義務教育學校紙筆考試試卷質量評價標準研究

[中圖分類號]G424.74[文獻標識碼]A [文章編號] 1673—1654（2024）04—067—007

一、義務教育學校試卷質量標準的必要性

準，引領教師提高命題技能，引領學校建立命題質量評價機制，提高學校考試命題的科學性、專業性、客觀性[2]。

2021年教育部辦公廳頒布《關于加強義務教育學校考試管理的通知》，要求各地義務教育取消區縣統考，全面實施學校自行考試。要克服試題“難度較大、質量不高”的質量問題，完善現有義務教育學校紙筆考試試卷質量評價標準，引導學校構建試卷質量管理機制，保障學校考試命題質量；引領一線教師樹立正確的校考命題理念，提高常規命題技術。試卷質量評價指標是衡量考試科學性和有效性的重要依據，應當完善義務教育學校考試命題質量評價標

2021年中共中央辦公廳、國務院辦公廳印發《關于進一步減輕義務教育階段學生作業負擔和校外培訓負擔的意見》，要求降低考試壓力，改進考試方法，不得有提前結課備考、違規統考、考題超標、考試排名等行為。同年，教育部辦公廳《關于加強義務教育學校考試管理的通知》明確規定，“各地不得面向小學各年級和初中非畢業年級組織區域性或跨校際的考試；學校和班級不得組織周考、月考、單元考試等其他各類考試，也不得以測試、測驗、限時練習、學情調研等各種名義變相組織考試”。隨著取消統考政策的落實，校考興起，學校必須端正教師的校考命題理念，培訓教師相關命題技能，建立學校考試管理機制，保障學校考試命題質量。這些將是義務教育學校當下非常重要的新工作。

二、義務教育學校試卷質量評價標準的特殊性

國外學者對于試卷質量側重使用項目反應理論和經典測量理論做量化評價，常見的定量評價指標包括信度、效度、難度、區分度等。國內公開發布的試卷質量評價指標體系或評價標準較少，側重學科定性評價，常見的定性評價指標包括適綱性、科學性、適度性、導向性、規范性、結構性、公平性等。有學者基于學科定性評價和測量學定量評價提出了比較系統的中高考試卷質量評價指標體系，具有理念先進、遵守學科課標、符合測量常規、社會后效良好四個一級指標，包含重視政治方向、順應教育改革、破解應試教育、敢于命題創新、試題無錯無瑕、突出主干知識、凸顯核心素養、合理控制難度、整卷信效度高、評分標準科學、排版科學美觀、公平公正性強、高分段高區分、合理引導教學、社會認可度高15個二級指標4。目前的國內外試卷質量評價標準比較適合大規模的區域性測試，如中考、高考、區域質量監測等，但不適合義務教育學校考試。

學校考試是指學校針對本校學生自行組織、命題、批改、診斷和評價的考試，是學校教育教學工作重要的常規環節。學生數量規模和成績分化程度明顯小于區域測評。其主要目的是獲得教學過程中的連續性反饋，及時了解學生的學習效果、學習歷程、學習特點、學習困難等信息，及時預測監控班級和學生個體的發展態勢，作為下階段教學改進的依據]。學校考試不是選拔、評估和排名考試，而是側重導向、診斷、激勵和促進的低利害的小規模校本化考試。要通過學校考試內容的導向，引導學生重視課上、作業等日常學習過程。還要通過考試數據診斷學生個體學習效果，基于成績變化診斷學生的學習效益；提供試題和題組的得分數據，發揮考試的促進功能，提高學生自我評價、自我反思的能力，引導學生合理運用評價結果改進學習。應當預設合理的考試難度，保護學生的學習自信心、學習興趣和學習效能感，激勵學生努力學習，以利于身心健康發展。同時，還要基于考試數據診斷教師教學效果，促進教師改進教育教學行為。

義務教育學校考試試卷質量評價不能類似中高考、區域統考那樣高要求、高標準。原因有四，一是學校考試的性質和功能不同于這些大規模統考；二是學校考試的命題者和評估者是一線普通教師，不是區域的命題專家和評估專家，兩者專業水平相差懸殊；三是學校考試采集到測量學數據的全面性、精細性遠不如區域統考；四是要考慮到一線學校的操作性和教師的接受性。

綜上所述，義務教育學校考試試卷質量評價要突出四個原則。一是對教師的引領性原則，通過義務教育學校考試試卷質量的評價標準引領學校學科評價改革，提高教師學科命題評價能力；二是對學生的導向性原則，以命題評價改革引導學生改良學習，促進學生對自已學習過程的反思和改進；三是對命題者的通俗性原則，讓一線普通教師、特別是新教師都能看懂指標、理解指標；四是對學校的可操性原則，有關指標要易于學校采集和計算，讓學校普通管理者都可以根據本指標體系，開展試卷質量評價和管理工作。因此，基于這四個原則，在指標設計上盡量做到學科質性評價和教育測量學量化評價相結合，試題評價和整卷評價相結合，命題質量評估和命題技術指導相結合，命題專家水準和一線教師基礎相結合，理想的命題理念和實踐操作相結合。

三、義務教育學校考試試卷質量評價指標體系與評價方法

根據義務教育學校考試的性質和功能、評價標準的特殊性和四個原則，構建包含3個一級指標、10個二級指標的義務教育學校考試試卷質量評價體系，如表1所示。

（一）遵守學科標準

1.范圍要求合標

學校考試命題要嚴格遵守課程方案、各學科的課程標準和學科學業質量標準，嚴格按規定的考試性質和考試目的、命題原則、命題規劃、試題研制等規則進行，不得超標命題和隨意擴大、壓減考試內容范圍。

評價要素：（1）考試內容范圍沒有超出課標。（2）沒有偏題怪題、學科競賽試題及校外培訓內容。（3）考試水平要求與課標要求一致。例如，課標上規定的教學要求是“理解”，就應考查“理解\"水平，不應考查“識記”或“應用”。（4）考試內容不能超出國家課程標準規定的正常的教學進度。

評價方法：（1）（2）（3）（4）都達標，優秀；（1）（2）（3）達標，良好；（1）（2）達標，合格；其余情況，不合格。二級指標包含若干評價要素，各評價要素采取0-1賦分，也就是達標和不達標（下同）。

2.突出主干知識

一冊教材涉及很多知識點，這些知識點自成體系，必有學科主干知識和重難點。考點覆蓋面越大，越能夠提高試卷內容效度。學校考試內容既要重視覆蓋面，也要凸顯學科主干知識和重難點。

評價要素：（1）各板塊內容都要有考查，而且分數占比與相應的教學課時數相當。（2）各單元內容都要有考查，而且分數占比與相應的教學課時數相當。（3）考點覆蓋面 80% 以上。（4）主干知識及重難點都要有考查，且題量和分值占 70% 以上。（5）適度減少總題量，讓學生作答時間有富余。

評價方法：5項達標，優秀；4項達標，良好；3項達標，合格；其余情況，不合格。

3.重視學科素養

學校考試必須是基于學科課標核心素養的考試評價，強化素養導向，注重對正確價值觀、必備品格和關鍵能力的考查。2022年版各學科新課標都提出了學科各自的核心素養和關鍵能力。

評價要素：（1）與學科核心素養、關鍵能力匹配的試題數量要占多數。（2）與學科核心素養、關鍵能力匹配的試題分數權重較大。（3）死記硬背等機械記憶的試題較少。

評價方法：3項都達標，優秀；2項達標，良好；（1）或（2）達標為合格；其余情況，不合格。

4.整卷難度合理

新課程新課標要求義務教育學校考試要增強日常考試評價的育人意識，“雙減”新政要求給學生減負。學校考試要合理把握試卷的難度，讓合適的考試成績成為學生學習的催化劑和動力，從而發揮學校考試的激勵功能和促進功能。讓優等生拿不到滿分，考出危機感；讓中等生的分數差距縮小，考出競爭意識；讓后進生拿到基本分，考出希望和自信。

試卷難度分為整卷統計學難度和學科難度。一道試題即使學科難度很大，但如果考生都會做，那么統計學難度不大。要控制的是整卷的統計學難度。學校考試是過程性考試，是基于課程標準的考試，通常要求小學考試難度范圍0.9-0.95，初中0.80-0.85，盡量不出現滿分現象。盡量做到高及格率，小學不及格率要低于 5% ，初中不及格率要低于 10% 。低分段和高分段兩極要有較好的區分度，即小學考試對后 5% 和前 10% 左右的學生有較好的區分度，初中考試對后 10% 和前 20% 左右的學生有較好的區分度。分數標準差較小，離散程度較小。分數分布呈現狹窄高峰型，峰度系數大于3。

評價要素：整卷難度合理。

評價方法：小學難度值0.9-0.95，初中難度值0.80-0.85，優秀；小學難度值0.95以上，初中難度值0.85以上，良好；小學難度值大于等于0.80，初中難度值大于等于0.75，合格；小學難度值低于0.80，初中難度值低于0.75，不合格。

（二）試題質量良好

1.試題無錯無瑕

評價要素：（1）試題描述明確、正確、準確，不缺乏必要條件、無歧義。（2）試題的情景、設問、答案、評分標準具有內在邏輯性，無學科性錯誤。（3）設問符合教材課標的教學要求，指向明確，不會讓學生答非所問。（4）答案正確、合理、無爭議。（5）試題的文字、數據、圖示和表格精煉。（6試題情境與學科內容相互融合，具有真實性、典型性、適當性和公平性。

評價方法：6項都達標，優秀；（1）（2）（3）（4）達標，（5）或（6）達標，良好；（1）（2）（3）（4）達標，合格；其余情況，不合格。

2.評分標準科學

評價要素：（1）命題者在試卷印刷前必須提供完整的評分標準。（2）各題目分值累計與總分一致。（3）各題型、板塊、大題賦分合理。（4）各小題賦分合理。（5）計算題、問答題、議論題、寫作題等主觀題的評分標準比較規范，層級賦分符合認知程度，對綜合題、開放題、探究題、項目化學習、跨學科等復雜的試題可采取SOLO評價賦分法。（6）對不同解法的評分細則有所不同。

評價方法：6項都達標，優秀；（1（2）和其他2項達標，良好；（1（2）達標，合格；其余情況，不合格。

3.試題有區分度

試題效度是指對于一個既定的目標，在做出推論和提供解釋過程中評價的有用性程度，是高質量評價的首要條件7]。

根據美國測驗專家艾伯爾（R.L.Ebel）的研究成果：鑒別指數大于0.3，表明試題的區分度良好；大于0.2，區分度尚可；0.19及以下，區分度差；區分度是負值，說明優生得分情況比后進生差，屬于必須淘汰的題目[8]。

義務教育學校考試是標準參照考試，是達標性考試，大部分試題側重達標和不達標的區分。由于小學和初中整卷難度分別在0.90、0.85以上，預期小學和初中學校考試很多試題區分度會低于0.2。區分度低于0.2的試題，對全體學生而言，沒什么區分度，但是對高分組或低分組學生依然可能有較好的區分度。

學校考試可以采用試題難度值曲線來直觀反映試題的區分度。如圖1，難度曲線顯示本題對各個層次學生都有良好的區分度，是區分度較高的試題。圖2中左邊的難度曲線顯示該題對低分組學生有較高的區分度，對中等生、高分段學生沒有區分度；中間的難度曲線顯示本題對中等生有良好的區分度，對低分組和高分組區分度較小；右邊的難度曲線顯示該題對高分組學生有良好的區分度，對中等生和低分組學生沒有區分度。圖3難度曲線呈凹型，低分組得分率高于中等生，表明該題有問題；同理，難度曲線呈凸型，表明中等生得分率高于優生，也是有問題的試題。圖4難度曲線很平直，而且低分段的得分率略高于高分段，區分度是負值，也是有問題的試題。

學校也可以采用各等第學生的得分值（或得分率）來直觀反映試題的效度。把學生學科成績由高到低分成ABCDE五等，各占 20% 。ABCDE等第學生試題得分率依次明顯下降，說明該試題對全體學生有良好的區分度；如果五個等第得分率都差不多，說明本題沒有區分度；如果ABCDE五個等第的試題得分率依次明顯上升，說明本題區分度是負值，屬于負相關關系，是有問題的試題。

評價要素：（1）沒有出現負相關、區分度為負值的試題，沒有出現類似圖3、圖4現象。（2）沒有出現區分度低于0.1的試題（3）大部分試題區分度大于0.2。

評價方法：3項都達標，優秀；（1（2）達標，或（1）（3）達標，良好；（1）達標，合格；（1）不達標，不合格。

（三）試卷結構良好

1.試題來源結構合理

通過試題來源的導向性，引導學生重視課堂，重視課本、作業等日常性學習。

評價要素：（1）直接或改編于課文中原文、例題、作業的試題數量、分值占 20% 左右。（2）直接或改編作業本或官方作業的試題數量、分值約占 20% 分值。（3）直接或改編課堂練習，講評過的、考過的試題數量、分值約占 50% 分值。（4）其他來源試題數量、分值約占 10% 分值。

評價方法：4項都達標，優秀；3項達標，良好；2項達標，合格；其余情況，不合格。

2.試題類型結構合理

學校考試要考查核心素養、關鍵能力等，既要增加綜合性、開放性、應用型、探究性試題比例，減少機械記憶性試題，同時也要防止試卷難度過大。所以學校考試要增加綜合性、開放性、應用型、探究性試題數量比例，同時嚴格控制這些題目的分值。

評價要素：（1）情景題達半數以上。（2）綜合性、開放性、應用型、探究性、跨學科試題數量較多。（3）綜合性、開放性、應用型、探究性、跨學科試題的分值較少。（4）選擇題、填空題、計算題等題型結構合理，其中死記硬背的填空題和選擇題的數量很少。（5）合理控制選擇題單題難度，減少學生考試猜測性。

評價辦法：5項達標。優秀；（1）和其他3項達標，良好；（1）和其他2項達標，合格；其余情況，不合格。

3.試卷答卷排版合理

試卷答卷的字體大小、行距大小、圖表大小、試題排序都會影響學生的考試心理和成績。排版要合理、易讀、美觀，方便學生審題和作答，同時要做到試卷和答題卡一一對應。

評價要素：（1）答題卡和試卷必須一一匹配。（2）一道試題不能分在兩頁，尤其正反面。（3）試題圖片大小合適，印刷清晰，題圖對應，圖文一致，相互靠近，不容易錯覺錯位；不同題自的圖表不能過分靠近。（4）答題區域大小滿足答題需要。（5）字體大小合適、行距合適。（6）試題及其圖表中的文字、數字、字母符號的字體字號統一。（7）同一組試題排序總體上要先易后難、先熟悉后陌生，利于學生考試心理平穩，思維有序展開，正常發揮水平。

評價辦法：7項達標，優秀；（1（2）（3）（4）和其他2項達標，良好；（1）（2）（3）（4）達標，合格；其余情況，不合格。

四、義務教育學校考試試卷質量評價指標賦分辦法

將二級指標分為最重要指標、重要指標、一般指標三個級別，對應的分數權重也由高到低分別為20% 0.10%.5% 。二級指標滿分為100分，最重要指標、重要指標和一般指標滿分值分別為20分、10分、5分。各學校可以根據本校教師的命題水平和常見試卷質量存在的問題，校本化微調二級指標分數權重大小。

試題無錯無瑕和整卷難度合理這兩個二級指標設為最重要指標；也特別規定，試題無錯無瑕和整卷難度合理這兩個指標都為一票否決指標；如果其中一個評價為不合格，全卷為不合格。

學校考試必須重點考查學科素養和主干知識，必須體現教學的重難點，這方面的試題數量和分值應該多一些，這反映了試卷的效度，所以，這兩個指標設為重要指標。一線教師命題很容易忽略試題來源結構和試題類型結構，影響了教學評一致性和整卷信效度，所以，這兩個指標也為重要指標。

二級指標都采用A（優秀）、B（良好）、C（合格）、D（不合格）四個等第賦分方法，四個等第得分權重分別為滿分值的 1、0.8、0.6、0.4 以下。5分指標對應得分分別為5、4、3、2-0，10分的指標對應得分分別為10，8，6，4-0，20 分的指標對應得分分別為20、16、12、8-0。這種等第評價介于精準評價和模糊評價之間，是督導評估評價量表常用的方法，具有通用性和習慣性;這也是一線教師普遍采用的日常評價方法，具有較大的適宜性和操作性。四等第賦分法，既能提高評價的區分度，又能提高不同專家評價分數的橫向可比性。

命題評價能力是一線教師最薄弱的專業能力之一，提高教師的命題評價能力是當務之急。學校要組織教師解讀新課程新課標，理解學校考試的性質和功能定位，樹立正確的校考理念，摒棄傳統的選拔性考試的思想；每次考試后都應依據開展學科試卷質量評價和優秀試卷評選活動，把優秀試卷認定為重要的教科研成果，把不合格的試卷認定為教學事故，以此發揮評價標準的導向功能和指導功能，從而提升學校考試試卷的質量。

參考文獻：

[1]教育部辦公廳.教基廳函[2021]34號教育部辦公廳關于加強義務教育學校考試管理的通知[A/OL].http：//www.moe.gov.cn/srcsite/A06/s3321/202108/t20210830_555640.html.

[2]教育部.中共中央國務院印發《深化新時代教育評價改革總體方案》[EB/OL].[2025-05-14].htp：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.htm.

[3]教育部.中共中央辦公廳國務院辦公廳印發《關于進一步減輕義務教育階段學生作業負擔和校外培訓負擔的意見》[EB/OL].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202107/

t20210724_546576.html.

[4]王旭東.中高考試卷質量評價指標體系初探[J].浙江考試，2023，（6）：7-11+16.

[5]黃光楊.教育測量與評價[M].上海：華東師范大學出版社，2005.

[6]教育部.義務教育課程方案2022年版[M].北京：北京師范大學出版社，2022.

[7]趙德成.促進教學的測驗與評價[M].上海：華東師范大學出版社，2016.

[8]張敏強.教育測量學[M].北京：人民教育出版社，2019.

Research on the Quality Evaluation Standards for Paper-and-Pencil Examination Papers in Compulsory Education Schools

Wang Xudong WenzhouEducationAssessment Institute，Wenzhou，Zhejiang，325000

Abstract：To solve the existing problems of \"high dificulty and low quality\" in test paper design，it is necessary to develop quality standards for examination papers in compulsory education schools to guide and regulate the process.Considering the practical operationsof front-line teachersand middle-level school administrators，three first-level indicators have been establishedbased on leadership，orientation，simplicity，and operability：subject standards，good quality of test questions，and good structure of the examination paper.These indicators include ten second-level indicators，such as compliance with content requirements，emphasizing on core knowledge，focusingonsubject literacy，reasonable overall dificulty，error-freeand flawlessquestions，scientific scoring criteria，questions with differentiation，rational structure ofquestion sources，rational structure of question types，and rational layout of the examination paper.The second-level indicators also include specific evaluation elements and methods.These standards can guide schools in building a quality management mechanism for examinations and improving the qualityof schol test design.Theyalso lead front-line teachers to establish correct concepts for school-based examination design and enhance their routine test design skills.

Key Words：School Examinations，Test Design Quality，Examination Paper Evaluation，Test Question Evaluation

（責任編輯：陳暢）