为什么测试的可靠性和有效性很重要？
测试可靠性的定义
简单地说，信度是指如果对同一个学生进行同样的测试，他/她会得到同样的分数。要做到这一点并不容易。对于计算机评分的阅读和听力试题（项目），测试开发人员需要对项目进行统计分析。这一过程称为心理测量分析。这种分析是根据一些应试者的数据进行的，这些应试者最好具有不同的技能水平。如果该项目是一个好项目，那么分析结果就会证实，它能始终如一地辨别出应试者的准确水平。换句话说，如果这是一个中等偏低的项目，那么新手水平的应试者就会一直做错，而中等及以上水平的应试者就会一直做对。一个项目的这种表现越稳定，它在区分应试者语言技能方面的能力就越强。分析将把每个项目放在一个从易到难的频谱上。分析结果表明，并非所有的中低级题目都是一样的，同一级别中的某些题目要比其他题目难。在编制测验时，需要考虑到同一等级中的难易程度。如果计算机评分测验是由一套精心设计的、经心理测量学认定为优秀的项目组成，那么它就应该是对这些技能的高度可靠的测验。
测试评分员为何重要
尽管有一些由计算机评分的写作和口语测试，但一般来说，要创建一个可靠的口语和写作测试，需要非常一致的人工评分。首先，需要有几个评分者对测试进行评分，这样才能测量评分的可靠性。评分的一致性程度是通过计算所谓的 "评分者间信度"（IRR）来确定的。换句话说，就是不同评分者之间评分的可靠一致性。如果 IRR 高，则说明测试的可靠性高，可以信赖测试分数的准确性。
测试有效性的定义
有效性则不那么精确或科学。简单地说，如果一个测试所测量的东西与它的用途相符，那么它就是有效的。如果教师想知道学生是否记住了他们的法语单词作业，他会给他们出一套关于作业的问题。他（她）不会问他们有关中国历史的问题。如果你想衡量学习者的语言水平，你应该向他们提出他们没有专门准备的、不同程度的实际问题，以了解他们的语言能力。 这才是衡量应试者完成实际任务能力（=熟练程度）的有效方法。
关于Avant评估
单击此处，开始您的熟练之路
