英语论文网

当今外语学习与教学中的测试是件很复杂的事情。但是,如果测试得当,将对教师的教学和学生的学习都大有裨益。因此,目前在各种层次的语言教学中,出现了种类繁多、数量庞大的测试。对当前国内一些影响较大的测试进行分析,我们发现测试存在效度与信度不高的问题。本文拟对影响测试价值的因素,以及提高语言测试的效度与信度的方法进行探讨,以使测试能真正提高学习者实际运用语言的能力并有利于改进语言教学。

一
在分析影响测试价值因素之前,我们首先对人们在理解种类繁多的测试的含义与功能上存在的误区进行澄清。语言教学中的测试按照用途来分类,主要有以下4种:
第一种:潜能测试(aptitude tests)。潜能测试是用来衡量学习者在学习某种新语言时的潜力和天赋。也就是说,它是能回答以下问题:“这种测试的结果能预示学习者将来有多大的潜力?”在ESL(English as a second language)和EFL(English as a foreign language)的教学中,我们通常认为潜能测试类似于“预知性测试(predictive tests)”和“预兆性测试(prognostic tests)”。实际上,这三种测试都能根据目前的评价来预测将来学习英语的能力,然而细分之下预兆性测试(prognostic tests)还是有别于潜能测试(aptitude tests)的,预兆性测试是能勾画出一个人能力的总轮廓,而潜能测试是仅能衡量一个人有某个特定科目上的发展能力。美国的Modern Language Aptitude Test(MLAT)就属此类。
第二种:水平测试(proficiency tests)。水平测试是衡量完成某项特殊任务的水平。它与职业或专项技能的水准有关,比如说在某个场合使用英语的流畅程度。它回答以下问题:“不管一位学生以前学过什么课程或拿到多少证书,他现在实际的英语水平如何?”中国的出国人员考试EPT,大学英语的CET考试,专业英语的TEM考试;美国的TOEFL,GRE和GMAT考试,国际交流测试(TOEIC),密执安英语水平测试(MTELP);英国剑桥大学地方考试;澳洲的“雅思”考试等均归此类。
第三种:成绩测试(achievement/attainment tests)。成绩测试是为检查学生对教学大纲所规定的课程的掌握程度而设计的。它衡量学生对教过和学过的内容所熟知的程度。它回答以下问题:“一位学生对他刚学过的某门语言课程学得如何?”国内的期中、期末考试,美国的English Around the World, New English 900 Test, Ull Man Achievement Test等都属此类。
第四种:诊断测试(diagnostic tests)。诊断测试试图发现在学习某个特定语言项目时的难点和弱项,以便为修改今后的教学计划和方法做准备。例如它可以发现在音位、语法或词汇等方面的典型错误,以便今后在教学中给予特别的注意。它回答以下问题:“有哪些常犯的错误可以作为修改教学大纲的根据?”当然,许多水平测试和潜能测试也可以被用作诊断测试。
这儿我们必须指出,测试(tests)和考试(examinations)是两个不同的概念,它们既不相同但又在某种意义上有重叠的部分。一般说来,大多数考试(examinations)都是成绩测试(achievement/attainment tests),但成绩测试仅是测试中的一种。考试(examinations)往往具有制度化的特征,也就是说由某些考试机构来举办(虽然也有例外,像剑桥大学管委会特别委员会也可举办测试)。另外,examination这个词比tests用得更多,因为它似乎给人们更严格,更具学术性,也更权威的感觉,但实际上考试并不能总是非常精确地反映学习成绩的。

二
影响测试价值的因素有以下几种:第一个因素是测试的信度(reliability),这也是管理机构最关心的一个因素。
测试的信度包含以下内容:
A.测试必须包含各种类型内容的试题。一种测试必须涵盖本专业领域内尽可能多的内容,而且试题必须有一定的难度。
B.测试提出的任务的标准性。试题库中任意挑出的试题在难度、类型、形式上都必须类似。
C.测试条件的标准性。所有接受测试的学生必须具有相同的测试条件。比如,参加听力考试的学生,不论在哪个教室或在同一教室的任何位置,对语言材料都必须听得一样清楚。
D.阅卷的标准性。大量的研究表明,写作类型试题的评阅的信度是非常低的,而多项选择题的评阅的信度是极高的。
测试的信度可从以下几个方面来进行评估:
A.对同一个人用同一种测试方式进行再测试。
当然这也存在一定的局限性,因为如果两次测试相隔时间较短的话,会因记忆而影响结果;如果两次测试相隔时间很长的话,甚至连水平都会发生一些改变。
B.使用同一种测试的不同试题(例如A卷,B卷)。它们在试题的容量、难度等方面应相同。
C.使用错层式程序法。即把一次测试的每个组成部分都劈成两半,分两次进行,给被测试者两个成绩。对这两个成绩进行比较后能评估出测试题是否恰当。
测试的信度值为1.00的话,是最高的信度,为0的话,表示零信度。没有具体规定的信度值来确定信度的高低,但是0.90+是国际标准性测试所要求的,而0.70-0.80是国内的测试应达到的。
第二个被管理机构关心的重要因素是测试的效度( validity)。效度要看是否达到测试的目的。一种好的测试应该是能衡量它所想要衡量的东西,而不涉及无关的内容。例如,一次语音音位的测验并不是测试学生连贯说话的能力的,一次写作测验当然也不是测试学生是否能写出长篇大论的。象几年前,美国一次大学入学考试中一个测验写作能力的题目是“Is photography an artorscience? Discuss.”这种题目就是无效的测试,因为它要求学生首先懂得摄影,才能讨论。
测试的效度分为以下几种:
A.内容效度(content validity)。这是最重要的,它指测试应该包含必须考查的语言知识和语言技能。
B.共时效度(concurrent validity)又被称为经验效度(empirical validity)。共时效度是指一次测试的结果,同另一次时间相近的测试的结果相比较,或同教师对学生的评估相比较而得出的系数(即两个值的比,一般是从+1.00到-1.00)。例如,一些学生刚刚考过我国的英语4级考试,接着又考我们教师自己出的一套试题,如果两次成绩接近,那么我们自己出的试题就有较高的共时效度。
C.预示效度。它是把一次测试的结果同以后测试的结果相比较,或同教师后来对学生的评估相比较而得出的系数。例如,一些学生刚刚考过我们自己出的试题,又去参加了“雅思”考试,如果两次得分相似,就说明我们自己出的试题有较好的预示效度。D.编制效度。它指测试的语言理论基础要与最终的语言行为相符,它不仅要揭示现在的语言行为,还应能揭示最终的语言行为。测试的设计者应根据语言学习者将来会如何使用语言的预见来设计试题。一种试题的编制要以某种语言行为理论(theory of language behavior)和语言学习理论(theory of language learning)作为依据。例如,如果以功能语法为基础,认为语言习惯主要是通过语言环境和实际运用而获得的,那么强调句型操练和语法分析的测试就失去了编制效度。
第三个被管理机构关注的因素是测试的区分度(test discrimination)。就是说一种好的测试应该能清楚地区分出被测试者的水平的差异。成绩测试、水平测试、编班测试都需要较高的区分本论文由英语论文网提供整理，提供论文代写，英语论文代写，代写论文，代写英语论文，代写留学生论文，代写英文论文，留学生论文代写相关核心关键词搜索。