英語寫作評分量表研究

房雅琨

(西安外國語大學英文學院，陜西 西安 710100)

一、引言

評分是語言測試中的重要一環，而評分量表是評分過程的核心。寫作評分量表，有時也被稱為寫作評分標準，它體現了寫作測試的構念，其設計對分數的普遍性、對考生能力預測的精確性、對分數的信度有著直接的影響。評分量表可用于基于形成性評估方法的教學(Panadero＆Jonsson，2013)，在寫作過程中使用評分量表有助于學習者提升寫作質量(Greenberg，2015)。鑒于評分量表在寫作評估中的重要地位，文章對英語寫作評分量表的幾個關鍵問題進行了梳理和討論，分析了評分量表的功能，評分量表的四個類別及各自的特點，量表設計的方法和典型案例，以期為我國英語寫作測試評分量表的研究及實踐提供參考。

二、評分量表的目的和功能

明確量表的功能十分重要，根據量表的目的和功能，Alderson(1991)將評分量表劃分為三類，對于不同的類別，描述語會用不同的方式來表達。

(1)面向建構者的量表，其功能是指導測試開發人員在學生適當的水平下設計測試任務和教學大綱，并提供一套測試規范，說明在特定的水平下應該衡量哪些語言技能，描述語通常表述為學習者可能遇到的交際寫作任務。

(2)面向評分者的量表，具有指導評分過程的功能，評分者需要將寫作文本與量表描述語進行比較。描述語通常表述為預期的某一水平的學生寫作質量的各側面，并被作為不同評分者的共同標準，從而提高測試的信度和效度。

(3)面向使用者的量表，具有報告功能，用于報告考生在任何給定級別下的典型的或可能做出的行為信息，使測試使用者能夠解讀測試結果。

這三類適用于不同利益相關群體的量表提供不同的信息，使用不同的措辭。例如，用于開發測試任務的面向建構者的量表可能包括一些技術語言和專門詞匯，這些對于測試使用者(包括學生和教師)來說可能是難以解釋的(Montee＆Malone，2013)。Alderson認為，用來評定第二語言行為表現的量表應該是面向評分者的，也就是說，他們應該把重點放在考生表現中體現的語言能力的各個側面。但同一個評分量表可以融合不同的功能，例如著名的 FSI scale，the ILR scale，the ASLPR scale，the ACTFL scale。Pollitt＆ Murray(1996)對Alderson的上述分類進行了擴展，增加了一個以診斷為導向的量表分類，其功能是向教師和學生傳遞診斷信息。

三、評分量表的四種類型

在確定了量表的功能之后，量表設計者需要決定使用哪種形式的評分方法。從形式來看，評分量表可以分為四類:整體式評分量表，分析式評分量表，關鍵屬性評分量表，多屬性評分量表(Hyland，2003)。不同類型評分量表的區分主要依據兩個特征:①該評分量表是針對某個特定的寫作任務與語境的，還是適用于不同的寫作任務與語境；②每個寫作文本最終得到了一個整體分數，還是多個分數。

整體式評分量表要求評分員形成對寫作表現的總體印象，并將其與量表上最合適的等級相匹配，給寫作文本打一個綜合分數。每個等級都從詞匯范圍、語法準確性、流利性等幾個維度來描述學習者的寫作表現。國外的 TOEFL考試，國內的CET-4、CET-6考試，研究生英語入學考試的作文評閱，都采用了此類量表。整體式評分標準背后基于的原理是，寫作是一個單一的實體，這最好通過整合寫作內在品質的單一分數來捕捉(Hyland，2003，p.227；Knoch，2009)。 它們大多采用正向的描述語，強調寫作者的優勢(Cohen，1994；White，1984)。該評分方法與真實的閱讀過程相似(White，1984)，可以最大限度地減少評分員必須做出的決定，從而節省評分時間。

在分析式評分量表中，量表設計者確定幾個突出的寫作特征作為評分維度，例如詞匯、內容、語法和組織，并根據寫作質量對每個維度進行評分，最終計算總分。典型的量表有Jacobs等人開發的“以英語為第二語言的作文評分標準”(the ESL Composition Profile，Jacobs，Zinkgraf，Wormuth，Hartfiel＆Hughey，1981)，雅思考試寫作評分量表，以及國內的TEM-8寫作評分量表。分項式評分量表能夠針對學生寫作的強項和弱項進行反饋，并且詳細記錄了學習者獲得某個分數的原因。相比于整體式量表，分析式量表信度更高(Knoch，2009；李航，2015；孫海洋，韓寶成，2013；席仲恩，汪順玉，2010)。

Llyod-Jones和Carl Klaus于1977年為National Assessment of Educational Progress(NEAP)開發了關鍵屬性評分量表(Lloyd-Jones，1977)，此類評分量表為某個特定的寫作任務設計，評分的依據是寫作者成功完成該寫作任務的程度。量表設計者識別出完成給定任務或提示所需要的主要語言功能或修辭特征，評分決策則基于該特征的完成程度(Davis，2018)，例如“說服讀者”“任務完成度”，圍繞這一特征確定量表每一級的描述語。由于此類量表是為每一項任務專門設計、依賴于語境的，評分結果不能推廣到其他寫作任務，因此被認為是費時費力的 (Shaw ＆ Weir，2007，p.149；Knoch，2009)。

Hamp-Lyons(1991)設計了多屬性評分量表。它基于主要特征評分的概念，用于向學習者或教師、家長等利益相關者提供關于成績的診斷性反饋，該量表同樣適用于特定的語境和任務，不能在其他任務中重復使用。多特征評分量表與分析式評分量表相似，因為它也有多個評分的維度。它們的不同之處在于，分析式評分量表包含的更多的是傳統的和通用的維度，而多特征評分量表則側重于完成給定任務所需的具體特征，維度的制定是為了與寫作提示保持一致。

量表類型的選擇將取決于測試目的，測試結果將如何使用，以及當地的實際條件。考慮到關鍵屬性評分量表和多屬性評分量表的局限性，整體式和分析式量表的應用更加廣泛。

四、設計評分量表的方法

評分量表的設計是一個迭代的過程。Fulcher，Davidson和Kemp(2011)將評分量表的設計方法分為測量驅動法(the measurement-driven approach)和考生表現數據驅動法(the performance data-based approach)。前者強調描述語在量表上的等級順序。考生的寫作表現不作為量表設計的來源，而是在事后作為量表各個等級的參照樣本。最為典型的是“直覺法”(a priori method)，該方法依賴專家的知識和經驗設計評分量表。現在較為流行的還有“標準分級描述語”方法(Scaling descriptors，North＆Schneider，1998)，收集其他現有量表中的描述語，教師利用這些描述語對學習者的能力進行感知，通過Rasch模型對描述語難度進行分析。測量驅動法指導下設計的量表，常被批評為缺乏語言使用和二語習得的理論基礎，還存在描述語較為抽象、不夠豐富的問題(Fulcher et al.，2011；North ＆ Schneider，1998，pp.242-243)。

考生表現數據驅動法在量表設計過程中重視對寫作表現的觀察，并對其進行詳細描述，將其作為建立量表各等級之間差異的參考。具有代表性的是Fulcher(1996)的研究，量表設計者收集考生樣本并對其進行打分，通過話語分析識別出關鍵特征，通過判別式分析得出每個特征的等級數量。該研究針對口語任務設計，但同樣也適用于寫作量表的編制。另一個代表是“經驗導出的、二元選擇的、邊界定義的量表”(the empirically derived，binarychoice，boundary definition scales，EBBs)，評分過程由一系列二元決策問題驅動(Upshur＆Turner，1995)。Fulcher等(2011)將以上兩種方法結合，設計了“考生表現決策樹”(performance decision trees，PDTs)。考生表現數據驅動法指導下設計出的量表包含了對特定領域和體裁下寫作表現的描述，因此僅僅適用于創建該量表的語境。

五、結語

評分量表的目的是指導評分過程，幫助評分者做出可靠的判斷。文章回顧了英語寫作評分量表的一些關鍵問題。評分量表主要面向測試建構者、評分者、使用者三類群體，用來評定第二語言行為表現的量表應該是面向評分者的。評分量表可以分為整體式評分量表、分析式評分量表、關鍵屬性評分量表、多屬性評分量表四種類型。量表設計的主流方法可以分為測量驅動法和考生表現數據驅動法。未來研究應該進一步探討如何整合不同類型的評分量表，評分量表設計和效度驗證方法的優化或新方法的選擇。