國民中學學生基本學力測驗國文科和 英語科成就性別差異和性別差別
試題功能（DIF）分析
摘 要
本研究分析90到94年度國民中學學生基本學力測驗國文科和英語科成 就性別差異和性別差別試題功能（differential item functioning，簡稱DIF）。
在成就差異分析方面，本研究發現國文科和英語科的性別差異組型非常相 似，具體言之，女生表現一致顯著高於男生，男生個別差異皆較女生略大 些，兩科之低成就組以男生居多，高成就組以女生居多，不過高成就組男女 生人數比例差距不及低成就組大。在性別DIF分析方面，國文科DIF出現率 約為7.5%，有利男生者和女生者各半；英語科DIF出現率則不到1%，有利女 生者佔0.7%，有利男生者佔0.2%。不同內容類型試題的DIF出現率不等，國 文科以「組織結構」、「詞語」、「字音、字形、字義」和「段篇」題的出 現率較高些；英語科DIF題都來自「生活情境閱讀」題。篇末根據研究發現 提出建議供相關人員參考。
關鍵詞：國中基測、語文學習成就性別差異、語文性別DIF 盧雪梅
國立臺灣師範大㈻教育心理與輔導㈻系副教授
Abstract
This research investigated the gender differences and gender differential item functioning (DIF) on the Chinese and English Basic Competency Tests for Junior High School Students (BCTEST) from 2001 to 2005. The results showed similar pictures of gender differences on the Chinese and English parts of the BCTEST. Specifically, the females consistently performed significantly better than the males, and the score variations of males were slightly larger than those of females across test administrations.
In addition, the proportion of males was much higher than those of females in the low-achieving groups, and the proportion of females was slightly higher than those of males in the high-achieving groups. The results on DIF analyses showed that the average percentage of items displaying gender DIF were respectively about 7.5% and 0.9% on Chinese and English tests. The number of items presenting DIF on Chinese tests favoring males was equal to those favoring females. The items presenting DIF on English tests favoring males were about 0.2% and favoring females were about 0.7%. The proportions of DIF items across different item contents showed variations, the content areas that yielded more DIF items were those associated with structure and organization, paragraph reading, characters or vocabulary on Chinese tests, and real life context reading on English tests. Implications based on findings were proposed for educators, test developers and researchers.
Keywords: Basic Competency Test for Junior High School Students, gender differences on Chinese and English achievement tests, verbal gender DIF
Sheue-Mei Lu
Associate Professor, Department of Educational Psychology and Counseling, National Taiwan Normal University
Investigation of the Gender Differences and Differential Item Functioning on Chinese and English Basic Competency Test for Junior High School Students
壹、緒論
國民中學學生基本學力測驗（以下簡稱基測）於民國90年開辦，每年 舉辦兩次，自開辦以來，每年的第一次測驗都有三十餘萬考生參加，接近應 屆國中畢業生的母群體數；第二次也都有五、六成的考生再參加。又，基測 是經過嚴謹發展程序的標準化測驗，故基測是了解我國國中畢業生學習成就 最豐富、也最重要的資料庫。
一、研究緣起
94年度是九年一貫課程實施後的首次基測，學生表現如何，備受矚 目。在高中、高職、五專聯合登記分發放榜後，發現若干傳統明星學校的 最低錄取分數和93年相比，男校維持或出現小幅下降，女校卻出現較大的降 幅，媒體對於這個現象有不少報導，研究者在此擷取兩則報導為例，「考倒 女生？杜正勝指示研究（報導標題）…今年國中基測雖沒有因為九年一貫課 程出現轉型落差，卻出現『男女性別歧視』？」（自由時報，2005年8月 6日，A8版），「台北縣多所國中數學老師說，今年基測考題，自然科、數 學科都比較難，更別提第二次的數學又更難，對女生較不利；而女生拿手的 英語、國文、社會科等，又較簡單，男生也好拿分。」（聯合報，2005年8 月6日，A3版）。前篇報導有過於聳動之嫌，後篇報導似乎充斥了傳統性別 學業成就的刻板印象，也就是，男生在數學和自然科表現較好，女生在語文 和社會科表現較佳。男女生的學習成就果真出現前述的差異嗎？又，基測試 題對於不同性別考生有不公平的現象出現嗎？
「性別平等」課題近來備受重視，男女生學習成就差距為國際間教 育界所關注，一些國際性的學生學習成就調查研究，如TIMSS（Trends in Mathematics and Science Study的簡稱）和PISA（Programme for International Student Assessment的簡稱），都專章報告男女學生的學習成就，反觀國內性 別學習差異的研究則較受忽略。此外，測驗結果通常攸關考生的權益，因 此測驗對不同背景的應試群體的公平性是測驗發展機構關切的焦點之一，這
也是差別試題功能（differential item functioning，簡稱DIF）研究受重視的原 因。之前提及，基測資料是了解我國國中畢業生學習成就的重要資料庫，基 測共有5個考科，資料相當豐富，本研究選擇當中的語文學科為焦點，分析 90年度至94年度基測國文科和英語科之性別成就差異和性別差別試題功能（
gender DIF），了解國中畢業生語文學科學習之性別差異情形，累積國內性 別研究之成果，並根據分析結果提出建議，供有關人員參酌。
二、差別試題功能（DIF）的意義
Dorans和Holland（1993）將DIF界定為兩組能力或表現相配比的群 體，在答題表現上出現顯著的差異。學者今多以DIF這個詞來取代先前研 究所謂的「試題偏誤」（item bias），並且對DIF和試題偏誤做進一步區分
（Camilli & Shepard，1994），不再視二者為同義詞，DIF試題不等同於偏 誤試題，DIF試題經進一步審視和判斷後，如果發現確有與測驗擬測構念（
construct）無關的因素造成試題難度對不同背景的應試群體不相等的情形，
方能宣稱該試題為「偏誤試題」（biased item）。舉例來說，一道以球賽為 背景的數學推理問題，除了測量學生數學知識外，也許還測量到棒球方面的 知識，如果棒球知識不是這道試題擬測量的能力，但因不同群體（如不同性 別）考生對棒球知識不一，造成了試題對兩組考生產生不同的功能，如果原 因確立，方稱該試題為偏誤試題。總之，DIF僅是統計分析或數量分析的結 果，DIF是試題偏誤的必要但非充分條件，偏誤試題之斷定須兼具量與質方 面的證據。
此外，DIF和因受試群體能力不同所造成的表現差異要加以區別，DIF 是指根據測驗測量之構念分數將兩組受試群體加以配組（matched）後，兩 組受試在試題表現上的差異，若受試群體未經任何的配組程序，所觀察到 表現差異英文稱為impact。Dorans和Holland（1993）以「辛普森的反論」（
Simpson’s Paradox）來說明DIF和impact的區別，表1是A和B兩組學生在某一 試題的表現，A組2400受試當中，有1440人答對此題，B組2400人當中，有 1200人答對此題，換言之，A組的答對率為60%，B組為50%，兩組答題表現
的差異為0.1，A組表現較好。但仔細觀察表1裡A和B組之三種不同能力水準 之受試的表現，可以發現在各能力層，B組受試答對率均高於A組0.1，這個 試題實際上是對B組有利，對A組不利，這個例子再次強調將兩組受試者能 力加以匹配在DIF檢定上的重要性。
表1 兩組學生在某試題的答題表現
A組 B組
人數 答對人數 答對率 人數 答對人數 答對率
低能力組 400 40 0.1 1000 200 0.2
中能力組 1000 500 0.5 1000 600 0.6
高能力組 1000 900 0.9 400 400 1.0
全 體 2400 1440 0.6 2400 1200 0.5
資料來源：Dorans和Holland（1993：37）。
本研究包括兩部分，其一，未經任何能力配組程序，分析男女考生基 測國文科和英語科的成就差異，即Dorans和Holland（1993）所稱之impact分 析；其二，分別以國文和英語分數將男女生配組後，進行DIF分析。
三、DIF檢定方法
DIF檢定方法可以分為觀察分數（observed score）和潛在變項（latent variable）兩種取向。潛在變項取向的DIF程序主要是應用試題反應理論（
item response theory，簡稱IRT），雖具較有力的理論依據，但實施上卻相當 費時費力，同時需要大量的樣本，才能得到穩定的試題參數估計值，晚近發 展出來的DIF程序傾向於觀察分數取向（Clauser & Mazor，1998）。目前較 普遍的IRT取向的DIF程序有Lord χ2考驗法、兩組受試群體之試題反應函數（
item response function）間之區域量數（area measure），及概似率考驗法（
likelihood ratio test）。觀察分數取向的DIF程序在計算上較簡易、不需要大 樣本、容易實施，在實際上應用較受歡迎，目前較普遍使用的觀察分數DIF
程序有Mantel-Haenszel法、標準化法（Standardization）、羅吉式迴歸分析 法（logistic regression）和SIBTEST（全名simultaneous item bias test）程序。
上述DIF程序的原理和特性可進一步參考Camilli和Shepard（1994）、Clauser 和Mazor（1998）、Holland和Wainer（1993）的專書或專篇。
本研究採Mantel-Haneszel法（簡稱MH，Dorans＆Holland，1993；
Holland & Thayer，1988；Mantel & Haneszel，1959），MH法是美國教育測 驗服務社（Educational Testing Service，簡稱ETS）研發和使用的方法，屬觀 察分數DIF程序，MH法是美國測驗業界使用最為普遍DIF檢定方法(Roussos
& Stout，1996），受歡迎的理由包括：（1）計算簡便；（2）不需要大樣 本；（3）有顯著性考驗統計，此外，MH也提供一DIF量數指標，稱為MH D-DIF，來描述DIF幅度的大小，並有一套DIF嚴重度分類系統，這都是MH 法受到實務工作者青睞的原因。
四、相關研究
「男生擅長數理，女生擅長語文」是一般人的印象，前述媒體報導也 反映出這種想法，這是實情或刻板印象呢？不過國內語文學習之性別差異實 徵研究並不多見，特別是大型評量。根據本研究旨趣，擷取國內外若干大型 語文學習成就評量或統合分析（meta-analysis）研究進行探討。
（一）語文學習成就之性別差異
吳裕益（1993）以全國國小高年級學生約2萬餘人為對象，調查學童學 業成就暨相關影響因素，研究發現高年級女生在國語科表現顯著高於男 生，但數學和自然科則無性別差異出現。吳裕益、洪碧霞、徐綺穗和葉千 綺（1993）以國一到國三學生共5000餘人為樣本，比較男女生在國文、數學 和理化（僅國二和國三）三科的學業成就，分析結果顯示：整體來說，女生 在國文科表現顯著優於男生，但在數學和理化的表現則不如男生。
陳淑惠、何東憲、張郁雯和吳毓瑩（2006）分析「臺灣學生學習成就 資料庫」2005年國小六年級學生之英語表現，結果指出：男生的通過標準佔 67%，不通過者33%，女生的通過者佔78.3%，不通過者21.7%，也就是說，
女生通過標準的比例高於男生。
Maccoby和Jacklin（1974）對1500餘項性別差異實徵研究進行統合分 析，出版《性別差異心理學》（The psychology of sex difference）一書，指出 男女差異主要在語言能力、數學能力、視覺空間能力和攻擊性四範疇，女性 的語言能力優於男性。
在國際的學習成就調查方面，根據OECD（2004）PISA 2003的閱讀分 析發現，40個參與國家女生的閱讀平均數都高於男生，當中有39個國家達 顯著差異，男女生國際平均差異達34分之多，遠遠大於數學和科學的性別 差距。此外，分數分配在兩端之男女比例差距比居中間者大出許多，舉例來 說，全體OECD國家閱讀表現低於水準1（Below Level 1）的學生中，男生 佔10.7%，女生佔5.5%；表現居水準3者，男生佔25.9%，女生佔28.5%；表 現居水準5者，男生佔6.3%，女生佔10.0%，換言之，高成就組的女生人數 比例較高，低成就組男生人數比例較高。OECD（2004）指出甚至有些國家 低成就組（水準1和低於水準1）中男生佔的比例為女生3倍之多，OECD（
2004:285）指出閱讀低成就男生居多的現象值得教育決策者關注。
Willingham、Cole、Lewis和Leung（1997）收集美國境內若干標準化測 驗組合(test battery)、大型評量方案和資料庫，計14種資料來源、74種測驗之 男、女生表現數據，進行統合分析。他們將測驗分成15大類，其中語文測驗 分為寫作、閱讀、語文運用（language use）和字彙等 4大類。Willingham等 人的整合分析結果顯示：無論是4、8或12年級，女生在寫作、語文運用、閱 讀和字彙的表現都優於男生，而且寫作和語文運用性別差距還顯現出隨著年 級增長而擴大的趨勢。具體言之，寫作的性別落差最大，4、8、12年級的效 果量（effect size）分別約為0.3、0.6和0.6個標準差單位，其次是語文運 用，約0.3（4年級）到0.4（8和12年級）個標準差，再其次是閱讀，不同年 級間閱讀能力的效果量變化不大，皆略高於0.2個標準差，字彙的性別落差 最小，不同年級間字彙能力的效果量變化也不大，約在0.1個標準差左右。
此外，Willingham等人也發現男生語文的變異程度大於女生，也就是說男生 的個別差異較大，而且值得一提的是，這個現象不只在語文方面，其他領域
如數學、自然和社會等測驗也出現這種現象。
上述文獻大抵指出女生語文表現優於男生，不過如Willingham、Cole、
Lewis和Leung（1997）所言，研究對象的年齡（年級）、測驗內容和題型，
以及樣本的選擇等因素都可能影響到研究結果。前面提過，基測是了解我 國國中畢業生學習的重要資料庫，可惜迄今較系統的性別差異實徵研究闕 如，男女生在基測國文和英語的實際表現如何呢？值得去了解。Willingham 和Cole（1997）指出傳統運用的平均數（即效果量）比較男女差異，並無法 窺見男女差異的全貌，他們另提出女/男標準差比（standard deviation ratio，
SDR）和女/男人數比（female and male ratio，F∕M）兩種量數，因此，本 研究以效果量、SDR和F∕/M三項指標比較男女表現，此外，由於男女生表 現分配變異程度通常不一，所以本研究也依循Willingham和Cole（1997），
對成就在分配兩端的學生群（前10%和後10%）的表現進行分析，以更多元 的角度比較男女生語文學習成就的差異情形。
（二）語文測驗之性別DIF分析
有關國中基測的DIF實徵分析研究迄今並不多見，惟見曾建銘（2004）
對90年度第1次基測數學科進行性別DIF檢定，曾建銘（2005）對93年度第1 次基測數學科進行區域DIF檢定，余民寧和謝進昌（2006）對91年度第1和 第2次基測5考科試題進行區域DIF檢定，及王嘉寧（2007）對90至95年度社 會科之地理試題進行區域DIF檢定。國內性別DIF實徵研究也不多，而且幾 乎都以數學為主，語文領域則闕如。國外語文DIF實徵研究則多為入學考 試，如SAT、GRE和ACT。
Scheuneman和Gerritz（1990）、Wild和McPeek（1986）利用 Mantel-Haneszel法分析男女生在GRE閱讀測驗的表現，指出能力配組後，男 生在科學性文本答題表現較女生佳，另一方面，女生在人文和社會科學性 質的文本表現較同能力的男生好。Lawrence、Curley和McHale (1988）分析 男女生在SAT閱讀測驗表現，也指出科學性文本對男生較有利，Doolittle和 Welch（1989）研究男女生在ACT閱讀測驗表現，也有類似的發現。
Carlton和Harris (1992）、O’Neil1、Wild和McPeek (1989）利用
Mantel-Haneszel法分析男女生在SAT和GRE語文測驗題的表現，包括句子完 成（sentence completion）、類比（analogy）和反義字（antonym）題，他們 發現能力配組後，美學（如藝術、音樂、建築、文學）、哲學，及與人群有 關的字彙和內容（例如人們如何思考、感覺和回應等）對女生較有利，也就 是說，就能力相等的男女生來說，女生在這些內容的答對率較男生高，另一 方面，科學和日常生活有關的字彙和內容（如消費、工具和其運用、機械
、體育和歷史等）則對男生有利。
本研究將對90-94年度10次基測國文科和英語科試題進行DIF分析，一 方面調查兩科的性別DIF出現率為何，另一方面，初步探究試題內容和性別 DIF的關聯情形，期望研究結果供各種考試之試題研發者參考暨相關教育人 員參酌。
五、研究目的
根據前述研究動機和相關文獻探討，本研究目的臚列如下：
（一）分析90年至94年度國中基測國文科和英語科男女成就差異，包括 效果量、女/男標準差比和女/男人數比三項指標，並比較高成就 組和低成就組之性別差異組型。
（二）分析90年至94年度國中基測國文科和英語科性別DIF，並探究性 別DIF和試題內容的關聯。
貳、研究程序
一、資料來源
本研究分析之90年到94年度考生答題資料係向「國民中學學生基本學 力測驗工作推動委員會」申請，根據該委員會的資料釋出規定，各科各次測 驗提供隨機抽取之5000名考生答題反應資料。研究者曾就各次測驗5000名考 生和基測委員會提供之全體考生的原始分數平均數與標準差進行比較，結果 顯示5000名考生資料已經可以獲得相當精確的估計值。
二、性別成就差異比較分析
本研究以考生的原始分數進行分析，基測答對1題計得1分，答對題數 即為原始分數。研究者曾對若干次測驗比較其原始分數和量尺分數之性別效 果量，就全體受試來說，兩種分數分析結果相當接近，但對於低成就組來 說，量尺分數就不具區別力，因為多個分數都轉成1分，以國文科為例，大 多數時候在10分以下者對應量尺分數皆為1分，所以本研究採用原始分數來 分析。
本研究循Willingham和Cole（1997）的分析方法，分別分析全體受試、
低成就組和高成就組之三項差異比較量數：效果量（D）、女/男標準差比（
SDR）和女/男人數比，效果量即是標準化的組間平均數差異，為了使效果 量與DIF量數方向一致，本研究之效果量計算公式如下：
S2pooled為兩組之合併變異數，D為正值表示女生的表現較佳，為負值表
示男生的表現較佳，根據Cohen（1988）的評鑑規準，效果量D =.20為小等 級、D=.50為中等級、D=.80為大等級。此外，女/男標準差比（SDR）值若 大於1，表示女生分數變異程度較大，若小於1，則表示男生分數變異程度較 大。又，女/男人數比若大於1，表示女生人數比例較高，若小於1，則表示 男生人數比例較高。
高、低成就組的選取方式說明如後，低成就組由全體受試中從最低分 開始往上取10%的受試者，高成就組則是從最高分開始往下取10%的受 試者，由於同分的關係，高、低成就組人數未必正好是10%，此時取最接近 10%的人數，有時可能略不足10%，有時可能稍超過10%。
三、性別DIF分析
（一）DIF檢定和DIF嚴重度分類
之前提過，本研究採Mantel-Haneszel法，MH法之原理可参閱余民寧和 謝進昌（2006）、盧雪梅（2000）、Camilli和Shepard（1994）、Holland和
D = S M M
2pooled
�
��
Thayer（1988）、Holland和Wainer（1993），在此不予詳述。
本研究進行DIF分析時，以男生為参照組、女生為焦點組，由於MH法 通常以測驗總分為配組變項，若測驗中有DIF試題存在，測驗總分本身可能 存有偏誤，將無法有效將兩組受試者的能力匹比起來，在這種情況下可藉由
「淨化」過程（purification）將DIF試題排除於配組變項外，以獲致一組完 全無DIF的試題為配組變項（Holland & Thayer，1988）。因此，本研究先進 行配組變項淨化，再正式進行DIF分析。具體言之，首先以各科原始分數將 男女生配組後，進行DIF分析，若出現DIF題，則將DIF題排除在外，重新計 算無DIF試題的總分，以之為新的配組變項，再次進行DIF分析，重複以上 步驟，亦即應用迭代（iteration）程序，直到獲致一組完全無DIF試題，以其 總分為配組變項，方進行正式的DIF分析。
本研究估計各試題的χ2MH、MH D-DIF量數（以下用△MH表示之）和其 標準誤，並根據ETS的DIF嚴重度分類系統將試題分類。△MH是以ETS的難 度量尺（Delta，以△表之）來解釋焦點組和參照組的難度差異，△MH值為 負表示試題有利參照組（男生），△MH為正表示試題有利焦點組（女生）。
本研究對DIF題的判定之不以χ2MH檢定結果為據，因為在本研究男女兩組人 數在2,500人上下，樣本人數相當多，在這種情況下，微小的差距也可能達 到統計上的顯著性（statistical significance），但不見得具有實際上的顯著性
（practical significance），因此採用ETS DIF嚴重度分類的結果（Dorans &
Holland，1993）。ETS DIF嚴重度分類兼顧統計顯著性考驗結果和△MH的幅 度大小，如果試題之△MH值在統計上未顯著異於0或△MH的絕對值小於1.0，
將之歸於A類DIF；如果△MH的絕對值大於1.5且統計上顯著大於1.0，則歸於 C類DIF，其餘的試題歸於B類DIF，上述統計檢定的顯著水準皆為.05。A類 代表不顯著或輕微的DIF，B類代表中度DIF，C類則為重度DIF。本研究以B 和C類DIF題為DIF題。此外，根據盧雪梅(2000)的模擬研究結果，即使在焦 點組和對照組能力差距達1個標準差時，ETS DIF分類結果在大多數情況下 皆能有效控制第一類型錯誤率。余民寧和謝進昌（2006）也指出ETS DIF分 類系統較不受樣本因素影響，可得到客觀和可信的DIF指標。
為更清楚說明DIF的定義和分析的基本原理，在此輔以兩個實例說明，
圖1和為某一A類DIF的實徵試題特徵曲線（C901-1，國文90年1次基測第1 題），圖中顯示：分數相同之男女生的答題通過率無明顯差距，圖2為某一 C類DIF的試題特徵曲線（C941-31），圖中顯示：分數相同之男女生的答題 通過率出現明顯差距，此題明顯有利男生，因為男生通過率明顯高於同分的 女生。
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
���������
�
���
���
���
���
���
���
���
���
���
�
�
�
�
�
�
圖1 某A類DIF實徵試題曲線
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
�
���������
�
���
���
���
���
���
���
���
���
���
�
�
�
�
�
�
圖2 某C類DIF實徵試題曲線
（二）DIF量數和試題內容關聯之分析
DIF量數和試題內容之關聯也是本研究的旨趣之一，本研究對試題分類 參酌林世華、陳柏熹和盧雪梅（2005）的架構，將國文科試題分成「字形、
字音、字義」、「詞語」、「句子」、「段篇」、「文法」（包括文法、
句法、語法）、「修辭」（包括修辭、寫作或表現手法）、「組織結構」（
包括組織結構和標點符號）、「工具、國學和文化知識」（包括應用文、工 具書使用、國學和文化知識等）等八類。將英語科試題分成閱讀理解（
reading）和語言能力（language）兩大類，其中閱讀理解能又分為「生活情 境的閱讀」（如圖表、廣告、書信、標示….等材料，以下稱閱讀I）和「非 生活情境的閱讀」（主要為一般性短文，以下稱閱讀II）兩類；語言能力又 分「字彙」、「語用和文法」（usage and grammar）、「句型結構」、「組 織」、「表達」（expression）等五類。上述各類之概念定義和試題舉例可 參考林世華等（2005）。
本研究參考Harris & Carlton（1993）的分析方式，利用變異數分析探討 試題內容類型對△MH的影響和變異解釋量；除此之外，分析不同內容試題之 DIF嚴重度分類結果之分配，也對B和C類DIF試題之內容進行詳細檢視，嘗 試歸納與性別DIF較有關聯的內容特徵。
參、結果與討論
一、基測國文科之性別差異分析結果
表2為各次測驗全體受試、低成就組和高成就組受試之性別效果量、女∕
男標準差比（SDR）和女/男人數比（F∕M），表中之測驗年次的前2碼代 表年度，第3碼代表次別。由於931次測驗，第20題回答A或C皆計分，本研 究不將此題列入分析，故實際分析480題。首先，看全體受試的分析結果，
各次測驗女生表現一致高於男生，且差距皆達顯著水準，效果量介於.19 至.38間，平均值約為.28，標準差約為.05，依據Cohen（1988）效果量的評 鑑標準，各次測驗效果量由小至中等級不一。在變異程度方面，SDR值介 於.88至.93間，皆小於1，亦即各次結果一致顯示男生分數變異程度略大於女 生，也就是說男生組內的個別差異較女生為大。
其次看低成就組的分析結果，效果量介於.01至.18間，平均值約為.14，
標準差約為.05。不論組間差距達顯著水準與否，效果量方向一致顯示女生 表現較佳，惟效果量平均值約為全體受試的一半。接著看SDR值和女∕男人 數比值（F∕M），SDR值介於.88到1.02間，亦即男女生分數的變異程度大 小互現，F∕M值介於.37到.59間，皆低於該次測驗全體樣本觀察到的比例，
亦即男生比例居多。統計檢定結果也指出各次低成就組男生比例皆顯著高於 全體樣本的比值，兩組人數差距約從26%到46%不等，進一步做百分比差異 檢定，結果顯示各次測驗男生人數百分比皆顯著高於女生，低成就組各次測 驗男女生人數百分比詳見表3。
再看就高成就組的分析結果，效果量介於-.01至.25間，平均值約為.10，
標準差約為.07。不論組間差距達顯著水準與否，有9次效果量方向顯示女生 表現較佳，惟平均效果量又比低成就組更小些。接著看SDR值和F∕M值，
SDR值介於.96到1.12間，亦即男女生分數的變異程度大小互現，F∕M值介 於1.23到1.43間，皆高於該次測驗全體樣本觀察到的比值，也就是說，高成 就組女生的人數比例較高，差距約從11%到18%不等，進一步做百分比差異 檢定，結果顯示各次測驗女生人數百分比皆顯著高於男生，高成就組各次測 驗男女生人數百分比詳見表3。
接下來看男女生在各分項的表現，表4呈現各類試題之性別效果量，除
「工具、國學和文化知識」有4次測驗未達顯著差異，其餘皆顯示女生表現 顯著較佳。此外，各分項之效果量平均值皆達顯著水準，其中「字形、字 音、字義」的效果量平均值約.30，是男女表現差距最大的一項，「工具、
國學和文化知識」的效果量平均值約.16，是男女表現差距最小的一項，其 餘者如「詞語」、「句子」、「段篇」、「文法」、「修辭」和「組織結 構」的平均效果量相當接近，都略大於.20。
綜合上述，女生基測國文科表現明顯優於男生，男生表現的變異程度 略大於女生，全體受試的效果量平均值為.28，但居分配兩端者的效果量小 了一些，低成就組的平均值為.14，高成就組的平均值為.10。此外，低成就 組男生人數比例較女生多，值得注意的是，各次測驗低成就組男生比例至少 在6成以上，甚至高達7成以上，另一方面，高成就組女生人數比例則較男生 多，不過組間人數差距不若低成就組大，最高不到2成。各分項之性別效果 量平均值亦皆達顯著水準，男女生在「字形、字音、字義」的表現差距最 大，在「工具、國學和文化知識」的表現差距最小，在其餘各類試題的性 別差距則相當接近，平均效果量皆略大於.20。雖然基測國文科是綜合型 測驗，但90到94年基測國文科之性別差異分析結果顯示出與OECD（2004）
PISA 2003的閱讀分析結果相當類似的組型，簡而言之，女生的整體表現較 佳，高成就組女生比例居多些，低成就組男生比例居多些，值得一提的是，
低成就組男生的人數約是女生的2倍，這個現象值得教育當局和相關人員注 意。
表2 基測國文科的性別效果量、女∕男標準差比和女∕男人數比
測驗年次 題數 組別 效果量 標準差比 人數比
901 46 全體 .19*** .91 .98
低成就 .16 .88 .52
高成就 .06 1.10 1.25
902 47 全體 .30*** .90 .93
低成就 .01 .86 .46
高成就 .14 .99 1.39
911 50 全體 .23*** .93 .97
低成就 .14 .94 .59
高成就 .10 1.10 1.23
912 50 全體 .29*** .91 .88
低成就 .17 .88 .43
高成就 .15 1.12 1.33
921 48 全體 .30*** .89 .95
低成就 .18* .94 .47
高成就 -.01 1.10 1.43
922 48 全體 .26*** .92 .93
低成就 .17 .98 .56
高成就 .13 1.06 1.30
931 481 全體 .38*** .88 .93
低成就 .12 1.02 .37
高成就 .08 .96 1.37
932 48 全體 .30*** .88 .92
低成就 .14 1.02 .49
高成就 .25*** 1.12 1.32
941 48 全體 .28*** .93 .88
低成就 .16 1.00 .48
高成就 .04 .96 1.28
942 48 全體 .22*** .91 .90
低成就 .14 1.02 .52
高成就 .05 1.04 1.30
*p < .05.***p < .001.
1 實際分析題數為47題
表3 基測國文科低成就組和高成就組男女生人數百分比
低成就 高成就
測驗年次 女 男 女 男
901 34.0 66.0*** 55.5*** 44.5
902 31.6 68.4*** 58.0*** 42.0
911 37.2 62.8*** 55.2*** 44.8
912 30.0 70.0*** 57.1*** 42.9
921 30.9 69.1*** 58.9*** 41.1
922 35.8 64.2*** 56.5*** 43.5
931 27.1 72.9*** 57.9*** 42.1
932 32.7 67.3*** 56.8*** 43.2
941 32.5 67.5*** 56.2*** 43.8
942 34.4 65.6*** 56.6*** 43.4
***p <.001.
表4 基測國文科各類試題之性別效果量
測驗年次 字 語詞 句子 段篇 文法 修辭 組織 文化知識
901 .24*** .24*** .14*** .11*** .19*** .11*** .14*** .02 902 .35*** .22*** .22*** .23*** .20*** .23*** .16*** .26***
911 .24*** .24*** .20*** .19*** .25*** .17*** － .00 912 .35*** .25*** .21*** .20*** .17*** .21*** .28*** .20***
921 .24*** .23*** .34*** .27*** .13*** .14*** － .21***
922 .43*** .30*** .14*** .15*** .21*** .31*** － .03 931 .38*** .33*** .29*** .34*** .26*** .26*** .32*** .27***
932 .27*** .19*** .20*** .23*** .20*** .28*** .13*** .35***
941 .28*** .19*** .12*** .19*** .25*** .24*** .34*** .19***
942 .23*** .07* .23*** .17*** .23*** .17*** .11*** .04 平均 .30*** .23*** .21*** .21*** .21*** .21*** .21*** .16**
*p < .05.** p < .01.***p < .001.
二、基測英語科之性別差異分析結果
表5為各次測驗全體受試、低成就組和高成就組受試之性別效果量、女∕
男標準差比（SDR）和女/男人數比（F∕M）。首先，看全體受試的分析結 果，各次測驗女生表現一致顯著高於男生，效果量介於.28至.39間，平均值 約為.34，略高於國文科（D= .28），標準差約為.04。SDR值介於.88至.96 間，皆小於1，也就是說，男生英語成就之個別差異比女生略大些。
其次看低成就組的分析結果，效果量介於-.18至.22間，平均值約為.05，
標準差約為.12。不論組間差距達顯著水準與否，10次測驗中有8次效果量方 向顯示女生表現較佳，惟多數都相當微小。接著看SDR和F∕M值，SDR值 介於.75到1.14間，亦即男女生分數的變異程度大小互現，F∕M值介於.42 到.57間，皆低於該次測驗全體樣本觀察到的比值，統計檢定也指出各次低 成就組男生比例皆顯著高於全體樣本，兩組人數百分比差距從27%到40%不 等，統計檢定結果顯示各次男生人數百分比皆顯著高於女生，低成就組各年 次測驗男女生人數百分比詳見表6。
再看就高成就組的分析結果，效果量介於-.08至.18間，平均值約為.03，
標準差約為.07。不論組間差距達顯著水準與否，10次測驗中有8次效果量方 向顯示女生表現較佳，惟大多數都相當微小。接著看SDR和F∕M值，SDR 值介於.99到1.08間，值得一提的是，高成就組幾乎都是滿分或接近滿分考 生，故兩組的標準差非常接近。F∕M值介於1.09到1.49間，皆高於該次測驗 全體樣本觀察到的比值，亦即女生居多，兩組人數百分比差距從4%到19%
不等，統計檢定結果顯示除911和932兩次測驗外，女生人數百分比皆顯著高 於男生，高成就組各年次測驗男女生人數百分比詳見表6。
接下來看男女生在各分項的表現，表7呈現各類試題之性別效果量，除 911次測驗之組織題外，其他類型的效果量皆達顯著水準。此外，各分項之 效果量平均值也皆達顯著水準，男女生在「字彙」、「閱讀I」、「閱讀II」
和「語文表達」的表現差距較大，這些類的效果量平均值皆在0.30以上，「
組織」題的性別差距最小，平均效果量未達.20，其餘如「語用/文法」和「
句型結構」的平均效果量皆在.20以上。
整體來說，男女考生在英語科的表現差異組型和國文科觀察到的非常 類似，具體言之，整體女生的表現明顯高於男生，男生的變異程度也略大 些，效果量平均值達.34，不過居分配兩端者的效果量低了許多，低成就組 的平均值為.05，高成就組的平均值為.03。雖然成就居兩端者的性別效果量 相當微小，不過低成就組男生人數遠較女生多，各次測驗男生的人數比例皆 在6成到7成之間，和國文科頗為接近；另一方面，高成就組則女生居多，不 過組間人數比例差距不及低成就組大，最高不到2成。在分項表現上，不同 類型試題之效果量平均值皆達顯著水準，「字彙」、「閱讀I」、「閱讀II」
和「語文表達」題之性別差距較大些，平均效果量皆在0.30以上，「組織」
題的性別差距最小，平均效果量不到.20，其餘類型試題皆在.20以上。值得 一提的是，國文科和英語科低成就組的男生人數都是將近女生的2倍，誠如 OECD（2004）所呼籲，為了發展國家人力資源，語文低成就男生居多的現 象值得教育決策者關注，因為國文是學習的基礎能力，英語是未來職場競爭 力的指標。
表5 基測英語科分數的性別效果量、女⁄男標準差比和女⁄男人數比
測驗年次 題數 組別 效果量 標準差比 人數比
901 45 全體 .28*** .96 .97
低成就 -.18 1.04 .56
高成就 .01 1.00 1.49
902 45 全體 .32*** .93 .93
低成就 .05 .95 .53
高成就 -.04 1.00 1.23
911 45 全體 .29*** .95 .97
低成就 .22 .82 .52
高成就 .03 1.00 1.10
912 45 全體 .35*** .93 .88
低成就 .08 .86 .47
高成就 .18 1.00 1.22
921 45 全體 .36*** .93 .95
低成就 .20 .75 .57
高成就 -.08 .99 1.41
922 45 全體 .34*** .90 .93
低成就 -.08 1.04 .45
高成就 .01 1.08 1.18
931 45 全體 .39*** .92 .93
低成就 .05 .90 .45
高成就 .11 1.00 1.23
932 45 全體 .32*** .86 .92
低成就 .01 1.14 .42
高成就 .05 1.01 1.09
941 45 全體 .39*** .93 .88
低成就 .07 .86 .45
高成就 .00 1.00 1.30
942 45 全體 .32*** .88 .90
低成就 .10 .90 .47
高成就 .00 1.00 1.16
***p < .001.
表6 基測英語科低成就組和高成就組男女生人數百分比
低成就 高成就
測驗年次 女 男 女 男
901 36.0 64.0*** 59.7*** 40.3
902 34.5 65.5*** 55.2*** 44.8
911 34.3 65.7*** 52.2 47.8
912 31.7 68.3*** 55.0** 45.0
921 36.5 63.5*** 58.4*** 41.6
922 30.9 69.1*** 53.9* 46.1
931 31.0 69.9*** 55.3*** 44.7
932 29.7 70.3*** 52.2 47.8
941 31.2 68.8*** 56.5*** 43.5
942 31.9 68.1*** 53.7* 46.3
*p < .05. **p <.01. ***p < .001.
表7 基測英語科各類試題之性別效果量
測驗年次 閱讀I 閱讀II 字彙 語用∕文法 句型結構 組織 語文表達
901 .28*** .26*** .27*** .20*** .13*** .23*** .26***
902 .31*** .32*** .30*** .25*** .25*** .31*** .21***
911 .21*** .28*** .38*** .11*** .33*** .01 .26***
912 .36*** .31*** .34*** .24*** .23*** － .31***
921 .24*** .26*** .36*** .27*** .29*** .16*** .36***
922 .29*** .30*** .32*** .26*** .22*** .23*** .35***
931 .39*** .32*** .39*** .26*** .33*** － .37***
932 .32*** .34*** .32*** .15*** .28*** － .29***
941 .36*** .37*** .40*** .30*** .35*** .16*** .34***
942 .29*** .34*** .34*** .24*** .26*** － .26***
平均數 .31*** .31*** .34*** .23*** .27*** .18** .30***
**p < .01. ***p < .001.
三、基測國文科之性別DIF分析結果
（一）各次基測之性別DIF出現率
表8呈現各次基測DIF題題號和題數統計，有興趣的讀者可以透過題號 資訊調閱試題內容。表中B類代表中度DIF，C類為重度DIF，「＋」號表示 對女生有利，「－」號表示對男生有利。從表8可知各次測驗或多或少都有 DIF題出現，多數在3題以下，922次測驗竟高達9題，DIF出現率由2.1%到 18.8%不等，平均值為7.5%。10次基測共36題呈現DIF，有利男生者計18題
（3.75%），其中2題C類DIF，16題B類DIF，有利女生計18題（3.75%），
其中2題C類DIF，16題B類DIF。值得一提的是，之前性別效果量分析一致顯 示出女生表現優於男生，不過DIF題出現率卻是男女平衡，稍後對DIF題仍 有進一步的分析。
表8 各次基測國文科B和C類DIF試題的題號和題數統計
測驗年次 題數 B＋ C＋ B－ C－ 合計 百分比
901 46 12 5,17,36 4 8.7
902 47 13 1 2.1
911 50 50 21 25 3 6.0
912 50 9 22,39 3 6.0
921 48 37 6 2 4.2
922 48 3,4,15,25,
33,36,46 29 10 9 18.8
931 482 10 3,44 3 6.4
932 48 28 1 2.1
941 48 16,22 4,8 31 5 10.4
942 48 32 1,2,22,26 5 10.4
合計 4812 16（3.3%） 2（.4%） 16（3.3%） 2（.4%） 36 7.5
2 實際分析題數為47題，全部分析題數為480題
（二）試題內容類型對MH DIF量數變異量之解釋量
表9呈現各類試題△MH平均數、標準差、△MH平均數之95%信賴區間和 變異數分析結果。變異數分析結果達顯著水準，F（7,472） = 6.50，η2 = .09，
p < .001，試題內容類型可以解釋△MH總變異量9%。△MH平均數之95%信賴 區間顯示「字音、字形和字義」、「組織結構」和「段篇」的區間沒有包含 0於内，換言之，國文能力相等的男女生這幾類試題的整體作答表現有顯著 差異，從△MH平均數的方向可知，整體而言，「組織結構」題和「字音、字 形和字義」題對女生略為有利，男女平均難度相差分別約.44和.42個△單 位，若轉換成通過百分比的單位，兩者皆接近3%，另一方面，「段篇」題 對男生較為有利，男女平均難度相差約.13個△單位（約0.8%），差距相 當微小，至於其他的類型試題，國文能力相當之男女生答題表現並沒有顯 著差異出現。值得一提的是，表4之性別效果量顯示女生在各類表現皆勝於 男生，不過DIF分析結果卻顯示，將男女國文能力配組後，男生在「段篇」
題的表現略佳，基測國文科段篇題主要測量閱讀能力，有單題、也有題組，
從DIF分析結果可知國文能力相當者，男生的閱讀能力略較女生為佳。
表9 基測國文科△MH的平均數、標準差、信賴區間和變異數分析結果
試題內容類型 題數 平均數 標準差 95%信賴區間 F η2
字音、字形、字義 43 .42 .53 .26 ~ .59 6.50*** .09
詞語 70 .09 .64 -.06 ~ .24
句子 93 -.09 .47 -.19 ~ .00
段篇 153 -.13 .59 -.22 ~ -.03
文法 42 .01 .44 -.13 ~ .15
修辭 41 .04 .42 -.09 ~ .17
組織結構 9 .44 .49 .07 ~ .82
工具和文化知識 29 -.06 .61 -.30 ~ .17
全 體 480 .00 .57
***p <.001.
（三）各類試題之DIF嚴重度分類結果
表10呈現各類試題之ETS DIF分類結果，A類代表不顯著DIF，B類代表 中度DIF，C類為重度DIF。實際分析的480道試題中，A類DIF佔92.5%，B和 C類DIF共有36題，DIF出現率約7.5%，之前提過，有利男女者各半。細看各 類試題之DIF出現情形，DIF出現率由高至低如下：「組織結構」（2題，佔該 類試題的22.2%）、「語詞」（9題，12.9%）、「字音、字形、字義」（4 題，9.3%）、「段篇」（14題，9.2%）、「工具和文化知識」（2題，6.9%）、
「句子」（4題，4.3%）、「文法」（1題，2.4%），「修辭」題無DIF題出 現。其中「字音、字形和字義」、「組織結構」、「文法」的DIF題全都有 利女生；「句子」的DIF題皆有利男生；「段篇」DIF題對男生有利者9題（
佔該類DIF題之64.3%），對女生有利者5題（佔35.7%）；「語詞」DIF題對 男生有利者4題（佔44.4%），對女生有利者5題（佔55.6%）；「工具和文 化知識」DIF題有利男女者各1題（各佔50%）。
研究者對於DIF題的內容做較詳細審視，初步並未發現和測驗目標無 關的因素，也就是說，雖出現DIF現象但並不構成試題偏誤，不過有一些 有趣和值得注意的發現。前面提過，「組織結構」DIF題全都有利女生，
觀看內容，發現2題都是標點符號題，值得一提的是，90-94年基測國文試 題共有6題標點符號題，換言之，標點符號題的DIF出現率為三分之一；此外，
「字音、字形和字義」DIF題也全都有利女生，4題中有3題是屬於字形，主 要要求考生找出文句中的錯字，90-94年基測國文試題共有19題字形題，其 中就有3題DIF題，約佔16%。標點符號和字形題的DIF可能反映著女生較注 意細節的特性。測量閱讀能力之「段篇」題共有14題出現DIF，研究者嘗 試著去歸納文本特徵，有利女生的5題都自於題組的問題，一題問及「作者 欣賞汝窯之美的原因」（C911-50）、一題問及魏學洢〈王叔遠核舟記〉一 文的特色（C922-46），這兩題偏向審美欣賞，另外3題有一題關於子女 教導（C921-37）、一題關於送禮考量（C931-10）、一題關於情感抒發
（C941-22），換言之，比較偏向美學和人際關聯，這和Carlton和Harris（
1992）、O’Neil1、Wild和McPeek（1989）的發現有些相似，不過由於題數
不多，仍有待更多的例證。有利男生的9題中，有5題是單題，有4題來自於 題組，內容包括短文標題和寓意、四格漫畫故事的意涵、書信、人物軼事、
人物關係分析等等，不一而足。其次，看C類DIF題，有利於女生的2題DIF 題中，一題是有關結婚賀辭的題目（C901-12，詞語題），一題問及「下列 文句，何者用字完全正確？」（C922-29，字形題）。有利男生的2題C類 DIF題，其中一題是關於楚漢相爭歷史文件（C911-25，文化知識題）、另 一題題幹呈現一段描述和評論一位下棋高手表現的短文，要求考生選出敘述 正確的選項（C941-31，段篇題），值得一提的是，戰爭和下棋通常是男生 比較感興趣的主題。總之，國文科DIF試題初步審視結果，並未發現和測驗 目標無關的因素之因素，換言之，雖出現DIF現象但並不構成試題性別「偏 誤」，不過部分DIF試題似乎與男女生的興趣或特質有關聯。
表10 基測國文科各類試題之ETS DIF分類結果
A B+ C+ B－ C－
試題內容類型 題數 % 題數 % 題數 % 題數 % 題數 %
字音、字形、字義 39 90.7 3 7.0 1 2.3 0 0.0 0 0.0
詞語 61 87.1 4 5.7 1 1.4 4 5.7 0 0.0
句子 89 95.7 0 0.0 0 0.0 4 4.3 0 0.0
段篇 139 90.8 5 3.3 0 0.0 8 5.2 1 0.7
文法 41 97.6 1 2.4 0 0.0 0 0.0 0 0.0
修辭 41 100.0 0 0.0 0 0.0 0 0.0 0 0.0
組織結構 7 77.8 2 22.2 0 0.0 0 0.0 0 0.0
工具和文化知識 27 93.1 1 3.4 0 0.0 0 0.0 1 3.4
全 體 444 92.5 16 3.3 2 0.4 16 3.3 2 0.4
四、基測英語科之性別DIF分析結果
（一）各次基測之DIF出現率
表11呈現各次基測DIF題題號和題數統計，有興趣的讀者可以透過題號 資訊調閱試題內容。10次測驗中只有932和942兩次基測出現DIF，932次出
現1題，出現率約2.2%，942次出現3題，出現率約6.7%，10次測驗平均出現 率不到1%。4題當中有3題有利女生（約0.7%），其中1題為C類DIF，有利 男生者只有1題（約0.2%）。和國文科相比，英語科的性別DIF出現率明顯 低了許多。
表11 各次基測英語科B和C類DIF試題的題號和題數統計
年次 題數 B＋ C＋ B－ C－ 合計 百分比
901 44 0 .0
902 45 0 .0
911 45 0 .0
912 45 0 .0
921 45 0 .0
922 45 0 .0
931 45 0 .0
932 45 27 1 2.2
941 45 0 .0
942 45 31 23 30 3 6.7
合計 449 2（.5%） 1（.2%） 1（.2%） 0 4 .9
（二）試題內容類型對MH DIF變異量之解釋量
表12呈現各類試題△MH平均數、標準差、△MH平均數之95%信賴區間和 變異數分析結果。變異數分析結果達顯著，F（6, 442）= 4.54，η2 = .06，p < .001，
試題內容類型約可解釋△MH總變異量6%。△MH平均數之95%信賴區間顯示「
閱讀II」、「字彙」、「語用和文法」的區間沒有包含0於内，換言之，英 語能力相等的男女生這幾類試題的整體作答表現有顯著差異，從△MH平均數 的方向可知，整體而言，「閱讀II」和「字彙」題對女生略為有利，男女平 均難度相差分別約.11和.12個△單位，約0.5%，差距相當微小，另一方面，
「語用和文法」對男生較為有利，男女平均難度相差約.15個△單位，將近 1%，至於在其他類型試題上，英語能力相當之男女生的答題表現無顯著差 異。
表12 基測英語科△MH的平均數、標準差、信賴區間和變異數分析結果
試題內容類型 題數 平均數 標準差 95%信賴區間 F η2
閱讀 I 97 .06 .49 -.04 ~ .16 4.54*** .06
閱讀 II 86 .11 .35 .04 ~ .18
字彙 91 .12 .34 .05 ~ .19
語用和文法 72 -.15 .30 -.22 ~ -.08
句型結構 36 .00 .30 -.10 ~ .10
組織 9 .07 .28 -.14 ~ .28
語文表達 58 .01 .36 -.04 ~ .16
全 體 449 .04 .38
***p <.001.
（三）各類試題之DIF嚴重度分類結果
表13是各類試題ETS DIF分類結果，10次測驗449道試題中，B和C類 DIF共4題，出現率不到1%，而且這4題都是「閱讀I」類試題，即生活情境 閱讀。研究者對DIF試題內容進一步觀察，發現當中惟一有利男生的題目是 一題讀地圖的題目（E942-30），有利女生的3題當中，1題來自一讀統計圖 的題組，題幹是"Which class has the most girls？"E932-31）是否因題目指稱 的主角為女性，導致性別DIF出現呢？另2題都是書信的題組，1題有關顧客 購物的投訴（E942-31），1題問及信中提及的卡片是那一張，答案是聖誕卡
（E942-23，C類DIF），是否購物和賀卡是多數女生比較感興趣的主題，而 造成性別DIF呢？由於目前累積之DIF題數相當有限，尚有待更多的例證。
