「上观新闻」澳洲高考：科目不同、分值权重也不同，如此“不公”待遇图个啥？高考,各门科目满分一致,这似乎

　　高考,各门科目满分一致,这似乎是理所当然的。即使在目前新高考改革中,上海施行的“3+3”方案中,学生必考和选考的科目,在各自大类中也是一视同仁的。

　　28日的考试评价国际研讨会上,来自著名教育考试评价机构学者史蒂芬·法瑞士介绍了澳大利亚维多利亚州的高考成绩计算方式:对不同学科的考试分数所进行权重调整,并最终计入总成绩,并作为录取依据。

　　分数还能这么处理?会上专家们带来的交流发言,开启了一扇了解“测评反过来影响教学”的新窗户。

　　鼓励学生选修更具竞争力的科目

　　“这样可以鼓励学生选修更具竞争力的科目。 ”史蒂芬·法瑞士说。在解答为什么要进行权重调整的原因时,他进行了一些加权后的数据前后比对。同时学习物理和历史的学生平均成绩会高于只学历史的,但是低于只学物理的。分析结果是,对于这些学生的任意一个学科,调整平均分数后,得分与这些学生所修读的其他学科的平均值相同。不同的学科根据研究曲线有不同的调整方式。包括英语、数学、农业、历史和化学等等学科。

　　在2018年,维多利亚州的47387名学生选择了24222种不同的学科组合参加考试。最常见的搭配被294名学生选择。此外还有18916种学科搭配被不同的学生选择了。因此40%的学生在学科组合上没有与其他人重复。

　　他展示了澳洲高考成绩排名(ATAR)的计算的两个步骤。在计算时,他们根据一组规则把经过权重调整的分数求和。包括英语和3门最高分数的学科,再加上剩下两门的10% 。以此对学生进行排名。接下来,史蒂芬介绍了这样一条参与曲线公式:ATAR=150-2*参与度。这代表了学生在12年级年龄段参加考试的总人口的的百分位,而不包括未参加考试的学生。在维多利亚,2018年有65%的学生参加了高考。这样的参与度也会被计入最终ATAR中。 2018年,这个数值是20 。

　　在史蒂芬看来,竞争激烈的学科分数会被调高,显示出和他人相比的竞争力。而这种方式可以鼓励学生选修更具竞争力的科目。他举例,一个学生的原始分数会因为他具体选择的数学类科目而改变,但不论他选择的是哪一门,调整后的分数不会改变。加入参与度的计算也有好处。在澳洲,参与度每年都在变化,而且不同的州有不同的变化。使用参与度可以有效地对2018年和2020年的ATAR值进行比对。

　　学者探索基于试题难度的成绩“重构”

　　值得关注的是,在对测评的专业研究领域,对成绩的拆解、分析、重构,始终是一个重要研究方向。

　　选拔性考试的目的,是对考生的能力进行度量排序,并以测量的结果作为选拔的依据。但在参与规模较大的考试中,单看总分往往会出现大量重分。比如一次重要考试,一地的成绩统计中,平均每一分,都有1000多位考生重分,这对考试的区分度、选拔性,将产生一定影响。

　　复旦大学统计学系教授黄达对该这一领域进行了研究。只看总分,只能得到答题综合信息,缺少细节信息帮助进一步了解考生水平。因此,如何设计一套科学系统的方法帮助招生人员把相同分数的考生区分开来?

　　黄达提出了这样的思路:假如两道题,一道是简单题,一道是难题。两道题的分值相同,考生A做对了第一题但答错了第二题;考生B做对了第二题但答错了第一题。虽然得到的分数相同,但实际上考生B的能力要高于考生A,应当录入考生B 。

　　他还设置了不同场景,针对不同分值的情况构造不同的难度系数(d系数) 。如试题分值相同且正确率为0或1的时候,系数越大,说明该考生的能力越强。反之则越弱。而当试题分值不同且正确率在0到1之间时,需要进行新的难度系数定义。

　　为了对他所设置的系数公式进行实际数据验证,黄达举了一个例子。以某省某市某次英语笔试客观题部分为例,对d系数实际效果进行验证和分析。扣除原始分为0分考生,共计考生51372人,其中存在重分的考生共计51367人,而d系数重合的考生仅为216人,占比0.42% 。这也说明,这个难度系数使得重分现象大幅下降。

　　“原始分数与d系数存在内在一致性。 ”黄达称。同一场考试中,不同部分的成绩存在一致性,如在这部分成绩高,则在其他部分成绩也高。他认为,有效运用难度系数的公式,可以使考试更具区分度,从而更好地选拔学生。

　　探索更完善的指标体系,更全面评价学生

　　来自华东师范大学教师教育学院的副教授朱广天以高中学业水平考试为例,介绍在现行全国课程标准研究下,应该制定出与课程标准相匹配的,反应学生学业表现以及物理学科核心素养水平的评价维度与指标体系。

　　他已经完成了两项相关研究调查。首先从教师视角看物理试题核心素养考察情况,以上海三个中心城区(徐汇、静安、黄浦)及三个郊区(奉贤、金山、闵行)120位教师为调查对象。其中市示范性学校40份,区示范性学校40份,普通中学40份。参与调研的老师,参照调研问卷后面所附的核心素养框架,判断试题考查的素养构成,是否在以往的教学中予以关注,对该题难度进行预计。

　　分析调查结果后,他说:“有八个二级指标在以往考试中较少涉及到。除了交流,社会责任较难在纸笔考试中进行考察外,其余的都可尝试进行命题研究。 ”其余的分别是科学论证,质疑创新,问题,证据,科学本质,科学态度。

　　其后,朱广天又对学生进行了其余六个二级指标的试题编制探索。一共十道题,市示范性高中87位,区示范性高中57位,普通高中70位高一学生,总计214位。考题附有极其详细的评分细则,采用等级评分方法,可以既符合核心素养的等级评价标准,也可以较好地满足开放性试卷的阅卷要求。

　　通过建立的指标体系分析得出,关于科学论证能力与学校水平正相关性较大。市重点高于区重点高于普通中学的学生。而在考察学生质疑的能力上,平时中等表现的学生能够在考察质疑能力表现较好。朱广天看来,更完善的指标体系,可以更全面评价学生。

　　栏目主编:徐瑞哲文字编辑:徐瑞哲