《中国考试》2019年第9期目次

专题：21世纪核心素养测评    

主持人：刘欧

高考改革

逻辑思维能力测评与培养

考试技术

　　批判性思维能力作为核心素养的重要组成部分，是学业和就业成功的关键因素之一。对6845名中国高中学生进行了HEIghten批判性思维测试（简称HCT），并对测试成绩与学生的背景信息进行了分析，结果表明：1）HCT在高中学生样本中具有与大学生样本相同的因素结构并具备测量恒定性；2）高中学生的HCT成绩与大学生的成绩均分基本相当，但存在很大的地区和学校间差异；3）高中学生的HCT成绩与其他学科考试成绩呈低度正相关；4）HCT成绩与学生所在高中学校类型、家庭背景、未来期望的高校类型等变量有关；5）高中学生对HCT的接受度普遍很高，几乎所有参考学生都认为参加该项测试是一次有趣的体验。基于这些发现，认为HCT是一个适用于测评高中学生批判性思维能力的工具，其结果可以帮助教师和相关决策者制定和优化现有相关课程来培养和提高学生的批判性思维能力。

　　合作解决问题能力是在学术以及职场取得成功的一项重要能力。探讨对合作解决问题能力进行标准化测评所面临的挑战以及测评设计的一般思路和分析方法。作为这方面实证研究的例子，介绍美国教育考试服务中心（ETS）深度参与的PISA2015关于合作解决问题能力的测评以及ETS自身在测评合作解决问题能力方面的一些大规模实证研究。

　　非认知能力包括态度、信念、价值观和行为。越来越多的研究发现非认知能力对学习和工作的重要性。介绍鉴定非认知能力重要性的4种方法，以及测量非认知能力的5种方法。在这些测量方法中，自我报告式调研使用最广泛，但社会期望和回应风格影响对客观评价产生影响；有研究发现，通过他人报告测量的非认知能力比通过自我报告预测未来成果的相关性更高；多维强迫选择法较自我报告或他人报告测量方法的优势是较难伪造答案，有元分析发现，其预测效度更高，但缺点是设计和计分复杂；情景判断测验比标准化测验有更高的表面效度，比自评或他评作假更难；管理记录也可以协助用来评价非认知能力。

　　英语作为高考的考试科目，是推动英语教育的重要推手之一。上海市自2014年启动新高考，为英语考试内容和形式改革提供了契机，同时推动建立更加科学的命题工作机制。更为重要的是，新高考有效促进了英语教育教学改革，为上海英语教育发展带来新动力。

　　2014年启动的高考综合改革是实现招生考试制度现代化、科学化的关键，但是在实施进程中，面临诸多阻力。通过对国内外关于教育改革阻力研究范式的分析，提出新高考改革面临价值阻力、制度阻力、社会阻力和自身阻力。在对这些阻力进行分析的基础上，提出有效出路是：转变传统教育考试观和提升利益相关者对改革的尊重信任，完善制度供给与强制性变迁和诱致性变迁的结合，实现治理主体多元化与拓展信息传播渠道，促进改革伦理回归和优化改革方案。

　　逻辑理性应当是教育永恒的主题。重视逻辑思维能力培养与测评，是本世纪基础教育最了不起的进步。基础教育培养逻辑思维能力有2个基本思路：一是将逻辑的思想和方法渗透到具体的课程中去；二是在中小学开设逻辑课程。逻辑思维能力的测评有2种模式：一是标准的逻辑思维能力测评；二是在具体课程中的测评。语文考查逻辑思维能力的题型有写作、阅读分析题和语言应用题。

　　在教育全球化背景下,批判性思维教育理念引入我国具有明显的外源性特征。国内外对批判性思维的研究发展路径明显不同，这体现在文化环境、哲学基础、预测研究及考试评价等方面。将批判性思维引入高考文科类学科进行考查，需要协调与情感思维的冲突，把握批判性思维是评价考生思维品质的工具，而情感思维则是考生作答试题时用来分析文本的工具。在高考中引入批判性思维考查，可以引导基础教育教学重视对学生批判性思维的培养，但是目前存在一定的风险，主要是基础教育教学尚缺乏有效的实践，容易出现追求其形而忘其意的问题。

　　逻辑思维能力是高素质人才应当具备的基本能力，是高中教育和高考考查的重要目标。高考生物科注重依托学科特色明显的实验与探究的能力目标、遗传学内容的知识目标，设置解释归因和推理判断的作答任务，实现对逻辑思维能力的有效考查。

　　随着多级计分在心理和教育领域中日益广泛的应用，对检验项目功能差异（DIF）的方法提出新的挑战。已有研究表明，在检验DIF的方法中，MIMIC是一种经济有效的检验方法，然而还没有研究系统地分析MIMIC方法在多级计分项目中的有效性。本研究通过蒙特卡洛实验，探讨参照组与目标组的样本容量、DIF类别、项目区分度、组间能力差异和在锚题中存在的DIF题量5个因素，并在这些因素不同情况的组合中分析MIMIC方法的第一类错误率和检验力。研究发现：1）MIMIC是一种能够灵敏地检验一致性DIF的方法，即使在目标组样本容量较小或明显小于参照组的情况下，它仍然能很好地控制第一类错误率；2）纯化步骤对MIMIC方法控制第一类错误率、提高检验力是有必要的，但MIMIC方法对污染程度又有一定的容忍性；3）检验力受到低区分度的严重影响，但太高的区分度又会导致第一类错误率的增加；4）MIMIC方法对一致性DIF的检验力随着样本容量的增大而增大。

　　计算机自动评分优势诸多，发展势头迅疾，将这一技术引入到实评之中，须对其效度进行论证。本研究依据Williamson等在2012年提出的计算机自动评分效度论证框架，对2016年11月我国新疆地区中国少数民族汉语水平等级考试（MHK）口语考试的实测数据进行了计算机自动评分的效度验证，结果显示：依据该框架对口语开放性试题计算机自动评分进行效度验证是可行的，MHK口语开放性试题的计算机自动评分与人工评分的依据相似，与专家评分的相关系数在0.8以上，评分的一致性和稳定性较高，多项指标明显优于人工评分。

　　考试大数据是教育大数据的重要组成部分，其中蕴藏着的巨大价值对于实现从单一考试向多元评价转变和精准教育决策有着重要的意义。相较于其他行业的大数据，考试大数据具有更强的真实性和相关性，数据采集和处理也更加复杂。目前，考试大数据应用中存在着数据采集和处理困难、数据共享存在壁垒、专业人才匮乏、安全保护压力巨大等一系列问题。要解决这些问题，应该从顶层制度设计入手，不断加强大数据基础设施建设，促进考试大数据的“产、学、研”协同发展，完善数据安全保护政策法规和技术措施来确保考试大数据应用的健康发展。