作者：佚名    文章来源：中国英语教研网    点击数：    更新时间：6/16/2007

 评分 (scoring)，可以用分数，即用分数法 (the point method)，也可以用级别，即用级别法 (the rating method)。评分看起来似乎挺简单，可是如何正确测量，如何排除偏见 (bias) 客观地把测量的结果表现出来，不是一件简单的事情。

    讨论测试目标和任务的时候，我们曾经说过“客观地”测量。其实，操作的时候很难做到完全客观，因为测试自始至终都无法摆脱主观因素。前面论述的所有问题，都受到个人的意识、个人的判断的影响。评分这一步，也必然出现这种情况。无论是什么样的测试，无论规模大小，命题者总得准备答案 (the key) 或参考答案 (the key for reference)，制订评分标准 (scoring criteria)，确定评分方法 (scoring methods) 等。即使教师自己出题，自己评分，不将这些写成文字，心目中依然有这些东西。这些东西不管是什么人拟定的，是依据什么拟定的，是什么人审查的，都摆脱不了主观因素。

    不过，我们在这里谈论评分方法，只谈方法本身的特点，只谈题项本身的特点，先不去研究太具体的问题。

    前面已经谈过，传统的英语测试仅仅注重考语言知识，只注意语音、语法、词汇，这是很片面的。所以我们确定评分方法，拟写答案、评分标准的时候，要从多方面来考虑。特别要考虑语言的交际功能，考虑准确性 (correctness)、流利程度 (fluency) 和得体性 (appropriateness) 三个方面。

    何谓准确、流利、得体，李筱菊是这样解释的：“准确性指语言符合语法（广义的语法，包括语音、语法、词汇）规则。这只关系到语言形式系统本身。流利，有些人以为就是讲话讲得快。其实这主要不是速度问题，而是效率问题。流利就是能用语言熟练地、不受拖延、不受阻滞地达到要达到的目的。”“得体性，指所用的语言是否适合于具体的语境和情景。”（Li 1997）她的解释对我们极有帮助。

    下面，先谈谈以评分方法来划分的三种题项，然后再介绍常用的评分方法。

1 客观题

　　前面已经提到过客观题。客观题的特点有二：

l         题项本身提供若干种答案，只要求被试对答案的正确性作出选择或判断。

l         评分只出现两种情况：选择、判断符合正确答案的判为对，给满分；选择、判断与正确答案不符的判为错，不给分。没有“中间道路”可走。

英语测试常用的选择题 (selected-response items) ，例如要求两选一的两项选择题 (alternative-response items) ，从多个备选项目中作出选择的多项选择题，还有配伍题 (matching items)，都是客观题。

1.1  客观题的优点

　　客观题有如下优点：

l         评分客观。由于答法是固定，只有正误之分，没有正误程度之分，不会出现给分宽、严不一致的问题，容易保证评分公正。

l         评分信度 (scoring reliability) 高。由于评分客观，使得评分信度高，这有利于提高测试的信度和效度。

l         容易扩大覆盖面，加强针对性。客观题比较容易增加题量，使每一题针对某方面，保证试卷覆盖比较多的语言点或内容点。

l         容易实现在计算机上做题。近年兴起的计算机化自适应测试，还有在因特网上进行的测试，大量使用客观题。这种测试能够迅速地根据被试的程度施测，迅速地计算出测试结果，而且能够十分有效地防止评卷过程中的舞弊行为。

l         节省人力、物力和时间。由于评分简便，评分工作效率高，宜于做到节约。

l         采集数据方便。如果人工采集数据，比采集主观题的数据容易。如果通过计算机和计算机的外设采集，那就更方便了。用光电字符阅读器 (optical character reader, OCR) 采集答题卡上的数据，处理这些数据，工作效率非常高。

1.2  客观题的局限性

　　英语测试中客观题用得很多，大规模的英语考试常以客观题为主。但是，这样做并不意味着客观题完美无缺。客观题有其局限性，常常不能满足我们的需要。例如：

l         只能覆盖十分有限的能力范围和较低的学习层次。不少客观题考查是语言知识，只是识别或回忆学过的内容。要全面地考查语言能力，要深入地考查交际能力及其他能力，用客观题就十分勉强。例如，有的多项选择题，命题者旨在考查理解，甚至应用、分析、综合、评价，但是所有的供选择的答法都是命题者拟好了的。被试的反应是以命题者的语言和思想为基础的，并不一定是自己的语言和思想。除外，从答题的情况看不到被试思维的过程。客观题答题常常只需要打钩、画圈、划线、涂黑字母，在整个测试过程中没有直接使用英语表达思想的机会。

l         容易助长胡乱猜测 (random guessing)的坏习惯。诚然，我们的教学鼓励学生通过猜测解决疑难问题，但我们所说的猜测决不是胡猜，而是根据可获取的信息进行的合理猜测 (reasonable guessing)。客观题胡猜即可能得分。不懂英文的人，只要知道如何涂画，四选一的多项选择题大约可得到四分之一的分数，三选一的大约可得到三分之一的分数。如果是两项选择题，运气好的人凭胡乱猜测能及格。这样答题，无形中助长了投机取巧的坏学风。

l         防舞弊的能力较差。学生比较容易看清邻座答题的情况，容易在考场内外传递答案。有的试卷，由于几乎不需要写文字，出现代考、考后改动试卷的情况，往往查证困难。

2 主观题

    主观题的特点刚好与客观题相反：

l         答法是多种多样的。主观题只提出问题，没有供选择、判断的答案，要求被试自己拿出答案来。一批人做同一个题目，如果不是互相抄袭，答法不会完全相同。

l         根据答题正确、完整的程度来评分。教师可以从正确性、流利性、得体性三方面来考虑，根据评分标准酌情给分。

英语测试中，作文 (compositions)、简答题 (essay questions) 之类是主观题。口试是主观性测试，口试题一般说来也是主观题。

2.1  主观题的优点

    与客观题相比，主观题有这样一些优点：

l           覆盖的学习层次广。主观题能够覆盖所有的学习层次。有人把主观题称作自由应答题 (free-response items)，因为被试有比较宽阔的空间表达自己的思想，表现出在句子水平或语篇水平应用英语表达思想的能力。

l           考查的深度深。主观题命题，可以像客观题命题那样，让每个题承担总任务中的某一部分任务。除此之外，可以根据总任务用主观题进行综合性考查。主观题还特别适宜设置情景，了解交际能力和其他能力，了解应用英语的正确程度、流畅程度和得体的程度，并且可以在一定程度上了解被试的思维过程，有利于发现问题，找到产生问题的原因。

l           可以有效地遏制胡乱猜测。主观题答题需要“言之有物”，“言之有理”，胡猜者往往无机可乘。

l           防舞弊能力强。口试作弊很困难。笔试，偷看、抄袭得花较多的时间，容易被发现。阅卷时，容易查到雷同卷，容易发现考试之后被改动过的试卷。

l           能够提供生动、详细的反馈信息。客观题答题提供的，只是“懂”与“不懂”或者“会”与“不会”的信息。从主观题的答法中可以获取大量实例，供教学研究使用。

2.2  主观题的局限性  

    主观题虽然优点非常明显，缺点也是非常明显的。主观题的主要缺点是：

l         评分误差 (scoring errors) 大。与客观题相比，主观题免不了出现宽、严不一的现象。即使评分者就是命题者本人，或者笔试所有的试卷都由同一名教师来评阅，口试所有的考生都由同一名教师来考，也难以保证自始至终宽严一致。出现这种情况大致有三个原因：

     a) 拟定答案、评分标准、评分方法时考虑不周。

     b) 评分人对于答案、评分标准、评分方法有不同理解。两人或多人评分，时常出现这种情况。

     c) 评分人的英语水平、教学经验、工作态度、疲劳程度、个人情感等影响评分。

l         人力、物力、时间消耗较多。笔试的主观题，阅卷工作量大。口试虽不阅卷，但实施起来不容易，可能消耗更多。

    有人说主观题比客观题好，因为主观题才真正考英语。此话有理，但有点过了头。说有理，是因为在选择题泛滥成灾的今天，我们更应该想一想题项的导向性。主观题更能引导学生把注意力放在语言的实际应用方面，更有实用价值，更有利于学生在英语方面的素质的提高。说这种说法过了头，理由有二：一是忽视了客观题的“功劳”，二是说得太笼统。应该具体问题具体分析，主观题有出得好的，也有偏离测试目标的，拙劣的。出主观题，也得出高质量的。

    主观题命题，要根据主观题的特点来进行。下列问题应该在设计测试和命题时认真考虑：

l         阅卷工作量。笔试用主观题，阅卷工作量势必会增加，也许会成倍增加。如果被试人数多，更应该仔细估算。选择题型、策划内容，不能忘记后面的工作。要努力简化评分方法，提高可操作性。

l         口试的考务。口试的考务比较复杂，我们将在后面讨论。

l         评分误差。有的考试，例如中考、高考这样的竞争性考试 (competitive tests)，对记分的精确性要求很高，“斤斤计较”，多一分，少一分关系重大；有的考试只是了解情况，并不计较分数的微小的差异。主观题评分，无论做得怎么好，误差总比客观题大。评分的人多，更容易宽严不一。因此，为了减少评分误差，如果既有客观题又有主观题，命题时常这样安排：

     a) 控制主观题分数所占的比例。在同一测试中，客观题的分数多，主观题的分数少，例如前者为80分，后者为20分。这样，即使主观题评分误差大一点，对总分的影响不至于太大。

     b) 制订切实可行的评分标准。例如准备分级评分表 (rating scales) 和评分一览表 (checklists) (见第15章和第17章)，对每一种情况有比较详细的描述，有客观依据。

l         人员培训。正式的考试，特别是规模比较大的考试，为了提高评分质量，要组织教师学习。命题人除了提供题目的答案外，需要提供评分标准、评分方法等文字材料，有时还要准备供培训使用的练习材料，安排培训工作。

3 半客观题

    有一些题介乎于客观题和主观题之间。一方面，这些题像主观题。它们只提出问题，没有供选择、判断的答案，要求被试自己拿出答案来。另一方面，这些题又有点像客观题。正确的答法或表述虽不是唯一的，但在很小的范围之内，只要与所给的正确答案中的某一个相同，就认为答对了，给满分，否则就判为错误，不给分。由于没有酌情加分或者扣分的问题，不会出现评分宽严不一，评分信度高。这一类题称为半客观题 (semi-objective items)。后面我们要研究的填空题、填图题和涉及分类、组合、替换、转换的题项，其中很多是半客观题。

    半客观题命题，应该注意这么几点：

l         给的答案，应该包括正确的答法和可接受的答法。

l       容许评分教师增补答案。命题人给的答法有可能不全面，也许有没有考虑到的。在评分过程中发现新的合理的答法，应该认可。

l       制订切实可行的评分方法和评分标准。对评分中常出现的问题要规定恰当的处理办法。例如，题项只要求给一种答法，倘若有人给两种或多种答法，其中有错误的，这时该怎么办。又如，填写的词语有拼写错误扣不扣分。不管如何规定，应该尽可能简化半客观题的评分，提高工作效率。最好“抓大头，一刀切”：要就给满分，要就不给分，不去计较小的错误，避免出现要酌情扣分的情况。

4  印象评分

    印象评分 (impression marking)，有人称为整体评分 (global scoring 或 holistic scoring)，常用在作文或口试（如复述、看图说话、角色扮演、面谈）的评分。评分人从大处着手，凭自己总的印象给分。

    如果评分教师很有经验，学生不多，而且不是很重要的考试，可以完全按照教师的主观印象评分。如果情况不是这样，为了保证质量，要对评分加以制约。通常需要拟写评分标准，制订分级表，描述每个等级的特点，给分数的尺度。除此之外，作文应该有样卷 (range finders)，供阅卷教师学习评分标准时参考。口试可以选上、中、下三种程度的典型的被试，录音或录象，供口试教师学习评分标准时参考。

    印象评分，简便、效率高，但是对评分人要求高。评分教师最好是业务水平高、有经验、工作认真的人。如果多人评分，应该组织学习，试评，然后再开始工作。

    采用印象评分，评分标准掌握不好会出现较大的评分误差。                       

5 分解评分

    分解评分 (analytic marking)，顾名思义，就是把测试分解成若干部分，每个部分有一定的分数，总分是各部分的分数之和。这种方法用得很普遍。

    实际上，很多英语考试既有分解评分又有印象评分：部分大题采用分解评分，部分大题采用印象评分，整个考试用分解评分。

    研究发现，如果评分者训练有素，印象评分和分解评分的分数的相关程度是很高的。

6 有惩罚评分

    有惩罚评分 (scoring with penalty) 主要是用来“治”两种人：第一种是做客观题胡猜的人，第二种是不按照规定做主观题的人。胡猜，答错了就要倒扣分；不守“规矩”，也要倒扣分。如果采用有惩罚评分，应该“广而告之”，在学生开始做题之前口头告诉学生，或者在题项的指导语中写明。

    这样评分，其积极意义是显而易见的，可是也有一定的消极作用。例如，由于要倒扣分，会使那些小心谨慎的学生连合理的猜测都不敢了，情愿把一些题留着不做。本来，我们应该鼓励合理猜测，该鼓励学生把题做完。

    答错给零分，不倒扣分的评分方法，称为无惩罚评分 (scoring without penalty)。绝大部分英语考试采用这一种方法。

7 频率累计评分

    频率累计评分 (frequency-count marking) 是一种传统的评分方法。所谓频率，指的是出现的次数。评分方法是累计某方面的数量，根据数量评分。例如听写，写对多少词给多少分，复述，按讲到的内容要点给分。

    有一种评分方法，称为错误累计评分 (error-count marking)，属于这一类。评分前规定每种错误应扣除的分数。评分时统计有多少错误，是什么错误，然后从总分中扣除该扣除的分数，剩下的就是得分。这种方法可用在句子水平的题项，也可用在语篇水平的题项。

    有些专家不赞成用错误累计评分，他们提出这样的批评意见：

l         不能反映正面教育为主的教育思想。考查学习成果应该首先看积极的方面，不应该花太多的力量盯着错误。

l         容易见树木不见森林，看表面不看内在。也许学生的表述基本能达意，在表达方式上还有不少“闪光点”，反映出较好的交际能力。不能因为词汇、句子结构、语音有些错误就否定主要的东西。

l         有可能对于写得多，说得多的人不公平。要求笔头或口头表述的题，写得多、说得多的人，很可能英语比较好，表达能力强。可是“言多必失”，多了出错的机会也多，被扣的分数也多。

l         操作困难。统计笔试的试卷上的语言错误很费时间，要精确统计口试中的错误几乎不可能。而且，什么是错误，什么是大错，什么是小错，时常界线不清，难以准确判断。

8 双人评分和多人评分

    为了减少印象评分的评分误差，可以采用双人评分 (double marking) 或者多人评分(multiple marking)，就是两人或者两人以上评阅笔试的同一道主观题，或者口试为同一名学生评分，得分取评分人给的分数的平均分。为了避免相互影响，教师各评各的分，不讨论，不看别人给的分数。如果教师有较高的水平，能够掌握评分标准，而且搭配适当，这样是可以明显提高评分质量的。否则，就反而会把事情弄糟，可能是”Too many cooks spoil the broth.”

    这种方法的突出的缺点是加大了工作量。虽然口试较多采用双人评分或多人评分，笔试目前仍以单人评分居多。

9 自我评估

    评分不一定非得教师。被试的自我评估 (self-assessment) 是很有意义的。有些测试，例如进步测试、诊断性测试，可以让学生自己批改试卷，或者听自己的录音，看自己的录象，然后评评自己该得多少分，为自己写一段评语。如果学生理解这样做的目的，会评得很认真，也许比老师还严格。他们会立刻为自己的不足感到遗憾，能够较快吸取教训。

    可以设计这样的测试：口头作文，让每个学生对着摄像机讲1-2分钟。然后让学生看录象，填写一张这样的评分表：

自我评分表

SELF-ASSESSMENT SHEET

（请你从语音、语法、词汇，流畅程度，仪态五个方面为自己评分。圈出你认为每个方面应该得的分数，然后算出总分。） 

    学生自我评估能够增加学习的兴趣，调动学习的积极性，也能使教师更了解自己的学生。

10 百分位分数

    我们在第2章谈到，常模参照性测试的分数能够反映被试在整个群体中的地位。大规模测试求常模、调整分数的程序比较复杂，多数的英语教师没有必要研究得那么深。有没有简便的办法用分数反映被试的地位呢？有的。这里介绍一种用笔、用计算器就可以做好的方法，适合小规模测试使用：用百分位分数 (percentile scores)，通过100个百分位等级 (percentile ranks) 来示某个分数在全部分数中所处的位置。

    求百分位分数，要编制百分位表 (the percentile table)，把有关的数据填进去，然后再进行计算。表分这么几栏：

l         原始分。将测试的原始分按照高分在上低分在下的顺序排列起来，每一个分数占一行，填在栏内。例3-2反映的是一次年级统考的成绩，共有140人参加，有15个不同的分数，所以栏内填15个分数。48分为最高分，在最上面；28分最低，在最下面。排序是非常重要的一步。如果忘记了按照规定的顺序排列，那么后面就全乱了。

l         次数 (frequency)。这里指的是得到这个分数的次数，或者说有多少人得的是这个分数。将数值填在次数栏内相应的地方。例3-2中，得48分的仅1人，得47分的为2 人，得40分的为19人，所以把1、2和19分别填在48、47和40后面。

l         累积次数 (cumulative frequency)。用全部人数减去上面的分数的次数。例如，47分的上面为1次，所以140 - 1 = 139；40分上面有26次 (1 + 2 + 4 + 6 + 13 = 26)，所以140 - 26 = 114。48分上面没有再高的分数了，次数为0，所以140 - 0 = 140。

l         百分位分数。计算百分位分数：用总人数去除总人数和累积次数的差，然后乘以100。

                      被试的总人数 - 累积次数

            百分位分数 =                           × 100

                               被试的总人数

l         将得数四舍五入。可以只取整数，也可以保留到小数点后面1位或2位。

    原始分为48分的那一位，百分位分数为100，其含义是名列第一。也许有的读者会说，48分竟然变成了100分，实在不可思议。其实这是非常合理的。百分位分数体现的，并不是题答对了多少，而是与别人相比是如何的好，或者是如何的差。既然此人原始分最高，为什么不该给100分？除外，原始分48分也不一定就是很糟的分数。也许满分为50分，此人基本上都答对了，折成百分制是96分。

    也许有的读者会问，原始分为28分的那一位太亏了，好歹费了一番心思，做对了一些题，可是百分位分数竞是0分。我们要说，给0分是正确的。要知道，即使此人再多做对一些题，原始分再高一些，只要下面没有“垫底”的人，“水涨船高”，改变不了得0分的结果。