《促进教学的课堂评价》P256- 269.终于可以还书了。以下也不全是书上原话，不过也差不多是书中的意思，也许有我片面的理解，感兴趣的老师可以自己去看原文。目前还在拾人牙慧，学牙阶段。以下主要是论证为什么高考成绩不能作为评估教师教学质量的惟一方法。

       对教师的评估可分为两种类型：形成性评估（formative evaluation）和终结性评估（summative evaluation）。无论是形成性还是终结性评估，经典的前测-后测范式都适用于衡量教学效果。分别在教学前后对学生进行一次评估，两次评估结果的差异则应主要归因于两次测验间的行为——教学。一旦学生的测验成绩很高，由于天花板效应的存在，他的测验成绩就有可能超出了测验能测得的最高水平。如果学生的前测成绩确实很低，那么他们要想在后测中取得很高的成绩就只能凭借运气（回归效应regression effect，即成绩处于极高和极低两个极端的学生的后测成绩有向平均数回归的趋势）。前测-后测存在的问题有学生的差异（先天智力、社会背景、课外学习等）和前后测的难度水平不相当。分半-置换设计（split-and-switch design）方法对经典的前测-后测范式做了改进。

        家长和教育决策者都普遍认为，评估教师/学校教学效果的最好依据是学生在标准化成就测验中的成绩。编制标准化成就测验的测量专家都是心理测量学界的权威（对照我国是本学科教育领域的权威），他们努力编制出一个测验，以便他人能够根据测验结果正确推断出一名学生对某一领域知识和技能的掌握水平。确切地说，这种推断是一种常模参照，即将一名学生的知识和技能水平与全国同年龄和年级水平的学生样本的知识和技能水平相比较。标准化测验的题目数一般要比在测验时间允许的情况下可能的题目数少得多，但同时又要达到测验目的，解决办法之一就是对大的内容领域进行抽样。能够最大程度区分学生水平的题目应该有大概一半学生都可以正确回答，所以测验编制者应该尽量避免那些大多数人或者极少数人可能正确回答的题目。

       然而，标准化成就测验不能用于评估教学质量，是因为三方面的重要原因：

       一、测验与教学间的不匹配。对全国“一纲多本”的情况来说，各版本教材之间有一定差异，但都统摄于同一个课程标准，只要标准化测试严格按照课程标准的要求来出题，这个问题不如美国突出和严重。

       二、重要测验题目被排除的倾向。出于合理性考虑，测验题目分数的分布要求有一定的广度（难度和区分度适宜，学生成绩呈正态分布较为理想），分数分布最佳的测验题目应该有一半左右的学生都可以正确作答（40-60%）。如果一个测验题目的正确回答率太高或太低，则在最后筛选时就可能被淘汰，结果，标准化成就测验的大部分题目都处于中等难度水平。但是，如果一个测验题目的完成情况很好，它很可能是教学内容的一部分，在课堂上对他们的强调也很多。所以，教师在课堂上强调得越多的知识和技能，在相应的标准化成就测验中就越不可能出现。

       三、因果关系混乱。学生的高/低成绩是教学质量好/坏的结果，这一观点不符合逻辑。会影响到学生的标准化成就测验成绩的至少有三个因素：学校的教学内容（与教学质量直接相关，但也会因为测验-教学间很大的不匹配而失真）；学生先天的学习能力（多元智能）；学生的课外学习情况（譬如某年重庆高考题关于轻轨的题目，农村中学的孩子少有知道轻轨是什么的，无论考察的能力是否需要借助该信息，都有评价偏见的嫌疑）。

        显然，如果一个标准化成就测验中的很多题目都与社会经济地位有关，同时还有很多题目与先天能力相关，那么无论是谁都不能把此测验用于评估教学质量（可现实是衡量教师和学校教学水平的最直接的就是高考成绩）。解决这一问题的惟一办法就是真正认真地检查测验题目。也许还可以提出一些更好的评价依据。

        作者观点：如果教育工作者不同意将标准化成就测验用于评估教学质量，那么他必须提出其他可信的教学质量评估依据。信息收集过程认真、经过教学，学生对重要知识和技能的掌握水平得到提高的客观证据，都可以作为评估教学质量的依据。

=============================================================================

       反过来说，如果要编制出更适合更恰当的标准化成就测验，就需要考虑避免上述一些标准化测验的常见问题，尽量设计出更能反映学生对重要知识和技能的掌握水平。