標準参照テスト

規範参照テスト（NRT ）は、測定される特性に関して、事前に定義された集団におけるテスト対象者の位置の推定値を生成するタイプのテスト、評価、または評価である。このようなテストのスコアの割り当ては、相対的評価、曲線上の採点（BrE）、または曲線上の評価（AmE、CanE ）（曲線評価、ベル曲線、または評価曲線の使用とも呼ばれる）として説明されることがある。これは、正規分布（ガウス分布とも呼ばれる）などの特定の平均および導出特性を持つ、事前に指定された成績の分布を得るか、それに近づくような方法で、クラスの生徒に成績を割り当てる方法である。^[1]「曲線」という用語は、正規分布の確率密度のグラフ表現であるベル曲線を指すが、この方法は、均一分布など、任意の成績分布を実現するために使用できる。この推定値は、母集団から抽出されたサンプルのテストスコアとその他の関連データの分析から導き出されます。つまり、このタイプのテストは、受験者が他の受験者よりも成績が良かったか悪かったかを特定するものであり、受験者が特定の目的に必要な量より多くまたは少なく知っているかどうかを特定するものではありません。規範的評価という用語は、基準母集団が受験者の同輩である場合に使用されます。

規範参照評価は、基準参照評価やイプサティブ評価と対比される。基準参照評価では、得点は受験者が特定のタスクで良い成績を収めたか悪い成績を収めたかを示すものであり、他の受験者と比較したものではない。一方、イプサティブシステムでは、受験者は過去の成績と比較される。どちらの方法も同じテストペーパーの採点に使用できる。^[2]

ロバート・グレイザーはもともと、規範参照テストと基準参照テストという用語を作り出した。^[3]

多くの大学入学試験や全国的に使用されている学校のテストでは、標準参照テストが使用されています。SAT 、大学院入学試験(GRE)、およびウェクスラー児童知能検査(WISC) では、個々の生徒の成績を標準サンプルの成績と比較します。受験者は標準参照テストで「不合格」になることはありません。各受験者は、その個人を他の受験者と比較したスコア (通常はパーセンタイルで示される) を受け取るからです。これは、許容されるスコアの範囲が広く、誰がより優れた成績を収めたかを知ることが目的である場合に役立ちます。

IQ テストは標準参照テストです。その目的は、受験者の知能を順位付けすることです。IQ の中央値は 100 に設定され、すべての受験者はそのレベルと比較して上位または下位に順位付けされます。

規範的テストの代替として、テストはイプサティブ評価または基準参照評価になる場合があります。

イプサティブ評価では、個人のパフォーマンスは過去のパフォーマンスとのみ比較されます。^{[4] [5]}たとえば、減量ダイエットをしている人は、自分の体重が理想の体重とどう比較されるか、または他の人とどう比較されるかではなく、現在の体重が自分の以前の体重とどう比較されるかによって評価されます。

テストが基準参照型であるのは、期待される行動または望ましい行動に基づいてパフォーマンスが判断される場合である。設定された基準に基づいて受験者を判断するテスト（例：誰もが1キロメートルを5分未満で走れるべきである）が基準参照型テストである。基準参照型テストの目的は、個人がテスト実施者の望むほど速く走れるかどうかを調べることであり、個人が他のランナーよりも速いか遅いかを調べることではありません。 基準に基づく教育改革は、基準参照型テストに重点を置いています。^{[6] [7]}学校で受けるほとんどの日常的なテストと小テスト、およびほとんどの州の学力テストと高校卒業試験は、基準参照型です。このモデルでは、すべての受験者が合格することも、すべての受験者が不合格になる可能性もあります。

曲線でグレーディングする方法の 1 つは、次の 3 つの手順を使用します。

1. 学生には数値スコア（または十分にきめ細かい順序尺度のスコア）が割り当てられます。スコアの順序がコース内の各学生の相対的なパフォーマンスに対応している場合、絶対値はあまり重要ではありません。
2. これらのスコアはパーセンタイル（または他の四分位数システム）に変換されます。
3. パーセンタイル値は、パーセンタイル スケールを間隔に分割してグレードに変換されます。各グレードの間隔幅は、そのグレードの望ましい相対頻度を示します。

たとえば、ある大学のコースに A、B、C、D、F の 5 つの成績があり、A が上位 20 % の学生、B が次の 30 %、C が次の 30～40 %、D または F が残りの 10～20 % の学生に割り当てられている場合、パーセンタイル間隔が 0 % から 10～20 % のスコアには D または F の成績が、11～21 % から 50 % のスコアには C の成績が、51 % から 80 % のスコアには B の成績が、81 % から 100 % のスコアには A の成績が与えられます。

上に示した例と同様、成績評価曲線により、学術機関は学生を一定の成績平均点(GPA) の閾値に確実に配分することができます。多くの教授が C のコース平均を目標として曲線を設定するため、^{[説明が必要]}対応する成績平均点は、ほとんどの北米の大学で採用されている標準的な 4.0 スケールで 2.0 になります。^[1]同様に、4.0 スケールで成績平均点が 3.0 の場合、学生はクラスの上位 20 % 以内であることを示します。成績評価曲線はこれらの数値にさらなる重要性を付与するものであり、採用される特定の配分は学術機関によって異なる場合があります。^[8]

標準参照テストの主な利点は、テストにおける個人の成績が参照グループ内の他の生徒とどのように比較されるかに関する情報を提供できることです。

規範参照テストの重大な限界は、参照グループが現在の関心のある集団を代表していない可能性があることです。オレゴン研究所の国際性格項目プールのウェブサイトでは、「既成の『規範』の使用には十分注意する必要があります。なぜなら、現在のサンプルが代表的サブセットである集団を見つけることができるかどうかは明らかではないからです。ほとんどの『規範』は誤解を招くため、使用すべきではありません。はるかに擁護しやすいのは、自分で開発したローカル規範です。たとえば、学生のクラスのメンバーにフィードバックを与えたい場合は、各個人のスコアをクラス自体から得られた平均と標準偏差に関連付ける必要があります。情報提供を最大限にするために、これらのローカル規範に基づいて各スケールの頻度分布を学生に提供し、個人がこれらの関連分布で自分のスコアを見つけ（丸で囲む）ことができます。」^[9]

規範参照は、テストが有効であること（つまり、測定しようとしている構成を測定すること）を保証するものではありません。

規範参照型テストのもう 1 つの欠点は、集団全体の進歩を測定できず、個人が全体の中でどこに位置するかしか測定できないことです。むしろ、たとえばすべての生徒の成績向上を目指す教育改革プログラムの成功を測定するには、固定された目標に対して測定する必要があります。

標準参照テストでは、学年レベルは伝統的に得点の中央50パーセントのレベルに設定されていました。^[10]対照的に、全米児童読書財団は、ほぼすべての子供が3年生までに学年レベル以上で読めるようにすることが不可欠であると考えていますが、これは標準参照による学年レベルの定義では達成できない目標です。^[11]

規範は自動的に標準を意味するものではありません。規範参照テストは、受験者が何を知っているべきか、何ができるかという期待を強制しようとするものではありません。受験者を他の受験者と比較することで、受験者の現在のレベルを測定します。ランクベースのシステムでは、どの学生が平均レベルで、どの学生がより優れ、どの学生がより劣っているかを示すデータのみが生成されます。どの受験者が就職や進学に受け入れられるレベルでタスクを正しく実行できるかは特定されません。

評価曲線の最終的な目的は、同じコースの異なる講師間の差異の影響を最小限に抑えるか排除し、特定のクラスの学生が他の学生と比較して評価されるようにすることです。これにより、特定の試験の複数のバージョンを使用することに伴う問題も回避されます。この方法は、クラスセクション間で試験実施日が異なる場合によく使用されます。難易度の差が実際または認識されているかどうかに関係なく、評価曲線により学業成績のバランスの取れた分布が保証されます。

しかし、カーブ評価は学生間の競争心を強め、クラスにおける教員の公平性に対する学生の感覚に影響を与える可能性がある。一般的に、カーブ評価によって、カーブを使用しなかった場合に得られる成績よりも成績が下がった場合に、学生は最も動揺する。このようなことが起こらないようにするために、教師は通常、カーブ評価を使用する場合は、テスト自体が十分に難しくなるように努力し、平均的な学生がカーブの平均で使用される予定のスコアよりも低い生のスコアを取得することを想定して、すべての学生がカーブの恩恵を受けるようにする。したがって、カーブ評価は盲目的に使用することはできず、基準参照評価などの代替手段と比較して慎重に検討および熟考する必要がある。さらに、カーブ評価を常に誤って使用すると、設計が不十分なテストの成績が調整される可能性があるが、評価は教員が設定した学習目標を正確に反映するように設計する必要がある。^[12]

• コンセプトインベントリ
• 教育評価
• 等化
• 教育における成績評価
• 法科大学院のGPA曲線のリスト
• 不気味な定数
• 心理測定学
• 標準化テスト- すべての個人が同じ条件下で同じテストを受ける。標準参照テストと基準参照テストの両方に使用される。

• 曲線の種類を包括的に見る
• 成績統計または曲線の計算方法に関する簡単なメモ
• Excel でベル曲線を作成する方法