論信度——測試質量的重要方面

王丹妮

摘 要：測試的質量保證一直以來都是出題專家非常重視的方面，包括很多領域和方面。本文僅針對其中一個方面：測試信度，進行分析和說明。本文首先通過引用塔克（Tucker）相關定義對信度進行解釋和說明。其次，列舉出可能影響信度的因素。最后，針對這些影響因素，提出一些解決方法。

關鍵詞：信度；效度；測試質量；教與學

每個測試設計者都希望考試能夠達到公平、準確和可信的標準。因此，許多出題專家對測試發(fā)展態(tài)勢作以研究，希望能夠平衡測試質量的信度和效度（Reliability and Validity）、沖擊力和實用性（Impact and Practicality）的關系，實現(xiàn)整個試題的效度和效用，保證試題能夠對其測試的領域真正有用。

傳統(tǒng)意義上，測試質量的評價主要有兩個關鍵的決定因素：信度和效度。但是，巴赫曼（Bachman）和帕爾默（Palmer）（1996）將沖擊力和實用性也納入其中，認為它們也決定著測試在其所測試領域的有效性。但不論如何，信度的重要性是不容置疑的。因此，測試以及子測試的信度就成為公平性的關鍵因素，也是參試者需要了解的內容。

1 信度和效度

信度是為了使某一考試達到準確性和分數(shù)一致性的方法?？尚哦龋≧eliability）這一詞，用于日常生活中時涵義廣泛，可以是對朋友的忠誠，對質量的承諾，對安全的保證等等。但是當它用于測試這一專門意義時，是指可以用于反復測試考生水平，而在反復使用后所得到的測試結果是非常相近的。但是，雖然信度是一份好試卷的必要條件，它并不是唯一條件。一份信度很高的試題，卻可能無法測試出考生其它方面，例如：考生的興趣——事實上，這份試題可能與考生的興趣毫無關系。因此，測試另一個重要方面：效度，就應運而生了——這份試題是用來測試我們想要測試的方面嗎？

雖然高信度是測試的一個關鍵因素，但是早在1945年就有人提出：“提高信度與測試水平的矛盾”（格利克森（Gulliksen），1945，塔克（Tucker），1946）。下文是摘自塔克的一段話：

如果統(tǒng)一所有試題的信度，就要統(tǒng)一所有的試題。那么，一名考生會做其中一個試題，他就會做其它所有試題；相反，如果一名考生不會做其中一個試題，那么，他就勢必不會做所有試題。這樣，唯一會出現(xiàn)的分數(shù)就只能是一分或零分……難道人們希望一次測試中的所有試題難度都一樣，而最終只產(chǎn)生兩種分數(shù)嗎？

——塔克，1946

其實，塔克這里所指的“測試水平”在某種意義上就是效度。也就是說當要同時提高信度和效度時，二者之間是存在一定矛盾的。信度在一定程度上制約著效度的提高。

巴赫曼（Bachman）(1990, p 161)對信度是這樣解釋的：信度是為了使測試達到最小錯誤率，而效度是為了使語言能力的測試達到最大效果。巴赫曼認為信度和效度是“一般測試中互補的兩個方面——它們鑒定、評價和控制所有影響測試分數(shù)的因素”（1990, p 160）。然而，他也指出，信度和效度之間明顯地存在著緊張關系（tension）。當我們要采取各種手段實現(xiàn)高信度時，例如：通過限制題型或限制測試范圍，這些限制同時也制約了測試的性能和目的，即：測試效度。

可以看出，很多學者都認為用信度系數(shù)來評價測試質量對測試范圍會帶來影響。因此，對一份試題信度的評估僅僅是管理特定應試者們的行政手段，而并非試題本質特征。有些試題的報考者們形形色色，水平參差不齊，因此很容易分級排名，類似于這樣的測試，與應試者水平相近的測試相比，其信度系數(shù)要高很多。因此，當我們比較不同測試的信度時，例如考生水平差距等很多因素都必須考慮進去。

2 信度的影響因素

考生之間的水平差距僅僅是可能影響信度的因素之一。除此之外，還有諸多其它因素：第一，考生本身的波動（fluctuation），包括疲勞、遺忘、疾病、感情挫折、練習效應等。第二，分數(shù)波動，包括評分者本身的誤差偏差等。第三，測試管理波動，包括對考試指南的解釋、測試時間控制、監(jiān)考人員和考生的交流、作弊控制、考試剩余時間的告知、打擾、干涉、考試教室光線等。第四，試題特征：長度、難度、鑒別力、速度等。第五，響應特征：猜題能力、應試能力等。

3 如何規(guī)避信度的影響因素

要解決以上五大影響信度的因素，最大程度上達到信度和效度的標準，以下不失為一些好的方法：試題量要足夠：從某種意義上說，試題的數(shù)量越多，其可信度就越高；考試指南要清楚和詳細：這樣是為了避免考生誤解考試指南；保證試卷排版合理清楚，字跡清晰；報考者應熟知考試格式和測試技巧；試題本身要明確清楚；盡量直接比較報考者水平；提供詳細的評分標準：指明正確答案，可能出現(xiàn)的部分正確的答案的給分標準也要明確說明；對評分人進行培訓：尤其是主觀題的評分人；改卷之前統(tǒng)一不同答案的確切給分；提供統(tǒng)一良好的評分環(huán)境；試題本身應該利于客觀評分：例如，自由問答題，其答案應唯一和統(tǒng)一。

以劍橋大學的一系列考試為例，他們測試的是英語語言水平。這些考試的報考者大都在應試前參加了預試班，并準備繼續(xù)學習和參加劍橋大學的連續(xù)水平測試。和考試相關的書籍和資料有很多。因此，考生的水平基本在一個層次。所以，要保證較高的測試信度，應該說難度還是很大的。劍橋大學考試體系在發(fā)展了十幾年的今天，根據(jù)不同語言測試水平的要求出臺了很多新考試。由于這些測試都是針對某一特定水平，測試的結果是以通過和未通過的形式公布的，其實，這在一定程度上也保證的測試的信度。但是，其信度并沒有和效度分家，而是緊密的結合在一起的。例如，劍橋主流英語認證（The Cambridge EFL Main Suite exams）以及商務英語證書（Business English Certificates）等考試的設計是為了通過鼓勵教和學，并反對“應試教育”來促進語言學習。目的是告訴學者：備考就是要學好這門語言。每次對試題的修訂，劍橋大學都是為了體現(xiàn)他們當前對語言教與學的觀點和看法。近期他們對測試的修訂是為了突出語言的交流作用，因此，試題設計傾向于語境的把握和篇章本質的撲捉。

劍橋大學考試對測試信度和效度的研究有很多年，并根據(jù)信度和效度的要求對其考試作了很多修訂。即便如此，他們也不得不承認，測試信度和效度的一些負面影響因素還是很難避免的。但是，其在注重信度的同時不斷改進試題，使其達到更高的效度，這種方法是劍橋大學給我們的一個寶貴經(jīng)驗。

4 結論

總而言之，信度，作為測試質量的重要因素，是用于評價測試結果是否真實的反映的考生的實際水平。它是反映測試是否受到非測試因素的影響，是反映測試客觀性和可靠性的指標。信度和效度是相互補充、不可分割的。在注重和提高信度的過程中，無疑會對效度產(chǎn)生影響和制約。所以，要平衡好二者的關系，找到一個切合點，才不失為是一份好的測試。不同測試，其信度高低的評估絕對不能不考慮諸多的影響因素。然而，作為一名測試的設計者，出題過程中也必須考慮并盡量避免這些影響因素。

參考文獻

[1]Hughes, A. 1989. Testing for Language Techers. Cambridge: CUP.

[2]Weir, C. 1988. Communicative Language Testing. UK: Prentice Hall International Ltd.

[3]Bachman, L F (1990): Fundamental considerations in language testing, Oxford: OUP

[4]Bachman, L F and Palmer, A (1996): Language testing in practice, Oxford: OUP

[5]Gulliksen, H (1945): The relation of item difficulty and inter-item correlation to test variance and reliability, Psychometrika 10 (2), 79-91

[6]Tucker, L R (1946): Maximum validity of a test with equivalent items, Psychometrika 11 (1), 1-13

[7]劉潤清，韓寶成.語言測試和他的方法[M].北京：外語教學與研究出版社，1999.

[8]桂詩春，語言測試：新技術與新理論[J].外語教學與研究，1983，(3).