高质量试卷命制的原则、方法与评判标准

基于难度、信度、效度、区分度四维度的系统论述

导　言

凡欲观教之效，必先正考之器。试卷者，教学评价之衡鉴也，其命制之精粗，直接关涉教学诊断之真伪、学生发展之定位。自古兴贤育才，未有不以考校为纲者。《礼记·学记》云：「比年入学，中年考校」，诚以考校为学政之大端。然考非难，考而善为难。现代教育测量学历百年之积淀，将试卷质量凝练为难度、信度、效度、区分度四维标准，复佐以双向细目表与系统命题流程，使试卷命制由经验走向科学、由直觉走向数据。本文依教育测量学经典理论，参酌国家课程与考试评价改革之要求，系统阐述高质量试卷命制的原则、方法与评判标准，期于一线教师命题实践有所裨益。

第一章　试卷命制的基本原则

命卷如琢玉，必先立其本。高质量试卷命制，须遵循六项基本原则，方能立基稳固、成器有度。

一、科学性原则

试题内容必须准确无误，表述严谨而无歧义，答案唯一或采分点明确。不出偏题、怪题，不设文字陷阱，不引似是而非之论。科学性是试卷的底线，失之则全卷皆失。

二、目标性原则

以课程标准与考试说明为纲，明确考查目标，使每道试题皆有清晰的测量指向，做到「考有所据，题有所属」。凡试题必先问：此题测何知、考何能、为何设此一问？

三、全面性原则

知识与能力覆盖面宜广，主干突出、重心明确。既重基础又重能力，既考记忆理解又考分析创造，避免以偏概全、以点代面，尤须防止「考非所教」或「考超所学」。

四、适切性原则

难度、题量与学情匹配，符合学生认知发展阶段，不超前、不超纲，使多数学生「跳一跳，够得着」。过易则虚浮无益，过难则挫伤士气，俱非善卷。

五、规范性原则

题型结构规范、分值设定合理、试卷排版统一、指导语清晰，答案与评分标准齐备。试卷之形制亦为教育之载体，规整者方显庄重。

六、导向性原则

坚持立德树人，发挥考试对教学的正面引导。情境素材积极健康，引导学生关注时代、关注社会、关注科技，使考试成为育人之课堂。

第二章　试卷质量的四维度标准

现代教育测量学评价一份试卷，通常悬四维度之尺：难度、信度、效度、区分度。四者各司其职，相济为用，为试卷品质的判定提供了可测、可核、可比的技术指标。

2.1　难度：试题的深浅之度

难度指试题的难易程度，以难度系数P表示。P值越大，试题越易；P值越小，试题越难。

客观题以通过率计：P = R / N，其中R为答对人数，N为总人数。主观题以得分率计：P = X / Xmax，其中X为该题平均分，Xmax为满分。

评判标准：全卷平均难度以0.50—0.60为宜；单题难度以0.30—0.70为理想区间，低于0.30者过难，高于0.70者过易。整卷难度配比，一般取易：中：难 = 3：5：2，或取3：4：3，使多数学生得中上，少数拔尖者得以彰显。

客观题存在猜对之可能，须作猜测校正，校正公式为：Pc = (kP − 1) / (k − 1)，其中k为选项数目。例如四选一选择题实测P = 0.45，校正后为 (4 × 0.45 − 1) / 3 ≈ 0.27，可见猜测因素不可不察。

尤须留意：难度是相对指标，随考生群体水平而变化，同一试题在不同群体中的难度各不相同。故预设难度必须立足真实学情，不可凭空虚断。

2.2　信度：测验的稳定之度

信度指测验结果的一致性、稳定性与可靠性，即考试能否真实、稳定地反映考生水平，而不受偶然因素干扰。

信度依其考查侧面可分为：重测信度，考查跨时间之稳定；复本信度，考查平行卷之等价；分半信度，将试卷按题号奇偶分半计相关，再以斯皮尔曼—布朗公式校正；内部一致性信度，常用库德—理查逊公式（KR20）与克隆巴赫α系数；评分者信度，考查不同评卷人所评结果的一致程度。

克隆巴赫α系数的计算公式为：α = k / (k − 1) × (1 − Σσi² / σt²)，其中k为题数，σi²为各题方差，σt²为总分方差。

评判标准：大规模高利害考试，信度一般要求在0.90以上，0.80为最低可接受水平，低于0.80者通常不予采用；课堂测验可酌情放宽至0.70左右，然低于0.70即难以采信。提高信度之途有三：适当增加同质题量，提高试题区分度，统一施测与评分程序以减少随机误差。

2.3　效度：测验的切合之度

效度指测验实际测出其所声称要测量的特质的程度，是衡量一份试卷是否真正达成考试目的的根本尺度。效度之于测验，犹准星之于火铳，虽百发而失的，则与不发何异。

效度之类型有三：其一，内容效度，指试题内容对所测内容范围取样的代表程度，多由双向细目表与学科专家评审加以保障；其二，结构效度，指测验分数能否印证预期的理论结构；其三，效标关联效度，指测验分数与外部效标之关系，含同时效度与预测效度。

信度与效度之关系须明辨：信度是效度的必要而非充分条件。测得准，未必测得对；测得稳，方有测得对之可能。故评判试卷，当先问效度而后问信度，效度之失，纵信度再高亦属徒然。

2.4　区分度：测验的甄别之度

区分度指试题甄别学生水平差异的能力。鉴别指数法最常用：将考生按总分排序，各取高分组与低分组（一般各取27%），分别计算两组通过率PH与PL，其差即为鉴别指数：D = PH − PL。D值越大，说明此题越能拉开水平差距。

另有相关法：以点二列相关（二分计分题）或积差相关（连续计分题），求试题得分与总分之相关系数，通常要求相关系数在0.30以上。

鉴别指数之评判标准如下表：

区分度与难度密切关联：难度愈接近0.50，试题潜在区分度愈大；若全体皆对或全体皆错，则此题于甄别无半分价值。命题者当于二者之间求其平衡。

第三章　双向细目表：命题的施工蓝图

双向细目表以知识内容为纵轴、能力层级为横轴，在纵横交叉处标明题量、分值、题型与预估难度，是命题的系统规划书，亦为整卷命制的纲领性文件。它使命题「从经验判断走向数据化、结构化设计」，被公认为保障内容效度、提升命题科学性的核心工具。

能力层级依据布卢姆教育目标分类学（安德森修订版），自低而高分记忆、理解、应用、分析、评价、创造六层；命题实践中常将评价与创造合并为综合（创新）层级，形成五层之简化框架。知识维度则依学科逻辑划分为若干模块，并细化为具体知识点。

双向细目表之作用有三：其一，保证内容效度，使试题与课程标准严格对应；其二，保障知识、能力分布之均衡与代表性；其三，为难度预估、组卷取舍与考后质量评估提供依据。

编制步骤

第一步，确定知识维度。依据课程标准，将考查内容分解为若干主要模块，再细化至具体知识点，梳理教材核心内容，标注高频考点与学科大概念。

第二步，确定能力维度。参照布卢姆分类，结合学科特点设定清晰的能力层级。

第三步，分配权重。依模块重要性与教学时长分配分值比例，核心知识模块占比宜高（一般不低于40%）；能力层级呈金字塔分布，识记、理解类试题宜控制在60%以内，高阶能力考查须有切实保障。

第四步，设计具体条目。在知识模块与能力层级的交叉点，规划试题的题型、数量与分值，标注预估难度。

第五步，审核调整。对照课程标准与学情整体校验，核查知识覆盖是否遗漏、能力层级是否切合认知发展、权重是否与教学时长匹配，并组织学科组集体审议后方可定稿。

兹以高一数学「集合与函数」单元测试为例，示其梗概：

注：表中记忆、理解合计占比24%，不逾60%之限；分析、综合合计占比44%，高阶能力考查足量，且分值随难度梯度递增，主干「函数的基本性质」「指数与对数函数」「综合与创新」合计占60%，重点突出。

细目表初稿完成后，须经学科专家与一线教师联合审核，重点检查知识点覆盖是否遗漏、能力层级是否切合学生认知、模块权重是否与教学时长匹配。一经审议定稿，整卷框架不得随意变更。

第四章　高质量试卷命制的完整操作流程

命题如建楼，须依图施工、按序推进。循九步闭环而行，则卷之质量可期：

第一步，明确性质目的。判定考试性质——课堂检测、阶段测验、毕业考试抑或选拔考试，确定常模参照或标准参照之取向，据此定位难度水平与题型结构。

第二步，研读课标考点。梳理教材核心内容，标注高频考点与学科大概念，确保80%以上试题指向课程标准要求的关键能力与必备知识，约20%用于创新素养之拓展考查。

第三步，编制双向细目表。先绘就蓝图，审定总分、题型、分值、难度预设与区分度目标，经学科组审议通过后作为命制总纲，非经同意不得擅改。

第四步，组建团队分工命制。以教研组为单位，明确主命题人、审题人与协调人之职责；可采双人独立命题、一题多备之质控机制，优中选优、冗余储备，确保原创与多样。

第五步，审查修改筛选。逐题审查是否对标课程标准与细目表，有无超前超纲，表述是否严谨无歧义，答案是否唯一。高考命题之经验表明，凡与既有公开资料相似度过高之题，当果断更换，以杜押题复刻之弊。

第六步，试答与估时。由审题人或未参试之教师完整试答一遍，检验试题之科学严密程度，估测答题时长与整卷难度，据以调整题量与梯度。

第七步，制定评分标准。主观题宜分步给分或采意给分，开放性试题附答案示例；评卷前统一培训，控制评分者误差，保障评分之公平公正。

第八步，试测与校准。条件允许时选取样本试测，实测各题难度与区分度，将整卷难度调至预定区间。以高考命题为鉴，数学平均分之误差通常要求控制在3分以内，足见校准之严。

第九步，考后数据分析。考试结束后及时收集成绩数据，计算各题难度、区分度与整卷信度、效度，撰写质量分析报告，为下一轮命题积累实证依据，形成「命题—实测—分析—改进」之良性循环。

第五章　整卷评判标准

评判一份试卷，宜循其序：先问效度，考的是否对路；次问信度，测得是否稳定；再观难度与区分度，甄别是否得力。四者相济，方为善卷。

注：信度、难度、区分度指标均须以实测数据为准，效度之判须综合内容审查与统计分析，四者之核验互为印证，不宜偏废。

结　语

《礼记·学记》云：「玉不琢，不成器；人不学，不知道。」试卷亦然，不经精心命制，无以成衡鉴之器。高质量试卷命制，贵在依循科学标准，妙在通权达变：四维标准如纲，双向细目表如目，九步流程如纲举目张之法。望一线教师以课程标准为宗，以教育测量学为据，以学情生情为镜，使所命之卷「深浅得宜、宽严有度、考之可信、衡之有效」，则教学之改进、人才之甄拔，皆可由此而兴。

参考文献

[1] 戴海崎，张锋，陈雪枫. 心理与教育测量（第3版）[M]. 广州：暨南大学出版社，2011.

[2] Cohen R J, Swerdlik M E. Psychological Testing and Assessment: An Introduction to Tests and Measurement (8th ed.)[M]. New York: McGraw-Hill, 2010.

[3] 中华人民共和国教育部. 普通高中数学课程标准（2017年版2020年修订）[S]. 北京：人民教育出版社，2020.

[4] 教育部考试中心. 中国高考评价体系[M]. 北京：人民教育出版社，2019.

[5] 安德森 L W，克拉斯沃尔 D R 等. 布卢姆教育目标分类学（修订版）[M]. 蒋小平，张琴美，罗晶晶，译. 北京：外语教学与研究出版社，2009.

[6] 张厚粲，徐建平. 现代心理与教育统计学[M]. 北京：北京师范大学出版社，2009.

[7] 王孝玲. 教育测量[M]. 上海：华东师范大学出版社，2005.

[8] 辛涛. 教育测量与评价[M]. 北京：北京师范大学出版社，2010.

[9] 罗纳德·科恩，马克·斯维尔德里克. 心理测验与评估（第8版）[M]. 北京：人民邮电出版社，2013.

[10] 漆书青. 现代测量理论在考试中的应用[M]. 武汉：华中师范大学出版社，2003.

[11] 郭力平. 教育测量与评价——方法与案例[M]. 上海：华东师范大学出版社，2015.

[12] 顾明远. 教育大辞典[M]. 上海：上海教育出版社，1998.

[13] 陈玉琨. 教育评价学[M]. 北京：人民教育出版社，1999.

[14] 周卫勇. 走向发展性课程评价[M]. 北京：北京大学出版社，2002.