心理測量的誤差

　　前面我們已經(jīng)討論了什么是測驗(yàn)，以及如何編制測驗(yàn)，現(xiàn)在轉(zhuǎn)入研究什么是一個(gè)好的測驗(yàn)。

　　無論何種測量工具，我們對它起碼的要求是穩(wěn)定，準(zhǔn)確。用心理測量學(xué)的術(shù)語來說，就是要可信和有效。所謂可信是指多次測量的結(jié)果是一致的，所謂有效是指正確地測量了所要測的東西。信度是測量一致性程度的估計(jì)，效度是測量準(zhǔn)確性程度的估計(jì)。

　　關(guān)于測量的信度和效度問題，下邊有專章分別討論。為了考察測量的信度和效度，首先要了解測量的誤差。

　　第二節(jié) 誤差的來源

　　一個(gè)測驗(yàn)要準(zhǔn)確可靠，必須控制各種誤差，為此首先要了解誤差的來源。

　　根據(jù)誤差定義，任何變因只要與測量目的無關(guān)，并使得結(jié)果不準(zhǔn)確、不一致，便可認(rèn)為是一種誤差因素。在心理測量中，

　　常見的誤差來源于三個(gè)方面：測驗(yàn)內(nèi)部，施測過程，受測者本身。

　　一、測驗(yàn)內(nèi)部引起的誤差

　　測驗(yàn)內(nèi)部的誤差主要來源于題目取樣：當(dāng)測驗(yàn)題目較少或取樣缺乏代表性時(shí)，被試的反應(yīng)受機(jī)遇影響較大，(譬如一次考試碰巧準(zhǔn)備到或沒準(zhǔn)備到某題)，當(dāng)幾個(gè)測驗(yàn)復(fù)本不等值時(shí)，接受不同的題目，就會(huì)獲得不同的分?jǐn)?shù)。

　　除題目取樣不當(dāng)可引起誤差外，其它一些因素，如題目用詞的模棱兩可，對反應(yīng)步驟說得不清，題目過難引起猜測，時(shí)限短使被試倉促作答等，也都可能成為誤差的來源。

　　二、由施測過程引起的誤差

　　在三種誤差來源中，與施測過程有關(guān)的誤差可能是最容易控制和檢驗(yàn)的。通過長期實(shí)踐，測驗(yàn)的標(biāo)準(zhǔn)化水平越來越高，大部分施測條件能夠得到控制。但由于心理現(xiàn)象的復(fù)雜性，許多意想不到的偶然因素仍可能影響測驗(yàn)分?jǐn)?shù)，使人防不勝防。

　　(一)物理環(huán)境

　　施測現(xiàn)場的溫度。光線，聲音、桌面好壞，空間闊窄等皆具有影響。

　　(二)主試者方面：

　　主試者的年齡、性別、外表，施測時(shí)的言談舉止、表情動(dòng)作等均能影響測驗(yàn)結(jié)果。倘若不按照規(guī)定實(shí)施測驗(yàn)，如制造緊張氣氛，給予特別協(xié)助或暗示，以及計(jì)時(shí)錯(cuò)誤等，都會(huì)帶來較大誤差，特別是當(dāng)測驗(yàn)具有復(fù)雜步驟和說明，或測驗(yàn)題本身是模糊不確定的形式時(shí)，當(dāng)主試者在安排測驗(yàn)條件上有較多余地(例如個(gè)別施測)時(shí)，當(dāng)測驗(yàn)是對幼兒，有情緒困擾者以及對測驗(yàn)程序不熟悉的人施測時(shí)，主試者的影響更大。

　　(三)意外干擾：

　　在測驗(yàn)環(huán)境復(fù)雜，特別是當(dāng)受試人數(shù)較多時(shí)，容易發(fā)生出乎預(yù)料的干擾或分心事件。例如：停電、有人生病，有人作弊，計(jì)價(jià)表停了、臨時(shí)發(fā)現(xiàn)題目或作答紙印刷不清或裝訂錯(cuò)誤等，無論哪種情況都會(huì)引起不安和擾亂，導(dǎo)致成績不準(zhǔn)確、不一致。

　　(四)評分計(jì)分，

　　評分不客觀以及計(jì)算登記分?jǐn)?shù)出錯(cuò)等也是常見的誤差。一般選擇題的評分較為客觀。而問答題、論文題等自由反應(yīng)型的題目，評分標(biāo)準(zhǔn)很難掌握，加之閱卷者的偏好各不相同，因而難以保證分?jǐn)?shù)的一致性.

　　早在幾十年前，國外就有人對舊法考試的評分誤差做過研究。斯達(dá)奇(D?storch)和埃立奧特(E?C?Elliott)將一份英文考卷請142位英文教員評閱，所得分?jǐn)?shù)從50分到98分應(yīng)有盡有。某國教育界還有一件引為笑談的事，1920年夏季，許多大學(xué)教授在評閱歷史試卷時(shí)，有一位教授為評分便利起見，自己寫了一份標(biāo)準(zhǔn)答案，不料和其它考卷混在一起，經(jīng)另一位教授評閱竟然不及格。為慎重起見，由其它教授重復(fù)評定，結(jié)果所得分?jǐn)?shù)以10分到90分不等。1961年美國教育測驗(yàn)中心由53個(gè)評判員組成專門小組。對大學(xué)一年級學(xué)生寫的200篇作文按九個(gè)等級評分，結(jié)果有1/3的文章得到了九個(gè)等級，有60%的文章得到了七個(gè)或八個(gè)等級，沒有一篇文章少于五個(gè)等級。一般理科評分要比文科客觀些，但也不盡然。羅雪(Ruch)將—道地理題的解答請91位教員評閱，滿分為20分，結(jié)果給17種分?jǐn)?shù)，全距為2—20，給各種分?jǐn)?shù)的人次見表4—1，斯達(dá)奇和埃立奧特將一份幾何考卷請115位中學(xué)教員評立，所得分?jǐn)?shù)為28—92分，全距60多分。我國1979年高考數(shù)學(xué)試卷第四題敘述并證明勾股定理，對于

　　表4—1 91位教師對于一個(gè)地理題的回答所給分?jǐn)?shù)的分布

　　分?jǐn)?shù) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

　　人次 0 0 1 2 0 1 4 3 7 5 24 5 14 8 2 10 2 1 1 0 1

　　用余弦定理進(jìn)行循環(huán)論證的答卷，有的閱卷教師不給分，有的卻給滿分(6分)。不僅各教師間有此差異，即使同一教師一次評許多卷，受情緒，疲勞，外界干擾;卷面整潔、試卷前后位置引起的對比效應(yīng)以及對學(xué)生成見的影響，標(biāo)準(zhǔn)也可能不統(tǒng)一，甚至同一張?jiān)嚲砀粢欢螘r(shí)間再評，前后給分也可能不一致。至于學(xué)校之間，地區(qū)之間的差別就更大了。1980年，清華大學(xué)受教育部委托對新生進(jìn)行數(shù)學(xué)復(fù)試，并與高考數(shù)學(xué)成績對照。將各省市學(xué)生按兩次考試的平均成績分別排隊(duì)。G省學(xué)生的高考平均成績居第11名，而復(fù)試成績降到第28名，T市學(xué)生成績次序由第8名降到第23名。相反H省和S省考生的名次由第15名和第18名分別升至第3名和第7名，產(chǎn)生這種變化的原因很多，其中很重要的一條是各省評分標(biāo)準(zhǔn)掌握不同，寬嚴(yán)不一。這就使得學(xué)生分散的差異在一定程度上反映的是評分者的差異，而不完全是學(xué)生水平的差異。