“分級計分”問答題對學生思維的診斷功能及其啟示

馮士季 趙光平 羅星凱

（廣西師范大學 科學教育研究所, 廣西 桂林 541004）

《建立中小學生學業質量分析、反饋與指導系統（SAAE）》研究項目[1]一直致力于建立科學合理的中小學生學業質量評價標準。筆者所在的科學學科項目組從2005年開始承擔八年級科學學業質量測試工具的研發任務，并長期不懈地探索“分級計分”問答題在紙筆型學業測評中的使用效果。

一、“分級計分”問答題的特點

所謂“分級計分”問答題，與我們常見考試中的問答題相比，從形式上來說，主要從三方面表現出獨特性：第一，試題具有情境性，考慮與學生生活經驗和知識基礎的關聯；第二，試題具有一定的開放性，可以給予學生思維施展的空間，使得學生的答案類型表現出豐富性；第三，這類試題的評分方式為，通過對學生豐富多樣的回答進行分類，然后分別編碼賦分。對該類試題命制和評分方式的探索，本文作者已經撰文進行了專門介紹[2]。

對答案類型進行編碼的方法，是國際大型學業測評項目如PISA（國際學生評價項目）、TIMSS（國際數學和科學趨勢研究）和NAEP（美國國家教育進展評估）等常用的方法，稱為“雙位編碼”評分方法（double-digit coding）。所謂“雙位編碼”，是指用兩位數字來作為學生的答案類型代號，同時用文字描述對每類答案進行界定的評分方法（見圖1）。在對具體某個學生的答案進行評分時，只要對其進行合適的“編碼”即可。把這種方法用于對學生的答案進行分類別、分層次賦分，是非常有效的。

圖1 “雙位編碼”的含義

在對這類試題進行評分時，并不設置唯一正確的“標準答案”。對學生的答案進行合理的類別和層次劃分，是保障這類試題測試效度的關鍵。由于題目本身給予了學生發揮的空間，這類題目能夠對學生的思維能力進行有效的診斷。使用該類試題，可以促進教師對學生發展程度有更為深入和細致的了解。

此處以SAAE項目2010年的一道地球科學試題為例，展示和分析這類試題的思維診斷功能。2010年，我國江蘇省、上海市、大連市、克拉瑪依市、深圳市和株洲市這六個參測地區的65172名八年級學生作答了該題目。

二、“分級計分”問答題舉例

試題：下圖為一幅世界地圖。7月份時，我國處于夏季。此時下圖中的甲地處于四季中的什么季節？請說明你的理由。

圖2 世界地圖

該題的情境和設問并不復雜，不會給考生造成任何閱讀和理解障礙。為了適當降低難度，圖中標明“北京”所在的地理位置，意圖是給學生一個熟悉的地點作為參照，以更加容易對“甲”地進行地理定位。根據試題的設問，考生首先需要做出一個判斷，然后給出自己判斷的理由。

測試結束后，根據考生的作答情況，項目組經過反復討論，最終把學生的答案分成如下所示的層次和類別，形成評分標準（見表1、表2、表3、表4）：

表1 較高水平的回答（編碼3）

表2 中等水平的回答（編碼2）

表3 較低水平的回答（編碼1）

表4 錯誤的回答（或未作答）（編碼7或9）

賦分辦法為：較高水平的答案（層次編碼3）得6分；中等水平的答案（層次編碼2）得4分；較低水平的答案（層次編碼1）得2分；錯誤答案和未作答，得0分。

為了保證評分者效度，我們對每種答案編碼都給出了3-5個學生真實答案的樣例（如圖3、圖4、圖5），以使評分者對評分標準的理解更加到位；此外，必須經過嚴密的培訓程序并經考核合格后，評分者才可以進入實際評分工作階段。

圖3 編碼為“30”的答案樣例

圖4 編碼為“71”的答案樣例

圖5 編碼為“72”的答案樣例

三、對試題答案類型的分析

由于該題需要考生做出判斷并陳述理由，這要求考生對全球范圍的大尺度地理事物具有一定的空間概念，特別是題目要求“陳述理由”，對于大多數八年級學生來說，還是有一定難度的。2010年，全國六個參測地區的6.5萬余名八年級學生作答該題目的數據統計結果顯示，題目難度達到了0.36。但是，試題的區分度高達0.54，從這一點來看，該試題對考生的水平具有非常好的鑒別作用。

要正確作答該題，學生需要能夠理解和闡明以下內容：地球自轉軸與其公轉軌道面之間存在一個夾角，這一原因導致太陽光在地球表面的直射點發生周期性的移動，移動范圍最北達到北回歸線，最南達到南回歸線。7月份時，太陽直射點在北回歸線附近，北半球此時處于一年中得到太陽光較多的時期，從而處于夏季；而南半球此時處于一年中得到太陽光較少的時期，從而處于冬季。甲地位于南半球，故此時應處于冬季。

從評分標準可以看出，學生的答案被分成了4個層次，17種類型。其中每種學生答案類型所占百分比的情況如表5所示：

表5 每種學生答案類型所占百分比

答案為第一層次（代碼為30、31、32）的學生占13.9%。這部分學生能夠對甲地所處的季節作出合理的判斷。其闡述的理由表明他們能夠基本理解太陽照射的年內變化是導致某地季節更替的主要原因。

答案為第二層次（代碼為20、21、22）的學生占23.9%。這部分學生也能夠對甲地所處的季節作出合理的判斷，但是其闡述的理由沒有涉及最根本的影響因素——該地太陽照射的年內變化。

答案為第三層次（代碼為10、11、12）的學生占17.7%。這部分學生只能對甲地所處的季節作出正確的判斷，但是不能給出合理的理由。

答案為第四層次（代碼為70、71、72、73、74、75、76，99）的學生占44.2%。這部分學生不能作出正確判斷，給出的理由中也沒有合理成分。

四、題目的思維診斷功能及其啟示

1.試題的思維診斷功能分析

目前我國的地理考試中也廣泛地采用問答題，但是一般是按照考生答案涉及知識點的完整性來評分的——能夠答對參考答案涉及的全部知識點的（或要求的知識點數量），得滿分；若答得不完整，就扣除一定的分數。當試題立意是考查學生對地理概念和原理的理解，甚至考查其問題解決能力時，這種評分方式就很難更精細地區分學生的思維水平。

當我們要求學生解釋地理現象、解決地理問題時，實際是要求他們使用最基本的地理概念和原理，對地理現象做出分析和說明，對地理問題做出判斷和決策。這種能力是不能僅僅用答案中涉及的知識點多少來評價的。作為地理科學的研究對象，地理環境是一個“開放的復雜巨系統”[3]。由于地理要素之間具有錯綜復雜的聯系，很多地理現象的形成原因不是唯一的，地理問題的解決途徑也可能不止一種。但是，在這些“原因”和“途徑”中，有本質與表面之分，有主要與次要之別。考生在答題時，對本質與表面、主要與次要的區分，就體現了其運用知識的能力和水平。

對上述例題而言，從南、北半球接受太陽光照射情況的差異來解釋某地所處季節的答案類型，肯定比僅僅提到“南北半球季節相反”的答案體現了更高的思維水平。對于后一種類型，國外的研究者常常將其稱為“照本宣科的回答”（Textbook Response）[4]，以表征其僅僅照搬教材來回答問題的特點。

該評分標準中，錯誤的答案被分為7種。也許，這種分類會被認為沒有必要。但是，正是這些錯誤的答案類型，向我們展示了學生在學習全球的季節變化方面的困難所在。在編碼為“71”的答案類型中，學生認為甲地應該處于春季或者秋季，其理由為季節是由地球自轉造成的。即認為地球自西向東轉，當北京為夏季時，處于北京西邊的甲地，應比北京晚一個季節，處于春季；或比北京早一個季節，處于秋季。如果沒有這種詳細的劃分，誰能想到有部分學生竟然把“季節”與“時區”的形成原因相混淆呢！教師職業的社會價值是培養人，是促進學生的發展。思維發展水平較低的學生更需要得到教師的關照，對他們能力的培養和提升也更能增加教師職業的社會價值。因此，對低水平答案的詳細分類和分析，不僅有必要，而且是診斷性學業評價的應有之義。

2.案例帶來的啟示

通過對以上案例的分析，我們應該可以得到如下一些啟示：

(1)診斷性評價的內涵應該得到擴展

傳統觀念一般把診斷性評價、形成性評價、終結性評價作為三種基本的評價類型，認為診斷性評價是教學單元開始之前診斷學生的發展水平和存在問題的一種評價。實際上，筆者認為，任何發展性、教育性評價本身都具有“診斷”的性質，診斷性評價可以發生于教學過程的任何階段，并非僅僅是教學單元開始之前。教學過程具有連續性，因此所有的日常學生評價活動都應該把“診斷性”作為其基本的價值追求。

(2)評價過程應該給予學生更多發揮高級思維能力的空間

評價工具（如試題）看起來是復雜還是簡單，是熟悉還是新奇，這并非判斷其好壞的根本標準。學生在評價活動中所需經歷的認知過程才是檢驗評價工具的關鍵。培養問題解決能力和創造力是各學科教育的普遍追求，學業評價應該為此目標服務。目前，地理考試中普遍采用的按知識點“采點計分”的方式，很容易導致死記硬背答題框架，不利于學生高級思維能力的發展。在評價工具研發過程中，充分細致地分析學生答題的思維和認知過程，為其預留合理的思維空間，是解決該問題的基本方法。

(3)學科認知和學科思維過程的研究應該得到重視

要培養和評價學生的高級思維能力，就要對具有地理學科特性的高級思維能力進行研究，將其理論化、系統化。這是有關地理學習心理的研究，處于一般教育學、地理教育學和教育心理學的交叉地帶。目前這方面的研究非常短缺，但這正是地理學科教育繼續深入發展的必經之路。

(4)紙筆測驗也可以實現高層次思維能力的評價

20世紀以來廣泛流行的標準化紙筆測驗，由于過度追求標準化而削弱了評價本身的教育性，從而導致“舍本逐末”并招致諸多批評。但是，近些年對標準化測驗的批評也有矯枉過正之嫌。實際上，如果使用經過精心設計的試題（即使是選擇題），紙筆測驗依然可以發揮強大的教育功能，在評價和診斷學生的高級思維能力發展方面具有不可替代的作用。特別是在我國學生多、班額大的前提下，合理使用紙筆測驗能有效提高教學效率。

(5)評分理念的轉變是考試功能轉變的重要途徑之一

對學生的答案進行評分，是獲取學生學業發展信息的重要一環。但是，按照學生答案涉及的知識點來評分的方式，顯然忽略了學生運用知識的能力水平。目前，國際大規模學業測評項目普遍采用了編碼評分的方式，對學生在問答題上的表現進行評分。評分標準制定的依據是學生思維水平的高低，而不是其答案中涉及知識點的多少，這是現在學業評價理念在考試評分上的具體體現。對我國地理考試而言，評分理念的轉變將成為考試功能轉變的重要途徑之一。

五、結語

本項目組經過幾年的探索，已經通過嚴格的評分標準制訂程序和評分者培訓程序、計算機網絡閱卷質量控制等技術和手段，保證了對這類試題進行分類別、分層次編碼計分的科學性和可操作性。使用大規模測驗后的統計數據，我們可以在群體水平上對學生的學業水平發展特點做出更可靠的結論。當然，該類試題及評分方式的使用，還有許多方面需要繼續探索和研究，特別是怎樣把這種評價思想有效地運用于課堂教學中的評價情境，還需要學界同仁一起探索和實踐。

[1]項目組.“建立中小學生學業質量分析、反饋與指導系統”項目介紹[J].基礎教育課程,2009,(7): 49-52.

[2]趙光平,羅星凱,曾平飛,馮士季.大規模學業測評中開放性分級計分問答題的命制和評分[J].基礎教育課程,2010,(4):46-49.

[3]錢學森.談地理科學的內容及研究方法[J].地理學報,1991,(3):259.

[4]Zachary Stein, Theo Dawson, Kurt W.Fischer.Redesigning testing: Operationalizing the new science of learning[A].In Myint Swe Khine, Issa M.Saleh.New science of learning: Cognition, computers, and collaboration in education[C].New York:Springer, 2010.