第八章中学物理教学测量和评价.doc

第八章 中学物理教学测量和评价第一节 教学测量和评价的基本概念一、中学物理教学测量的特点和功能（一）中学物理教学测量物理教学测量既然是一种测量,它应该具有一般测量概念的特点和要求。因此，我们可把物理教学测量定义为：根据一定的客观标准，运用各种手段和统计方法，对物理教学领域内的事物或现象进行严格考核，并依一定的规则对考核的结果予以数量化描述的过程。（二）中学物理教学测量的特点物理教学测量不同于一般的物质测量，它具有自身的特点。1间接性物质的测量可以很方便地使用仪器进行，但教学测量比一般的物质测量要复杂得多。它所测量的是教学活动中教师和学生的外显行为（可以观察到的明显的行为）或外在表现特征。我们只能根据这些外显行为或外在表现特征对教师的教学工作的成效和学生的质量做出推断。因此，教学测量是一种间接测量（通过测量与被测量有函数关系的其他量,才能得到被测量值的测量方法）。这就使得教学测量具有不可消除的系统误差，因为教学测量只能就有关的外显行为取一组样本，不可能是有关行为的全部。因此，样本的选择是否合理，是否有代表性，代表的程度如何，就导致了系统误差的出现。系统误差的大小，将直接影响着测量结果的准确程度。 2相对性教学测量的结果，如果不经转化或转换，它只能表明哪个大、哪个小，只能提供一种顺序关系，不能表明大多少、小多少。如测验中，从30分至40分之间，90分至100分之间，虽然都相差10分，但是它们的差异是不相等的。从心理上讲，这两个10分的难度是不相等的。因此，测验分数的零点不是绝对零点开始的。目前在教学测量中，人们总是不自觉地将测验所得到的分数看成等距的，而且可以进行加减运算。实际上，在一般教师的自编测验中，所得到的结果只是一个相对量数，决不等距。3目的性物理教学测量是一种具有明确目的的测量。整个测量过程包括内容、难度、程序和方法等方面都要符合测量的目的，都要以课程标准和教材内容为依据来制定。(三)中学物理教学测量的功能在物理教学方面，我们可以用测验结果来考查某一种学习活动的效果，并用数量表示结果，这为我们提供了认识影响教学过程各因素的客观依据。具体地讲，物理教学测量具有以下功能。1反馈功能在教学之前、教学过程中、教学结束时进行的各种不同目的的物理考试，可为教师修改教学计划，了解学生对教学目标的完成情况提供可靠的依据。通过物理测验，教师可以发现教学中存在的问题，还可以分辨学生的程度，以便有针对性地采取补救措施，促进教学效果不断提高。2激励功能有效的教学测量可使教师明确自己在教学上的缺失，判断教学方法是否有效，发现自己的不足，提高其自信心。因此，物理教学测量能对后续的物理教学行为起到激励作用。对学生而言，教学测量更能直接影响学生的学习，它可为学生提供短期的学习目标，明确所要学习的内容，提供有关学习进步的反馈信息。因此，教学测量能够激励学生朝着特定的方向前进。二、中学物理教学评价的类型（一）宏观评价和微观评价从评价对象的角度可分为宏观评价和微观评价。宏观评价是指以物理教育的全领域为对象，它涉及物理教育的各个方面的评价。微观评价是指教育对象个体发展状况的评价。学生的知识能力、道德品行、身体发育、审美情操、劳动表现及个性品质的形成等方面的评价，教师的素质，教学方面的评价均属于微观评价。（二）绝对评价和相对评价从评价指标性质的角度可分为绝对评价和相对评价。绝对评价是以评价对象以外的某一客观标准为参照标准的评价。这种评价比较客观，但鉴别性较差。相对评价是以评价对象团体的平均水平为参照标准的平均。这种评价有较好的鉴别作用，但不同团体评价结果缺乏可比性。（三）诊断性评价、形成性评价和总结性评价从评价目的角度可分为诊断性评价、形成性评价和总结性评价。1诊断性评价诊断性评价是为探查学生的学习现状及影响学生学习的状况及造成学习困难的原因，教师就可以采取相应的对策，提供补救性的教学措施。诊断性评价可以在教学过程开始时，也可以在教学过程中进行。诊断性评价能够及时地发现学生学习中的问题，从而做到因材施教。诊断性评价类似于教师过去常用的摸底测验。2形成性评价形成性评价是在教学实施过程中为了确定学生的学习效果，改进和完善教学活动而进行的评价。形成性评价是以过程反馈为中心的评价，所注重的不仅仅是学生是否达到教学目标，更注重通过了解学生的学习效果，对教学过程不断地进行评价、反馈、改进，从而使之趋于完善。由于它侧重于教学过程的改进和完善，因而是一种“前瞻式”评价。形成性评价有点类似于教师在教学过程中的小测验或单元测验，比较频繁，属于非正式的测试。3总结性评价所谓总结性评价，一般是指在一个大的教学单元或一门课程结束以后对学生的学习效果所进行的评价。它的目的是评价学生已经达到的学习水平，预测在未来的教学进程中成功的可能性。总结性评价能够判断学生的学习水平高低及在学生群体中相对的位置，起到了鉴别和选拔的作用。它注重于已经过去的教学效果的评定，是一种“回顾式”评价。总结性评价在一定程度上与期末、期中或升学考试有相同之处。(四）外部评价和内部评价从评价主体的角度可分为外部评价和内部评价。外部评价是指不包括评价对象在内的其他评价者对评价对象进行的评价，又称他人评价。内部评价是指评价对象自己参照评价标准进行的自我评价。这时评价对象又是评价主体，评价过程也是自我比较、自我改进、自我提高的过程，又称自我评价。(五）定性评价和定量评价从评价方法的角度可分为定性评价和定量评价。定性评价是使用描述性语言来评价对象“质”的特征程度、状态和性质等。定量评价是指采用定量评价计算方法，以数量分析为依据的评价，注意反映对象“量”的特征。评价最重要的意图不是为了证明而是为了改进。物理教学评价将促进在物理教育过程中学生的发展和教师的提高，有效地改进学生的学和教师的教，以保证物理课程的有效实施。三、教育测量的三要素无论是物理特性的测量，还是精神特性的测量，都必须具有三大要素：参照点、单位和量表。（一）参照点参照点是计算事物数量的起点，又称零点。零点有两种：一种是绝对零点，如各种度量衡上的零点；另一种是相对零点，是人定的零点，如温度的测量以冰点作为零点。在教育测量中，所使用的参照点几乎都采用人定的相对零点。人定的零点的最大限度是不能以倍数的方式解释分数。例如，有两件物品，一件重50N，另一件重100N，可以说，重100N的物品是重50N物品的2倍。而在教育测量中，甲学生的智商是100，乙学生的智商是50，我们不能说甲学生的智力是乙学生的2倍，因为没有真正的零智商的学生。同样甲学生的学科成绩是100分，乙学生的学科成绩是50分，我们不能说甲学生的成绩是乙学生成绩的2倍。这是我们在解释教育测量分数时，必须注意的问题。（二）单位物理测量的单位比较明显，如长度单位以米、厘米等为单位，重量以千克为单位，时间以月、小时等为单位。缺少单位，数量的多少就没有意义，数量分析也就无从进行。好的测量就必须具有好的单位。一个好的测量单位必须具备两个条件：一是有明确的意义，即同一单位在人们的心目中有同样的意义；二是有相等的价值，即单位与单位之间距离要相等。物理测量所使用的单位容易符合这两个条件，而教育测量使用的单位严格地讲不符合这两个条件。如以百分制为单位测量学生的学习成绩，50分与51分之间差异不等同于99分与100分之间的价值差异。当然，教育测量必须具有单位，我们应当尽量改进教育测量的单位，使之科学化。（三）量表量表是参照点和单位的连续载体。它是测量的工具，是表示数量的方法。如天平是权衡质量的量表，尺子是度量长短的量表，而教育测量则是以文字试题、图形、符号、操作等方式来测量学生的学业成就、智力和思想品德等方面的发展水平。在教育测量中所使用的量表有四种类型，即称名量表、顺序量表、等距量表和比率量表。1称名量表称名量表是一种最低水平的量表，这种量表与事物的分类相联系。它是用一定的数字对事物的类别加以标识。例如，用“1”和“0”分别表示男女学生在识别上的区别。用“1”和“0”分别表示电位器上的高电位与低电位等。这种数字只起某种名称符号的识别作用，它只是对事物的属性进行归类以示区别，并没有高低序列的意思，更没有可加性，不能参与任何运算。运用称名量表，可以对各类别的频数进行累计，如计算参加测验的学生，有多少男生多少女生。对称名量表可运用的统计方法都属于对频数的统计处理，如百分比、2检验等。2顺序量表顺序量表是表示事物相对关系（如顺序关系）的数值特征的量表。如学生学业成绩的名次，可分为第一名、第二名、第三名等等。又如学生思想品德的等级，可用优、良、中、及格和不及格五个等级表示。顺序量表优于称名量表，因为它既能对事物进行分类，又能标志各类别之间的顺序关系。但顺序量表也存在缺点，因为它不能说明每一等级之差是否有相等的距离，没有表明测量单位的大小。因此，顺序量表不具有等距性，不能进行加减乘除的运算。但这种量表在教育测量中应用较广，如百分量表即属此种量表。教育测量应用顺序量表进行统计处理的方法主要有，中位数、百分位数、等级相关系数等。3等距量表等距量表最显著的特点是等距性，它对事物所作的数量划分是等距离的，是确定的，所以，它是比称名量表和顺序量表较高一级的量表。如物理测量中的温度，用摄氏量表的刻度将冰水混合物的温度定位0度， 1.01105kpa下沸水的温度定为100度，其间作100等分，这样就以摄氏度为单位可以比较温度之间的差异了，而且这种量表上所表示的数值就可以进行加减运算，如可以求平均温度。由于等距量表没有绝对零点，它的零点是人定的，因此，用等距量表表示的数值虽可以作加减运算，但不能用倍数关系表示，不能进行乘除运算。等距量表虽有一些缺点，但在教育测量中却有实用意义。因为教育测量的结果都可以转化为等距量表进行比较，可以将原始测验分数转化为标准分数，进而可以将各种测验得到的不同单位的分数转换到同一等距量表上进行分析比较。等距量表在统计分析和处理时，应用比较广泛，许多统计方法都可运用。如计算平均数、差异量、相关系数统计等统计量，还可以运用Z检验、t检验、F检验等进行统计推断。 4比率量表比率量表是测量中最高水平的量表。它既有绝对零点，又有相等的单位，因此，可以进行加减乘除运算。比率量表在物理测量中被广泛运用，但在教育测量中运用较少。因为它的条件极严格，教育测量中的各种分数不易满足这一条件。四、原始分和标准分（一）原始分原始分是卷面分，考生在接受测验后，按照评分标准对其作答反应直接评出来的分数，叫原始分。原始分反映了考生答对题目的个数，或作答正确的程度。但是，原始分一般不能直接反映出考生间差异状况，不能刻划出考生相互比较后所处的地位，也不能说明考生在其他等值测试上应获得什么样的分值。 （二）标准分1标准分的概念指通过原始分转化而得到的一种地位量数，它反映考生成绩在全体考生成绩中的位置。因此，无论试题难或易，无论整体原始分偏高或偏低，整体标准分都没有什么变化。2标准分是怎样计算出来的根据教育统计学的原理，标准分Z是原始分与平均分的离差以标准差为单位的分数，用公式表示为，为该次考试中全体考生的平均分；X为该次考试中考生个人所得的原始分；S为该次考试分数的标准差。 标准分有如下性质： a、平均值为0，标准差为1； b、分数之间等距，可以作加减运算； c、原始分转换为标准分是线性转换，不会改变原始分的分布形状，也不改变原来分数的位置次序。 通过转换后得到的标准分Z在一般情况下都带小数，而且会出现负值，实际使用时不太方便，所以还要对Z分数进行线性变换（T变换）：。这就是我们通常所说的标准分。这种标准分的平均值为500，也就是说，如果某考生的标准分为500，则该生的成绩处于此次考试的中间位置。 当然，这是在假定原始分呈正态分布的前提下进行的。如果原始分的分布不符合正态分布的要求，则要先进行正态化处理，再转换为标准分，转换后的分数称为正态化标准分，这就是我们所称的标准分数。第二节 物理试题的编制一、编制试题的一般原则为了使教育测量能测验到学生的真实情况，使编制出的测验具有优良性，在编制测验过程中必须遵循以下几项原则。（一）目的性原则编制测验必须具有目的性，我们应针对不同的目的来编制测验。编制测验目的的确定将界定测验指向哪些行为特征（能力、情绪、动机等）和哪些受测对象（被试的年龄阶段、被试的生活背景，被试是城市还是乡村）。如WICS-R是测量美国6岁至16岁儿童的一般智力，为此目的，韦克斯勒按照他的整体智力观点把智力分成言语和操作两个方面，因而，他的量表就由言语测验和操作测验组成。在言语测验中又有6个分测验，在操作测验中也有6个分测验，通过12个分测验不但能测出一般的智力，而且言语智力和操作智力的发展水平也能被测出来。这12个分测验的项目按难易排序，难度小的先出现，难度大的后出现，由于难易不同，各年龄组儿童完成作业的数量就不同，测验分数也就不同，从而该量表能够用于6岁至16岁的儿童。 如果测验的目的在于测量学生学习某新课之前所需具备的知识和能力，则测验必须难度适中，范围要界定为有关的预备知识；如果测验的目的是为了了解学生学习某一单元或某一章的进步情况及对所学课程的掌握情况，那么，测验的题目应由有限的教材范围内的综合性试题组成，试题比新课前的准备性测验要难些，但不应难于课程结束时的总结性测验。因此，编制测验时必须明确测验的目的，才能编制出有效的测验。测验目的关系到测验项目的取样，也关系到受测的团体，因而在编制教育测验时必须遵循目的性原则。（二）典型性原则教育测验一般是要测量被试对全部教学目标的完成情况，但由于考试时间及其条件限制，任何一种测验都不能把教学目标中各种学习结果都包括进去。题目是教学目标的一种抽样，因此，这种抽样就必须具有代表性及典型性。要使测验具有代表性及典型性，则编制测验前必须编制测验的双向细目表。双向细目表是把教学目标和教学内容都反映出来的框架，它包括各项教学目标在教学内容各方面的分数分配情况。（三）灵活性原则灵活性原则是指测验要根据实际情况，灵活选择适当的题型，难度要适宜。通常应采取以客观性试题为主，主、客观试题相结合的方法灵活编制测验，题目要按由易到难的顺序排列。（四）科学性原则测验的科学性原则即要求测验的每一道题目语言要清楚准确，方便学生思考，避免出现含糊不清的用语，使学生无从着手或无法把握题目的要求。提示语要科学，答案明确无争议。在编拟主观试题的同时，应拟出标准答案及答案中各种可接受的变式。二、常见试题的种类和特点题目的形式一般分为两大类：客观型试题和主观型试题!（一）客观型试题客观型试题的形式很多，在物理测验中常用的有填空题和选择题两种。1填空题填空题通常以一句话，略去其中的一些词语或数字，留出一处或几处空白，让学生把空白填补起来，达到文意完整!填空题属于再生式客观试题，侧重于知识记忆的考查，也可以考察知识的理解和简单应用!例如,利用单摆测定重力和加速度的实验所根据的原理公式是_,在该实验中需要直接测量的物理量是_。又如，有大小分别为 4N,9N,11N的三个共点力，它们彼此之间的夹角可以变化，则它们合力的最大值是_,最小值是_。编写填空题时， 必须使学生明确和理解题意。因此，空白不可太多，填空的词语、符号、数字等答案应尽量简单，且符合惟一性原则。2选择题选择题通常是由一个问题与几个备选答案构成，让学生根据要求选择其中正确的一个或几个答案!选择题属于再认式客观试题，适用于考查知识的理解和简单应用。例如，在图10-1所示的电路中，合上电键k后，A电流表读数变大，电压表读数变大.B 电流表读数变小，电压表读数变小.C电流表读数变小，电压表读数变大.D 电流表读数变大，电压表读数变小. 图101图102又如，在图10-2所示的电路中，当合上电键K后,发现两个小灯泡(均标有“3V,1W”) 均不发亮。用电压表测得Uac=Ubd=6v.如果各段导线及接线处均无问题，这说明A.灯泡 4% 的灯丝断了.B.灯泡 4& 的灯丝断了.C.可变电阻器的电阻丝断了.D.电键 K 未接通设计选择题时，在内容方面要求备选的答案应有似真性、逻辑性，在文字叙述方面要求避免有所暗示。总之，客观型试题的答案简短，评分客观。 每题的内容单一，但题量可多，内容覆盖面广，有助于提高测验的效度和信度，主要缺点是学生对选择题可能任意猜测，特别是不能考查学生较高层次的能力，如学生的独立见解和创造能力，以及综合性的灵活应用。（二）主观型试题主观型试题的形式也很多，在物理测验中常用的有推理论证题、综合应用题（ 含实验设计方面的设计性题、计算题）。例如，有两只电压表A和B，量程已知，内阻不知。另有一干电池，它的内阻不能忽略，且不知是多少。只用这两只电压表、电键和一些连接导线，就能够通过测量和计算得知这个干电池的电动势。 试画出测量时所用的电路图，并写出计算电动势的式子。这个题目的正确答案并不是惟一的，几种方案都可以是正确的。可见，主观型试题的答案由学生提供，学生可以表述自己的观点和创见能够考查学生较高层次的能力。 其主要缺点是评分比较困难，带有主观性，从而影响测量的效度和信度。一次完整的物理测验，应当包括以上所述的几种形式，这对全面考察学生的认知行为是有益的! 试题的形式与其考查的认知行为，通常如表8-1所示。表8-1试题的形式考察的认知行为填空题记忆、理解、简单应用选择题判断、理解、简单应用推理论证题理解、综合应用设计性题理解、简单应用、综合应用计算题理解、简单应用、综合应用三、不同类型试题编制应注意的问题具体到常见的各种题型，须注意：（一）填空题不应涉及复杂的推理或计算。因为它只要求考生填充所陈述的物理情境（包括概念、规律、现象、事实判断等）中的重要部分或关键内容，答案简单明确，具有单一性。（二）选择题选择题中的答案，各选项要彼此独立，不能有暗示，所列错项要能起干扰作用，不能让人一眼就看出是错误的，且答案的排序要随机进行，以减少考生因猜测带来测量误差。（三）是非判断题是非判断题，每题只能包全一个重要概念，答案只可能是正确与错误二者之间选择，不能有旁义。试题应尽可能避免使用较复杂的句型结构和使用具有暗示性的词汇。（四）计算题计算题中对物理问题情境的描述要准确、清晰、有层次，富有启发性，使学生易于理解，易于运用所学知识去分析和求解。（五）实验题实验题分答卷型和操作型。考查学生对实验原理、方法、步骤及操作规程等知识的掌握程度用答卷型，它多采用填空来考原理的记忆和理解，用选择题来考查实验方法、步骤。考查学生设计实验、操作仪器和处理实验问题的能力，用操作型实验题，类题要根据教学要求提出课题，提供必要的实验仪器设备等等。第三节 试卷质量的评价一、良好试卷的特征测验是教育测量的主要工具，测验质量好坏直接决定着教育测量的成功与否。因此，在编制或选用测验时，要对它的质量进行分析，判断它是否满足良好测验的特征。一个良好的测验应当具有以下一些基本特征。（一）信度（可靠性）信度是指可靠性或可靠的程度。测验的信度是指测验结果的可靠程度，即测量能否稳定反映被试的实际水平。一个好的测验，对同一批被试先后两次的结果应保持一致，否则，该测验的信度就不高。如某测验欲测查学生的学习能力，在一定的时间内两次对某班的学生进行测试，测试结果表明，被试前后两次的得分很接近，比较一致。因此，可以说明测验结果的相关度很高，该测验的信度就比较高。根据计算方法，可将信度分为再测信度、复本信度、内部一致性信度和评分者信度等。信度是良好测验的必要条件，但不是充分条件。一个测验只具有高信度还不行，还必须具有高效度。（二）效度（有效性）测验效度是指能测量出所要测量的特性的程度。效度是针对特定的目的而言的，比如，某测验欲测被试的学习能力，但实际测验所反映出来的特性是被试的学习方式的情况，这种测验的效度就比较低。又如,某从数学测验欲测被试的数学学习水平，但由于测量项目的文字表述过于深难而给被试正确理解题意带来了困难，致使被试所得分数偏低。实际上，该测验并没有真正测到被试的数学学习水平，并没有达到特定的测量目的，该测量的效度也就不高。也就是说，若测验真正测到了要测的东西，则该测验的效度就高；否则，该测验的效度就低。因此，效度是测验最基本的条件，是良好测验应当具备的最基本特征，也是反映测量质量高低的根本指标。可以看出，效度总是与测验目的密切相关的。根据测验目的，可以把效度分为内容效度、构想效度和效标关联效度。内容效度是指测验内容与预定要测的内容之间的一致性程度，它通常用在学业成就测验中；构想效度是指测验分数能够描述个人所具有的心理品质和能力的程度，它主要适用于心理测验；效标关联效度是指测验分数与外在参照标准（亦称效标）的相关程度，它可以分为同时效标和预测效标，前者适用于以评定现状为目的的测验，后者适用于预测测验，目的在于研究该测验预测未来成就的预测程度。（三）难度（难易性）难度是就测验所含项目（题目）而言的，测验的难度是指项目（题目）的难易程度。一个测验包含多个项目，不同项目之间的难度是不一样的，有的项目难度高，有的项目难度低。比如，在学业成就测验中，侧重于考察识记目标的难度就比较低，而考察综合目标的项目的难度就相对要高。在教育测验中，不同类型的测验的难度要求是不一样的。比如，前面曾经介绍过的常模参照测验与目标参照测验两种测验，它们的难度分布就不相同。常模参照测验的目的是尽可能地把把握被试的个别差异，一般来说，它的难度应接近中等水平，总的难度值趋近于0.50，难度分布在0.500.20之间。目标参照测验的目的在于考察被试水平是否达到特定要求（比如，单元测验等），它的难度就要依据特有的标准来确定。难度也是良好测量的一个重要特征，测验项目的难度直接影响着测验的信度、效度与区分度。（四）区分度（鉴别性）区分度是对测验所含项目（题目）而言的，测验的区分度是指项目能区别不同水平的被试的程度。即是说，项目得分的高低与被试水平的高低是一致的，高水平的被试在该项目上的得分应是较高的；反之亦然。如果某项目不能反映出被试水平的差异，高水平的被试和低水平的被试在该项目所得分数并无差别，则说明该项目的区分度就比较低。如果某项目不仅不能反映出被试水平的差异，反而提供了一些相反的信息，即高水平的被试在该项目上所得分数较低，而低水平的被试在该项目上所得分数较高，则说明该项目完全没有区分度，且具有干扰破坏性。要注意的是，项目的区分度与项目的难度是有关系的。测验项目要有区分度，则难度必须适中，难度较高或较低都易使项目的区分度较低。若测验的区分度较低，则影响到测验的效度。因此，区分度也是良好测量应具有的特征。二、试卷整卷的评价方法（信度和效度）（一）信度信度是测验的可靠性程度，即测试是否真正反映学生水平。所谓可靠性指使用同一试卷进行多次测量，测量的结果的一致性程度。求信度的方法有折半信度法和系数法。折半信度法是抽取若干名学生的试卷，将试题按照奇数题和偶数题分成两部分（设两部分的题型、题量、难度大致相等），分别求得奇数题得分X和偶数题得分Y，由下式计算二变量相关系数：，其中N为奇（偶）数题的数目。然后代入修正公式求出折半信rat=2r/(1+r)度系数法要求，依前边介绍的求本次测验标准差的方法，先把试卷总分的标准差St找出来；再计算第i大题上全体学生得分的标准差Si，然后代入下列公式求出系数，其中，n为试卷大题的总题数。目前，系数法是稳定性、可靠性较好的一种方法。实际运用中，对高考、中考之类的大型考试，要求信度值在0.9以上；对一般考试要求0.8以上，而课堂测试在0.6以上就可以了。（二）效度效度是相对于测试的目的、内容而言，指一份试卷能够测出所要测量的项目的程度。物理测验最主要是测量学生达到物理课程标准所规定的对知识和技能的掌握程度，所以要求测试的内容要对所要测量的内容有很好的代表性。这种反映代表性的程度的指标就是内容效度。分析内容效度的方法主要是：先看编制试卷中的双向细目表的制定是否符合考试目的，在逐个考察各道题的内容、答案、评分标准是否合理，是否与双向细目表的要求一致。还可以利用效标效度对试卷进行分析。所谓效标，就是检验