亞 太科學教育論壇，第九期，第一冊，文章十三(二零零八年六月) 李揚津 英國APU科學成就調查 上一頁 內容 下一頁

試卷的設計

測考模式

由於評估所牽涉的內容項目眾多，每次測試只能評估部份項目。每個子項目都設有一個試題庫，部份試題適用於兩個或三個年齡組別，以便於比較跨年齡的成就差異。每個子項目的試題庫有約二百條考題，而每次評估測試只使用45至60題不等，然後再以隨機抽樣方式，抽取約15 至20題印成試卷予學生作答。每次調查約使用30份不同的試卷。11歲組別的評估時間約45 分鐘，而其他組別的時間為一小時。在筆試前或後，會抽取部份考生進行實作測試。

大部份考題是以筆試方式進行，部份項目例如使用量度儀器，及進行觀察，則採用實作測試方式。在實作測試，每題所需的儀器會被放置於考場的一個區域內，考生輪流到不同場區作答(Schofield et al, 1982)。 在評估進行探究這主項時，除了根據考生的書面答案外，亦會參考觀察員對考生的反應所作的記錄。以書面作答的題目類型包括多項選擇題，短答題及開放性的問 題。多項選擇題的好處是可以縮短作答的時間及利用機器評分，也可以避免因評卷員的錯誤判斷而出現誤差，但缺點是可以讓考生猜測答案。

實作測試有兩種執行模式，第一種是迴圈方式，各考生在考場內輪流進行多項實作活動，包括運用儀器量度及觀察，器材由大會向考生提供，雖然是實作測試，但考 生須以書面方式作答。第二種是個別測試，適用於評量第六主項，即進行整項探究。個別考生須單獨接受評估員測試，評估員先向考生提出問題，引導考生進行實作 探究，評估員會在旁觀察並記錄考生所用的方法，事後評估員需要填寫一份評估清單，以記錄考生在探究中的表現，這種模式主要應用於進行探究這項目上，有關評 估實作測試的詳細程式可參考Welford et al (1985)，Murphy and Schofield (1984)，Murphy and Gott (1984) 及Gott and Murphy (1987)。

每一考題的分數由零至三分，而多項選擇題則為零至一分，由於選擇題的分數較為劃一，可以容許考評當局在每次評估時，採取較靈活的分層任意選題方式準備考卷。這樣，每份考卷的試題組合便不相同，可以避免學校刻意操練學生應試，令評估更為公平。

學校問卷

此研究亦設有學校問卷，目的是收集各參與學校向學生提供的科學教育的資料，以便於找出學校所提供的科學教育與學生的成就表現之間的關聯。問卷的內容包括科學教學的師資和資源，進行科學教學的目的，對科學教育的重視程度，分配予科學教學部門的財政資源等。11歲和其他年齡組別的問卷內容有很大差別，這是因為當時英國的小學所推行的科學教學存在頗大差異，但到了中學階段，科學課程漸趨統一。以下是用於不同年齡組別的學校問卷的一些題目例子(Driver et al, 1982; Schofield et al, 1982)。

11歲組別：

• 校內是由哪些人員負責科學教學？
• 科學課是否包含於校內學習活動之內？
• 進行科學教育是否學校的方針？
• 科學是時間表上編定的科目，還是占主題教學中的一個部份？
• 10/11歲的學生用於學習科學的時間占全部課堂時間的百分之幾？
• 科學活動有甚麼目標？
• 學校對以下科學活動的重視程度。

例如：

• 小心地跟隨著咭紙、書本或黑板上的指示去做
• 在課堂上寫下觀察紀錄
• 製造一個良好的書面記錄
• 決定一個他們想調查的問題
• 在真正測試之前估計測量讀數
• 小心進行直接的觀察
• 設計自己的實驗

（問題經簡化）
 

13和15歲組別：

• 校內有多少名老師擁有正規的科學資歷？
• 校內共有多少間實驗室？
• 學校的科學部共有多少名實驗室技術員？實驗室技術員的工作時數有多少？
• 老師有沒有使用校外資源，例如參觀工業機構，到野外學習中心進行活動等？
• 在一個迴圈周內，共有多少堂科學課？
• 在學校的經費中，科學部所獲得的分配有多少？

學生問卷

學生問卷的設置主要是為幫助分析學生的成就表現，以貫徹APU的第四項職能 — 識別學習環境與學生學業成就差異的關聯。問卷旨在瞭解學生多方面的背景資料, 例如：性別，種族，修讀科目，職業取向，對有關科學議題的興趣；問卷亦問及學生課餘的興趣及嗜好，這是基於越來越多研究發現，學生的課餘活動與他們學習科學的興趣有關。

效度和信度

為提高評估的效度和信度，小組邀請了科學教育的專家 包括大學教授，教師，考試局成員，督學等審議各範疇的主要項目，子項目和考題描述句，並試行將考題按照小組所設定的框架分類，從而評估框架的有效度，以及各主項目，子項目和考題描述句的清晰度，如有需要便提出修改，透過專家的共識，令評估框架更臻完善。

小組亦進行了先導試驗，以分析考生在不同子項目上的表現的相關性。每一考題草擬後必需符合兩個條件才會被納入試題庫之中，一是專家小組一致評定為具足夠效 度；二是該考題的性質必需與其中一個考題描述句相符。此外，評分準則亦經標準化的過程。每位評卷員都是經過特別培訓，以確保評分過程的可靠性。但如要保證 評量實踐性考題的客觀性及信度時，則較為困難。這方面惟有依賴先導試驗，以減少由不同評估員作評量而出現的差異 (APU, 1979)。

對於進行整項探究的評量分析，小組針對其所設的探究框架下的每一個步驟擬出評量的仔細標準，然後統計達至這些標準的學生人數的百分比，以瞭解學生在不同步驟中的成就表現(Gott and Murphy, 1987)。