如何对课堂测试数据进行分析，本文主要内容关键词为：进行分析论文,课堂论文,测试数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[中图分类号]G40-058.1 [文献标识码]A [文章编号]1674-1536(2010)07-0008-05
目前，课堂教学评价的方式多种多样，课堂测试就是其中重要的一员。它是判断学生学习水平、诊断教与学的重要手段。但由于深受外部大规模考试的影响，当前的课堂测试基本以常模参照为依据，其得到的数据仅仅发挥了甄别等有限的功能。如何挖掘测试数据背后的信息，进而为改进教与学提供科学依据，自然成为测试数据分析的重中之重。
一、测试数据分析的转向
(一)从总结性取向走向形成性取向
要发挥课堂测试促进学生学习的作用，使课堂测试成为下一步教与学决策的重要依据，或者说是“扮演”形成性评价的角色，就要让课堂测试以诊断学生的学习为旨向。这种诊断是基于数据并对数据背后所反映的学生学习进行的深度分析。分析测试数据不再只是为了得到一个判断学生成绩好坏的结论，而是秉持了问题解决的形成性取向。
(二)从常模参照性质走向标准参照性质
从各项指标来看，当前的课堂测试基本上是外部大规模考试的翻版，如非常讲究区分度和效度；从测试数据分析来看，常见的处理结果有班级平均分、难度，有时还有标准差或区分度。通常，得到这些数据就是要通过它们来比较学生之间的差异，并定出学生的分数排名。由此可见，这种测试数据分析具有常模参照性质。虽然它具有独特的优点，如通过分析确定不同的学生等级，从而实施分层教学，但它不能解决一个核心问题，即无法明确学生个体学习水平与课程标准要求之间的差距。
其实，课堂测试是小范围内实施的低风险评价，其主要目的并非计算难度或区分度，而是在于诊断学生的学习，并加以改进。要达到这样的目标，测试数据分析首先就要明确课程标准的要求，并以此作为分析学生学习水平的依据。如果处理得当，课程标准的要求应被分解为不同的表现水平。如此一来，分析测试数据时，就可对照标准，学生的学习水平及其与学习目标之间的差距就比较容易明确了。这样的测试数据分析就具有了标准参照①(Standard-referenced)的性质。
(三)从经验性总结走向科学性研究
测试数据分析是以技术为支撑的，只有借助技术才能得到科学准确的信息。不可否认，目前大多数测试数据分析只是凭经验来实践，还缺乏一定的知识基础。这些必要的知识基础包括：数据分析时应分析什么、如何挖掘数据背后的信息、是否会应用基本的分析软件，等等。
从这个意义上来讲，测试数据分析不仅要有证据意识，还须明确研究的目的、研究的对象、研究的依据、研究的程序、研究的工具。只有这样，分析才是科学而有效的，分析的结果才具有针对性和充分性。简要地说，测试数据分析应从经验性总结走向科学性研究。
二、如何进行测试数据分析
在操作层面上，确定分析程序是进行测试数据分析较早需要考虑的事项之一。本文提出一种简易实用的程序。
(一)创制、分析数据总体态势图表
收集测试数据，并画出数据总体态势图，能直观醒目地反映数据的分布特点。因此，非常有必要先制作数据的总体概貌图表。
1.制作、分析班级总体数据分布图表
收集到数据后，我们可运用一些图表软件，如Excel中的图表菜单栏，制作出全班数据分布图表。图1就是一个班级课堂测试数据总体分数分布图，它描述了不同的学生成绩区间与相应区间学生人数的关系。
从图1中可以一目了然地看出各个分数区间所对应的学生人数，如在71分～80分区间，对应的学生人数为16人。同时也很容易看出，在全班50人中，共有30人的分数集中于61分～80分的区间内，而共有9人处于高分段(81分～90分、91分以上)和低分段(30分以下、31分～40分)。这大致说明了：班级上“学优生”和“学困生”不多，大多数学生的成绩处于中等水平。
图1 学生成绩总体分布图
2.制作、分析每道题目的数据分布图表
试卷每道题目的得分情况也是作总体分析时必不可少的对象，它真实反映了学生对于每道题目所指向知识的掌握情况。
图2中的曲线描述了不同题目对应的得分率。从中我们大致可以看出，每道题目的得分率基本都在60％上下浮动，但有三个异常点，即第一题的得分率非常高(80％)，第15、20题的得分率非常低(40％)。这个情况其实在提醒我们，在这几道题目所对应的知识点上，题目本身和学生学习的问题等需要作进一步的分析。
图2 每道题得分情况分布图
3.制作、分析不同学生群体的数据分布图表
有时，为了更好地了解同一班级不同学生群体的学习情况，我们还需要做群体数据分布图，如按性别、地域、年龄等变量来制作图表。其目的之一是，从不同的角度来比较、发现造成学生不同成绩的影响因素。
图3就呈现了不同学生群体的成绩对比图。它按照三个变量来划分，其中“正常-非正常上学学生”是按日常上课是否正常来划分的，插班或一个学期旷课3个星期以上的学生归类为非正常上学学生。图3非常形象地告诉我们，正常上学与非正常上学学生、男生与女生之间成绩相差比较大，需要更详细具体的调查。当然，有时两组学生群体的成绩比较接近，我们可能还需要做检验分析；如果组内样本数据比较少，可选择t检验来分析两组数据是否存在显著性差异。
图3 不同学生群体的数据对比
(二)选择某项数据，深度挖掘测试数据背后的信息
进行总体分析后，就需要利用相关数据作重点分析，其关键是要尽量挖掘出数据背后的信息。下面分5个方面来阐述。
1.确定一个突出问题，画出学生在该问题上的总体得分情况
与前所述相似，在确定了一个突出问题后，我们也要针对它制作出总体得分情况图表。图4就是利用在上述总体分析后发现的突出问题所描绘出来的，这个突出问题即测试的第20题。
图4 第20题学生得分—频次分布图
从图4中可以看出，该题得6分的频次最高(9人)，此外，得满分的(9分)3人，得0分的3人。这些数据不仅总体描述了该题的得分情况，也为下述个体的分析提供了基础。
2.分析题目的要求与学生的典型表现
这里，数据分析的一个关键，就是要明确题目所考察知识点的要求，然后，结合学生的典型表现来作分析。表1就是对第20题学生典型表现的分析，它分为描述矩阵和评判矩阵。描述矩阵就是对事实的客观描述，要展现出课程标准的规定和观察到的学生表现。评判矩阵则依据题目的评分标准对学生的表现作出判断。题目要体现课程标准的规定，而评分标准则是对该题的学生表现作出不同表现水平的约定。
3.归纳学生总体表现中的典型问题
分析测试数据，关键是要明确学生在解题中存在的关键问题，只有这样，才能更好地进行反馈与教学补救。
以第20题的解题为例，在结合前面两个部分的分析后，教师可以得知学生在该知识点上存在的关键问题。这些关键问题大致可以归纳为以下三类。
一是学生对匀变速直线运动规律中所包含的基本概念还没理解到位。这些错误主要发生在学业成就相对比较低的学生身上，但个别学业成就比较高的学生也犯了类似错误。
二是学生对公式中每个物理量的对应关系不明确，如他们不明白在特定公式中，位移、时间、即时速度、瞬时速度、加速度、路程是一一对应的。这也说明了学生并没有掌握好物理过程。
三是学生对公式的选择不适当，缺乏解题策略。具体表现为：没有宏观把握整个物理现象的发生过程，没有抓住关键的物理现象的节点。这些问题直接导致了学生只从局部来解决问题、乱套公式的做法。
4.通过各种途径，考察学生个体的学习问题
分析个体学生的学习问题是非常复杂的，一般说来，在课堂层面要做好如下四件事情。
(1)观察学生的表现。其中，阅读学生的试卷是观察学生表现的最直接方式之一。表2就是某个学生在上例题目中的表现描述。
(2)初步分析学生的思维方式。要向学生提供具有针对性的反馈信息，理解学生的思维是起点。由于题目类型的不同，分析时采用的方法也应不同。如对于上述计算题，教师不但可以得知学生给出的最终答案，还可以了解学生的解题过程。我们从中发现：该学生选择了“该1秒”对应的物理过程作为研究对象，而对“时间和时刻的区别”至少在计算上犯错了。正确的答题过程应为：t=14/2+1=8s。当然这也有可能是学生粗心所致，可事后向学生了解以确认。
若是选择题或是非题，向学生进一步了解其思维就显得更为迫切。其主要原因在于，选择是否正确并不能考察学生真正的思考过程。一种比较可行的办法是，事先在设置选择题时，给出不同答案代表学生不同的思考水平，并且赋予分值，以便于统计与分析。下述评分标准的例子就能具体生动地说明这种思想。
例：第2题——本题考察的知识点为“质点”，对应的认知要求为“理解”。
4分(选D)：在不同的情境中，知道当物体的尺寸比要研究的距离小十倍以上，或尺寸比要研究的物体小十倍时，可以把该物体视为质点，并能说出具体原因，以及这种处理方法的优点。
2分(选A)：知道质点是个理想的模型，但不知道在什么情境下可以把物体看作质点。
0分(选B或C)低水平：不知道质点是种理想模型，以为质点就是代表体积小的物体，或者在任何情境中，都把物体看作质点。
(3)再次分析学生的思维方式。如果不作更仔细的考察，数据有时也会骗人。如在上述第20题的解答中，学生虽然在书写格式和计算结果上混淆了时间和时刻，但这有可能是由学生粗心引起的。因此，教师非常有必要通过其他一些途径来分析学生的表现。如在同份试卷中观察学生是否在类似问题上出现这样的错误，这种行为的一致性就能帮助我们作出判断。除了把试卷作为复核、再分析学生思维方式的途径外，平时的作业检查、师生聊天也是比较好、比较及时的一种考察、复核、分析途径。
(4)明确学生在学习问题上的需求。经过上面的分析，教师可算是基本挖掘出了在那些数据后的学生的信息。利用这些个性化的信息，再结合课程标准的要求，也就明确了学生目前学习水平和要求之间的差距，即明确了学生在这一问题中所需要的帮助。
5.省查教学中存在的问题
分析测试数据的价值不仅指向学生学习表现的分析，还可为教师诊断教学所用。鉴于在教学上分析测试数据的复杂性，下面只从三个方面来谈谈如何省查、处理教学中存在的问题。
(1)看数据，找出教学问题。测试数据也就是关于教学的证据，分析完上述测试数据后，其实也就大致得出了教学存在的问题。这里的关键是，教师要有以数据为证据的意识，而不是急着下结论。确实，教学问题可能很多，除了作必要的全面分析外，更应抓住最突出、最关键的问题。
(2)运用头脑风暴法，寻找可能的原因。教师可先从某个教学问题开始，运用头脑风暴法来寻找可能的原因。如针对前面班级学生在第20题上的整体表现，笔者作了如下的分析。(详见表3)
(3)综合各种信息，聚焦关键原因。寻找出可能原因后，在综合各类信息的基础上，如学生、家长的反映等，再聚焦出关键原因。不妨以表3提到的原因为例作进一步的分析。
图5展示了教师是如何通过追问的方式对学生的学习问题进行归因分析的。
图5 应用追问方式来寻找教学问题背后的原因
(三)对其他数据进行分析
当我们将某项数据分析好了，就可以分析其他数据。与上述分析过程相似，其基本目的也是为了诊断学生的学习与教师的教学。
完成不同的测试数据分析，就可得到班级整体的学习情况，以及对应的教学问题成因。同时，也可以获知学生个体的学习情况。若条件成熟，如时间和精力具备等，教师就可以形成每个学生的学习情况报告。
总之，分析测试数据的目的就是更多地挖掘数据背后的信息。如果能有效挖掘数据背后的信息，也就意味着教师能比较好地回答以下几个问题：第一，是否深刻理解学生学习问题背后存在的原因；第二，得到结果的分析过程是否有逻辑，或者说是否有依据；第三，分析的结果是否有足够的证据支持；第四，从测试数据分析中是否获得了新的东西；第五，分析过程是否聚焦于学生需要的知识与技能；第六，这些分析的结果是否有助于学生达成更高的目标。
三、开展测试数据分析需要什么条件
确实，上述对于测试数据分析描绘了一幅美好的蓝图，但真正有效地予以开展并非易事，它需要教师具备相应的专业知识与技能。
1.基于标准命题的技能。测试数据分析是命题的延续，如果试题本身没有基于课程标准，那么分析也就失去了意义。而当前教师的课程标准意识还比较薄弱，基于标准命题的能力更是较为欠缺，这将是一项长期存在的困难课题。
2.诊断教与学的证据意识。判断教与学是否有效，需要科学的证据为基础。教师只有具备了这种证据意识，才能在日常专业实践中主动地发现、研究教与学的问题。
3.利用数据分析教与学的能力。这种能力包括解读、细化课程标准要求，制定题目的评分规则，执行合理的分析程序，应用软件制作图表，以及摒弃自我假设、保持客观中立的分析立场等。
4.测试数据分析所需的时间。鉴于当前学校的教育实际，如何为教师节省那些不必要的时间消耗，为教师提供充分的时间保证，也是重要条件之一。
上述条件不仅需要教师自身的行动，它其实还勾勒出了一幅宽广的教育图景，对教师教育、教师专业标准、国家课程标准的制定与完善、教师专业培训、大学与中小学的合作、校内教学质量监控等提出了一个亟待解决的重大课题。
注释：
①对于Criterion-referenced与Standard-referenced，目前学术界基本都把它们翻译为“标准参照”，但在一般意义上，Criterion-referenced与Norm-referenced相对应；两者的内涵在很大程度上是一样的，主要区别在于Standard-referenced 含有多种表现水平，Standard的含义更具有课程标准的内涵(包括内容标准、表现标准)。本文选择了后者，主要原因在于数据分析的判断标准具有多种表现水平的要求，而且它更加凸显了测试数据分析以课程标准为依据的特点。
②此处呈现的结果为解读课程标准后的结果。