教育测量评价

教育测量与评价学习内容第一章教育测评概述第二章教育测评的质量指标第三章

教育测验的编制与实施第四章教育评价方案的编制与实施第五章

教育评价的方法第六章

教育测量结果的整理、转换与组合第七章

教育评价的心理调控第十章标准化考试第十一章智力测验第十二章学生评价第十三章学生品德测评第十四章教师评价第十五章

教学工作评价第十六章课程评价第十八章中小学学校评价第一章教育测评概述第一节教育测量概述一、什么是测量（一）测量的定义测量是根据法则给事物分派数字。（史蒂文斯）测量这一定义包含了三个要素：1、法则——给事物的属性分派数字的依据和准则2、事物属性——测量的对象或目标3、数字——描述事物属性的符号，是测量结果的表现形式比如：重量——杠杆原理；温度——热胀冷缩原理。“法则”不同，测量结果不一样，因此法则有好坏之分。根据能否直接测量，可以将事物属性分为两类：一是可以直接测量的事物属性，如长度、体积、重量等；二是只能间接测量的事物属性，如温度、心理等数字具有如下特征：1、数字具有区分性：数字不同，事物的属性也不同。2、数字具有顺序性，如1﹤2﹤3······3、数字具有等距性，如2-1=13-2=1······4、数字有0，使事物的测量具有参照点但是，在不同的测量中，测量结果所使用的数字可能具有不同的属性。（二）测量的三个要素

——单位、参照点、量表1、单位。是计量事物的标准量的名称。理想的测量单位应具备两个条件：（1）要有确定的意义。即对同一单位，所有人的理解都是相同的，不应有异义和多义。（2）单位的距离要等值，即相邻两个单位点之间的差别总是相等的。但是，在教育测量中运用的单位大多是不等值的。2、参照点是指在测量工作中，计算的起点。参照点有两种：（1）绝对零点。“0”表示没有，如重量为“0”表示“恰恰没有一点重量”。（2）相对零点（人定参照点）。“0”并不表示没有，温度（成绩）为“0”并不表示没有温度（一无所知），如以海洋面为测量陆地和山的高度的起点，称为海拔**米，以冰点（00C）作为测量温度的起点等。教育测量中使用的参照点都是相对零点。3、量表即测量的工具，是“具有确定单位和测量参照点的连续体”。如尺子、天平、试卷、问卷、图形、符号等。“将欲测量的事物特征与这个连续体相比较，确定它的位置，看它距参照点的远近，就会得到该事物特征的一个测量值。”四种测量量表1、称名量表——（类别量表）最低水平的一种量表它只是用数字表明事物的类别或性质不同而已，没有任何数量大小的意义，不能作数量化分析，也不能将之进行加减乘除运算。有人认为运用类别量表进行的测量不能算是真正意义上的测量。它主要用于次数的统计、求百分比、列联相关、X2检验等。四种测量量表2、等级量表——（顺序量表）用来描述各个类别的数字，不仅具有区分性，而且还具有等级性（或顺序性），因此，量表上的数字之间能表示事物大小的位次关系，但不具有等距性和可加性，也不能进行加减乘除运算。它主要用于求中位数、百分数、等级相关系数、肯德尔和谐系数等。四种测量量表3、等距量表——较高水平的量表量表上的数值不仅具有区分性、等级性，还有等距性，等距量表的数字是一个真正的数字，因此可以进行加减运算，但等距量表没有绝对零点，所以不能作乘除运算。主要用于计算平均数、标准差、积差相关系数、T检验、F检验等。四种测量量表4、比率量表——最高水平的量表有相等单位和绝对零点，量表数值可以进行加减乘除运算。大多数物理测量量表是比率量表，但教育测量基本没有比率量表。二、什么是教育测量（一）教育测量的涵义教育测量是根据测量学的原理和方法对教育现象及其属性进行数量化研究的过程。教育测量主要是对学生内在精神属性的测量，如学习成绩、智力水平、品德状况、心理健康状况等。所以教育测量主要是一种间接测量。（二）教育测量的特点1、测量结果的间接性：教育测量是通过被试对测验项目的行为反应来测量他的内在的心理特征。2、度量单位的相对性：单位是测量的基本要求，理想的单位应有确定的意义和相等的价值。但测量人的行为时并不具备这样理想的两个条件，所以要对教育测量的分数进行转换，如T分数，百分等级分数等。（二）教育测量的特点3、测量对象的复杂性：教育测量主要是对学生内在精神属性的测量。内在性——不能直接测量；多变性——前后测量结果不一致其他因素——如疲劳、情绪、心理掩饰也会影响测量结果4、测量目的的针对性测量总有一定的目的，教育测量必须为实现教育目的服务。三、教育测量的误差问题凡测量必有误差，但为了尽可能准确测量，必须尽量控制误差，使其最小。误差主要来源于三方面：1、测量的工具（物理测量——仪器和设备；教育与心理测量——量表）（1）项目取样（代表性）（2）项目题型（猜测率）（3）项目措词和要求（模棱两可，表述不清）如：春天的水怎么样？三、教育测量的误差问题2、所测量的事物的一致性程度。测量在短期内不受测验经验、练习效应的影响。3、测量者的因素主测者：熟练掌握测量技术。比如，指导语另外，如何计时、记分，对被试的各种提问如何回答，以及在测验中途发生意外情况(如停电，有人迟到，生病；作弊等应该如何处理）。受测者：应试动机、测验焦虑。指导语会直接影响受测者的作答态度与方法。有人以不同的指导语对几组被试实施同一个能力测验，结果表明，将该测验说成“智力测验”的一组，成绩最高；将之说成“日常测验”的一组，成绩最低。动机不同会影响其作答态度、注意力、持久性、反应速度等，从而影响测验成绩四、教育测量的作用1、有利于提高教育、教学水平形成性测验、终结性测验2、有利于提高教育管理水平克服主观经验管理3、有利于发展教育研究方法用数据说话第二节教育评价概述思考：当你看到这个问题时，或者说，当你听到教育评价这个词时，你最先想到的是什么？实验结果：依人数的多少排列：师范生：A、测验B、等级C、成绩D、不公平E、判断任课教师：A、测验B、测量C、等级D、成绩责任制E、对个人秘密的侵犯一、什么是评价顾名思义，评价就是评判价值。书本定义：评价是指根据某种价值观对事物及其属性进行判断、衡量，亦即对人或物做出好与坏、真与假、善与恶、美与丑、优与劣等等的判断。评价意味着对某一事物的价值给予一般的衡量。价值是指客体满足主体需要的程度。实际上，一种事物的价值是客观存在的，但是各人的需要不同，所以各人的价值观不一样，作出的价值判断（评价）也不同，可见，评价是主观需要与客观价值的统一。比如集邮。二、什么是教育评价教育评价是一门新兴的学科，迄今尚未形成统一的为大家所公认的科学定义。下面是几种具有代表性的界说：（一）早期解释泰勒在40年代初将教育评价解释为：“确定教育目标在实际上被理解到何种程度的过程。”——目标评价模式后来日本学者进一步把它界定为：“教育评价就是系统地、有步骤地从数量上测量或从性质上描述儿童的学习过程和结果，据此判定是否达到了所期望的教育目标的一种手段。”——注重总结性评价，忽视形成性评价有贯彻之意目标评价实施二、什么是教育评价（二）60年代的界说克龙巴赫的定义：“评价是为决策提供信息的过程。”后来有人对这一界说做了具体的描述：“教育评价是一种有系统地去寻找并搜集信息资料，以便协助决策者在诸种可行的途径（方案）中择一而行的历程。”对教育评价的阐释突破了行为目标模式的观点，强调了评价的信息作用（为教师教学、管理者决策等），扩大拓宽了评价的功能、范围。二、什么是教育评价（三）较深层的定义斯克里文和豪斯的定义：“评价是一种对优缺点和价值的评估，是一种既有描述又有判断的活动。”日本心理学家大桥正夫认为：“教育评价就是对照教育目标，对教育行为产生的变化进行价值上的判断。”这种观点强调评价者必须进行价值判断，而非只测量事物或决定目标是否达成。评价活动从反映管理者、决策者的意图转变为反映局外人的意愿或价值。至此，价值问题由“价值中立”的假设，或者说剥离价值的评价设想，重新得到了反思和审视，价值因素开始“登堂入室”。二、什么是教育评价（四）我国对教育评价的初步界定和理解（20世纪80年代以后）“教育评价是对教育的社会价值做出判断的过程。”“教育评价是按照一定的价值标准，对受教育者的发展变化及构成其变化的诸种因素进行价值判断的过程。”本教材的观点：“教育评价是根据一定的教育价值观或教育目标，运用可行的科学手段，通过系统地搜集信息、分析解释，对教育现象进行价值判断，从而为不断优化教育和教育决策提供依据的过程。”共同特：（1）评价是一个过程；（2）价值判断是评价的本质特征；（3）以一定的教育价值观为依据；（4）采用一切可行的科学手段。

二、什么是教育评价要理解评价的本质，必须明确几点：1．教育评价的对象、范围——评什么教育评价从早期以学生学习结果为对象，逐渐扩大了应用的范围，现代教育评价则以教育的全领域为对象。从宏观到中观、微观，各种教育现象都可以作为评价对象，而且不仅评价教育结果，教育计划、教育活动和教育过程是教育评价的对象。二、什么是教育评价

2．教育评价的目的和作用——为什么评这里涉及评价的指导思想和教育观等基本理论问题。教育评价是为了鉴定、考核，还是为了推动、改进；是为了选拔、淘汰，还是为了教育、发展，这是两种不同的教育观和评价观。传统的教育评价目的是为了“选拔适合教育的儿童”。而现代教育评价的目的是为了“创造适合儿童的教育”，即评价是为了诊断评价对象的现状，以便发现问题，使教育、教学工作不断改进、不断完善，不断适合教育对象的需要，为促进儿童个性全面发展和提高教育质量服务的——“为了学生的发展”。二、什么是教育评价3．教育评价的依据——根据什么来评价值判断是教育评价的本质特征。根据什么进行价值判断？这就是评价的实质和关键。因此必需有一个衡量和判断的客观依据和标准，即教育的价值目标和标准问题。这里又涉及什么是价值、教育价值、教育价值观的问题。我们应当根据马克思主义价值观和社会主义现代化建设的需要，根据人才成长发展的规律，确立我们的教育价值观和价值取向，确定教育评价的价值目标和标准。从这个意义上说，教育方针、政策和教育目标就是我们的教育价值观的集中体现，我们应当以教育方针和教育目标为依据确定评价的目标和标准。二、什么是教育评价4．教育评价的手段——怎样评教育评价是运用科学的方法和手段，对教育现象及其效果作出价值判断的活动。教育评价的科学性在很大程度上取决于方法和手段的科学性。没有科学的方法和手段，就没有评价的科学性。（五）教育评价与教育测量的关系1、联系：教育测量是教育评价的基础，教育测量是对教育进行量的测定，所获得的结果是教育评价所需信息的主要的、可靠的来源，是对教育的状态和价值进行客观判断的前提。教育评价=事实判断+价值判断教育测量所获得的数据只有通过评价判断这个环节才能获得实际意义，否则便成了一堆抽象而枯燥的数字。二、什么是教育评价二、什么是教育评价2、区别：两者着眼点不同：教育测量是为了取得数据；教育评价是要分析解释，对教育价值作出判断。两者特点不同：教育测量是一种纯客观的过程，具有客观性特点；教育评价具有客观性与主体性相结合特点。两者复杂程度不同：教育测量是对教育数量化的描述，关心量的获得，活动较为单一；教育评价着眼于事物质的判定，含定性与定量分析，活动是多重的。三、教育评价系统的结构和功能（一）教育评价系统的结构系统论认为，所谓系统，是由若干相互联系、相互作用的要素所构成的、具有特定结构和功能的有机整体。比如教学系统——由教师、学生、教学组织形式、教学方法、教学手段、教材等要素构成。任何一个系统都是较高一级系统的一个要素，任何一个要素，通常又是较低一级的系统。凡系统都有一定的结构和功能。构成系统的各要素在系统内组成的方式就是系统的结构，这种结构在运动状态下所发挥的效能就是功能。因此，系统结构与系统功能是相互制约、相互影响的。（一）教育评价系统的结构从教育评价系统结构上分析，教育评价一般由以下几个要素构成：1、价值目标和标准2、组织机构和人员

3、评价方法和技术4、评价对象与评价人员的心理调控教育评价必须以目标为导向，以标准为依据，因此必须根据教育目标、培养目标和课程标准，设计好评价目标、指标、标准等。具体说就是实施教育评价所依据的评价标准体系。是指实施评价的组织机构、领导人员和评价者。一定的评价任务要求设置与之相适应的组织机构和人员，或领导小组和负责评价的人员。目前我国普通教育评价的实施，还没有专门组织机构和负责评价的专业人员，与国外相比显得非常落后。

是指实施教育评价的技术和方法，基本技能和能力。其中包括各种搜集评价信息的方法和技术、统计处理评价信息的方法技术和进行综合分析判断的方法和技术等。是指参与教育评价的主体（评价者）与客体（被评者）双方在评价过程中所表现的动机、需要和人际关系等心理状态，它直接影响评价过程、评价程序的顺利进行，影响评价任务的完成，因此对评价主体与客体的心理调控就具有重大的意义和作用。必须通过各种调控的途径，取得及时的有针对性的有效控制，才能保证评价的效果，达到评价的目的。

（二）教育评价的功能1、教育评价的意义（1）教育评价是教育管理的重要组成部分教育管理的各个环节（计划、实施、检查和总结）都需要评价。评价能及时反馈信息，及时发现问题，解决问题，是一种科学的管理。（2）教育评价是深化教育改革的重要措施要进行一项教育改革，首先要进行改革方案的可行性评价；在改革进程中，必须加强形成性评价；在某一改革告一段落时必须进行终结性评价。1、教育评价的意义（3）教育评价是全面提高教育质量的重要手段通过教育评价，可以加强学校各项教育教学工作的有效性。（4）教育评价是教育科学研究的重要内容现代教育科学研究被划分为三大领域：教育基础理论研究、教育发展研究和教育评价研究。可见，教育评价是教育科学研究的重要内容。2．教育评价的功能（1）导向功能教育评价是根据教育目标进行的，通过评价目标、指标体系的引导，可以为学校指明办学方向，为教师与学生指明教与学的奋斗目标。（2）监督检查功能社会各界要了解、考察教育的发展状况，教育行政领导部门要对学校工作进行指导与管理；学校要对师生的教学活动进行调节和控制；教师要对学生的学习进行监督和帮助，都需要通过一个具有检查监督功能的形式和手段，即教育评价。（3）激励功能教育评价能起到激励先进，鞭策后进的作用。正（负）评价要社会承认的需要得到满足（受到挫折）要得到成功的需要得到满足（受到挫折)自尊感提高（低落）情绪稳定（不稳定）唤起新的要社会承认的需要（扩大或放弃唤起新的要得到成功的需要（扩大和放弃）2．教育评价的功能2．教育评价的功能（4）筛选择优功能在教育的实际工作中，经常要对评价对象进行筛选择优。这就需要将众多的对象根据一个标准来衡量和判断，也就是要对他们进行科学的教育评价。（5）诊断改进功能通过教育评价，可以发现教育、教学过程中存在的问题和不足，然后提出改进的措施，这就是教育评价的诊断与改进功能。四、教育评价的种类（一）根据评价的对象和范围1．宏观教育评价以教育的全领域及宏观决策方面的教育现象、措施为对象的教育评价，或对一个具有相当规模的地区的教育进行的评价。这类评价属于总体的、全局性的、高层次的评价。2．中观教育评价以学校为对象，对学校内部各方面的工作进行的评价。如学校办学质量评价、学校教学工作评价、学校德育工作评价、学校后勤工作评价等等。3．微观教育评价以学生为对象的教育评价。如对学生的学业成绩、思想品德、智能发展等的评价。四、教育评价的种类（二）根据评价的时间和作用1．诊断性评价是指在教育、教学活动开始之前，为使计划更有效地实施而进行的预测性、摸底性评价。其目的是为了摸清评价对象的基础和情况，分析存在的问题，为解决问题搜集必要的资料，以找到解决问题的办法。2．形成性评价是指在教育、教学活动计划实施的过程中，对计划、方案执行的情况进行的评价。其目的是为了了解动态过程的效果，及时反馈信息，及时调节，使计划、方案不断完善，以便顺利达到预期的目的。3．总结性评价是指某一教育、教学活动项目告一段落或完成以后进行的评价。其目的是为了了解这项活动达到预期目标的情况以及它的最终效果或效益。诊断性评价形成性评价总结性评价作用确定评价对象（主要是学生）的常见错误，以便进行补偿性教育对评价对象阶段性的进步进行评价，并及时反馈，以便改进和辅导给评价对象作出鉴定或分等，了解教育目标到达程度和教育效果实施时间在教育工作开始或教育工作进行中在教育工作进行中在一个教育工作过程完成后四、教育评价的种类（三）根据评价的基准不同1．相对评价是指在评价对象团体中确定一个基准，或以某一团体的评价状况为基准，对团体中的个体成员在这个团体中所处的相对位置进行评价。相对评价的特点：一是评价基准是在评价对象团体内部确定的；二是参照的标准是对团体进行测量以后确定的；三是它关心的是团体成员在该团体中所处的相对位置。

A1A2A3M0…An四、教育评价的种类2．绝对评价是指以预先制订的目标为评价基准，评价每个对象达到目标或基准的程度。也称目标参照评价。绝对评价的特点：一是评价基准是在评价对象团体以外确定的；二是参照标准是在对团体进行测量以前确定的；三是它关心的是评价对象达标的程度。

A1A2A3M0…An四、教育评价的种类（四）根据评价的性质1．需要性评价是指根据某种需要，对新提出的教育目标、计划方案的必要性作出价值判断。其目的是要判断新提出的教育目标、计划方案或活动是否有必要进行或开展。需要性评价一般是在某种教育改革项目开始前或对教育活动整个过程进行总体反思时进行的。2．可行性评价是指对教育目标、计划、方案实现的条件、可行程度的评价。其目的是了解实施教育目标、计划、方案的物质条件、技术条件和经济效益。3．配置性评价是指对教育目标、计划、方案，所需要的资源条件，人员与业务技术条件的配置进行价值判断。其目的是合理安排和利用人力、物力和财力。四、教育评价的种类（五）根据评价的主客体不同

1．自我评价是指被评者按照一定的评价目的与要求，对自身的工作、学习、品德等方面的表现进行价值判断。自我评价能充分发挥评价对象在评价中的积极性，激发被评价者的自尊心、自信心，使之自觉地、主动地接受评价。

2．他人评价是指被评者以外的人进行的评价，又叫外部评价。他人评价，一般较严格、慎重，也比较客观，可信度较高，具有一定的权威性，自评只有经过他评才能得到有关方面的认可。作业：如何评价中国的科举考试？第三节教育测评的发展阶段先测后评一、教育测量的发展阶段一般可将教育测评的发展分为以下三个阶段：（一）教育测评的萌芽阶段（１８６４年以前）1、我国古代教育测量思想早在2500多年前，我国古代教育家孔子就曾根据自己的观察评定学生的个别差异，将人的智力分成三个等级：“中上之人”，“中人”，“中下之人”。并指出：“中人以上可以语上也，中人以下不可以语上也。”1、我国古代教育测量思想孔子之后约150年，大思想家孟子指出了“万物皆可测量”的思想：“权，然后知轻重；度，然后知短长。物皆然，心为甚。”据可考证的史料分析，世界上最早的心理与教育测量出现于中国西周奴隶制时期（公元前1100——771年）。（1）《礼记·学记》记载，在西周的“国学”中已经建立具有相当系统性的教育测量制度：“比年入学，中年考校。一年视离经辨志，三年视敬业乐群，五年视博习亲师，七年视论学取友，谓之小成。九年知类通达，强立而不反，谓之大成。”（2）现代许多教育测量学家认为，教育测量起源于中国的科举考试（606～1905年，1300年）。科举考试始于隋，兴盛完备于唐，废于清末，是我国实行时间最长的一种选士制度，对我国乃至于对世界的考试制度有重要的影响。法国大革命时期，资产阶级启蒙思想家伏尔泰曾赞叹地说：“人类精神，肯定想象不出比这样的政府更好的政府。在这个政府里，重要的衙门彼此统属，任何事情都在那里决定，而其成员，都是经过几场严格的考试的。”科举制是通过分科考试来选取人才，采用口试、贴经、墨义、策问、诗赋等方法测试考生。讨论：中国科举考试的优缺点2、西方早期教育测量思想中国的科举考试自16世纪由利玛窦传入欧洲。1702年，英国的剑桥大学首先以笔试替代口试，开西方学校考试笔试之先河（比中国的科举制晚了近1100年）。1845年，美国初等学校普及，学生数激增，对毕业生一一口试已不可能，于是，波士顿市教育委员会率先在美国相继以笔试取代口试，考察该市所属学校的毕业生（比中国的科举制晚了近1240年）。（二）教育测量的蓬勃兴起阶段（１８６４—１９４０年）该阶段以费舍1864年的《量表集》为标志；1897莱斯的拼字测验引起人们对测验问题的极大关注；1879年，冯特在德国莱比锡建立了第一个心理学实验室，其方法论的变革促进了教育测量运动的兴起；1882年，英国高尔顿（Galton）受达尔文影响，在伦敦建立了人类学测验实验室和德国冯特的心理学实验室相对峙。高尔顿在他的实验室里发明了许多测量仪器，如用来测量长度视觉辨别的“高尔顿棒”、用于测量听力的“高尔顿笛”，并以这些感觉敏锐度为指标来判断人的智力。他通过测量发现白痴对热、冷、痛等感觉的鉴别能力较低。他还是应用等级评定量表、问卷法以及自由联想法的先驱，他创造了粗略计算相关系数的方法，他的学生皮尔逊就是积差相关系数的发明者。（二）教育测量的蓬勃兴起阶段（１８６４—１９４０年）1904年，法国教育部委派许多教育家、医学家组成一个委员会，研究公立学校内低能儿童班级的管理问题，心理学家比奈是其中的成员之一，他主张用一种测验的方法去辨别心理缺陷儿童。经过他与助手西蒙的精心研究，于1905年在《心理学年报》上发表了题为《诊断异常儿童智力的新方法》的论文。该文介绍的新方法就是世界上第一个智力量表——比纳—西蒙智力量表。（二）教育测量的蓬勃兴起阶段（１８６４—１９４０年）20世纪20年代，美国的教育测验运动蓬勃发展起来。美国的教育测验运动的发展可分为三个时期。（1）开拓期（1904—1915年）。这是方法的探索与初步的发展时期。在美国心理学家卡特尔研究的基础上，1904年桑代克发表了在测验学史上的划时代巨著——《精神与社会测验学导论》，标志着教育测验运动的开始。桑代克在书中提出了“凡是存在的东西都有数量，凡有数量的东西都可测量”的著名信条。美国心理学家卡特尔（J.M.Cattell）曾留学德国，师从冯特，在英国剑桥大学任教期间与高尔顿交往甚密。回师从美后，他编制了几十个测验，包括测量肌肉力量、运动速度、痛感受性、视听敏度、重量辨别力、反应时、记忆力以及类似的一些项目。美国学者波林指出：“在测验领域中，19世纪80年代是高尔顿的10年，90年代是卡特尔的10年，20世纪头10年则是比奈的10年”。（二）教育测量的蓬勃兴起阶段（１８６４—１９４０年）2、兴盛期（1915—1930年）。这一时期对桑代克提出的信条，不但在技术方面努力求得正确应用，而且不断提高到理论上加以证实。这一时期已发展了三种不同性质的测验，即学力测验、智力测验和人格测验。据统计，到1928年止，便有3000多种测验问世。（二）教育测量的蓬勃兴起阶段（１８６４—１９４０年）3、教育测验的批判期（1930—1940年）。随着教育测验运动的不断发展，人们逐渐认识到，教育测验尽管能使考试客观化、标准化，并能把人的能力换算成数字，甚至个别差异的程度也可以量化，但测验毕竟不能测得人的全部，如社会态度、实际技术、创造力、兴趣、鉴赏力等等，因难以数量化，教育测验便不能充分把握，往往被教育者所冷落。然而，这些又都是教育的重要方面。1931年，塞蒙兹（Symonbs，P.M）发表了《人格与行动的诊断》一书，主张人格测量应用评定法、问卷法、交谈法、轶事记录法等，从而从思想上否定了单纯的人格测量法。从此，教育测量运动逐步过渡到教育评价的时期。（三）教育测量的深入发展阶段（1940至今）30年代，美国进步主义的一些学者针对教育测量过分追求客观化、标准化、数量化的缺陷，提出了改革措施。教育测量有了新的进展，表现在：第一，开始重视学生智力和思想品德的测量，不能单测量学生的知识。第二，教育测量量表的编制突破了过去单一答案的求同式思维题，发展为包括多种答案的求异式思维题和论文式试题。（二）教育测量的蓬勃兴起阶段（１８６４—１９４０年）第三，教育测量的范围由过去偏重于学生学习成绩的测量，发展到涉及课程设置、教材、教育改革方案等教育工作的各个方面的测量。第四，现代的教育测量由过去单一的常模参照性测验模式发展到常模参照性测验与目标参照性测验相结合的模式。第五，教育测量本身的理论研究与技术开发更加深入与完善。如关于测验等值、项目反应理论（IRT）、测验信度、评分误差控制的研究等都有了较大的发展。现代化的测量工具（如电脑、光学扫描器等）也在教育测量中得到广泛的使用。二、教育评价的发展阶段教育评价作为科学概念，是20世纪30年代，在美国进步主义教育联盟的新教育课程的改革实验“八年研究”中正式诞生的。具体地说，教育评价思想源于中国古代教育的考试，孕育于西方教育测量的批判，形成于“八年研究”的改革实践。（一）教育评价产生的社会背景20世纪20年代末，30年代初，美国爆发了一场空前的经济危机。二、教育评价的发展阶段教育评价自产生至今大致经历了三个发展阶段，在这三个阶段中教育评价方法论各有其不同的特点：

1．教育评价的开创时期（1930—1958年）泰勒在“八年研究”(1933-1940)的报告《史密斯——泰勒报告》里，系统地总结了教育评价思想体系，第一次提出了教育评价的科学概念——“评价过程在本质上是确定课程和教学大纲在实际上实现教育目标的程度的过程。”二、教育评价的发展阶段泰勒的“目标中心模式”深深打上了行为主义心理学的烙印，其方法论的实证化特点非常明显。首先，泰勒认为开展评价的依据是把所要评价的内容分成具体可见的、可操作的学生行为目标，以便在评价中能够围绕这些行为目标进行观察和测定，以此来控制教育活动，评价教育成败。如果制定的目标越明确、具体，可操作性越强，则实用性也就越大。他说：“除非对目标所指的那种行为有比较清楚的概念，否则就无法知道期待学生产生哪种行为，以了解这些目标实现程度。”二、教育评价的发展阶段其次，泰勒在他的评价模式中非常强调对学习和教育结果进行客观地测量、统计。他曾提出过三种评价手段：（1）由评价专家组织测验，通过这些测验测得学生的行为变化情况；（2）把学生置于特定情境之中，对学生的特定行为进行有目的的观察；（3）用提问的形式使学生表达观点，借以引起学生作出能体现其知识和能力的回答。泰勒在运用这些手段时，提出过三个重要准则：客观性、信度和效度。如果任何一种手段违背了这三条准则，都将是无效的手段。二、教育评价的发展阶段泰勒的目标中心模式，教育目标至关重要。为了帮助教育者更清楚地表达教育目标，美国布卢姆于1948年开始致力于教育目标的分类研究，1956年布卢姆等研究完成了认知领域的目标分类，1964年克拉斯弗完成了情感领域的目标分类，1965年和1972年辛普森和哈罗分别完成了动作技能领域的目标分类。使评价手段的可操作性向前迈了一步，加强了评价的实证化倾向。此外，泰勒模式还催生了标准化测验，使评价手段的客观化程度进一步加强。

二、教育评价的发展阶段2．大发展时期（1958—1972年）背景：1957年苏联的人造卫星上天，美国朝野轰动。1958年美国《国防教育法》颁布，一方面给教育投入大量经费，另一方面又要求对教育工作实行科学的评价。1963年美国政府正式提出要对教育的效能和质量进行评价，并拨出大量专款用于教育评价理论与技术、方法的研究和培养专门的教育评价工作人员。二、教育评价的发展阶段1963年，克龙巴赫发表了《通过评价改进教程》一文，尖锐地批评了以往的评价工作，他批评以往的评价概念缺乏实用性和合理性，用实验组和控制组的测验分数进行比较，这是偏重于事后评价。他认为，应把评价作为一个收集和报告对课程设计有指导意义的信息过程，只报告测验的平均分数没有报告测验项目及其分析是没有用的。他指出：（1）评价人不仅应关心教育的目标，检验教育目标达到的程度，更应关心教育的决策；（2）评价的重点应放在教育过程之中，而不是在教育过程结束之后；（3）评价不是决定优劣的过程，而是作为一个收集和反馈信息的过程。二、教育评价的发展阶段1963年，格拉泽发表文章，在指出相对评价的不足时，提出在今后学校教育中应着重进行绝对评价。1966年，斯塔夫宾提出了把背景评价（Context）、输入评价(Input)、过程评价(Process)和结果评价(Product)结合起来而形成的CIPP模式。首次提出了过程评价的思想，他认为，评价不应局限于评判决策者所确定的教育目标预期效果的达到程度，而应该收集有关教育方案实施全过程及其成果的资料，评价是为决策提供信息的过程——“评价的最主要目的不是为了证明(prove)，而是为了改进(Improve)”

。二、教育评价的发展阶段1、预期结果的决策，为这类决策提供信息的是背景评价。这种评价实际上是根据社会需要对教育目标本身作出价值判断，以图发现教育计划的目标同计划的实际影响的差异。所以，其实质是诊断性的。2、预期方法的决策，为这类决策提供信息的是输入评价，它是在阐明了决策目标后，对达到目标所需要的条件进行评价，实质上是对教育方案、计划可行性的评价。二、教育评价的发展阶段3、实际方法的决策，为这类决策提供信息的是过程评价，它为计划方案的制定者提供反馈信息，用于发现其实施过程中的潜在问题。4、实际结果的决策，为这类决策提供信息的是结果评价，它的重点也在于目标到达度。该模式的主要特点：突破了泰勒的框架，在许多地方有了新的发展，其中最主要的是目标的合理性和可行性受到了充分的重视，泰勒模式的缺陷在这里得到了克服。二、教育评价的发展阶段1967年，斯克里文发表了《评价方法论》，提出了以下几种概念的区别：（1）形成性评价和终结性评价；（2）专业性评价和业余性评价；（3）比较性评价和非比较性评价；（4）目标达成度的评价和目标是否值得达成的评价。同时，斯克里文还提出了目标游离模式（GoalFree），认为教育活动除了收到预期的效应外，还会产生各种“非预期效应”。这些非预期效应可能是积极的，也可能是消极的，但它对教育活动的社会价值总要产生或多或少的影响，因此，为了降低评价活动中方案、计划制定者主观意图的影响，不能把评价目的告诉评价者，以利于评价者收集教育的全部成果和信息，这种不受预定活动目标影响的评价模式被称之为“目标游离模式”或“无目标模式”。二、教育评价的发展阶段1969年，艾斯纳对泰勒的目标评价理论进行了抨击。他认为，对教育本质的不同理解，可以造成对目标的不同表述，泰勒的评价方法不一定适用于教育实际。因为它既没有提供评价目标本身的方法，也没有提出判断评价目标与结果之间差异的标准。在这个阶段，出现了40多种评价模式。其发展演变情况是：从专家学者的研究领域变成政府工作范围；评价的内容和范畴从学生学习，课程与教学效果发展到教育决策和教育规划；评价的理论与方法技术有了迅速发展。教育评价方法论的主要特点是实证化倾向仍占主要地位，人文化倾向已开始萌芽。二、教育评价的发展阶段

3．专业时期（1973年至今）背景：第二次世界大战后，随着美国经济的增长，公民权运动开始高涨，特别是60年代的社会动乱和社会变革时期，迫使人们在研究教育问题时，开始考虑人的需要和人与人之间交互作用对教育的影响，在方法论上逐渐向人文主义哲学靠拢。二、教育评价的发展阶段人文主义哲学思潮：德国的赫尔德认为人类生命与自然世界中的背景相联系，他从人的自然与精神的统一和双重特征出发，认为人性不是一个给定的数据而是一个问题，不是到处都一致的某种东西，它的基本特征可以一劳永逸地被人发现，而是可变的东西，它的特征要求在特殊的事例中进行单独的调查研究。二、教育评价的发展阶段狄而泰认为：精神科学与自然科学完全不同，自然科学研究的是外在于人的客观或物质现象，而精神科学研究的则是人的精神生活，精神生活的中心或基本内容是价值和意义的体验、表达和理解。叔本华和尼采的意志哲学，新康德主义者温德尔班德和李凯尔特的文化科学方法论，狄尔泰学派的生命哲学和解释学，以及胡塞尔的现象学和海德格尔、加达默尔的存在主义和哲学解释学。这些哲学思潮和运动，成为现代人文主义思潮的主要来源。二、教育评价的发展阶段为了顺应人文主义哲学潮流，教育评价出现了一系列新的模式。这些评价模式的共同特点就是在评价中不过分追求客观性，而是试图摒弃数量特征，不只是单纯从评价者的需要出发，而是考虑到所有参与人的需要，强调个体的经验、活动和主观认识的作用，强调必须把人类行为置于特定情境中加以理解，重视在调查研究中，在随机观察中，在与参与者的会谈和讨论中，获得定性的、而非定量的资料，主张以问题中心，把价值和意识问题作为研究的起点，提倡所谓的人文的方法，如个案法、谈话法、临床法、历史法等。二、教育评价的发展阶段1975年，斯塔克创立了一种重视所有评价参与人的观点和看法的评价模式——“应答评价模式”。斯塔克认为“如果教育评价更直接地指向方案的活动而非方案的内容，如果它能满足评价听取人对信息的需求，或者在反映方案得失长短的评价报告中更能反映人们不同的价值观念，那么，这种评价即可称为‘应答评价’。”该模式旨在突出人的需要在评价过程中的作用。二、教育评价的发展阶段在具体的评价过程中，应答性评价不是象预定式评价那样强调目标的表述和客观的测验，“该方法以牺牲某些测量上的准确性换取评价结果对方案有关人员来说更多的有用性，”它要求评价人要与被评价活动有关的各种人员接触，了解他们的愿望、看法并作实地观察，根据由此获得的信息确定评价范围，设计评价方案、选择收集信息的方法，然后对收集的信息进行分析判断并按需要对回答的问题进行分类，再将分类评价结果写成正式报告分发各有关人员，最后，在分类评价的基础上对教育方案作出全面评价。这是一个广泛征询意见，了解评价需要的过程。二、教育评价的发展阶段1973年殴文斯提出了对手式评价模式。对手式评价模式是为揭示教育方案和教育活动正反两个方面的长短得失所采用的准法律过程评委会审议形式的评价模式。它十分重视听取教育方案和教育活动的争议意见，尤其是反对的意见，所以又称“反对者”、“反向”或“抗衡”评价模式。对手式评价抓住了决策范围的两端，采用了“斗争”理论，靠相互对立的评价者通过出示更好的、也是更有说服力的证据，或者用能导致优势的法律或辩论技术（或其它技术）去努力获胜。对手通过争论，使各方面的意见得到充分反映，以便决策者全面掌握情况，作出正确的结论。二、教育评价的发展阶段20世纪80年代，美国出现了自称“第四代教育评价”的理论，由古巴（E.Cuba）和林肯(Y.S.Lincoln)合作创立。古巴和林肯认为：从评价本质上看，评价描述的并不是事物真正的、客观的状态，而是参与评价的人或团体关于评价对象的一种主观性认识，是一种通过“协商”而形成的“心理建构”。是参与评价及与评价有关的人和团体基于对对象的认识而整合成的一种共同的、公认的主观看法。从某种意义上说，评价结果由于受人们的物质心理、社会、文化条件限制，不是绝对意义上的“真理”，连“近似真理”也算不上，常常为人们主观偏好与误差所制约。因此，评价中应充分听取不同方面的意见，协调各种价值标准间的分歧，缩短不同意见间的距离，最后形成公认的一致的看法。二、教育评价的发展阶段古巴和林肯认为，评估过程可以包括以下环节：其一，确定所有与评估有关的人员，包括决策者、执行者、评估者、调适对象和局外人员；其二，征询各有关人员的评估构想与要求；其三，对不同的构想和要求加以评判说明；其四，针对未达成共识的观点拟定协商议程，收集提供协商所需的信息；其五，各种观点的代表进行协商论辩，通过论辩、协商以求达成共识；其六，通过不断的论辩、协商，解决不断出现的新问题。中国发展性评价网http:///第二章教育测量的质量指标分析一个测验的质量，一般要从两个方面来进行：一是考察整个测验的质量指标，即考察测验的信度和效度；二是考察每个题目（项目）的质量指标，即考察测验项目的难度和区分度。信度主要对整个测量而言。效度难度主要对测量的项目而言。区分度第一节信度一、什么是信度信度是指测量结果的稳定性或可靠性程度。换句话说，一个信度高的测验，对同一个人或同一组被试先后施测两次，结果应保持一致，否则，就是信度不高的测验。一般地说，一个好的测量必须具有较高的信度，也就是说，一个好的测量工具，只要遵守操作规则，其结果就不应随工具的使用者或使用时间等方面的变化而发生较大的变化。例如：用标准的钢尺和一种具有较大弹性的皮尺去测量一张桌子的长度，皮尺的测量信度不高。一、什么是信度可以从以下三个方面去理解测量的信度：1、信度指实测值和真值相差的程度；凡测量必有误差。实际测得的分数往往难以和这个人的真正水平值完全一致，它总会略高于或略低于其真实水平值，有时甚至会严重偏离其真正水平值。例如：我们平常说“××考生基本上考出了其应有水平”，“××考生失手了”，或“××这次测验超水平发挥”等，就是对测量现象的一种描述。一、什么是信度我们可以用一个公式表示实测值（X）和真值（T）相差的程度：X=T+E式中，X表示实测值，T表示真值，E表示误差。但测量的真值是未知的（如果已知就没有必要进行测量了），因此，误差也是无法求出来的。当然，可以把很多次测量的实测值的平均值作为真值的近似值，但这在实践上不具有可操作性。所以，根据这种理解，无法求出信度的大小。一、什么是信度（二）信度指统计量与参数之间的接近程度统计量是指样本上的各种数字特征（如样本的平均数、标准差等），参数是总体上的各种数字特征（如总体的平均数、标准差等）。统计量越接近参数，这个统计量的可靠性便越高，因此，信度就越高。要知道统计量与参数的接近程度，可以对参数进行区间估计。这种方法对估计真分数也是有用的。但这种理解也无法计算出信度。一、什么是信度（三）信度指两次重复测量或等值测量之间的关联程度如果对同一对象进行两次重复测量或者等值测量后，计算两次测量的相关系数，相关系数越高，说明测量的信度就越高；反之，就越低。对于信度的这种理解，有利于信度的计算。但重复测量会受到被测对象的经验、知识的增长等因素的影响，等值测量又较难编制，因此，采用这种方法计算信度时，也是有误差的。X=T+E根据方差的可加性，有：Sx2=St2+Se2Sx2为测验总方差（实得分数方差），St2为真分数方差，Se2为测验误差的方差。当Sx2不变时，St2越大，Se2越小，反之亦然二、信度的理论公式在测量理论中，信度被定义为：一组测验分数的真方差（真变异数）与总方差（实得变异数）的比值，即：

由于Sx2=St2+Se2，公式变为：可见，随机误差分数的方差越小，测量的信度就越高。信度的取值范围为[0，1]，如果测量误差的方差为0，那么，测量的信度等于1，如果测量误差的方差等于观察分数的方差，则测量的信度为0。二、信度的理论公式但在实际测量中，St2和Se2都是不能直接求得的，因此信度是一个理论值三、信度的类型和估计方法（一）重测信度（稳定性系数）——估计测验跨时间一致性的指标1、概念：是指用同一测验，对同一组被试先后施测两次，然后根据被试两次测验分数计算其相关系数。重测信度是假定所测量的特性处于相对稳定的状态，如果用同一测验对相同被试先后施测两次，其结果应相同或相近，我们就说测验结果具有稳定性，信度高，如果两次测验结果不同或相差很大，则表明测验结果缺乏稳定性，即信度低。2、重测信度的估计方法——重测法即用同一测验以一定的时间间隔，对相同的被试先后施测两次，然后计算两次实得分数的相关系数。其模式是：测验A1

适当时间测验A2两次测验均以A表示，即两次测验完全相同，A的下标1、2表示同一测验施测两次，时距可短至几分钟，长可达数年。计算公式——积差相关系数例：用学习动机测验对15名被试先后施测两次（间隔时间为2周），得分如下表，求该测验的信度。被试123456789101112131415前测（1）后测（2）20182321171820171613141312882022192218151417151614121076你认为重测法存在什么问题？1、两次测验之间的时间间隔要适宜。重测信度的大小常常受两次测验的时间间隔长短的影响，间隔时间过短，第一次测验记忆犹新，容易回忆出上次的答案，因而夸大了稳定性，间隔时间过长，被试可能由于经验积累、练习、成熟的影响，成绩就可能与第一次大有差别，因而降低稳定性。间距应多长，应视测验类型和准备如何利用测验结果而定。在报告重测信度时，一般要说明时间间隔及被试在此期间的有关活动。2、重测法适用于速度测验而不适用于难度测验。因为速度测验题目较多，测验有足够长度，时间较紧，被试无暇慢慢地回忆，所以第一次测验的记忆影响较少。3、应注意提高被试的积极性，由于重测法是把原测验再重测一次，所以被试容易兴趣索然，采取不积极合作的态度，使第二次测验质量降低，所以，调动被试的积极性很重要。4、要实施两次测验，耗费人力、物力和时间较多。你认为重测法存在什么问题？（二）复本信度（等值性系数）——估计测验跨形式的一致性指标1、概念：是指用两个等值（题型、题数、难度、区分度相等），但具体内容不同的测验，在最短时间内，对相同被试先后施测两次，然后根据两次测验分数计算其相关系数。复本信度是衡量两个不同版本的测验的等值程度的指标，被试如果具备某一心理特质，那么，用性质相同而题目不同的两个等值测验来施测，结果应该具有一致性，否则的话，说明测验信度低。2、复本信度的估计方法——复本法编制两份等值的测验（复本），先用第一种测验对被试进行测验，接着再用第二种测验进行施测，然后求两次测验的积差相关系数（公式同上）。其模式是：测验A最短时距测验B3、使用复本信度应注意的问题（1）复本法的关键是两个测验必须等值（2）两次测验时距尽可能短，以便避免知识积累、练习效应等因素的影响（3）如果两次测验紧接进行，应该注意避免被试易厌倦。（三）同质信度（内部一致性系数）

——估计测验内部跨测题的一致性指标1、概念：是指将一个测验分成两部分（例如分成奇数题和偶数题，或前半部分和后半部分），然后计算两部分测题得分的相关系数。前述的两种方法，都必须对被试施测两次，然后计算两次得分的相关系数。同质信度只需施测一次。2、同质信度的估计方法——分半信度法、库德—理查逊公式法和α系数法（1）分半信度法。分半信度法是将测验中的测题平均分成两组，然后分别计算每一组的得分，并求两者的相关系数。求得的相关系数还不是同质信度，因为把试题分成两组后，试卷的长度减少了一半，这会降低测验的信度，一般来说，测验越长，信度越高，因此求出相关系数后还需用斯皮尔曼—布朗公式加以校正，公式为：rtt为分半信度，rxy为测验两部分得分的相关系数表115名被试在6个项目组成的测验上的得分被试123456789101112131415项目12345643552434322221134355123123312167876676544533288877555765442410810998107878674391081069797865532若将上述测验奇、偶分半形成两个半测验，可得下表：被试123456789101112131415奇数题偶数题20182321171820171613141312882022192218151417151614121076表215名被试在奇偶分半测验上的得分(2)库德—查理逊公式法由于测验分半的方法多种多样，不同的分法将影响到分半信度，而要把一个测验分拆成真正平行等值的两半，是不容易的。能否不作拆分而直接利用单一形式作一次施测所获资料来估计测验信度呢？库德和查理逊提出了几个计算公式，其中常用的有rKR20

和rKR21。①rKR20的用法：这个公式以每题能正确回答的人数占总人数的百分数为基础计算（每题只有通过或未通过两种分数）。k为项目数，S2为各人总分的方差，P为正确通过率。②rKR21的用法：这个公式以各反应者总分的平均数和方差为基础计算，无需各题难度的信息。公式如下：式中，是各人总分的平均数，S2是各人总分的方差，K是题目数。对8名被试实施某测验，数据如下表，求该测验的信度被试ABCDEFGHpqpq满分题号3512423112345678910000000001000000010100000110010000101001011101010111111001111110011110101111111110.0000.1250.2500.3750.3750.6250.7500.7500.7501.0001.0000.8750.7500.6250.6250.3750.2500.2500.2500.0000.0000.1090.1860.2340.2340.2340.1860.1860.1860.000∑87655432=5S2=3.5

1.555

rKR21所得的信度要低于rKR20rKR21公式适用于各试题难度相近的情况，如果各试题难度相差太大，就会出现低估现象，因此rKR20要比rKR21精确些。注意：只适用于客观性试题练习：

对10名被试实施某测验，数据如下表，求该测验的信度

被试题号满分ABCDEFGHIJ123456351242330330300305500555000100110102022202200404004402200222220合计175324424542计算内部一致性系数，需注意下列问题：①若用分半法时，以按奇数题和偶数题分为两半为宜。若把整个测验分为前后两半，一方面前半部试题与后半部试题未必等值，另方面被试者在完成后半部试题时，可能因疲劳、厌倦等原因而影响回答质量，以致前后反应不一致，影响信度。②若速率是测验的重要因素，则不宜用分半法。因为速度测验中试题的难度低，被试者得分的多少，在很大程度上是因为答题的多少，分半法易使得分相同，从而会夸大分半法的信度估计。③如果答案多种多样，得分也多种多样时（如论文式考试），则不能用上列公式计算一致性系数。（3）论文式测验的信度系数

——克龙巴赫的α系数法分半信度适用于（01）和（0K）记分的测题。库德—查理逊公式只适用于（01）记分的测题。α系数法适用于（0K）记分的测题。Si2为每一题得分的方差，St2为被试总分的方差。例：有一个包含6个论文式题目的测验，对5个被试施测，试求该测验的信度被试12345Si2题号123456

71181111697896106898116837118111171181111

3.041.362.566.963.043.04∑416343575420St2=68.96（四）评分者信度

1、概念：估计不同评分者对同一测验评分标准一致性程度的指标。（针对主观题）

2、估计方法：分两种情况：第一种：评分者为两人时，先将两人的评分转化为等级，求等级相关系数D为两人评分的等级之差例：甲、乙两位教师评阅10份试卷，结果如下，问两位教师的评分是否一致？试卷得分名次DD2甲教师乙教师甲教师乙教师123456789109490868672706866646193929270827665766860123.53.5567891012.52.5745.595.58100-0.51-3.510.5-22.51000.25112.2510.2546.2510∑26第二种：有多名评分者，将评分转化为等级，用肯德尔和谐系数估计。W为和谐系数，Ri为第i份试卷被评等级的总和，K为评分者人数，N为被评试卷数。一般而言，W大于0.9时，可认为评分者信度较好.例：6位教师评阅5篇作文，下表是评分等级，问6位教师的评分是否一致（可信）？n=5作文评分者k=6123456RiRi2123453333354555211224544411221118291025832484110062564∑901954四、提高信度的方法(一）信度系数以多大为宜学科测验：r﹥0.9智力测验：r﹥0.8教师自编测验和品德测验：r﹥0.6（二）测量误差的来源（前面已讲）测量误差的来源基本可分为三类：1．测验本身所引起的误差2．测验的实施所引起的误差3．被试所引起的误差

（三）提高测验信度的方法1、适当增加测验题目的数量：测验越长，信度越高。2、测验的难度要适中3．测验的内容应尽量同质4．测验的程序应统一5．测验的时间要充分6．评分要尽量做到客观化、减少评分误差练习与作业1、15人参加词汇理解测验，第一次测验与第二次测验间隔两周进行，求该测验的信度被试123456789101112131415前测后测1821161425231526132827221924162023171226251827152629212022182、15人参加一次测验后在奇数题和偶数题上的得分如下，求测验信度被试123456789101112131415奇数题偶数题3240422830304128323426343625403139453029293930323230403626403、一位教师评阅10份试卷，评完一次并列出等级后，为慎重起见，重评一次，结果如下，问两次评分是否一致被试12345678910初评再评

1681024795326891471054、4位教师评阅5篇作文，结果如下，问教师所评等级是否一致阅卷者刘张王李作文编号12345121223313143452454555、某态度量表有6道题，被试在各题上的得分的方差分别是0.80、0.81、0.79、0.78、0.80、0.82，测验总分的方差为16.00，求α值第二节效度

对于任何一种测量来说，信度是必要条件，但并非充要条件。不可信的测验肯定没有效，但可信的测验未必有效，而有效测验必定可信，因此，对教育测量而言，效度显得更为重要。

一、效度的概念

效度是指测量结果的准确性和有效性的程度，即一个测验对它所要测量的目标准确测量的程度。通俗地说，测验能否测量到我们所要测量的东西的程度就是效度。我们可以从以下几方面来理解效度：1、测量的效度始终是对一定的测量目的而言的。2、测量的效度也是对测量的结果而言的。3、一种测量的效度只是高或低的问题。4、在教育测量中，效度问题比在其他领域的测量更为重要。二、效度的理论公式任何测量都有误差，误差分为随机误差和系统误差，所谓随机误差是指那种由与测量目的无关的、偶然因素引起的，而又不易控制的误差，它使多次测量产生力量不一致的结果，其方向和大小的变化完全是随机的。系统误差是指那种由与测量目的无关的变因引起的一种恒定的而有规律的效应。这种误差稳定地存在于每一次测量之中，此时尽管多次测量的结果非常一致，但实测结果仍与真实数值有所差异，是不正确的。在实际测量中，测量的效度除受随机误差影响外，还受系统误差影响。所以必须从统计学的角度对效度作进一步的分析。在前面的信度中说过，实得分数(X)的方差（SX2）等于真分数(T)方差（ST2）加测量误差(E)的方差（SE2）,SX2=ST2+SE2（这里没有考虑系统误差问题）。因而信度(rxx)被定义为真分数方差与实得分数方差之比，即：在讨论效度时，还必须把真分数方差（ST2

）分解为两部分，一部分是与测量目标吻合、反映所欲测量的特性的真实差异的真分数方差，也称有效方差（Sv2

）；另一部分是与测量目标无关，但稳定地与真分数方差结合在一起的误差分数方差，它是由系统误差引起的变异，所以也称为系统误差方差(SI2)，它与由随机误差引起的变异不同(SE2)。于是有：ST2=Sv2+SI2因而，SX2=Sv2+SI2+SE2在这个公式中，假设随机误差方差足够小而且不变，则系统误差分数方差越小，有效方差就越大，有效方差在实得分数方差中所占的比重越大，那么达到测验目的的程度也就越大，或者说效度也就越高。因此，在测量学中，效度被定义为与测量目的有关的变异（有效变异）与实测值变异之比。即：三、效度的类型和估计1974年美国心理学会发行的《教育和心理测验的标准》一书将效度分为三大类：内容效度、效标关联效度和结构效度。（一）内容效度1、什么是内容效度是指测验目的代表所欲测量的内容和引起预期反应所达到的程度。也就是测量内容的代表性程度。以考查学习成绩为目的的测验来说，课程标准所规定的全部教材内容是学生必须掌握的。但一份试卷不可能考全部内容，这就有试题内容是否有代表性的问题。在编制测验时，内容效度是一个相当复杂和不易解决的问题。以智力测验为例，由于智力结构十分复杂，内容异常丰富，若用若干测题代表全部智力，必须进行深入细致的研究。著名的斯坦福—比纳智力测验，就是在经过五年的潜心研究和大规模测试后才编制出来的。此外，还由于智力和知识有密切的关系，所以有的智力测验题目不能代表智力内容，实际上成了测量知识的题目，以致降低