名家專欄 監測評價與中小學教育質量提升③

　　當前，在有關智力測驗的因素分析的理論中，CHC理論最具影響力。CHC理論綜合了一個世紀以來所有智力因素分析的結果，擁有強大的實證基礎。1994～1999年Cattell—Horn流體—晶體理論與Carroll的智力結構三階層理論模型（第一層局部能力、第二層廣泛能力、第三層一般能力）整合而成統一的CHC模型，1995～2008年研究者不斷修正細節形成“第二代”CHC評價方法。智力測驗理論的進步，進一步改善了智力的應用測量。伍德科克-江森認知能力測驗第三版完全是以CHC理論框架為藍本編制的。斯坦福-比內智力量表的第五次修訂版包括5個CHC廣泛能力的綜合得分。韋氏智力測驗第四次修訂版增添了CHC工作記憶、測驗流體智力的矩陣推理和圖片概念分測驗等。

　　同屬于智力測驗一個類別的學習能力傾向測驗，是目前國外應用非常廣泛的能力測驗之一。學習能力傾向是指學生為完成學校課業學習所必須具備的能力（即學生獲得新的知識和技能的潛力），這些能力與學生未來的學習關系密切并能夠預測其學習成功的可能性。它與學業成績不同，學業成績是指學生經過特定時間和課程的學習所獲得的知識和技能，學習能力傾向反映的是對將來學習的預測。它與智力也有一些區別，學習能力傾向測驗比智力測驗范圍窄，其測量的是與學習任務密切相關的智力功能。就學業成績預測和教育診斷而言，學習能力傾向測驗比傳統智力測驗更精準、更具針對性。

　　在國外的學習能力傾向測驗中，最具代表性的是美國的鑒別能力傾向測驗（DAT）、學業能力傾向測驗（SAT）、認知能力測驗（CogAT）等。DAT包括言語推理、數字推理、抽象推理等8個獨立的測驗，通常將其言語推理和數字推理結合作為學習能力的指標。許多研究者分析了SAT對大學成績的預測，最佳的回歸方程是：Y=0.586+0.0027V+0.0012M，Y表示預測的大學績點，V表示語言分數，M表示數學分數。CogAT主要用于評估學生使用言語符號、數量符號和空間符號進行推理與問題解決的能力。

　　我國對學習能力傾向測驗的研究和運用還遠遠不足。在中國知網和萬方數據庫分別輸入“學習能力傾向測驗”進行檢索，僅僅發現十余篇文章，研究時間主要集中在2004～2009年，研究內容主要集中在小學三至四年級或者四至六年級學習能力傾向測驗的編制以及文獻綜述。而在教育部印發的《中小學教育質量綜合評價指標框架（試行）》中，早已將“潛能發展”作為關鍵指標之一。

　　近年來，筆者重點關注中小學生學習潛能，以CHC理論為指導，綜合借鑒了DAT、SAT、CogAT、斯比智力測驗、韋氏智力測驗中涉及學習能力部分的編制經驗，運用結構方程模型的驗證性因素分析方法（CFA），分別探索編制了小學生、初中生、高中生學習能力傾向測驗，由言語能力、數字能力、圖形推理3個分測驗構成。小學、初中參試學生分別達到8萬余人，高中達到3.1萬人，被試總量近20萬人。

　　目前，新編制的學習能力傾向測驗，已經取得較好的初期研究成效：小學、初中、高中三個類別的學習能力傾向測驗，其題目因子載荷均介于0.4～0.8，多數集中在0.5～0.7（測量學標準λ﹥0.45普通，λ﹥0.55好）；結構效度方面，擬合指數CFI、TLI，分別達到0.97～0.99（測量學標準CFI﹥0.95, TLI﹥0.9），RMSEA（近似誤差均方根）介于0.013～0.025（測量學標準RMSEA<0.05）；內部一致性信度為0.810～0.899（美國DAT復本信度為0.73～0.9，臺灣修訂DAT內部一致性信度為0.54～0.95）；對學生學習成績的預測效度在0.56～0.83，多數在0.7左右（美國DAT言語推理和數字能力相結合對學習成績的預測效度在0.6～0.7，臺灣修訂DAT與高中系列學業性向測驗之相關為0.49～0.56，SAT綜合分數對大學一年級新生學習成績的預測效度0.42）。Damien C. Cormier, Okan Bulut, Kevin S. Mcgrew & Deepak Singh(2017) 研究發現，在6—19歲學齡期的學生中，CHC流體推理、晶體知識和認知處理速度與數學成績之間有著最強和最穩定的相關關系。筆者2018年的最新試驗結果也發現，數字推理、圖形能力與初中學生數學成績的相關分別達到0.789、0.711，綜合起來高達0.828。

　　學習能力傾向測驗與學業成績考試這兩種測驗在共同樣本中同時標準化，可預測學生在正常的教育條件下可能達到的學業成績水平。兩者聯合使用，可判斷學生學習潛能是否得到充分發揮。運用這種方法，對尚未充分發揮的中學生及小學生進行鼓勵和有針對性的指導與訓練，使得他們中66.7%～94.1%的人成績得到了提升。