教育和心理的测量与评价原理.doc

教育和心理的测量与评价原理一、填空题。1. 正式的口头知识测验是由中国人首先编制的。2. 测验内容与一种文化中占统治地位的价值观与和需求密切相关。3. “现代统计学之父”是皮尔逊。桑代克写了第一本关于智力和社会测量方面的书。比奈编制了世界上第一个智力测验。高尔顿编制了“相互关联”的感觉测验和动作测验，开始了对“对天才”实证研究。4. 19世纪末，技术的进步使教育和心理测量得到繁荣和发展。5. 测量，是按照明确的构想或规则对人、事或物的属性或特征赋值的过程。包括：称名量表：将物、人或地方的特征分成独立的组，并可赋予每组一个数字，此数字仅用于识别。顺序量表：可以对品质、属性或特征进行等级排列，但各等级之间的差异并不均等。等距量表：所测量的属性在连续的类别之间的差异是相等的。比率量表：有等距特征，并且有绝对零点。6. 测验，是指用于系统观察教育或心理特质或属性的一个或一系列任务。包括：教师自编测验是由教师编制的、在本班中使用的测验；标准化测验是由专业测验人员与课程专家及教师协同编制的测验。常模参照测验是用来测量个体在成就、智力、兴趣、态度或个性方面的差异的测验；标准参照测验是把某个学生成就测验的得分与某一知识领域相联系，而不是与其他学生的得分相比较。一次只对一个人进行施测的测验叫个别测验；一次可以同时对许多人进行施测的测验称作团体测验。客观测验指具有清楚、明确的评分标准的测验即不同的评分者对同一作答者的得分能意见一致；主观测验的计分标准是不明确的。难度测验的时间限制很宽松，因而多数学生都能尝试去完成每一道题；速度测验有严格的时间限制，但是题目非常简单，所以很少会有学生出错。文字测验强调将语言文字作为回答测验项目或问题的主要方式；非文字测验不强调阅读在测验中的作用；表现性测验要求被试完成一项任务而不是回答问题；非语言测验以表意动作或手势的方式进行，对被试的语言能力没有要求。样本测验只测量学生行为的某一方面或行为样例；指标测验是用于诊断区分一组个体与另一组个体的测验。7. 费茨测验 p1088. 评价，是指根据各种观察或评价者自身背景及所受训练而做出有价值的判断或决策过程。9. 机遇水平分数：是指学生随机回答所以题目时所得分数的平均分。10. 语义区分，是一种等级评定量表，由C奥斯古德和他的合作者研究开发，用于测量概念的内涵意义。 P17711. Q技术是W斯蒂芬森修订用来研究人际关系的。缺点：没有认识到对称分组可能没有充分描述行为。 P17812. 表现性评价，在学生学习完一定的知识后，通过让学生完成某一实际任务来评价学生的学习状况，包括表现性任务和对表现的评价。13. 鉴别指数，测量测验项目能够在多大程度上区分高分组合低分组。14. 效度，是指对于一个既定的目标，在做出决策和提供解释过程中，测量的有用性程度。效度需要有一定的证据。15. 信度是指真实方差除以测量方差所得的商。16. 猜人法，又叫塑造性格技术，是另一种同伴提名法，以问学生哪些人具有所描述的人格或者性格特征的方式进行，一般用做测量声誉或者特征。猜人法比社会测量法提供了更多信息。17. 一致性比率，是指分类中一致的项目总数除以总项目数。2 简答题。1. 教育和心理中评价性决策的类型：（1）选拔测验以及其他测量方法用来帮助决定应该录用谁或不录用谁。（2）安置和分类。安置测验用于将个体分配到不同水平或不同类型的任务中；分类测验用于将个体安排到最适宜的方案中，以提高其成功的可能性。（3）诊断和矫正。诊断测验被用来确定个体的优势和劣势，以便改善一个人的行为表现或健康水平。（4）反馈。反馈是将学生情况告知学生、家长、教师以及管理者的过程。（5）学习动机与指导。（6）法案与课程的改进：形成性评价和终结性评价。2. 为什么测验会受到批评？（1）测验侵犯了隐私。（2）测验会引起焦虑、干扰学习。（3）测验永远是对学生进行分类。（4）测验对聪明而有创造性的学生不利。 3. 开卷与闭卷考试的优缺点。开卷考试的优点是：第一，有利于考查综合能力素质。第二，试题形式比较开放，有利于激发考生创造思维的迸发。第三，对考场纪律要求不严，在监考教师不多的情况，是一种较好的选择。第四，考生心理压力相对比较轻松。闭卷考试的优点是：第一，有利于考查一般能力素质。第二，试题形式封闭，每一道试题是对一个知识点的考查。第三，对考场纪律要求较严。第四，考生存在考场心理压力的可能性。4. 教育目标的类型。（1）过程和结果目标。过程目标描述的是负责某个具体活动的人、活动的具体内容及完成时间。结果目标表明经过教学之后学生必须能做什么或知道什么。（2）绝对标准和相对标准。绝对标准规定了学生要达到施测前确定的标准时必须取得的分数。相对标准通常是在测验后确定的，尤其是当学习的内容很复杂，而且不需要做更深入的学习时才使用。（3）教学目标和内隐目标。教学目标详细说明学生必须做什么来证明他们已经学习了。内隐目标指的是认知、理解、评价等内在的或不可观察的状态。即时目标是指那些能在学校中讲授，并且能够被教师或管理者通过测量来评价教学效果的目标。终极目标是指是指学校几乎无法控制的长期目标。限制性目标详细的说明了单个项目的内容。包容性目标允许测量多个项目。5. 认知领域。布鲁姆将认知领域分为6类：知识、理解、应用、分析、综合和评价。（1） 知识是难度水平最低的类别，知识目标要求学生只通过机械记忆来回答和回忆定义、事实、规则、序列、程序、原理和一般的法则。（2） 理解目标要求学生讲知识从一个抽象水平转化为另一个抽象水平。（3） 应用要求学生在新的情境中应用原理或概念解决字符问题。（4） 分析要求学生将信息分解为它的组成成分。（5） 综合要求学生提出假设、写作、编故事或形成与众不同的表达方式来显示他们综合知识的能力。（6） 评价是认知测量最复杂的形式。评价需要对资料进行价值判断。6. 减少猜测的效应的方法。（1） 增加题目的数量。（2）鼓励学生去猜测。（3）要求学生对错误项进行修改。（4） 信心加权是指依据学生答题时的信心分值酌情给分或扣分。7. 对编制多项选择题的一些建议：（1）在题干中明确任务。（2）避免使用特殊限定词。（3）用词符号学生的年龄特征。（4）每题设3-4个选项。（5）题干和选项尽量用肯定表述。（6）编制具有迷惑性的选项。（7）确保只有一个十分严密的正确答案或最佳答案。（8）不要有测查看法或观点的题目。（9）变换正确选项的位置。（10）避免选项的意义重合。（11）限制使用“以上都不正确”选项。（12）避免使“以上都正确”选项。（13）题干表述清楚，无语法错误，将各选项的共同部分置于题干中。（14）不要滥用复杂多项选择题。8. 补全测验的优点：（1）编制相对简单。（2）消除猜测。（3）题量可以增加。9. 补全测验的局限性：（1）计分困难。（2）容易产生并且可能鼓励欺骗行为。（3）补全题主要测查机械的记忆。10. 论文测验的优点：（1）允许自由作答。（2）消除猜测。（3）实用性。（4）节约时间。（5）可测查发散性思维。11. 论文测验的局限性：（1）计分困难。（2）测查的知识面有限。（3）费时。（4）对某些认知技能测查不够。（5）容易产生欺骗行为。（6）通常只考察机械记忆。（7）鼓励写作。12. 论文成就测验的计分方法。（1） 主要特质计分法。在主要特征计分法中，计分者必须确定论文测验的目的，制定详细的计分细则。（2）分析计分法。是一种特别适用于问题数量对而答案简短的论文测验的计分方法。教师用这种方法确定每个问题的权重，并告知学生每个题目的完整答案包含的要点数。学生的总成绩是所以答对的要点的得分之和。（3）整体计分法比分析法更适合于对较长的论文进行计分。教师对整篇论文的质量进行评价，而不是依据中心思想或每个句子来计分。在运用整体计分法时，教师把最好的论文放在一起，最差的放在一起，中等水平的放在一起。13. 观察可以分为控制观察和自然观察。（1） 控制观察强迫被试对他们认为是真实的，而实际却是由主试安排的具体任务作出反应。在自然观察中，观察者非干涉性地记录被试真实的，典型的行为。14. 观察误差的来源：（1）个人价值观。（2）偏见。（3）团体期待。P16215. 等级评定，是为了提供有关个体或团体行为的总体信息而进行的有分类的、有条理的观察。至少有三种形式。（1）非结构化等级评定。包括推荐信、轶事记录（对在某一时间、地点和环境下发生的行为进行持续的、客观的描述。）（2）数字评定量表（用数字表示每一个等级）。（3）核查表（常常包括出现的未出现的行为、特性或者特征）。（4）图示评定量表，由一条水平线或者垂直线组成，表示在一个连续体上对行为进行的描述或者特征说明。16. 等级排序要求观察者根据某个方面对人或作品进行排序。改进等级评定和等级排序的方法：认识到那些导致低信度的因素。有时候，这些因素与评价者（缺乏训练、晕轮效应、计分不严、集中趋势）有关；有时候，是因为对被测特性的界定很模糊；有时候则是有评价工具本身所导致的。P18017. 同伴评定：要求相互熟识的小组成员就不同的活动相互提名。社会关系测量中的等级评定。社会关系测量是J莫雷诺创立的一种方法，用于调查研究同伴之间人际互动的模式。步骤：（1）画出社会关系矩阵。（2）绘制社会关系图。（3） 解释社会关系选择。团体成员之间的关系可以通过研究选择模式来进行描述。选择中最常见的模式是分裂、小集团、明星、互选、孤立者和被排斥者。a 一个班级中的两个或者多个成员彼此之间不互相提名就造成了分裂。b 小集体由彼此互相选择且排斥群体中其它成员的个体组成。c 明星是指那些群体中被选择度最高，并且经常能产生很大作用的成员。d 互选是指两个个体互相选择对方。e 孤立者是指那些不被群体中的任何人所选择的个体。f 被排斥者是指那些被群体认为在某些方面不受欢迎的个体。18. 估计信度的具体方法。 P280（1）稳定性系数，是指相同被试在不同时间获得的测验分数之间的相关。影响稳定性的一个重要因素是两次测验之间时间间隔的长短，另一个因素是测量本身的客观性。（2）等值性系数。在同一时间、对同一组人施测同一测验的两个或多个复本，各复本之间的相关值即为等值性系数。（3）稳定性和等值性系数。当两个或多个平行复本之间施测的时间间隔相对较长是，就会产生稳定性和等值性系数。（4）内部一致性系数或同质性系数。19. 分半技术的局限性：（1）误差的主要来源是题目本身。（2）一个含10道题的测验，每一半的最高分数的5.（3）不适用于速度测验。20. 影响信度的因素。（细看） P292（1） 评分的客观性：评分者信度，是指在对一套同样的测验进行评分时，观察者或评分者彼此之间的一致性程度。一致性程度越高，评分者信度就越高。（2） 测验组的变异性。影响信度的最重要的一个因素就是测验组分数的真实方差。总的来说，分数的真实方差，或者真实范围越大，信度系数就越高。（3） 测验题目的数量。在其他因素都相同的情况下，测验题目数量越多，信度越高。（4）测验的难度水平。（5） 系统误差和随机误差的效应。随机误差以前被定义为由偶发因素引起的误差。随机误差经常会降低信度。信度不会受系统误差的影响。21. 信度误差的来源：（1）学生特质。（2）测验特质。（3）影响测验施测和计分的因素。P30422. 评估效度的实证方法。P314（1） 内容效度，是指测验项目在多大程度上测量了特定的目标并反映了任务的范围或领域。（2） 效标关联效度，是指测验分数与外部效标之间的相关，它也包括预测效度和同时效度。预测效度是指预测源分数与随后获得的校标分数之间的相关。预测暗含了一个时间差，即获得测验分数到获得校标资料之间的一段时间。校标是测量行为的参照标准。（3） 构想效度，是指测验分数在多大程度上测量了或解释了某种理论构想。23. 影响效标关联效度的因素。P317（1） 预测源测量和效标测量之间的时间间隔。（2）及预测源中的项目数。（3）选拔。（4）信度。24. 报告学生进步的方法。P605（1） 家长会。（2）书面交流。（3）字母等级评分。（4）行为掌握报告。对书面交流的评价：优点不能参加家长会的家长，可以通过阅读报告来了解孩子在学校的表现，或是回信，促进教师与家长之间的沟通。缺点费时；易落入俗套，含义模糊；容易造成误解，缺少语境的评语令人费解；教师在家长会上犯的一些语法错误会被家长原谅，但书信中的错误却不被忽视，尤其是报告后进生的进步时更是如此。25.斯塔弗尔比姆的CIPP模式。P632（1）背景评估，描述说明了计划所处的环境、为满足的要求、计划服务的总体及样本、计划的目标等方面。背景评估要估计现实情况