基于SPSS軟件的英語期中試卷統計與分析

汪 鳳

(安慶師范大學教育學院，安徽 安慶 246133)

一、測試與教學

Davies(1968)曾說“好的測試就如一個忠實的仆人”“the good test is an obedient servant since it follows and apes the teaching.”，這個比喻形象的說明了測試最終是服務于教學的。[1]語言測試隨著語言和語言教學的發展，現在已經成為一門獨立的學科進行發展和研究，基于此，也可以說沒有語言教學也就沒有語言測試；當然，隨著評價方式和教育改革的發展，語言教學評價方式豐富多維，這又從另一方面證明了語言測試作為評價方式的一種促進了語言教學。通過對學生語言能力及其運用能力的培養和檢測，并且通過對學生的系統抽樣，借以科學的評價和解釋，得出其能力的綜述。語言測試作為現在基礎教育的常規評價方式，占據著不可替代的作用。語言測試本身也經歷了三個階段：命題設計、實施測試以及考后分析，這三個階段無一不與語言教學息息相關，相互反饋。

(一)命題設計與教學

Alderson在命題設計這一概念中說過，命題設計包括制定考試內容規范、公布考試大綱、規定考試內容和試卷構成及試題形式以及確定計分體制。[2]這里就涉及了所測量的語言能力和結構效度，也是語言測試的理論基礎，更是使分數具有可解釋性的依據。為此命題之前特制訂了明細表如表1所示。

完成了考試內容規范，還要設計相應的試卷，本組成員基于課程標準對初二學生的

表1 期中考試明細表

能力要求以及大綱的標準規范，緊密聯系教材，突出重點，突破難點。除此之外，組內各成員牢記所命練習題的適用范圍，以免出現超綱現象，造成學生對于測試產生心理壓力，試卷總共分為四大部分，具體結構和分值可從明細表中得知。

實施測試階段嚴格按照安慶市第十四中學的考試規范和標準進行，確保語言測試項目的科學性和可檢測性。

(二)測試分析與語言教學

考后詳細準確的成績分析報告，其中包括了分數的頻數分布、集中量以及差異量，信度效度難易度區分度等等，并且盡可能地找出存在的問題因素和方法，以便改進教學，對正常的英語教學產生積極的反撥作用。故本次筆者使用IBM SPSS Statistics v23 x64對試卷各題項、整套試卷做了全面的數據分析。希望對實驗班級的英語教學提供科學的測試反饋和可靠的教學根據。

二、試卷成績分析

通過對成績的具體分析，我們能夠得到量化的信息反饋，這對進一步完善教學，提高考試質量等都大有裨益。(鄒申，2011)[3]

(一)分數的頻數分布

頻數分布是整理雜亂無序的數據的重要手段，是分析考試成績時做的第一項工作。下面我將列舉本次期中考試一個班級52名初二學生的成績頻數分布(圖1所示)：

圖1 成績頻率分布圖

由圖1的頻率分布圖以及直方圖可見，100分-110分區間人數分布最多，人數基本集中在75分—125分區間中。根據偏態分布的解釋，偏態分布指頻數分布的高峰位于一側，尾部向另一側延伸的分布。它分為正偏態分布和負偏態分布，由直方圖可以判斷，此次成績總分呈負偏態分布，由此就可以說明此次測驗難度較小，群體測驗的成績多為高分，也說明師生雙方積極努力，大多數學生掌握了教學大綱的基本內容。

分數經過歸組整理和列表，其分布面貌和特征已經基本反應出來了，然而為了得到更確切的數據，還需要進一步的分析研究，下面將從算數平均數、中位數以及眾數三個維度來展開闡述。

1.算數平均數

算數平均數的公式是：M=Σ X/ N，M=平均分，X=分數，∑=總和，N=人數，當然通過 IBM SPSS Statistics v23 x64軟件，快速準確的計算出平均分為97.26分，算數平均分是最有效、簡捷的集中量。這里通過SPSS 23繼續生成了各題型的平均分，如表2所示：

表2成績集中量分布表

由各類型題目的均分來看，可以得出聽力和單詞拼寫全班得分普遍不高，分析是聽力設備和題目偏難造成。

2.中位數

中位數是位于按一定順序排列的一組數據中央位置的數值，各有一半頻數分布在中位數的上下。也就是說，中位數是把按順序排列的數據一分為二的數值，它也是集中量的一個指標。通過SPSS 23軟件計算，結果如表2，所以可以得出結論，學生成績的中間力量是高于平均分的。

3.眾數

眾數是一組數值中頻數最高的數值，計算簡便，簡單易懂，同時不受兩端極端數值的影響，然而它卻不具備集中量的基本要求： 準確和穩定(鄒申，2011)。這里通過SPPS 23軟件的統計分析，此次檢測成績眾數不止一個，從低到高依次是91分，102.5分，106分以及108分，眾數數據和算數平均數、中位數三者一起能粗略地判斷頻數分布，這一點是眾數的有利之處。

(二)分數的差異量

上面講述了集中量來描述一組分數，然而僅僅采用集中量還無法全面地反映分數全貌，因為其只能描述分數的平均水平或者可以稱之為典型趨勢，無法反映分數之間存在的差異和分別。故將從全距、標準差及差異系數來分析成績的差異量。

1.全距

全距是一組分數中最高分與最低分之差。其特點是概念清楚，計算簡便。本次考試，總分最高分為133分，最低分為38.5分通過計算，本次期中測試全距為94.5，可以看出離散度較大。但是，由于全距作為差異量容易受極端數據的影響，這里筆者所作結論比較表面。

2.標準差

標準差主要顯示一組分數距離平均分的程度，它可以表明所有分數的分布情況，因此在體現分布情況時，與全距相比，它能夠更詳細地描述一組分數的差異特征。計算標準差的公式為：SD=√((Σd^2)/N)，d=離差，∑=總和，N=總頻數，這套試卷的標準差是23.5067。

3.差異系數

三、試卷質量

一套試卷設計好并付諸實踐之后，怎樣才能知道這份試卷的質量呢？這就需要對試卷的質量進行評估和檢驗，一般要從四個維度來看，即效度、信度、難易度和區分度。(劉潤清，韓寶成，1999)[4]

(一)效度

效度作為衡量測試的有效程度的標尺，是進行測試報告和反饋時必然要進行衡量的一個維度。這里筆者采用軟件側重對校標效度的測量，效標效度是指測驗結果與效標之間的一致性程度，利用積差相關法( Pearson 法) 求效標效度。具體操作為，在 SPSS23.0中單擊分析相關( C)雙變量( B)，選擇總分和平時成績字段進入表達式，然后在相關系數中單擊皮爾遜( N)得到結果。分析效標關聯效度的通常作法是對試卷測量結果與有效標準進行相關分析，相關系數越大表示試卷的效標關聯效度越好， 一般認為相關系數在0.4～0.8比較理想。通常情況下通過以下取值范圍判斷變量的相關強度： 相關系數0.8～1.0表示極強相關，0.6～0.8表示強相關，0.4～0.6表示中等程度相關，而0.2～0.4表示弱相關，至于0～0.2則顯示出極弱相關或無相關(表3所示)。[5]

表3 效度相關性表

根據SPSS 23軟件分析結果顯示，本次校標效度是0.912，具有較強的相關性，換言之，效度較高。

(二)信度

信度表達的是測試結果的可靠性、穩定性與一致性。信度越高表示該測試的可靠性越高，測試的結果越穩定，被測試者在不同時間的測試成績越趨于一致(楊端和，2004)。在SPSS 中單擊 分析→標度(A)→可靠性分析(R)，屆時選擇 Alpha 模型。通過信度分析可知，本次考試信度系數0.838，如表4所示。

表4信度表

0.60一般被認為是信度的臨界值。若低于0.60，該測試就沒有實際應用價值，本次考試數據顯示，具有較好的可靠性。

(三)難易度

難度是衡量試題與試卷難易程度的指標，以難度系數( 記為 P) 來衡量。一般情況下，試題的難度系數即為該試題的平均得分率，答對的人數越多，平均得分率越高，P 值越大，難度越低; 答對的人數越少，平均得分率越低，P 值越小難度越高。可見，難度實際上表示的是一種易度，與試題的實際困難程度剛好相反(鄒申，2011)。通常用下面公式求試題各題型的難度系數: P = X/W( 其中 P 為難度值，X 為全體學生該題實得均值，W 為該題滿分值) 。結果如表5所示：

表5 難易度表

難度是指測驗項目的難易程度。在教育測量中，一般是以能夠正確回答試題的人數與參加測驗的總人數之比，作為難度指標。難度是測驗中項目分析的重要內容，測驗項目的難度對測驗的信度和效度都產生直接影響(朱德全，2001: 227)。一般難度系數處于0.5左右范圍的具有較好的難易度，大于0.8太容易，小于0.3太難。難度系數P 值的分析顯示: 本試卷各題型的難度系數基本集中在0.5-0.75之間，比較恰當合理，值得注意的是，單詞拼寫難易度只有0.29，說明很難，學生不能全部掌握相關知識和應用能力。一份試卷應該由不同難度的題目按一定比例組成，因此本套試題從難易度來看，具有一定的合理性和科學性。

(四)區分度

區分度在對考生的鑒別能力上具有不可替代的測量作用，所以在進行區分度測量時，常以考試總分作為被測試對象的實際能力水平，而把被測試對象在某題上的得分與總分之間的相關系數作為該題的區分度。對于客觀題在此使用斯皮爾曼( Spearman) 等級進行相關分析; 對于主觀題來說，采用皮爾遜( Pearson)等級進行相關分析。[6]在 SPSS 中單擊分析→相關(C)→雙變量(B)，將客觀題及總分選入變量(V)對話框，選擇斯皮爾曼(Spearman)，將主觀題及總分選入變量對話框，選擇皮爾遜( Pearson)，得區分度結果。結果如表6所示：

單詞拼寫作文總分單詞拼寫作文總分皮爾遜相關性1.598**.761**顯著性(雙尾).000.000個案數525252皮爾遜相關性.598**1.728**顯著性(雙尾).000.000個案數525252皮爾遜相關性.761**.728**1顯著性(雙尾).000.000個案數525252

由客觀題和主觀題區分表可以看出，各題型區分度分別為：聽力0.689，單項選擇0.744，完形填空0.911，閱讀理解0.910，單詞拼寫0.761，作文0.728，一般認為區分度最好大于0.3，由此可以得出，各題型區分度較好。

從數據結果可以總結出，部分題目的難度過高或很低；難度過低，都不能很好地區分不同水平的個體。因而當題目的難度為中等時，區分度是最高的也是最可靠的。

四、總結和建議

(一)總結

通過運用SPSS 23軟件對初二下學期期中英語試題的進行從離散到聚合以及單項到整體的分析，得出其信度效度比較可靠，總結來說是一套比較合理的試卷，同時也希望能給初中英語教師提供科學的數據和參考，以便其在以后的教學工作中有針對性的改進教學方法，從而指導學生更有針對性地面對每次考試。

但是，必須清楚的是，由于團隊成員中存在部分在讀應屆生，沒有實際教學經歷，對于大綱的整體把握以及受試群體缺乏實際有效的了解；并且，在進行部分數據統計和分析時，采用單一的SPSS軟件進行單維度分析，在合理性和科學性上稍打折扣。

最后，基于試題編制以及數據結果的分析和報告，對于今后的英語教學和命題提出些許不成熟的建議。

(二)建議

期中考試作為學期中間階段的評價階段和手段，其對教學的作用不言而喻。 這種測試，不僅能夠讓學生在心理上有階段感、輕松感，而且能使學生進行反思和進步。期中考試作為學期學習生活的承上啟下階段，要體現教學大綱，突出重點項目，在隨堂測試的基礎上，還要具備一定的綜合性和系統性，設計的題目要能引導學生去對事實或者規則進行綜合分析， 從而在更高的水平上認識和掌握期中考試。