普通高中学业水平选择性考试的难度设计研究

/普通高中学业水平选择性考试的难度设计研究【摘要】高考综合改革的落地使得普通高中学业水平选择性考试在高考招生录取中的地位日益凸显。作为一个新的考试项目，学业水平选择性考试在难度设计上受到不同选考群体的水平差异、转换分数的认可度以及对高考综合改革实施的长远影响等因素制约。因此，招考机构特别是命题部门在进行学业水平选择性考试科目难度设计时，应以维护高招录取公平正义、保障高考综合改革顺利实施为基本原则，统筹教育测量评价的科学要求、本省实际采用的分数转换模型、具体科目考生群体水平特征等若干因素，寻求在科学测量的同时有针对性地满足分数转换带来的新要求。在具体实施时，可以在实操命题前选取典型性样本进行试测，充分考虑实施分数转换可能出现的问题，采取“一科一策”的难度设计等策略。【关键词】普通高中；学业水平选择性考试；难度设计；分数转换；高考 随着高考综合改革“基于统一高考和高中学业水平考试成绩、参考综合素质评价”的多元录取机制在我国逐步落地实施，普通高中学业水平选择性考试(部分省市称为“普通高中学业水平等级考试”，以下简称“选择性考试”)已成为事实上的高利害考试，其成绩使用的科学性将直接影响到高考招生录取的公平正义。但事实上，选择性考试的难度设计是一项复杂的系统工程，它既要符合教育测量的科学要求、分数转换及成绩使用的公平合理，还要充分考虑可能引发的各种社会关切因素，以保障高考综合改革的顺利实施。笔者基于某省模拟选择性考试的实践探索，就选择性考试的试题特征、考试难度设计的参考依据及影响因素进行讨论，以期能帮助考试开发及命题部门更加科学地设计和规划选择性考试的整体难度以及试题的内部难度结构。 一、选择性考试试题的区分特征 在讨论选择性考试难度设计之前，首先应明确，学业水平选择性考试试题究竟应呈现何种区分特征。图1给出了基于试题反应理论两参数逻辑斯蒂模型的几种试题特征曲线[1]。曲线Ⅰ接近于一个跳跃函数，只要水平略高于某能力参数(0)的考生，其答对该题的概率即为1，而略低于该能力参数的考生，其答对率几近为0。也就是说，试题的区分能力只体现在某一个固定的能力参数附近。而在曲线Ⅱ中，考生答对概率会随其能力水平的提高逐渐增大，曲线斜率越大，对相应能力水平考生的区分能力就越大。但总体而言，试题对处于不同能力水平的考生均具有区分能力，呈现出全程区分的特征。通常意义上的学业水平考试属于标准参照考试，是以考生对课程内容或培养目标的达成度为标准来进行评价。若以此为据，考试需要的是呈现为曲线Ⅰ特征形态的试题。然而，在新的高考综合改革方案中，虽然明确了学业水平选择性考试成绩一般划分为5个大等级，但其纳入高考录取的方式却是将大等级细化为几个子等级，实施分数转换并以转换分数的形式计入高考总成绩[2]。由于等级分数是以考生在选考群体中的相对排名为依据确定的，因此，学业水平选择性考试事实上已带有了强烈的常模参照考试色彩[3]。 图1基于试题反应理论两参数逻辑斯蒂模型的试题特征曲线 由此可以得出如下结论：选择性考试更多的是需要呈现为曲线Ⅱ特征形态的试题。以此为基本原则，根据分数转换方案中各大等级所含子等级的数量和样本划定比例；结合实际选考群体的能力分布，合理规划每道试题侧重区分的能力区间及区分粒度(如曲线Ⅲ形态的试题对中低端考生区分能力较强、曲线Ⅳ形态的试题对中高端考生区分能力较强)。 二、选择性考试整体难度设计的现实依据 (一)大规模教育考试的测量学要求 大规模教育考试难度设计必须要满足教育测量的基本要求。经典测量理论认为，当考试难度系数设置为0.5时，可使考生成绩大致平均分布在平均分的两侧，呈现出正态分布的形态并获得最大的考试区分度。鉴于高考包括选择性考试的主要目的是为高校招生提供决策依据，那么还需要考虑到各省市实际的招生情况。根据雷新勇等人的研究，如果本科一批次招生人数接近投档人数的30%、本科总招生人数在50%～55%之间，难度系数设置在0.55～0.60之间是比较适宜的[4]。目前，我国大部分省市已经取消了所谓“本科一批”“本科二批”的招生批次，但由于本科招生人数通常仍处在总考生数的50%左右，因此，将难度系数设置在0.55～0.60从教育测量学角度而言仍是恰当的。 (二)试点省份分数转换的理论模型 教育考试的难度设计并非是教育测量领域的新问题，但就选择性考试而言，同时还存在进行分数转换的制度要求。因此，它在满足测量学的基本要求之外，还要满足分数转换的相关要求，以确保分数转换方案的顺利实施。因此，考试难度设计与分数转换方案在互为依存的同时也互为制约，二者的自洽程度对招生录取选择决策的准确程度将产生较大影响。随着新一轮高考综合改革在我国的全面实施，新高考改革试点省市均已明确了各自相应的选择性考试等级赋分法则[5]，据此，笔者计算了部分试点省市在分数转换模型下的理论难度(如表1所示)。 就转换模型理论难度而言，上海采取了5等11级、换算分值为40分～70分的方案，理论难度相对较低；浙江、北京及天津均采取了5等21级、换算分值为40分～100分的方案，只是各级人数的比例设定略有不同，理论难度接近，如北京为0.7293、天津为0.7294、浙江为0.7126；山东则基于“百分位等值法”，采取了8等80级、换算分值为21分～100分的方案，理论难度相对较大；第三批试点的省市在借鉴“百分位等值法”的基础上，采取了5等70级、换算分值为30分～100分的方案，理论难度为0.7004(广东省因等级人数比例稍有不同，理论难度为0.7021)。显然，试点省份分数转换模型下的理论难度大都低于传统意义的大规模教育考试的难度要求。而在综合改革前使用全国高考文综、理综试卷的省市，其模型难度也与以往高考试题的实测难度相距甚远。笔者认为，考试机构在进行选择性考试难度预设时，一方面，不能完全依据传统的测量学要求，以避免考生原始分数与转换分数发生严重偏差及由此导致的转换收益出现较大差异等问题。另一方面，如果简单地按照赋分方案的理论难度进行预设，那么将导致试题整体区分度不足，甚至可能因某些分数区间考生人数过于密集而使分数转换出现异化。因此，选择性考试的难度设计应在教育测量理论要求和分数转换难度模型间寻求某种平衡，以同时满足考试区分和分数转换公平性的要求。 (三)高考相关学科的实测数据 在教育测量领域，如果样本数足够大，则可以认为每年度考生的整体水平是相对稳定的。因此，考试机构可将选择性考试试题与历年高考试题的绝对难度进行比较，并以此作为试题难度调整的部分依据。同时，通过高考实测难度，命题者可以了解考生、教师对选择性考试难度的心理预期。以某省近四年高考理综考试的平均实测难度系数为例，物理科目为0.50、化学科目为0.52、生物科目则为0.60。所以无论考生还是教师都会有这样的心理预期：物理、化学科目试题难度会稍大一些，而生物科目试题难度则相对小一些。因此，在难度设计时应尽量避免冲击上述心理预期，不同科目不宜采取完全相同的难度预设。 三、影响选择性考试难度设计的若干因素 (一)不同选考群体的水平差异 选择性考试带有强烈的常模参照考试色彩。那么依据测量学要求，其试题难度范围应与全体考生的能力范围大致相当，试题的平均难度则应与全体考生的平均能力大致契合；试题最高难度应与考生最大能力基本一致，而试题最低难度则根据招生录取率适当调整并略高于考生的最低能力。因此，在讨论选择性考试难度设计之前，显然应对不同科目选考群体的水平有清楚的判断。 在以往高考文综、理综模式下，不同年份考生群体的水平大致是相当的，因此，可根据以往考试中考生的表现对试题难度进行合理调整。但实施选考后，不仅无可参考的依据，而且还要面临选考群体水平在不同年度会发生变化的新情况，因此，厘清各选考科目考生群体的整体水平及内部能力结构是非常困难的。比如，第二批试点的北京、天津、山东和海南等四省市在实操命题前都开展了全样本的试测考试，其目的也是为了对各科目选考群体的水平进行大致了解。通过试测，根据试题的绝对难度可对相应考生群体的能力水平进行初步判断，只是这种判断存在相当的不确定性，包括组织试测时考生的复习进度、应试态度甚至是考务组织的管理水平等，都会影响到上述判断的准确性。因此，在分析试测数据时，不仅应关注考生群体在所选考科目上的表现，还应关注各选考群体在统考科目上的表现[6]，以判断其在全体考生中的水平分布。比如，假定考生总人数为10万人，其中选考X科目的考生为3万人，那么就可以将全体考生统考科目的成绩分布情况按照X科目的考生人数进行等比例样本数压缩(即30%)，从而获得相对于X科目选考人数的全体考生成绩分布图像，进而判断该科目选考群体在全体考生中的水平分布。以某省试测中A科目、B科目的情况为例。图2所示分别为两科目选考群体统考科目语文、数学、外语三科总成绩与按比例压缩后全体考生统考科目成绩的对比情况。很明显，A科目选考群体的整体水平明显高于全体考生，且在能力结构分布上中高端考生相对密集，因此，试题在整体难度设计时应着力实现对这部分考生的精细区分；而B科目选考群体的整体水平明显低于全体考生，在能力结构分布上呈现出了一种类似“驼峰”的形态，中端至中低端考生相对密集，如果试题同样采取与A科目相似的难度结构设计，那就可能导致相当比例考生出现分数趋中的问题。由此得出如下结论：一是不同科目选考群体水平差异较大，且能力结构分布特征各不相同。二是虽然不同学科分数转换模型相同，但并不适宜采取完全相同的预设难度，以避免出现“给水平高的学生出难题，给水平低的学生出容易题”的公平性问题。三是就具体科目而言，整体难度预设固然重要，但更重要的是要根据选考群体的能力结构特征合理规划试题的内部难度结构，有的放矢地做好局部区分。 图2基于试测数据的选考科目考生群体与全体考生统考成绩对比 (二)转换分数的认可度 选择性考试的难度设计不仅仅是单纯的教育测量问题，而且还应充分考虑考试难度可能引发的各种社会关切。考试结束后，考生一般会对自己的成绩进行预判并产生心理预期，如果转换分数与考生预估原始分数有较大差距，特别是出现转换分数大幅度低于原始分数即分数下移的现象时，很容易引发社会关切甚至不满情绪。但是，即使考生群体转换分数整体上移，如果不同能力层级考生群体的转换收益差距过大，那也可能会导致对转换公平的质疑。 图3实施分数转换后部分科目原始分数与转换分数对应关系 基于某省试测数据，部分科目原始分数和转换分数的对应关系如图3所示。由于考试表现难度相对较大，因此并未出现分数下移的情况，但在分数转换过程中还是存在一些问题。甲、乙是理科科目，原始分数和转换分数呈现出相交趋势，这是因为理科科目原始成绩分布空间更大。由于甲对应的科目难度系数明显低于转换模型难度，使得考生整体转换收益相应增加，且大部分等级考生转换收益基本相当，但高端考生在实施分数转换过程中会发生转换收益大幅度减少的问题。乙对应的科目难度系数约较模型难度系数低0.08，虽然同样是随考生水平提高转换收益逐渐减少，但减少的幅度变化相对较缓和。丙、丁是文科科目，原始分数分布空间相对缩窄，因此尽管试题难度不同，但高端区均可获得较大的转换收益。具体表现为：丙对应科目的难度系数较低，因此整体转换收益较大，但所有考生的收益程度基本相当；丁对应科目难度系数约较模型难度系数低0.12，收益较大的群体主要集中于高端区和低端区，而中端考生转换分数与原始分数分布相对贴近。 此外，关于分析分数转换过程中原始分数点与等级分数点的对应关系。理科科目由于原始成绩分布空间较大，因此，实施分数转换后基本未出现转换分数等级点空缺的问题，只是出现了试题难度过大时高端区考生会发生原始分数大幅度压缩的情况。而文科科目无论试题难易，都发生了中端考生分数过于集中，并导致分数转换后出现等级分数点缺失的问题。因此，笔者认为，一是学业水平考试的设计难度系数低于模型理论难度系数，可有效避免发生分数下移的问题。二是设计难度系数与理论难度系数的差值应根据分数转换方案进行确定，基于对某省试测数据的分析，理科科目应更接近于理论模型难度，文科科目则可适当增加偏差度。三是理科科目需避免因试题难度过大而导致高端考生原始分数的过分压缩，缩小高端考生分数转换的收益差距。四是文科科目应适当细化对中档考生的区分，避免因原始分数过于集中而导致转换分数点的缺失。 (三)对高考综合改革实施的长远影响 选考制度的推出是本轮高考综合改革的重大举措，其目的是给予学生选择的权利与空间，在保证学生全面发展的同时促进其个性发展。但学业水平考试各科目课程标准的设计是基于学生未来发展的需要，在学习内容选择和学业水平规划上并不会考虑学科学习难度的一致性[7]，这也是学生普遍认为物理、化学等科目的学习压力相对较大的原因。因而在选考模式下，学生选科并不是完全基于其学习兴趣，回避高水平群体的博弈心理和担心学习压力过大的畏难情绪也会影响到其最终的选科结果。在不同选考群体能力水平差异较大的情况下，如果完全依据分数转换模型，按照选考群体实际水平一刀切地进行各科目难度设计，那就可能导致下一年度学生选科时博弈心理和畏难情绪的进一步增加，从而使得有些科目的选考群体在能力分布上会不断向较高能力层次迁移，由此进入到“考生人数越来越少，整体水平越来越高，为实现有效区分只能不断增大试题绝对难度”的恶性循环。如果这种情况长期持续，既不利于相应学科的发展，也有悖于实施高考综合改革的初衷，甚至将损害到高考招生录取的公平与正义[8]。也正因此，笔者提出，选择性考试在难度设计上应以满足教育测量科学要求和保障分数转换公平实施为前提，做到“一科一策”；兼顾不同学科成绩分布特点和考生能力结构特征，提出不同的难度设计策略。 四、关于选择性考试难度设计的几点建议 (一)基于选择性考试的考试功能进行试题难度设计 新一轮高考综合改革实施后，学业水平选择性考试成绩将以等级转换分数的方式计入高考录取总成绩中。尽管不同省市在具体分数转换办法上有所不同，但基本策略均是依据考生在相应选考群体中的位次进行赋分。因此，学业水平选择性考试不再是传统意义的标准参照考试，它将同时承担鉴定和选拔两项功能，兼有标准参照和常模参照的双重测量属性。学业水平选择性考试在进行考生能力水平绝对评价的同时，还要实现对考生水平的相对评价，体现出考生在选考群体中的相对位置与名次。招生考试机构应依据选择性考试的功能与性质，根据课程标准中的学业质量标