第1章 教育评估简介 1
1.1 评估语言 2
1.测验、测量和评估 2
2.测验类型 4
3.分数解释的类型 8
1.2 教育评估的假设 9
1.心理与教育结构是存在的 9
2.心理与教育结构是可以测量的 9
3.虽然可以测量结构，但测量并不完美 10
4.存在不同的方法来测量任何给定的结构 10
5.所有评估方法都有其自身的优势和弱点 10
6.信息的多种来源应该是评估过程的组成部分 10
7.测验中的表现可以推广到非测验行为 11
8.评估可以提供信息用来帮助教育工作者制定更好的教育决策 11
9.可以用公平的方式进行评估 11
10.测验和评估可以使教育机构乃至整个社会受益 12
1.3 评估过程中的参与者 13
1.开发测验的人 13
2.使用测验的人 14
3.参加测验的人 14
4.评估过程中的其他参与人员 15
1.4 教育评估与相关法律 15
1.不让一个孩子掉队法案（NCLB，2001） 15
2.残疾人教育改进法案2004（IDEA，2004） 16
3.1973年《康复法案》的第504条款（504条款） 17
4.保护学生权利法案（PPRA） 18
5.家庭教育权利和隐私权法案（FERPA） 19
1.5 教育评估的常见应用 19
1.学生评价 19
2.教学决策 20
3.选拔、安置和分类决策 20
4.政策决策 21
5.咨询和指导决策 21
1.6 关于评估，教师需要了解什么 21
1.教师应该有能力选择适合做教学决策的、专业开发的评估方法 22
2.教师应该有能力开发适合做教学决策的评估方法 22
3.教师应该有能力管理、评阅和解释专业开发的和自己编制的评估方法 22
4.在做教育决策时，教师应该有能力使用评估结果 23
5.教师应该有能力开发包含评估信息的有效的评分方法 23
6.教师应该有能力交流评估结果 23
7.教师应该有能力识别不道德、非法和其他不恰当使用评估的方法或信息 23
1.7 21世纪的教育评估 24
1.计算机自适应测验（CAT）和其他技术进步 24
2.“真实的”或复杂的表现性评估 25
3.教育问责和高风险测验 26
4.对残疾学生评估的趋势 27
1.8 总结 28
1.9 关键术语和概念 30
1.10 推荐阅读 31
1.11 感兴趣的互联网网站 32
第2章 测量中的数学基础 33
2.1 数学在评估中的作用 33
2.2 测量量表 34
1.什么是测量？ 34
2.称名量表 34
3.顺序量表 35
4.等距量表 35
5.比率量表 36
2.3 测验成绩的描述 39
1.分布 39
2.集中趋势测量 42
3.变异性测量 46
2.4 相关系数 49
1.散点图 50
2.相关和预测 52
3.相关系数的类型 52
4.相关性与因果性 54
2.5 总结 55
2.6 关键术语和概念 56
2.7 推荐读物 57
2.8 感兴趣的互联网网站 57
2.9 练习题 58
第3章 测验得分的意义 60
3.1 常模参照和标准参照得分的解释 61
1.常模参照解释 62
2.用于常模参照解释的派生分数 67
3.标准参照解释 76
3.2 常模参照，参照标准，或两者的结合 80
3.3 得分的定性描述 82
3.4 总结 82
3.5 关键术语和概念 84
3.6 推荐读物 85
3.7 感兴趣的网站 85
3.8 练习题 86
第4章 教师的信度 87
4.1 测量误差 88
1.测量误差的来源 90
4.2 估计信度的方法 92
1.重测信度 93
2.复本信度 94
3.内部一致性信度 95
4.评分者之间信度 98
5.总评成绩的信度 99
6.选择信度系数 100
7.评价信度系数 102
8.如何提高信度 104
9.估计信度的特殊问题 105
4.3 测量的标准误 107
1.评价测量的标准误 108
4.4 信度：教师的实践策略 110
4.5 总结 113
4.6 关键术语和概念 114
4.7 推荐读物 115
4.8 练习题 115
第5章 教师的效度 117
5.1 效度威胁 118
5.2 信度和效度 119
5.3 “效度类型”与“效度证据类型” 120
5.4 效度证据类型 122
1.基于测验内容的证据 122
2.基于与其他变量之间关系的效度证据 125
3.基于内部结构的证据 132
4.基于反应过程的证据 133
5.基于测验后果的证据 133
6.整合效度证据 134
5.5 效度：教师的实践策略 135
5.6 总结 137
5.7 关键术语和概念 138
5.8 推荐读物 139
第6章 教师的试题分析 141
6.1 试题难度指标（或试题难度水平） 142
1.特殊评估情况和试题难度 144
6.2 试题区分度 145
1.区分度指标 145
2.试题－整体测验相关系数 148
3.掌握测验的试题区分度 149
4.速度测验的试题分析 150
6.3 干扰项分析 150
1.干扰项如何影响试题难度和区分度 152
6.4 试题分析：教师的实践策略 153
6.5 使用试题分析来改善试题 154
6.6 表现性评估的试题分析 157
6.7 定性试题分析 158
6.8 使用试题分析改进课堂教学 160
6.9 总结 160
6.10 关键术语和概念 161
6.11 推荐读物 162
第7章 开发课堂测验的基本步骤 163
7.1 教育目标的特点 164
1.范围 164
7.2 教育目标的分类 165
1.认知领域 166
2.情感领域 168
3.动作技能领域 169
7.3 行为与非行为教育目标 169
7.4 编写教育目标 170
7.5 开发测验提纲（或测验蓝图） 172
7.6 按照测验提纲来开发测验 173
1.常模参照和标准参照得分的解释 173
7.7 在全州范围内开发课堂测验 174
1.选择使用哪种类型的试题 174
2.装配评估 178
7.8 让学生为评估做准备和管理评估 180
7.9 总结 183
7.10 关键术语和概念 184
7.11 推荐读物 185
第8章 选择类试题的开发和使用 186
8.1 选择题 187
1.开发选择题的准则 188
2.选择题的优势 198
3.选择题的弱点 201
8.2 判断题 202
1.开发判断题的准则 203
2.判断题的优势 205
3.判断题的弱点 205
8.3 匹配题 206
1.开发匹配题的准则 207
2.匹配题的优势 209
3.匹配题的弱点 209
8.4 总结 210
8.5 关键术语和概念 211
8.6 推荐读物 212
第9章 构造类试题的开发和使用 213
9.1 口试：作为构造类试题先驱的口头论述 214
9.2 论述题 215
1.论述题测验的目的 215
2.不同复杂程度的论述题 216
3.限制型论述题与扩展型论述题 218
4.开发论述题的准则 219
5.论述题的优势 220
6.论述题的弱点 221
7.评分论述题的准则 223
9.3 简答题 226
1.开发简答题的准则 228
2.简答题的优势 229
3.简答题的弱点 230
9.4 最后注意：构造类试题与选择类试题 231
9.5 总结 231
9.6 关键术语和概念 232
9.7 推荐读物 233
第10章 表现性评估和成长记录袋 234
10.1 什么是表现性评估？ 235
10.2 开发有效表现性评估的准则 240
1.选择合适的表现性任务 240
2.开发测验说明 243
3.开发评分答案的办法 244
4.减少评分误差的实施步骤 248
5.表现性评估的优势 253
6.表现性评估的弱点 254
10.3 成长记录袋 256
1.开发成长记录袋评估的准则 256
2.成长记录袋评估的优势 258
3.成长记录袋评估的弱点 258
10.4 总结 259
10.5 关键术语和概念 262
10.6 推荐读物 263
10.7 感兴趣的网站 263
第11章 基于课堂评估来评定成绩 264
11.1 反馈与评价 265
1.正式和非正式评价 267
2.在终结性评价中使用形成性评价 268
11.2 报告学生的进步：使用什么符号 269
11.3 评定成绩的基础 271
11.4 参考框架 272
1.常模参照评分（相对评分） 272
2.标准参照评分（绝对评分） 274
3.成就与改善或努力的关系 275
4.成就与能力的关系 275
5.建议 276
11.5 将各类得分合并成总评成绩 276
11.6 告知学生评分系统和获得的成绩 281
11.7 家长会 283
11.8 总结 283
11.9 关键术语和概念 284
11.10 推荐读物 285
第12章 高风险评估时代的标准化成就测验 286
12.1 高风险评估时代 288
12.2 集体成就测验 290
1.商业开发的集体成就测验 291
2.各州开发的成就测验 296
3.增值评估：一个教育问责的新方法 302
4.在学校中使用标准化成就测验的最佳实践 303
12.3 个体成就测验 308
12.4 选择成就测验套装 311
12.5 总结 312
12.6 关键术语和概念 313
12.7 推荐读物 313
第13章 在学校中使用资质测验 314
13.1 智力测验的简要历史 317
13.2 在学校中使用的资质和智力测验 319
1.资质－成就的差异 321
13.3 特殊学习障碍的一个新的评估策略：干预反应（RTI） 323
13.4 主要的资质／智力测验 324
1.集体资质／智力测验 324
2.个体资质／智力测验 330
3.选择资质／智力测验 335
4.理解智力评估报告 336
13.5 大学入学考试 350
13.6 总结 351
13.7 关键术语和概念 352
13.8 推荐读物 353
第14章 行为和人格评估 354
14.1 评估行为和人格 355
1.反应定势 356
2.在学校中的行为和人格评估 358
14.2 行为评定量表 359
1.儿童行为评估系统－第二版——教师和家长评定量表（TRS和PRS） 360
2.Conners评定量表－修订版（CRS-R） 365
3.儿童行为检核表和教师报告表（CBCL和TRF） 366
14.3 自陈测量 367
1.儿童行为评估系统－第二版——人格自陈（SRP） 368
2.青少年自陈量表（YSR） 372
14.4 投射技术 372
1.投射画 374
2.完成语句测验 375
3.统觉测验 375
4.墨渍技术 376
14.5 总结 377
14.6 关键术语和概念 378
14.7 推荐读物 379
第15章 评估调整 380
15.1 影响残疾学生评估的重大立法 381
15.2 残疾人教育法案（IDEA） 382
1.IDEA的残疾分类 383
15.3 第504条款 387
15.4 评估调整的基本原理 387
15.5 什么时候调整是不合适或不必要的？ 388
15.6 调整策略 388
1.表示格式的修改 389
2.答题格式的修改 390
3.时间安排的修改 391
4.环境的修改 392
5.自适应设备和支持 392
6.只使用部分测验 393
7.使用替代评估 394
15.7 确定提供什么样的调整 394
15.8 英语初学者的评估（ELLs） 397
15.9 修改评估后结果的报告 398
15.10 总结 401
15.11 关键术语和概念 403
15.12 推荐读物 404
第16章 教育评估中的偏差问题 405
16.1 我们所说的偏差是什么意思？ 408
16.2 过去和现在的关注：简要介绍 408
16.3 测验偏差的争论：它的起源及含义 411
16.4 文化偏差与心理测验的本质 414
16.5 对少数民族学生反对使用教育与心理测验 415
1.不适当的内容 416
2.不适当的标准化样本 416
3.考官和语言偏差 416
4.不公平的社会后果 416
5.测量不同的结构 416
6.区分预测效度 417
7.资质和人格的定性差异 417
16.6 测验偏差研究中的定义问题：区分效度 419
16.7 文化承载、文化偏差以及无文化差异测验 419
16.8 偏差的不恰当指标：平均差异和等效分布 420
16.9 测验内容的偏差 421
16.10 测验的其他内部特征的偏差 424
16.11 预测和与测验有关的外部变量的偏差 426
16.12 总结 428
16.13 关键术语和概念 430
16.14 推荐读物 430
第17章 教育评估中的最佳实践 432
17.1 开发评估的准则 433
17.2 选择已出版评估的准则 435
17.3 管理评估的准则 439
17.4 评分评估的准则 441
17.5 解释、使用和沟通评估结果的准则 442
17.6 考生的责任 444
17.7 总结及12个最应该避免的与评估相关的行为 445
17.8 关键术语和概念 446
17.9 推荐读物 447
附录A《学生评价标准》摘要 448
1.允当性标准 448
2.实用性标准 448
3.可行性标准 449
4.精确性标准 449
附录B《教育测量专业责任规范》 451
1.岗位职责 452
2.编后记 457
3.《教育测量专业责任规范》索引 457
附录C《教育公平测验实践规范》 459
1.开发／选择适当的测验 460
2.解释得分 461
3.追求公平 461
4.告知考生 462
附录D《考生的权利和责任：指南和期望》 463
附录E《学生教育评估的教师能力标准》 472
1.用来开发标准的方法 472
2.在学生评估中教师职业角色的范围和责任 473
3.学生教育评估的教师能力标准 474
附录F正态曲线下面积的比例 478
附录G练习题答案 483
参考文献 485
索引 500