1.第二章教育考试质量指标效度·效度·难度·区别词。 „可靠性„难度主要是测试的项目。 „决议第 1 节有效性 „1. 可靠性的概念 2． 可靠性系数的类型 3． 信度对于教育测试的意义 „4． 提高效度的途径 1、信度的概念（）：指考试结果的稳定、可靠程度，又称考试结果是否真实、客观地反映考生的实际水平，可记为rxx 。 具体来说，检验的效度可以从以下三个方面来理解： (1)效度是指测量值与真实值的差异程度 „x=T+E (公式1-1) „x代表测量值，T代表真值（未知，多次检测的测量值的平均值可以作为真值的近似值），E代表偏差。 „E=xT (公式1-2) (1) 效度是指测量值与真实值之间的差异程度„1。 尝试比较以下两次测试结果的有效性（仅一次）： „用尺子测量100cm的孩子身高，得到1cm的绝对偏差； 测量身高185cm的运动员，也得得到1cm的绝对偏差。 要比较两次测试结果的有效性，需要查看偏差分数（E）与真实分数（T）的百分比。 该百分比代表实际得分 (x) 的相对偏差。 其估计公式为：相对偏差=。
2、E/T×100%公式（1-3） 将上述两次测试（设为A、B）以及绝对偏差分数和真实分数代入上式，得到：相对偏差（A）= 1/100 ×100%=1%相对偏差（B）=1/185×100%=0.54% 由此可见，措施B的有效性高于措施A的有效性。最大绝对偏差=E/x×100% 式（ 1-4) 2、如何衡量一组人或一个人多次的实际测量值与真实值（真实分数）之间的差异？ „要区分两组数据哪一个好、哪一个不好，不能仅仅依靠平均值的统计和比较，关键是要确定两组数据与各自平均值的偏差有多大。 为了消除数据容量的影响，我们参考研究加权平均的方法，选取每个误差的平方平均值来描述一组数据与其平均值的偏差，这就是残差。 „根据假设，实际得分的残差应该等于真实得分的残差加上检测偏差的残差。 即： „公式(1-5) σσσ+ 2、如何多次衡量一组人或一个人的测量值与真实值（真分）之间的差异？ „那么，有效性（rxx）可以定义为真实分数的残差与真实分数的残差的百分比。 即：式（1-6）式（1-7），可见该值越小，检验的效度越高。 有效值范围为[0,1]。 σσ1σσσr2Eσ示例：针对 5 个人的某种智力诱导。
3、测试结果如表1-1所示，检验测试的有效性。 „表1-1 检测5名中学生的部分成绩 中学生真实成绩和偏差成绩 实际成绩 A18-216B9+++-210 中学生真实成绩和偏差成绩 实际成绩 A18-216B9++++-210 平均值 15015 残差 182.820。 8并包含在表里面。 σ、σ 分别根据 σ＝0.86520.82.8＝1－σσ1－r7 估计 σ 的残差公式，N)x(x(1)) 代入公式（1 若真实得分残差为未知，则= 0.86520 .818＝σσ6) r 代入式(17)估计r6)或(1(2)代入式() 统计是指样本上的各种数字特征。(如样本均值、标准差等）；参数一般是各种数值特征（如总体均值、标准差等）。 ❖ 在统计学中，统计量越接近参数，则统计量的可靠性越高。并且要知道统计量和参数 (2) 效度是指统计量和参数之间的接近程度 ❖ 我们不妨将检验的平均值视为均值抽样分布中的平均值，将真实值视为总体平均值（μ ）的均值的抽样分布，这样只要得到实际分数分布的标准差即可-。
4、对于测量的标准误差，可以借助区间公式计算测量值与真实值的接近程度，进而估计测试结果的有效性。 （2）效度是指统计量与参数之间的接近程度） 公式（－＝） 公式（－＝ 示例：基于一组人（假设n>30）作为某种智力激励测试的结果，对相关统计量进行如下估计，得到真实分数的置信区间（或真实值的范围）。865.08.20152 . 概率为该区间包含真实得分或真值答案：) = () (则) (区间的概率；计算某一区域真实得分的公式，)根据到总体平均区间（=）（=求检测误差标准；），式（）将已知统计量代入公式（解：95.027.1873.1195.027.1873.11P95.067.196.167.196.1P95.096.196.1P267 .1865.018. (3) 效度是指两次重复检验或等效检验之间的相关程度。事物或现象的数量是可以改变的，主要采用相关分析的方法，即估计两个变量。
5.相关系数(rxy)。 „当用相关系数表示效度水平时，相关系数可称为效度系数（lity）。 它是同一考生同一特征的两次考试成绩的相关系数，是衡量考试结果一致性的指标。 3. 信度系数的类型 „ (1) 稳定性系数 „ (2) 等价系数 „ (3) 内部一致性系数 „ (4) 纸质测试效度系数 „ (5) 评分者效度 ( 1) 稳定性系数 (ty) „ 也又称重测效度，是指同一被试（人群）在不同时间、同一量表下两次测试的实际成绩的相关系数。 恐怕稳定性系数的基本程序是： 测验 A1 适当的时间间隔 测试 A2 (a) 稳定性系数 „ 根据数据的性质，可以通过不同的方式估计相关系数。 最常见的是皮尔逊相关系数：） 10-1 (]) ([]) ([公式 为第一次测试的实际分数；Y 为第一次测试的实际分数(1) 稳定性系数 „对 12 名高中生进行四种算术规则的速度测试，记为 X，以考察测试结果的可靠性，3个月后再次进行测试，记分数为Y，询问测试结果是否可靠？„编号1112„。
6. „ΣX＝280ΣY＝286ΣX2＝6594ΣY2＝6912ΣXY＝6420[])([])([AA解： (1) 之后数据列表，估计式（1-10）所需的各项统计量： ΣX＝280ΣY＝286ΣX2＝6594ΣY2＝6912ΣXY＝6420 （2）将估计的统计量代入式（1-10）：用在估计稳定性时采用重测法测定系数时，应注意的问题： 1、两次测试的时间间隔要合适，且时间间隔尽可能短。 2、应进行两次测试。
7、卷数应相当，即内容范围、题型、题数、难度、差异程度等基本相同。 3. 为了确定两次测试是否等效，还应考察两次测绘结果的平均值和标准差。 4. 重测法适用于速度测试，但不适用于难度测试。 5. 测试要注重提高受试者的积极性。 （2）等价系数（ence） 也称为复制效度（-）：是两个数值相等（题目数量、难度、区分度相等）但具体内容不同的量表，在最短时间内的距离内，同一考生两次考试得到的两组相应分数的相关系数。 模型为：11AB测试适当时间间隔 (2)等价系数(ence) „采用A、B两种法语重复测试，对小学五年级的10名中学生进行测试。 考试顺序造成的偏差，其中5名中学生先进行A类考试，休息15分钟后进行B类考试； 而另外5名中学生则先进行B类测试，休息15分钟后再进行A类测试。 10名中学生的A类测试结果记为X，B类测试结果记为Y。该测试的复制效度是多少？ 中学生编号 „„（二）等值。
8、一致性系数（ence） 优点： 1． 如果两份试卷在不同时间使用，其效度可以反映不同时间的稳定性和不同试题的一致性； „2. 当两份同时使用时测量平均速度教案中公，可以防止复试信息的一些缺点，例如复试对初试时记忆、练习和效果的影响，间隔期间获得的新知识的影响，以及对初试时复试的影响。的两个测试。 不同环境和受试者不同主观状态的影响，以及训练应对测试的影响等。 (2) 等价系数（ence） „ 缺点： „ 1. 编制两个相同的数据非常困难测试。 如果两个副本太相似，则会重新测试； 等价条件不存在； 2. 两次重复测试可能在某种程度上检测到不同的属性，这会高估测试的有效性； 3. 受试者同时接受两个性质相似的测试，可能会降低完成测试的积极性； 4. 虽然两次重复测试的题目材料不同，但一旦受试者掌握了一定的解题模式，就能举一反三，可能会失去重复的意义。 (3) 内部一致性系数() 也称为同质效度(ty)。 是同一测试量表的两个部分（例如分为质数和奇数项目，或量表的前一部分。
9、上半场和下半场）得分相关系数。 可能有两种方法： 1. Split-：将一个测试分成假定相等且独立的两个部分来评分。 一般以题目的素数为一组，以素数为一组来估计两级相关系数。 最后利用-Brown公式进行校准，得到整个检验的效度系数。 „-Brown 公式为：) 公式（11112„rxy 为两组测试成绩的相关系数，rtt 代表整个测试的效度系数。问题：为什么不直接使用总和偶数题和素数题的分数 估计的相关系数的一部分应该被校准为整个测试的效度系数吗？这是因为测试的宽度（指量表包含的项目数）有对效度的大小有一定的影响，测试时间越长，效度越高，但是使用分半法实际上相当于把整个测试的厚度减少了一半，所以将数据除以得到的效度分成两半必须高于整个测试的有效性。 „示例：有一个由 100 个问题组成的量表，发给 10 名初中生（分数如下表所示），参加一次测试后，考生毕业后将离开学校。 现在如何评估测试结果的有效性？ 评分方法：采用半分法对各科目质数题总分进行评分。
10. 59940ΣX＝382ΣY＝374ΣX2＝14624ΣY2＝14014ΣXY＝14311 解：将相关统计量代入公式(1-10)，求相关系数 84.0))((xyr 使用 - Brown公式校准，91.084.0184.0212 校准后，效度系数很大（0.91），说明整个测试的效度很高，需要进行一次测试，然后根据效度系数估算根据每道题的正确回答数（这可以看作是每道题的难度信息），或者根据每个人总分的平均值和标准差测量平均速度教案中公，这有几个公式，其中，rKR为常用。