研究動機

本研究是以歐洲語言共同參考架構：學習、教學、評量（the common European framework of reference for languages: learning, teaching, assessment, CEFR）為基礎，

透過現代測驗理論（item response theory, IRT）之技術，建立一套具有信度、效 度的基礎級華語文聽力與閱讀理解能力測驗與電腦化適性評量系統。本論文共分 畫（the national security language initiative）將中文認定為攸關國家安全的戰略語 言，並規劃從幼稚園到大學與進入職場的全民外語學習計畫（籃玉如，2009；U.S.

Department of State, 2006）；2007 年美國參議員於「美中文化交流法案」建議美 國政府應於未來五年內出資 13 億美金，用於美國學校發展中文和中國文化教育 的課程（郭珠美，2009）。這足以證明華語學習在各國之間逐漸受到重視，以及 突顯華語學習市場的龐大需求。

許多國家為因應華語文學習熱潮，除了開始致力於華語文學習之專業化、國

際化之外，亦開始積極地培育優秀華語師資，並透過多元管道推展華語教學。隨 著華語文學習需求日益升高，使得以「母語為非華語者」的華語文能力測驗也逐 漸受到各國矚目，包括臺灣的華語文能力測驗（Test of Chinese as a Foreign Language, TOCFL） 與 兒 童 華 語 文 能 力 測 驗 （ Children’s Chinese Competency Certification, CCCC）；中國大陸的漢語水平考試（Hanyu Shuiping Kaoshi, HSK）

與實用漢語水準認定考試（Test of Practical Chinese, C. Test）；日本中國語交流 協會開發的中文溝通能力測驗（Test of Communicative Chinese, TECC）；以及美 國大學理事會（College Board）舉辦的學術評量測驗（Scholastic Assessment Test, SAT）與跳級安置測驗（Advanced Placement Exams, AP Exams）也發展 SAT 中 文測驗（SAT subject test in Chinese with listening）與 AP 中文測驗（AP Chinese language and culture exams）等。這些測驗主要目的皆是為了檢定以華語為外語或 第二語言能力的學習者，具備何種程度的華語文能力，以進行申請工作、學校、

華語文課程，以減輕學習者與教學機構對於學習者表現解釋之負擔。此外，這將 利於不同國家或地區能相互認證學習者的語言能力。因此，本研究以近年來普遍 受世界各國肯定、且獲得教育部認可於國內推廣的「歐洲共同語文參考架構

（CEFR）」作為測驗發展之依據。CEFR 已經是目前世界各國語言能力檢定常使 用的參考架構，例如：國際溝通英語測驗（Test of English for International Communication, TOEIC）、托福（Test of English as a Foreign Language, TOEFL）、

劍橋國際英語認證（Cambridge Main Suite）、劍橋職場外語檢測（Business Language Testing Service, BULATS） 、德 語檢 定 考試 （Test Deutsch als Fremdsprache, TestDaF）、日本語能力試驗（The Japanese Language Proficiency Test, JLPT）、

法語檢定考試（Diplôme D'Etudes en Langue Française, DELF）等（張莉萍，2007；

藍珮君，2007；Kecker & Eckes, 2007; Tannenbaum & Wylie, 2005）。是故，本研 究以 CEFR 為測驗研發之參考準則，除了順應世界潮流之外，CEFR 本身建構一

SAT 中文測驗則呈現學習者的原始分數、複合總分（composite total score）、百 分位數（percentile）（NCACLS, 2012）；TOCFL 寫作與口語測驗使用整體式評 分法（holistic scoring）作為通過分數（國家華語測驗推動工作委員會，2012a）；

CCCC 以答對 60%以上試題數為通過該等級之測驗（國家華語測驗推動工作委員 會，2012b）等。Wright（1999）指出原始分數將不能達到單向度、線性、以及客 觀性等有意義測量（meaningful measurement）的基本要求。且若使用測驗之原始 分數作為各等級的決斷分數（cut scores），當同等級不同測驗之難度有所不同時，

將會造成相同能力之受試者得到不同施測結果。也就是說，若以 CTT 為主要的

理論依據，將產生同等級不同測驗分數無法提供有意義比較之缺點。此外，Lord

（1980）指出 IRT 模式改進 CTT 模式的諸多缺點，例如：單一測量標準誤、樣 本相依的參數估計、平行測驗的假設等。而且 IRT 模式需符合受試者能力估計值 不變性之性質，此一性質能使得施測不同測驗的受試者能力估計值可相互比較。

因此，若以 IRT 為主要的理論依據，透過測驗等化（test equating）之技術，使用 定錨不等組設計（non-equivalent groups with anchor test design, NEAT design）建 立華語文學習者分數量尺（scale score）。除了能使同等級不同測驗分數能進行比 較之外，且能將不同等級的分數量尺轉換到共同量尺上，以建立華語文能力測驗 題庫。

最後，由於電腦科技的發達，使得過去數十年間，許多測驗進行方式逐漸由 紙筆測驗轉變成電腦化測驗（computer based testing，CBT）。目前華語文能力測 驗主要仍以紙筆測驗的方式進行，卻也陸續將 CBT 列為重要發展項目，例如：

AP 中文測驗施測方式已完全使用 CBT 進行、TOCFL 發展口語與寫作的電腦化 能力測驗（College Board, 2012a; 國家華語測驗推動工作委員會，2012a）。CBT 不僅是世界測驗發展的趨勢，相較於紙筆測驗也佔有相當程度的優勢，藉由多媒 體科技之運用，加入 3D 動畫影像、互動式實作試題或是在電腦中模擬真實世界 之情境，能研發更多元的測驗題型，將有助於提高測驗真實性與測驗之效度。CBT 已是目前華語文能力測驗發展的重點，且隨著測驗理論與電腦科技之演進，較複 雜 的 測 量 模 式 已 經 引 進 到 電 腦 化 測 驗 系 統 中 ， 例 如 ： 電 腦 化 適 性 測 驗

（computerized adaptive testing, CAT）與多向度電腦化適性測驗（multidimensional computerized adaptive testing, MCAT）等。其中，CAT 能依據學習者的學習狀態，

提供適合學習者能力的試題進行測驗，且藉由 CAT 施測程序將能有效地節省測 驗題數與縮短測驗時間。因此，CAT 是測驗理論與實務伴隨電腦科技發展所形成 之產物（何榮桂，2006）。

現今世界各國語文能力檢定皆紛紛發展電腦化測驗系統，例如：英國劍橋大 學英文考試院（Cambridge ESOL）為了進行英語能力檢定，發展 BULATS 作為

國際性英語能力檢定分級檢定測驗，並透過適性化的測驗方式評量受試者的英語 能力；主辦跨國性大型測驗的美國教育測驗服務社（Educational Testing Service, ETS）所承辦的 TOEFL 與 GRE（Graduate Record Examinations）等測驗，也已經 完成電腦化並陸續在全球進行施測。是故，本研究將藉由語言檢定電腦化測驗之