考試評價在教學診斷中的應用探索

丁秀濤

[摘要]“加強考試評價研究，挖掘考試數據中蘊藏的教育教學信息”是實現高考引導基礎教育教學的一個重要途徑。實踐中，模型簡單、淺顯易懂的經典測量理論在群體教學診斷方面具有明顯優勢。基于常模對高考各學科試卷進行知識、能力、素養等多維度的結構分析，通過分層分類分析法對考試數據進行深入挖掘，用考試數據進行區域教學診斷，能夠發現不同區域、不同考生群體的學科優勢與不足，引導教師更加關注學生的學科知識掌握情況、能力發展情況、素養形成情況，有利于破除唯分數、唯升學的弊端。未來需要進一步加強對考試數據挖掘分析方法的研究；進行“無錨”等值技術和方法的研究；將結果性考試數據與學校過程性考試數據相結合，進行教學綜合診斷。

[關鍵詞]高考；考試數據分析；考試評價；教學診斷

[中圖分類號]G424.74[文獻標識碼]A

[文章編號]1673—1654（2023）05—041—009

基金項目北京市教育科學“十三五”規劃2019年度優先關注課題“高考綜合改革背景下的考試評價研究與實踐”（CDEA19057）。

有什么樣的評價指揮棒，就有什么樣的辦學導向。為深入貫徹落實習近平總書記關于教育的重要論述和全國教育大會精神，2020年10月，中共中央、國務院印發《深化新時代教育評價改革總體方案》，提出“堅持科學有效，改進結果評價，強化過程評價，探索增值評價，健全綜合評價”。旨在破除“唯分數、唯升學、唯文憑、唯論文、唯帽子”的痼疾，扭轉不科學的教育評價導向[1]。

高考是連接基礎教育和高等教育的重要樞紐，對基礎教育發揮著“指揮棒”作用。《中國高考評價體系》將高考的核心功能確定為“立德樹人、服務選才、引導教學”[2]?？梢?，正在推進實施的新一輪高考改革特別注重高考對基礎教育教學的引導。如何讓考試正確引導教育教學？一個重要途徑就是加強考試評價研究，通過分析考試數據，挖掘考試數據中蘊藏的教育教學信息，反饋指導教育教學，充分發揮考試數據在教學評價與診斷中的作用。

有研究者基于中國知網2010-2019年的文獻，對近10年來普通高考考試數據的研究現狀進行了計量分析，發現：高考數據在使用量方面極其有限，基于高考考試數據研究的期刊論文數量偏少，只占高考研究文獻的1%；而且研究中所挖掘的數據量有限，很多文獻僅是基于當年某個學校或某個地區的數據進行挖掘，數據樣本很小，基于全國、全省級行政區的高考數據分析十分有限[3]。

作為大規模教育考試，高考不僅能夠完成公平評價、選拔新生的任務，而且其考試數據中蘊藏著豐富的教育教學信息，如果只將高考作為高校錄取的工具，是一種巨大的資源浪費。應當以問題為導向，以改進教學為目的，充分挖掘、分析考試數據，發揮考試數據診斷、引導教學的功能。

本著在我國現階段可操作、可推廣的原則，本文提出一些能夠運用于反饋、診斷實際教學的考試數據分析方法，以期為挖掘、利用考試數據，促進教、學、考、招協同共進提供借鑒與參考。

一、研究方法

（一）測量理論的選擇

從利用考試數據反饋、診斷、指導教育教學的角度而言，考試評價研究的客體是教育教學情況，媒介是各學科試卷（測試工具）與考試數據，考試評價研究的最終目的是改進教育教學。2019年6月，國務院辦公廳印發《關于新時代推進普通高中育人方式改革的指導意見》（以下簡稱《意見》），提出：減少高中統考統測和日?？荚?，加強考試數據分析，認真做好反饋，引導改進教學[4]。文件明確了對于考試及考試數據分析利用的要求。減少考試與統測次數，就需要更加充分地分析利用考試數據，更加充分地發揮每一次考試的功能，利用考試數據診斷教學效果，利用考試數據反饋、改進教學。

在教育考試評價領域里，經典測量理論（Classical Testing Theory，CTT）與項目反應理論（Item Response Theory，IRT）是目前被廣泛使用的兩種測驗理論，二者各有優勢[5]。近年來，項目反應理論得到業內的廣泛重視，這對考試評價領域來說是一大進步。項目反應理論在測驗等值、題庫建設、量表開發等方面明顯優于經典測量理論，但項目反應理論卻不能替代經典測量理論，尤其在我國現階段，對于廣大一線教育工作者來說，項目反應理論專業性較強，需要一定的專業背景方能理解與使用，在短時間內很難大范圍運用于分析、診斷教學。

從廣泛理解與接受度來說，模型簡單、淺顯易懂的經典測量理論具有明顯優勢。因此，選用更容易被普遍理解和接受的經典測量理論與方法展開相關研究。

（二）研究假設

基于考試數據進行教學診斷的前提是各學科試題能夠考查出考生的真實水平，達到應有的信度、效度、區分度等測量學指標。為驗證這一點，北京市每年在高考各學科考后都會第一時間召開各區教研員、教師代表參加的考后座談會；進行試卷質量的無記名問卷調查；出成績后進行相應測量學指標的檢驗。多年來，無論是定性調研還是定量檢驗，都證明北京市各學科高考試題達到了包括信度、效度、區分度等在內的相關測量學要求。

因此，提出以下三點假設作為研究的前提：（1）考生的各學科考試成績能夠反映考生各學科知識、能力的水平；（2）考生群體的各學科成績能夠反映相應考生群體的學科知識、能力的水平；（3）不同考生群體的學科知識、能力水平可以反映一個區域的教育教學情況。

（三）評價依據

一直以來，《普通高中課程標準》和《高考考試大綱》是課程教學和高考命題的依據，也是考試評價的依據。2018年1月，教育部發布《普通高中課程方案和課程標準（2017年版）》，首次基于學科本質凝練了各學科的核心素養，研制了各學科的學業質量標準，明確了學生完成各學科學習任務后，學科核心素養應達到的水平，應達成的正確價值觀念、必備品格和關鍵能力、關鍵表現。明確要求“校內評價或考試、學業水平考試、普通高等學校招生全國統一考試均應以本課程方案、課程標準和國家相關教學文件為依據”[6]。同時，國務院辦公廳在《意見》中也明確提出：學業水平選擇性考試與高等學校招生全國統一考試命題要以普通高中課程標準和高校人才選拔要求為依據，實施普通高中新課程的省份不再制定考試大綱[4]。因此，在高考綜合改革背景下，《普通高中課程方案和課程標準》既是課程教學的依據，也是考試命題的依據，更是考試評價的標準與尺度。在考試評價研究中，遵循《普通高中課程方案和課程標準》，是保證評價結果科學性的前提與基礎。

（四）在定量分析的基礎上進行質性研究

20世紀80年代，以庫巴（Egong Guba）和林肯（Y. S.Lincoln）等為代表創立了“第四代教育評價理論”。第四代評價理論在實證的基礎上，引進了質性研究方法，注意了評價過程中評價雙方的互動作用及動態分析。他們提倡在評價中充分聽取不同方面的意見，并把評價看作是一個由評價者不斷協調各種價值標準間的分歧、縮短不同意見間的距離、最后形成公認的一致看法的過程。這是在將基于考試數據的考試評價應用于診斷、指導教育教學中可以借鑒的。

為此，北京高考考試評價將定量分析與質性研究相結合，在對考試數據量化研究的基礎上進一步采用質性評價方法。量化評價使用測量手段，用統計分析方法和數學量來評價教育現象；質性評價通過觀察和實踐，用定性的分析辯證地認識教育現象。質性評價既是量化評價的基礎，也使量化數據分析得以深入，對問題間的交互影響和因果關系的分析具有獨到的優勢。把統計數據和評價者的經驗、對教學現狀的把握結合在一起，在評價中與中學教師互動，就是力求將學生的學習過程和教學過程體現在評價中。

二、基于診斷教學的考試數據分析方法

（一）分層分類分析法

我國幅員遼闊，各省市基礎教育發展存在較大差異，而對于一個省市來說，不同地區基礎教育發展也不均衡。這種差異、不均衡與當地的經濟發展、生源、師資、學校軟硬件、學生家庭背景等條件密切相關。如果忽視這些不同條件，只用一個標準來衡量不同區域、不同學校學生的學業水平是不科學的。因此，在利用考試數據分析、診斷教育教學時，有必要對各地區、各學校進行分層和分類，不同區域、不同類別學校用更適合各自的尺度來衡量，這樣才能夠準確診斷不同區域、不同學校的教育教學情況。

與全國多數省市相比，北京市總體基礎教育規模較小且相對均衡，即便如此，就北京市基礎教育內部來說，仍然存在發展不均衡問題。例如，城區與郊區基礎教育之間存在較大差異，加上初中升高中，使郊區優質生源向城區的流動、優秀教師從郊區向城區的流動，進一步加大了城郊之間高中教育的差距。同樣，在一個區的不同學校之間，也存在相似情況。因此，必須進行分層分類分析。同時，為了避免片面的唯高考成績論英雄評價各個學校，與各區約定：不進行單個學?？荚嚁祿治?，請各區根據本區教育教學實際情況將高中學校分為三至四類（同一類別學校的基本情況大致相同或相近）。根據各區劃分的學校類別，對各區高考數據進行多層次分析，形成各區的高考數據分析報告。各區的數據報告包括北京市整體、城區、郊區、本區整體、本區各類別學校5個層次。

（二）常模參照、相對比較法

高考的高利害性使得基于錨人、錨題等測驗等值的測量技術難以實現。這就使得直接利用高考數據進行教學診斷分析帶有局限性。為此，提出常模參照、相對比較法。

常模是一種供比較的標準量數，由標準化樣本測試結果計算而來，即某一標準化樣本的平均數和標準差，它是用于比較和解釋測驗結果時的參照分數標準。可細分為組間常模、組內常模。

北京采取的是全樣本分析，首先將市整體、城區、郊區的全樣本作為三個組間常模群體。為了便于各區優勢類別學校找到合適的參照目標，另從原來的市級示范校與區級示范校中分別抽取10所學校，形成示范校一、示范校二作為示范校抽樣的組間常模。

為了更精準地分析一個群體內不同層次考生的特點及其相應的教育教學情況，進一步按照各考生群體的學科總分從低到高平均分成10個學科能力水平組，形成該考生群體的10個組內常模群體G1—G10。

這樣，提供給各區用于診斷教學的高考數據，除了該區考試數據，還有北京市整體、城區、郊區、示范校一、示范校二5個組間常模數據，各區數據與各組間常模數據又都包括10個組內常模數據，供各區對區整體以及各類學校、各能力水平組學生進行學習情況的對比研究和分析。

三、多維度挖掘，讓考試數據發揮獨有價值

考試數據中蘊藏著豐富的教育教學信息，只有結合學科特點，依據學科課程標準，進行多維度深入分析，才能發現考試數據獨有的價值。

（一）維度劃分

北京在高考評價中，對每一類別的考生群體數據進行了分學科、多維度的挖掘分析。以某年度高考語文學科為例，分析維度包括：總分分析、題型分析、各內容組塊分析、各能力組塊分析、各專題分析以及各大題、各小題、各選項分析，等等。其中內容組塊包括：多文本閱讀、文言文閱讀、古代詩歌閱讀、文學作品閱讀、微寫作與大作文；能力組塊包括：識記、理解、運用、分析綜合、鑒賞評價與綜合表達；專題分析包括：文言文文本內容的理解、文言文文本內容的歸納概括、古典詩歌內容的理解和作者情感的體察、古詩文名句名篇的識記理解和運用、現代文中信息的篩選整合、現代文作者思想感情觀點態度的理解分析等。

（二）客觀、科學解讀，賦予考試數據實踐價值

經過對各學科的每一個能夠對教學診斷作為證據的維度進行統計分析，完成各學科的考試數據分析報告，只是完成了對各學科考試數據的定量研究，更加重要的是對這些數據報告進行客觀、科學的解讀，對考試數據進行質性分析，賦予考試數據實踐價值。這時，需要各學科的評價專家在聽取各區教師、教研員對各學科試卷的意見以及一線教師與考生反饋的基礎上，對照《普通高中課程方案和課程標準》，運用自己的教學經驗和對教學現狀的客觀把握，分析數據統計結果、考生的學科知識掌握情況、學科能力發展水平以及學科素養形成情況，研究所映射出的學科教育教學情況，探究影響教學的各種因素，進行歸因分析，提出教學改進建議。

（三）案例分析

從《某年度北京市高考語文學科考生水平評價及教學建議》中選取一個案例，介紹高考評價在教學診斷中的具體應用方法。

評價研究組將當年語文學科試卷按照考查內容分為多文本閱讀、文言文閱讀、古代詩歌閱讀、文學作品閱讀、微寫作、大作文6個組塊。全市考生在各組塊的整體表現如表1所示：

從表1可以看出，各內容組塊考生得分率由高到低依次為多文本閱讀、作文、微寫作、文學作品閱讀、古代詩歌閱讀、文言文閱讀，考生得分率最低的是古詩文閱讀。結合標準差和差異系數看，考生成績在古代詩歌閱讀和文言文閱讀兩個組塊離散程度最大。為了解不同能力水平學生的特點，將考生按照語文學科總分從低到高平均分為10組（G1-G10），根據各組考生在各知識組塊的得分率做出該年度高考語文各內容組塊分組得分率曲線圖。

從圖1可以明顯看出，各內容組塊高分組與低分組水平差距由大到小依次為古代詩歌閱讀、文言文閱讀、文學作品閱讀、多文本閱讀、作文、微寫作。可以說，古詩文閱讀是拉開考生差距的關鍵組塊。對于古代詩歌閱讀，全市前20%的優秀學生得分率能夠達到0.7以上，而后20%的學生得分率低于0.4。對于文言文閱讀，無論哪個層次的考生，表現都不令人滿意，全市前10%的優秀學生得分率也未能達到0.8，全市中等生（G3-G7）得分率在0.5左右，而后20%的學生得分率僅在0.3左右。這固然有命題難度的原因，但也暴露出學生在古詩文閱讀方面的薄弱之處[7]。

進一步從當年古詩文閱讀組塊中選取第12題進行分析。

第12題考查了傳統文化經典《論語》的閱讀。其中，第12_1題需要考生在理解文意的基礎上把握孔子的思想，第12_2題則要求考生能夠準確解說不同學者對同一句子的解讀，既考查獨立閱讀文言文的能力，又考查對孔子思想的把握。

結合表2相關數據及圖2可知，第12題得分率為0.41，考生整體表現不理想。G10組考生優勢較明顯，平均得分率為0.72，G1-G3組得分率均在0.30之下，其中G1組得分率只有0.14。

評價專家認為，客觀地說，在本屆學生的教學過程中，廣大一線教師對《論語》的閱讀非常重視，在內容整合、專題教學、策略優化等方面付出了許多努力，但從第12題考生的表現看，成效還有待提升。文化經典論著教學面臨著諸多挑戰：閱讀時有較大的文字障礙，基礎薄弱的學生讀懂尤其困難；內涵豐厚，博大精深，對學生的認識水平、思維能力要求較高。但是，無論是弘揚中華民族優秀的傳統文化，還是為各學科閱讀古代文獻提供助力，都需要切實提高學生的古文閱讀能力。因此，建議教學中進一步加大古文閱讀量的積累，且注重“面”（不同文體）的拓展，在此基礎之上，將古文當作現代文來教，培養閱讀理解能力，尤其是讀懂文意的能力[7]。

四、基于考試數據進行區域教學診斷

（一）參照常模群體的選擇確定

測驗分數必須與某種標準比較，才能顯示出它所代表的意義。選擇參照常模群體就是為所研究的考生群體尋找一個參照標準。如果參照標準過高，將會直接影響研究對象改進的積極性與自信心，認為自己無論怎樣努力也趕不上目標；而參照標準過低又會使研究對象認為自己已經達標而缺少繼續改進的動力。因此，選擇參照常模群體的原則是“跳一跳，夠得著”，選擇略高于研究對象水平的常模群體作為參照標準。

當利用高考考試數據進行某研究區域各學科教學情況分析時，可以通過對各群體總分的分析，找到略高于該區域總分得分率、分數分布相近的組內常模群體作為參照常模群體。為便于進行連續追蹤研究，參照常模群體選定后應穩定一個時期。進入新一輪高考綜合改革后，高中學業水平選擇性考試（即等級考）等級轉換分的加入使得高考總分的教學診斷意義降低。但是，由于各組間常模群體的整體水平是相對穩定的，故仍可使用改革前的高考總分來確定參照常模群體，這樣，也有利于進行改革前后的對比研究。

因高考數據的敏感性，不便選用近兩年的數據。因此，下面以改革前某區某年理科數據為例，演示如何選擇確定參照常模群體。

從表3可以看出：該區理科考生整體水平介于城區與全市平均水平之間，其中，一類校學生最為均衡，水平略低于示范校二，離散程度接近；二類校水平與北京市整體接近，但學生差異明顯小于全市整體；三類校是該區教學的薄弱點，考生間差異最大，不僅與一、二類校有較大差距，而且水平遠低于郊區平均水平。因此，選定城區作為該區整體的參照常模群體，選擇示范校二作為該區一類校的參照常模群體，選擇市整體作為該區二類校的參照常模群體，選擇郊區作為該區三類校的參照常模群體，進行各學科橫向與縱向的對比分析，以找到各類學校教育教學中的優勢與不足。

（二）各學科考試數據的具體分析方法

1.確定差異基準

基準是在測量工作中用作起始尺度的標準。差異基準是指研究對象與參照常模群體高考成績的整體差異，用R表示。

如上所述，在進行某區域學科分析之前，首先要確定該區域各群體的組間參照常模群體。確定組間參照常模之后，計算研究對象的總分得分率與參照常模的差異，該差異即可作為研究對象與參照目標的差異基準R。

2.學科教學分析：計算學科差異，診斷優勢與不足

有了差異基準R，再逐一計算該區域各學科的得分率與參照常模群體得分率的學科差異D；用學科差異D減去差異基準R，即可得到學科水平L；當L大于0時，說明相對參照常模，該學科為優勢學科，當L小于0時，說明相對參照常模，該學科為劣勢學科。

為避免一次考試的局限性，無論是在尋找參照常模群體時，還是在分析優勢、劣勢學科時，應采用同樣的方法對比連續1-3年的歷史數據。

下面仍以改革前的一組數據為例說明具體分析方法。假設某區某年理科考生各學科得分率如表4所示：

從表4可知，在各學科中，得分率最高的是數學（理）0.74，得分率最低的是語文0.67，如果按照以往不考慮各學科試題難度、直接用各學科平均成績來衡量各學科的教學情況，無疑是數學成績最好，語文成績最低。

事實果然如此嗎？假設通過總分分析，已經確定城區作為該區的參照常模群體。利用前面介紹的計算方法得出差異基準R，以及各學科的學科差異D和學科水平L，匯總形成表5：

由表5可知，對比該區與參照常模群體城區，他們之間的差異基準R=-0.01。該區理科考生的語文、英語兩科得分率與城區持平，其他學科都比城區平均水平低0.01。用學科差異D減去差異基準R，得到各學科水平L，語文、英語學科的學科水平L為0.01，其他學科為0，說明該區語文、英語為優勢學科。用同樣的方法追溯往年數據，發現該區理科學生的語文、英語的學科水平L一直大于0，兩科成績與參照常模城區的差距一直小于理綜、數學與城區的差距。因此判斷，該區理科的優勢學科是語文與英語，弱勢學科是理綜與數學。如果想改進提升教學，達到城區平均水平，應在數學與理綜各科上多下功夫。

3.學科內部知識、能力、素養教學分析：確定學科差異基準r，計算組塊差異d，診斷教學不足

要診斷、改進教學，只分析到學科層面是不夠的，還需要深入到學科內部進行考生學科知識掌握情況、學科能力發展情況以及學科素養形成情況的分析。前面的分析方法同樣可以適用到學科內部的各組塊、各個題目。

當進行學科內部知識、能力、素養分析時，將某區域某學科得分率與參照常模得分率的學科差異D作為學科差異基準r，然后計算該學科各知識、能力、素養組塊的得分率與參照常模相應組塊得分率的差異d；用學科組塊差異d減去學科差異基準r，得到學科各知識（能力、素養）水平l；當l大于0時，說明在該學科中，本區域考生的某知識掌握情況（或能力發展水平、素養形成情況）較好；當l小于0時，說明在該學科中，本區域考生的某知識掌握情況（或能力發展水平、素養形成情況）較弱。

通過對學科內部知識、能力、素養的分析，就可以更加精準地找到學科教學中存在的問題與不足，再結合區域、學校的教育教學實際，進行具體的歸因分析，就可以對癥下藥，找到解決問題、彌補不足的方法，從而提升學科教學水平。

這種選擇確定參照常模群體進行相對比較的解讀考試數據方法，在一定程度上彌補了因缺少測驗等值給考試數據分析帶來的局限與誤差。

五、適應綜合改革需要，強化考試評價研究

隨著高考綜合改革逐步向縱深推進，教、考、招構成嚴謹的強耦合系統，任何一個環節的改革都必須放在這個全鏈條中進行考慮，以增強改革推進的系統性[8]。其中，高考內容改革是各項改革的一個重要樞紐。由于高考的高利害性和保密性，能得到并使用高考原始數據的研究人員極其有限。因此，專業化教育考試機構不僅需要研究構建引導學生德智體美勞全面發展的考試內容體系，而且需要加強考試數據的分析，以服務教學為目的，強化考試評價研究。

基于高考數據進行教學診斷的考試評價研究，會不會更加強化高考分數的作用，強化唯分數、唯升學？筆者認為恰恰相反。原因有三：

（一）考試評價研究有利于克服唯總分、唯升學的簡單排隊

破除唯分數、唯升學，并非不要分數、不要升學，而是要改變只重視高考總分、只看高考錄取率的痼疾。基于高考數據進行學科教學診斷，能夠引導學校、教師更加關注教學過程，在一定程度上淡化高考總分、學科總分、錄取率的影響，克服唯總分、唯升學的簡單排隊，減輕唯分數、唯升學對教師的壓力。

（二）考試評價研究有利于引導“從育分走向育人”

基于高考數據，通過分層分類、常模參照、相對比較法進行教學診斷，能夠讓高考數據發揮獨有的價值，發現不同區域、不同考生群體的學科優勢與不足，引導區縣、學校更加重視對學科教學效果的分析，引導教師更加關注學生的學科知識掌握情況、能力發展情況、素養形成情況，引導基礎教育“從育分走向育人”。

（三）考試評價研究可以為教育督導、教育管理以及教育教學決策提供科學依據

作為國家教育考試，高考、學業水平考試具有很高的權威性、科學性，各學科考生水平評價及教學質量分析報告的反饋，讓教育督導部門、管理部門、教研部門能夠及時了解學生學科知識掌握、學科能力發展、學科素養形成情況，為教育督導、教育管理和教學決策提供科學依據。

大規模教育考試形成、積累了海量的考試數據，其中蘊藏著許多非常珍貴的教育教學信息。為了適應改革需要，更好地挖掘利用考試數據反饋、診斷、指導教育教學，建議專家、學者加強以下方面研究：一是運用項目反應理論、認知診斷理論等進一步加強對考試數據挖掘、分析方法的研究，開展對考生個體的評價；二是進行基于無錨題、無錨人條件下的“無錨”等值技術、方法的研究，以實現對考試數據的縱向對比分析；三是將高考、學業水平考試等結果性考試數據與學校過程性考試數據相結合，進行教學的綜合分析診斷。

考試評價研究的目的是改進，發現每個區域、每個群體、每個考生的優勢與不足，讓每個區域、每個群體、每個考生都能取得進步。只有這樣，考試才能與教學形成良性互動，助力素質教育發展，助力學生全面而有個性的成長。

參考文獻：

[1]中共中央國務院.深化新時代教育評價改革總體方案[EB/ OL].（2020-10-13）[2021-02-10].http：//www.moe.gov.cn/jyb_xxgk/moe_ 1777/moe_1778/202010/t20201013_494381.html.

[2]教育部考試中心.中國高考評價體系[M].北京：人民教育出版社，2019：12.

[3]朱文琪.近十年來普通高考考試數據研究的現狀與思考——基于中國知網2010-2019年的文獻計量分析[J].教育理論與實踐，2021，41（7）：17-24.

[4]國務院辦公廳.關于新時代推進普通高中育人方式改革的指導意見[EB/OL].（2019-06-19）[2021-2-10].http：//www.gov.cn/zhengce/ content/2019-06/19/content_5401568.htm.

[5]張敏強，梁正妍.新高考改革背景下的教育考試數據評價[J].中國考試，2020，（1）：22-25.

[6]教育部.普通高中課程方案（2017年版）[M].北京：人民教育出版社，2018：3.

[7]北京教育考試院.北京市高考考生水平評價報告[M].北京：開明出版社，2019：12.

[8]孫海波.把握新時代改革方法論，以系統觀念全面協調推進高考改革[J].中國考試，2021，（7）：1-6.

Research on the Application of Examination Evaluation in Teaching Diagnosis

Ding Xiutao

Beijing Education Examinations Authority，Beijing，100083

Abstract：The new round of college entrance examination reform pays special attention to the guidance of elementary education and teaching.The important way to realize it is to strengthen the research of examination evaluation through the analysis of examination data，excavating the education and teaching information contained in the data，and guiding education and teaching. In practice，the classical measurement theory has obvious advantages in group teaching diagnosis.Based on the norm，this paper analyzes the knowledge，ability，literacy and other multi-dimensional structure of the college entrance examination data.Through the hierarchical classification analysis method，this paper deeply excavates the test data，and uses the test data for regional teaching diagnosis，which can find the subject advantages of different regions and different candidate groups.It can guide teachers to pay more attention to studentsmastery of subject knowledge，ability development and quality formation.This evaluation help to breaking the disadvantages of score only and entering a higher school only，and promoting the formation of benign interaction between examination and teaching.In the future，the research can be strengthened in three aspects. Firstly，the research could further strengthen the research on the test data mining analysis methods and carry out the evaluation of individuals. Secondly，the research could study the technology and method of“anchor-free”equivalence，so as to realize the vertical comparative analysis of test data.Thirdly，the research could combine the result test data of collage entrance examination and academic level test with the school process test data to carry out comprehensive analysis and diagnosis of teaching.

Key words：College Entrance Examination，Examination Data Analysis，Examination Evaluation，Teaching Diagnosis

（責任編輯：吳茳）