关很高，但并不存在因果关系。人类的许多误解都 …… 此处隐藏：8127字，全部文档内容请下载后查看。喜欢就下载吧 ……