テストのスコア

テストスコアとは、受験者のテストの成績を表す情報（通常は数字）である。正式な定義の1つは、「測定対象の構成に関連するテスト項目に対する受験者の回答に含まれる証拠の要約」である。^[1]

テストのスコアは、規範参照解釈または基準参照解釈、あるいはその両方で解釈される。規範参照解釈とは、スコアが受験者について、他の受験者の中での順位に関して意味を伝えることを意味する。基準参照解釈とは、スコアが他の受験者のスコアに関係なく、特定の科目に関して受験者に関する情報を伝えることを意味する。^[2]

テストのスコアには、生のスコアとスケール スコアの 2 種類があります。生のスコアは、単純に正解した問題の数など、調整や変換が行われていないスコアです。スケール スコアは、相対評価など、生のスコアに何らかの変換を適用した結果です。

スケールスコアの目的は、すべての受験者のスコアを一貫したスケールで報告することです。テストに 2 つの形式があり、一方が他方より難しいとします。形式 1 のスコアが 65% であれば、形式 2 のスコアは 68% と同等であると判断されています。両方の形式のスコアをスケールに変換して、これら 2 つの同等のスコアが同じスコアとして報告されるようにすることができます。たとえば、100 ～ 500 のスケールで、両方とも 350 のスコアになる場合があります。

米国でよく知られている、スケールスコアを持つ 2 つのテストは、ACT と SAT です。ACT のスケールは 0 ～ 36 で、SAT は 200 ～ 800 (セクションごと) です。表面上、これら 2 つのスケールは、平均と標準偏差18 と 6 (ACT)、および 500 と 100 を表すために選択されました。上限と下限が選択されたのは、標準偏差のプラスマイナス 3 の範囲に人口の 99% 以上が含まれるためです。その範囲外のスコアは測定が難しく、実用的な価値はほとんどありません。

スケーリングはテストの心理測定特性には影響しないことに注意してください。これは、評価プロセス (および存在する場合は等化) が完了した後に発生します。したがって、これは心理測定自体の問題ではなく、解釈可能性の問題です。

テストが正解・不正解で採点される場合、学習に関して重要な仮定が立てられます。正解の数または項目スコアの合計（部分的な得点が与えられる場合）が、現在のパフォーマンス ステータスの適切かつ十分な尺度であると想定されます。さらに、誤答には意味のある情報は含まれていないという二次的な仮定が立てられます。

まず第一に、正しい答えは、提示された問題の根底にある内容や概念構造を深く理解していなくても、暗記することで得ることができます。第二に、解決に複数のステップが必要な場合、正しい結果につながる回答へのアプローチは多岐にわたることがよくあります。答えが正しいという事実は、複数の可能な手順のうちどれが使用されたかを示すものではありません。生徒が答えを提示するとき（または作業を示すとき）、この情報は元の文書から簡単に入手できます。

第二に、間違った答えが当てずっぽうだった場合、これらの答えの中に何の情報も見つからないでしょう。一方、間違った答えが予想からの解釈の逸脱を反映している場合、これらの答えは、テスト全体が測定しているものとの秩序ある関係を示すはずです。この逸脱は、テストが書かれている言語で答えを選択または回答する学生の心理言語学的成熟度によって異なります。

この2番目のケースでは、テスト項目に対する回答からこの順序を抽出できるはずです。^[3]このような抽出プロセス、たとえばRaschモデルは、専門家の間では項目開発の標準的な方法です。しかし、採点プロセス中に誤った回答が破棄されるため、これらの回答に含まれる可能性のある情報の分析はほとんど行われません。

3 番目に、トピックベースのサブテストのスコアが提供される場合もありますが、より一般的なのは、合計スコアまたはその再スケールされたバージョンを報告することです。この再スケールは、これらのスコアを何らかの基準と比較することを目的としています。テスト結果のこのさらなる崩壊により、どの特定の項目が欠落したかに関するすべての情報が体系的に削除されます。

したがって、テストを正誤で採点すると、 1) 生徒がどのようにして正解にたどり着いたか、2) 何が生徒を不適切な解答へと導いたか、3) テスト本文のどこで予想外の解答が​​生じたかがわからなくなってしまいます。

この論評は、現在の採点手順では、テスト受験プロセスのダイナミクスが隠され、評価される学生の能力が不明瞭になっていることを示唆しています。現在の採点方法では、最初の採点ステップでこれらのデータが過度に単純化されています。この手順上の誤りの結果、教師が学生により良いサービスを提供できる診断情報が不明瞭になっています。さらに、この誤りの存在を警告するはずの情報に気付くことができず、これらのテストを熱心に準備している人も気付くことができません。

この問題の解決策として、応答スペクトル評価（RSE）^[4]と呼ばれる手法が現在開発されており、この手法は、これら3つの情報損失形式すべてを回復できると同時に、現在のパフォーマンス状態を確立し、パフォーマンスの変化を追跡するための数値スケールも提供できるようです。

この RSE アプローチは、正解か不正解かを問わず、受験者が使用した可能性のある思考プロセスを示すすべての回答の解釈を提供します。^[5]この章では、他の調査結果の中でも、回復可能な情報によって、正解のみを考慮する場合よりも 2 ～ 3 倍多くのテスト変動を説明できることが報告されています。この大量の情報損失は、採点プロセス中に収集される情報から「誤った」回答が削除され、正誤採点に固有の手順エラーを明らかにするために使用できなくなるという事実によって説明できます。この手順は、テスト データに固有の線形依存性によって生じる制限を回避します。

• 教育における成績評価
• パーセンタイルスコア