第二章 文獻探討
第一節 教學與評量
一、 教學與評量的關係
教學（instruction）包括教（teaching）與學（learning），亦即為如何教（How）， 如何學的過程，是師生共同參與而產生交互影響的動態過程。「教學相長」一詞說明了 教 與 學 相 互 助 長 的 密 切 關 係 。 而 美 國 教 授 Yamamoto 在 其 所 著 「 教 學 中 的 評 量 (Evaluation in Teaching)一文中，主張評量應顧及教學活動的七W層面，即「為何而 教」(Why)、「誰教」(Who)、「教誰(Whom)、「何時教」(When)、「教什麼」(What)、
「如何教」(How)、「何處施教」(Where)，可深刻的說明教與學的關係。
教學與評量密不可分（謝祥宏，段曉林，民 89），教學想要有成效，「評量」為一 個重要的驗證方法。教學與評量猶如一種互為鏡像（mirror image）的關係，在評量的 鏡像中可以反映出教學目標是否達成，在教學實況中則反映出評量的目標。評量應是連 續的過程，讓教學者經由學習者對評量的回應中獲得一些訊息，以作為教學上修正的依 據。因此評量可改變教與學，評量可說是教育改革的中心。
教學與評量皆是教學歷程的一部分，評量是達成教學目標的重要工具，透過評量 的回饋作用，可以促進教學成效，下面藉由美國教育學者 Kibler（1974）提出的「教 學的基本模式」來更進一步說明。
二、 教學評量的目的
評量的本質應該是以提升學習者的學習為第一要務。評量的標準要秉持公平、公 正的原則，這樣的評量才有意義，也才能真正達到與教學相輔相成的效果。而公平的評 量要有三個先決條件（謝祥宏，段曉林，民 89）：（1）課程的真實度（2）多樣性和機
評量是運用科學方法和技術（簡茂發，民 85），蒐集有關學生學習行為及其成就 的正確資料，再根據教學目標，就學生學習表現情形，予以分析、研究和判斷的一系列 的工作。在整個教學歷程中，評量是承接轉合的關鍵部分。
美國教育學者 Kibler（1974）提出「教學的基本模式」，如圖 2-1.1，把教學的基 本歷程分為教學目標、學前評估、教學活動、評量等四部份，進而闡述四者之間的交互 關係，特別強調評量的回饋作用及積極功能其模式如下：
回饋作用
圖 2-1.1 教學基本模式（GMI）
由此基本模式可以了解，評量並非教學基本歷程的最後一站，更不是教學活動的 結束，評量應該只是一種方法或工具，而不是最終的目的，評量可作為分析教學得失及 評斷學生學習的困難點，以作為實施補救教學和個別輔導的依據，作為下一階段的教學 歷程的回饋，以及新的教學活動的開始。
三、 教學評量的功能
評量對教師具有下列四項功能（何英奇，民 81）：（1）了解學生的起點行為－透過 預備性評量，教師可以了解學生的起點行為，以作為訂定教學目標的參考（2）建立確 實可行的教學目標（3）確定教學目標到達的程度－透過形成性或總結性評量以了解教 學目標到達的程度（4）改進教材教法，增進教學效果。
因此教學評量應包括三大部分（簡茂發，民85）：（1）教師的教學效率的評量
教學目標 學前評估 教學活動 評量
（evaluation of teacher’s teaching effectiveness）（2）學生學習成就的評量
（evaluation of student’s learning achievement）（3）課程的設計與實施的評量
（evaluation of curriculum program）。第一部分以教師為評量對象,就教師適性及其 教學方法和技術加以評量。其中教學效率的評量包含教學活動設計、教學情境佈置的編 選、教法的運用、教學進度的掌握、師生參與活動、作業的規定和批閱訂正、教室管理 和常規訓練等項目。第二部分以學生為評量對象,旨在評鑑學生的學習行為和學習結 果，宜先了解學生的個別差異,包括身體、智力、性向、人格特質、家庭背景等方面;
在學習過程中應注意觀察並記錄學生的學習動機、興趣、態度、方法、習慣、努力情形 等；經過一段學習活動以後，再採用科學方法從多方面考查學生的學業成績，分析其優 點和缺點，進而診斷其學習困難之所在及原因，據以實施補救教學或個別輔導。第三部 分以師生共同參與的課程與教學活動為主，評鑑學校課程計畫與實施之利弊得失，再加 以檢討改進，期能有較佳的均衡課程之安排(better-balanced curriculum)，而獲致更 為良好的教與學(better teaching & better learning)之效果。亦可以說，教學評量 主要的目的在於衡鑑教師教學的效率與學生的學習結果。現在教育學者大多認為成績評 量有雙重任務，除了評量學生學習的結果之外，同時也在考驗教師教學的效率，看看它 是否符合學生的需求；成績評量應以分析教學得失、診斷學生學習的困難、了解學生學 習進展情形為重點，而不要以成績評量之結果，作為判決學生行為而予以獎懲的依據。
一般而言評量在教學過程中具有下列四項主要功能（簡茂發，民85）:(1)了解學 生的潛能與學習成就,以判斷其努力程度；(2)了解學生學習的困難，作為補救教學及個 別輔導的依據；(3)估量教師教學的效率，作為教師改進教材、教法的參考；(4)獲悉學 習進步的情形，可觸發學生學習的動機。
教學評量的目的主要在增加學生學習的效果；是以教育心理學家認為教學評量應
具有五種功能（張景媛，民81）：（1）了解學生的起點行為（2）評定學生學習的結果（3）
使教師了解教學的得失（4）診斷學生學習的困難（5）激發學生學習的動機。可以將這 些功能的評量類型分類如下：（1）了解學生的起點行為－預備性或安置性評量（2）評 定學生學習的結果－形成性或總結性評量（3）使教師了解教學的得失－形成性評量配 合診斷性評量（4）診斷學生學習的困難－診斷性評量（5）激發學生學習的動機－預備 性評量。
四、 教學評量的基本原則
教學的重點是在考查學生的學習成就及衡鑑教師的教學效率，是以在進行教學評 量時，必須把握以下十三點原則，方能達其功能（何英奇，民81）：（1）符合原則（2）
綜合原則（3）回饋原則（4）歷程與結果兼顧原則（5）個別原則（6）連續原則（7）
民主原則（8）合作原則（9）科學原則（10）公平原則（11）保密原則（12）描述原則
（13）研究發展原則。
綜合其主要內容如下：（1）評量應根據教育目標進行，避免為升學而做評量。教 學前宜先分析教學目標，然後依教學目標進行教學與評量。完整的教育目標兼顧認知、
情意、與技能三領域。認知的評量也不應只強調記憶性，而需包合理解、應用、分析、
綜合、評鑑等高層目標。（2）教學評量不能只用紙筆測驗，而應依評量的目的選用適 當的方法，諸如論文式考試、教師自編測驗、標準化測驗、口試、作業、實作測驗、表 演、欣賞、實驗報告、唔談及觀察等方法。（3）在教學過程中宜充分應用安置性、形 成性、診斷性、與總結性評量，以提高教學效果。（4）教學評量只是手段，它必須在 教學過程中隨時回饋給學生和教師，以作為補救教學的依據。（5）教學評量不只重視 月考、期考，平常考也應重視，以便能做立即性回績。此外教師除重視學生答是否正確 外，尚需兼顧學生思考的歷程。實驗與技能的評量也不能只重視結果或產品，宜兼顧實
驗與製作的方法及過程。（6）評量需顧及每個學生個別差異。（7）評量為一連續長期 的歷程，不但要根據過去狀況，診斷目前的問題原因，更要能預測未來及進行追蹤量評 量。（8）評量者應告知受評者評量的方法與標準，受評者有權知道與申訴評量的結果。
（9）評量應由教師、學生、家長與有關人員共同合作。學生可以個別和教師訂考查辦 法，然後依考查辦法評量。（10）評量應力求：合理性、實證性、客觀性。（11）評量 應基於個別差異原則追求「實質的公平」，避免形式上的公平。（12）學生的學業成績 應建立隱私權觀念，不宜公開。健全的評量不宜太重視量化，應包括值得描述性評量。
（13）實驗與研究脫離不了評量，正確使用評量方法與技術，有助於教育的發展。（14）
評量結果的解釋可分為常模參照評量（相對比較）與標準參照評量（絕對比較），二者 宜清楚加以區分。例如升學考試屬於常模參照評量，試題應特別重視鑑別力，以便能有 效區分考生程度優劣而加以取捨。再如技能檢定考試屬於標準參照評量，這種考試特別 重視試題要能涵蓋將來在實際應用時必備的知能及事先要確定該知能的精熟程度，作為 及格與否的依據。（15）評量配合電腦使用的發展趨勢，由於電腦的普及，對學校評量 有極大的影響，從測驗的實施、計分、建立題庫、試題分析、試題選擇、測驗結果的解 釋分析等皆電腦化，達到迅速、正確、簡便的要求，例如在實施精熟學習的班級中，學 生的形成性評量結果，利電腦化的S一P表分析(Student-Problem chart Analysis)，可 進行診斷教學。（16）診斷性評量的方法與原則，教學評量特別重視回饋原則，尤則當 學生學習錯誤或遭遇困難時，極需作深入診斷，以作為補救教學的依據。（17）成績的 評定原則評量者宜預先界定評量的項目及標準。
教學在本質上是師生共同參與而交互影響的活動，以學生的「學」為主，以教師 的「教」為輔，故評量的重點，除考查學生的學習成就外，也應重視教師的教學效率，
是以在進行教學評量時，教育學家簡茂發博士提出，必須把握下列五項「教學評量的基
本原理原則」（簡茂發，民85）：（1）決策原埋：在教學過程中，隨時會遭遇各種教 學問題，有必要採取革新措施以增進教與學的效果。決策是評量的理論基礎，為一種有 次序且週而復始的連貫性歷程，從各方面蒐集正確可靠的資料，並參照合理而適當的價 值標準，以定取捨。（2）回饋原理：評量旨在教學歷程中提供各種必要的「回饋」(feed back)和「引導」(guide)，一方面針對教學上的缺失而檢討改進，另一方面設法突破學 習上的障礙，以提高其成就水準。（3）完整原理：評量需要全面性、多元性的綜合資 料，並從各個角度和不同觀點加以分析研判，故蒐集的資料愈多、愈齊全，則愈能掌握 整體而加以靈活運用。（4）合作原理：評量計畫之擬訂、評量工具之設計與編製、評 量之實施及其結果之分析、解釋與應用，均須集結全校師生的力量，始能順利進行，達 成教學評量的任務。（5）研究發展原理：評量與研究乃一體之兩面，為求突破目前教 學的瓶頸，革新教學措施，必須運用評量的方法和技術、進行教學的實驗研究，使理論 與實際相互印證，並開拓教學與評量之研究發展的新途徑。
第二節 評量的理論
一、評量的意義
在各種教育文獻中，可常看到下列各名詞：測驗(testing)、測量(measurement)、
評量(evaluation)、評鑑(assessment)。
(一) 首先，研究者綜合各教育學者的觀點，分析並解釋各名詞如下：
1. 測驗(testing)：（1）指利用測量工具（instrument）來衡量受試者的身心特質，
而測量工具包括測驗、問卷與量表等（何英奇，民 81）。（2）狹義的觀點認為測 驗就是用以測量學生行為樣本(behavior sample)的工具；廣義的觀點則認為測 驗是測量行為樣本的系統化程序(systematic procedure)，是對行為樣本所作的 一種客觀的和標準化的測量（楊銀興，民 89）。
2. 測量(measurement)：（1）依特定量尺，對個人的特質，用量化方式加以描述的 過程（何英奇，民 81）。（2）是對學生的屬性(attribute)、特徵(characteristic) 現象(phenomenon)進行觀察，然後依據一定的原則(例如答對多少題)，將所觀察 到的資料轉換成數字的一套系統，也就是以數量來描述學生具有某種特質之程度 的過程，它不包含質的描述及價值判斷的成份（楊銀興，民 89）。
3. 評量(evaluation)：（1）所謂評量（國內有時譯為評鑑），係指依據某項標準，
配合其他資料，將測量所得的數量作價值判斷的歷程（何英奇，民 81）。（2）經 由測量而獲致量化（quantitative）的資料，再根據比較可靠的數字性資料，進 行精細而深入的分析與研判（簡茂發，民 85）。（3）「評量是獲取資訊，進而行 程判斷，並據以做成決定的過程」（TenBrink，1974）。（4）採用科學的方法與途 徑，多方面蒐集通切的事實性資料，再參照合理的評量標準，加以比較分析並做 綜合研判。所以評量比測量多了價值判斷的工作，會根據一定的標準，對所蒐集
的事件(event)、物體(object)、或個體(individual)做價值判斷（楊銀興，民 89）。
4. 評鑑(assessment)：（1）或譯為評價，視為針對個人問題所作的診斷（何英奇，
民 81）。（2）「記述獲取和提供有用的資料以評斷數種方案之效能而作決定的歷 程」（D.L.Stufflebeam，1971）（3）包含獲得學生學習訊息的各種方法，例如傳 統的紙筆測驗、擴展式反應(extended responses)的題目(如申論題)以及真實情 境的表現(如操做實驗)，然後根據所獲得的訊息，對學生學習進步的情形做價值 判斷的工作（楊銀興，民 89）。
(二) 其次，針對各教育學者對這四類名詞的異同，綜合分析說明如下：
1. 教育行政與課程專家則慣用「評鑑」一詞，強調「鑑」字的多重涵義，即鑑定、
鑑別、鑑賞及視之為一面鏡子而發揮「反映」作用，據以檢討得失，力求革新進 步。至於使用「評價」一詞者，從其本質加以闡釋，極力主張它是一種價值判斷 的動態過程。對評量、評鑑、評價三個中譯名詞，在涵義上正可互補不足，相得 而益彰。綜上所述，評量係採用科學方法與途徑，多方面蒐集適切的事實性資料，
再參照合理的衡量標準，加以比較分析與綜合研判的系列過程。吾人宜從整合的 觀點，把握評量、評鑑、評價的充分涵義，視之為動態的歷程，而非靜態的實體
（簡茂發，民 85）。
2. 測驗只是測量的方式之一。測量除了使用測驗外，尚可使用評定量表、檢核表、
問卷、晤談、觀察等工具。評量就是透過測量（如測驗）與非測量（如觀察）等 方法，將所蒐集到的資料加以綜合統整，進而進行價值判斷，並據以作成決定的 過程（何英奇，民 81）。
3. 評鑑和評量的含義比測量廣且深入，而測驗只是測量的一類，評量和評鑑概念似
乎比較接近。不過以目前正盛行的真切性評量(authentic assessment)、實作評 量(performance assessment)而言，強調要學生在各種情境下展現其能力，學者 所用的都是「評鑑」，其用意在強調實作時情境的真實性和複雜性，因而評鑑時 應採用各種不同的方法(variety of data collection procedures)多方蒐集學 生的資料，並據此對學生的學習情形做綜合研判，所以兩者還是加以區分為宜（楊 銀興，民 89）。
(三) 最後，從教學評量發展歷史的演進觀點看，測量、評量、評鑑的觀念是依序發展 的，從國內學者簡茂發(民 88)探討來說明，其依據「教學評量」的名詞與涵義 可分為三個階段：第一階段，屬於美國在 Tyler 的(The eight-year study)時代 之前，強調的是「Measurement」（即測量），強調以量化的方法取得正確可靠的 數據。第二階段，學者們將「Measurement」改為「Evaluation」（即評量）學者 則認為應該從教育的目標、人格的發展各方面來進行評量，亦即除客觀的數據之 外，尚須有一些價值標準來加以衡鑑。第三階段，將「Evaluation」改為
「Assessment」，強調評量時應考慮、各種相關的整體情境，從各種可行的途徑，
蒐集全面性、多元化的資料，再從各個角度和不同觀點加以比較分析與綜合研 判，進行整合性的詮釋，獲致充分的了解。
二、教學評量的意義
從國內外學者的觀點，依發表的先後分述說明如下：
1. Stanley 和 Hopkines（簡茂發，民80）：教育歷程分為三大部分，教育目標、學 習歷程、成績評量。認為對學生的學習成就評量，必須先以課程標準所訂的教學 目標為依據，再配合教學活動，給予適當的測量與評斷。
2. Dececco(簡茂發，民80)：教學歷程分為四大部分，教學目標、起點行為、教學
活動、教學效果評量。先對學生行為狀態加以衡量，再配合教學目標，針對學生 需要，提供適合的教學情境，讓學生進行教學活動後所進行的評量工作，再依據 評量結果改進教學活動中所用的教材教法。可以說是強調教學效果的評量。
3. 簡茂發(民80)：就教學與評量的關係而言，評量是運用科學的方法和技術，蒐集 有關學生學習及其成就的正確資料，再根據教學目標，就學生的學習表現情形，
予以分析、研究和評斷的一系列工作。就教學評量的內涵與功能而言，包括對教 師教學效率的評量、學生學習成就的評量、課程的設計與實施之評量。
4. 何英奇(民81)：教學評量是依據教學目標，透過測驗、量表、問卷、唔談、觀察 等方法與技術，蒐集到完整的量化或質化的資料，採取統整的觀點，對學生的學 習結果做價值判斷的歷程。
5. 張春興(民83)：教學評量是指有系統的蒐集學生學習行為的資料，加以分析處理 之後，再根據預定之教學目標做價值判斷的歷程。
6. 周文欽(民85)：教學評量是對教師的教學活動與學生的學習活動從事價值判斷。
價值判斷的依據則是從教學活動中所蒐集而來的量化資料與質化資料。教學評量 的目的，是依據價值判斷後的結果，衡鑑教師的教學效率與學生的學習結果。
7. Airasian(1996)：教學評量是教師將課堂上所蒐集到的種種量的或質的資訊加以 選擇、組織並解釋之，以有助於學生做決定或價值判斷的過程，評量可分成「量 的描述」與「質的描述」。
8. 楊銀興（民89）：教學評量可視為在教學的活動中，教師採用各種不同的方法，
多方面蒐集學生的各種資訊，以獲致量化的及質化的資料，再參照教學的目標，
做綜合的價值判斷，以評估學生的學習結果、教師的教學效率以及課程與教材的 適切程度。
9. 劉豐銘(民90)：教學評量對教師、學生有回饋與決策的功能。對教師而言，可以 了解學生的起點行為、建立確實可行的教學目標、確定教學目標到達的程度以及 改進教材教法、增進教學效果；對學生而言，可增進學生暸解教學目標、激發學 生學習動機、協助學生了解自己的能力、性向、潛能與人格質等、診斷學生的學 習與適應困難、輔導學生做最佳的升學、就業、生活方式等選擇路。
綜合上述學者們的說法，可知學者們在文字的解釋上或有不同，但看法上差異不 大。
三、評量的類型
在教學歷程中，教學評量有其適用的時機，及其功能和作用。教學前評量在於了 解學生的身心發展在教學前的成熟程度、教學前的基礎和生活經驗背景；教學中評量，
藉由隨時觀察和記錄學生在學習各方面的表現，了解學生在學習過程中行為變化的情 形，找出學習困難的地方及分析原因，並藉由調整教材教法，給予學習困難的學生必耍 的學習輔導；教學後評量，在於評鑑學生的學習成就，評定其學習成績及課程內容的精 熟程度。
（一）從教學目標的領域分類：可分為（1）認知領域：指學生心智能力方面，包括知識、
理解、應用、分析、綜合、評鑑等六個能力層次。（2）情意領域：指學生的態度、
價值、興趣、理想、欣賞等方面。（3）動作技能領域：學生動作技能的學習行為，
可分為知覺、心向、模倣、機械反應、複雜反應、適應、創作等七個層次（何英奇，
民 81）。
（二）從教學理論，可將評量依方法分類（簡茂發、李虎雄等著，民 88）為：實地觀察、
簡單口頭問答、面談、紙筆測驗、報告、操作評量、專題報告、卷宗評量（portfolio assesment）（或檔案評量）、進階式評量（Hierarchy assessment）、實作評量
（performance assessment）。茲將評量的方式及其功用綜合如表 2-2.1。
表2-2.1 評量的方式及其功用（簡茂發、李虎雄等著，民88）
評量方式 特殊作用
【實地觀察】
現場活動實況
可看出進行的實況。只是應儘量避免由觀 察所引起的干擾現象
【簡單口頭問答】
現場、事後
可針對重點發問，且可對行為的動機做進 一步的了解
【面談】
針對某主題作結構性的深談
針對某主題，經一系列問答得到某人對此 一問題的認識、見解等相關的資訊
【紙筆測驗】
可做群測或個別測試
對於概念認知及其應用能力有很好的評 量功能
對於實作及工作流程和態度比較難做有 效的評量
【報告】
針對某主題作簡報
瞭解撰寫者對整個事件的暸解程度及對 重點的掌控情形
【操作評量】
儀器使用、標本辨識
適用於確定的目標 , 非語言文字所能區 辨的能力測試
【專題報告】針對一主題，報告中包括動 機、問題闡述、策略、執行、結果、提出解 釋、發現新問題等。
瞭解撰寫者規劃、執行、研究等各方的能 力
【卷宗】（Portfolio Assessment）
（Jongsma K. 1989；King，R. 1995）
針對某主題，搜集相關資料作展示
可評量出對問題的認識程度，對變困的重 要性認識、能作有層次有組織的表達能力
【進階式評量】（Hierarchy Assessment）
利用電腦，作滋生式的評測。
可對解決問題的動機、理由做詳細的瞭 解，便於了解推理的過程
【實作評量】(MSPAP 1994A)
（Performance Assessment）
以解決一個小問題為題，一邊處理問題一邊 記錄
可評測學生概念認知的程度與處理問題 能力
（三）依評量的功能分類：
1. 何英奇（民 81）：將評量的種類及其功能，整理為表 2-2.2。
2. 簡茂發（民 85）：教學評量可分為「形成性評量」(formative evaluation)和「總 結性評量」(summative)。沙克利芬(M.scriven)在 1967 年所發表的「評量方法論」
(The Methodology of Evaluation )一文中創用「形成性評量」一詞。前者係在 教學過程中，就教師的教學情形與學生的學習表現加以觀察和記錄，通常採用評 定量表為工具，進行非正式的評量，後者係在教學活動之末或結束之後，以定期
考試或測驗的方式，考查教師的教學成果與學生的學習成就，通常採用標準化學 科測驗及教師自編課堂測驗為工具，進行正式的評量。
表2-2.2 評量的種類及其功能（何英奇，民81）
評量種類 使用階段 評量的功能
安置性評量 教學前 測量學習前所需的知能及決定學習前已達課程 目標的程度。
形成性評量 教學過程中 提供學生和教師有關學習進步的回饋，藉以激 勵學生並做為補救教學的依據。
診斷性評量 教學過程中，學生的
學習有困難時 診斷學生學習困難的原因。
總結性評量 教學結束時 用來評定等第與證明已熟練教材
（四） 依評量的結果解釋分類：
1. 何英奇（民 81）：可分為（1）標準參照評量：指評量的結果，不與團體作比較，
而與既定的標準比較，評判是否達到熟練的程度。（2）常模參照評量：指評量的結 果，和團體相比較，以評斷個人在團體中的相對位置。
2. 簡茂發（民 85）：分為（1）常模參照評量：係以同年級或其他條件相若的一群學 生在某項成績上的分配情形，據以比較分析學生之間相對的優劣。（2）標準參照評 量：則以事前認定的絕對性標準為評斷的依據，考驗個別學生的知能是否己達要求 的程度，從而判定其成績的及格或不及格。
（五） 其他：教育學者林寶山（民 83），將教學評量分為六大類，如表 2-2.3。
表2-2.3 教學評量的種類及其功能（林寶山，民83）
評量種類 評量的功能 安置性評量 決定學生在學習前所具備的技能 診斷性評量 鑑定造成學習困難的原因 形成性評量 提供回饋訊息以增強學習 總結性評量 決定學生在期末的學習成就 標準參照的評量 描述學生在某一教學領域中的學習任務 常模參照的評量 描述學生的表現在某些團體中的相對位置
四、評量的類型的比較
(一) 依功能分類類型（安置、診斷、形成性、總結性評量）比較：
1. 耿筱會（民 88）：對於不同的性質的評量，會有不同階段的評量目的，由建構主 義的觀點來看評量，教學目標強調學生如何學習(How to Learn)？透過一連串的 學習過程學生可以建構概念、學習知識，利用表 2-2.4 說明不同性質評量間的差 異性。
表2-2.4 不同性質評量之差異的比較表(耿筱會,1999)
形成性評量 總結性評量 診斷性評量
評量目的 引導學習者學習的方向 評量學習者的學習成 就
診斷學習者的學習情 況，引導學習者的自 我建構
評量時機 教學過程中 教學結束時 教學前、教學過程及 結束時均可， 依情況 而定
評量模式 非正式觀察 隨堂測驗 小組討論 實驗操作 家庭作業 課堂表現 學習活動單
正式的筆紙測驗 學習總結成果報告
個別唔談或施予診斷 性評量
評量功能 改進教學 評定學習成就 改進教學及了解學生 建構的過程
2. 簡茂發（民85）：將評量的類型及其功能與差異比較，整理為表2-2.5。
表2-2.5 診斷性、形成性、總結性評量之比較（簡茂發，民85）
比較項目 診斷性評量 形成性評量 總結性評量
功 能
決定學生的成熟度、預備 狀態、起點行為、與學習 有關的特質，予以分組安 置：診斷學習圍難的原因。
提 供 學 生 進 步 的 回 饋 資料,指出教學單元結 構上的缺陷,以便實施 補救教學。
在某一教學單元、課程或 學期之末，就學生們的學 習成就進行評量,決定其 成績的等第、及格與否。
時間 教 學 之 初 或 學 習 困 難 之 時。
教學進行之中。 教學之末。
評量重點
認知、情意、技能方面的 行為、身心及環境因素。
認知方面的行為表現。一般以認知行為為主,但 有些科目也涉及技能、情 意方面的學習結果。
工具種類
學前的測驗、標準化成就 測驗、診斷測驗、教師自 編測驗、觀察和檢核表。
為 教 學 需 要 而 特 別 設 計的評量工具：評定量 表、作業及其共同訂正 口頭考問、實際演示、
問題研討。
期末或教學單元結束時 的考試
行為目標 行為樣本
之選擇
必備的地點行為： 單元目 標的要項和教學有關的學 生身心特質及環境因素所 涉及的行為。
教 學 單 元 層 次 結 構 中 所 有 相 關 的 行 為 項 目：教材細目、學習的 動機、態度、方法、習 慣等。
依教學目標和教材內容 的相對重要性而擇定評 量項目，使其有適當的比 例分配。
項目難度
為診斷必備的知能及基本 技能,大部分試題是簡易 的,通常P在0.65以上。
隨 實 際 情 形 的 需 要 而 定，未能事先決定。
大部分試題的P在0.30至 0.70之間,容易、很難的 試題也有一些。
計分
常模參照和標準參照。 標準參照。 通常是常模參照, 但有 時也可能是標準參照。
通報分數 的方式
把各方面知能程虔以側面 圖呈現之。
把 個 人 在 教 學 單 元 層 次 結 構 中 各 項 結 目 及 格 與 否 的 組 別 呈 現 出 來 , 以 便 了 解 個 別 情 形。
很據行為目標列出各項 分數和總分。
3. 何英奇（民 81）：（1）將評量的類型中各種功能、特徵的異同，整理為表 2-2.6。
（2）將教學歷程中的評量之使用時機及其相互關聯性，做成圖 2-2.1。
表2-2.6 診斷性、形成性、總結性評量之比較（何英奇，民81）
測驗的
類型 測驗的功能 取樣的考慮 題目的特徵
安置 測驗
測量學習前所需之知識 和能力
決定學習之前, 已達到 課程目標之程度
包括各種學習前所需之 起點行為
選擇能代表課程目標之 樣本
通常題目之難度低,是效 標參照的
題目難度之分散，範團較 廣,是常模參照的 形成性
測驗
為學生及教師提供學習 進步情形之回饋
如果可能則包括所有單 元目標或最必要的目標
題目配合單元目標的難 度,是效標參照的 診斷性
測驗 診斷學習困難之原因 以共同的學習錯誤為依 據
通常,試題是容易的,用 來指出特殊學習錯誤之 原因
總結性 測驗
在教學結束時, 用來評 定等第或證明已熟練教 材
選擇一種代表課程目標 的樣本
通常題目難度之分散範 圍廣,是常模參照的
本 表 資 料 採 自 P.W.Airasian and G.F.Madaus ， Functional Types of Student Evaluation. Measurement and Evaluation in Guidance,4(1972),221-223.。
教學目標的設定
預備性評量 安置性評量
內容已精熟 起點行為精熟 起點行為不足
教學
補救教學
滿意 不滿意 診斷與處方（診斷性評量）
繼續教學 診斷與處方（診斷性評量）
精熟 未精熟
下一單元教學
圖 2-2.1 教學過程中的評量（取自 Brown，1981）
前 測
形成性評量
總結性評量
(二) 依評量的結果解釋類型（常模參照、標準參照評量）比較：
1.簡茂發（民 85）：將評量依結果解釋的不同，比較整理為表 2-2.7。
表2-2.7 常模參照評量與標準參照評量之比較
比較項目 常模參照評量 標準參照評量
主要目的 學習成就的相互比較。 特定精熱性的考驗。
評量內容 涵蓋廣泛的成就領域。 針對界定的學習項目。
量尺定準點 中間,事後決定。 兩端,事前決定。
參照點性質 實際的、相對的。 理想的、絕對的。
評量功能 鑑別：:比較團體成員之間的差異情 形，找出最有潛能者。
檢定：找出超乎某一特定的能力水準 以上者。
數據性質 分數的變異性愈大愈好。 注重各題反應與效標之間的關聯性 結果表示法 百分等級、標準分數。 及格或不及格(滿意或不滿意)。
記分制 常態等第制。 傳統百分制。
主要用途 安置：分班編組。 診斷：補救教學。
2.何英奇（民81）：將評量依結果解釋的不同，比較整理為表2-2.8。
五、總結
評量的目的在於了解實況（謝祥宏，段曉林，民 89），但在不同的情境下，該採 用適當的評量模式和內容來評量，簡單的說，評量應包括學生做功課時，最有價值、有 意義的事項。一個具有能由觀測中獲得全相的、真實的反映出實況功能的評量，可稱為
「全真評量」（或稱真確評量(authentic assessment)），可含括晤談、小組解題、歷程 檔案、概念圖、實作評量、開放性問題等。可說是各種「評量的方式」努力追求的標竿。
評量的目的亦在於改進教學，而教學的目的在促進有意義的學習，要診斷學習是否發 生，就必須有具體的指標供教學與評量之用，即「評量的方式」；美國新評量的指標與 進行的方式－「科學實作評量」，其具體的做法可作為國內進行評量指標之參考（邱美 虹，湯偉君，民89）。
表2-2.8 常模參照評量與標準參照評量之比較
常模參照評量 標準參照評量
主要的用途 綜合性的測量 精熟性的測量
主要的重點 測量成就的個別差異、鑑別 敘述學生能做的工作、檢定 結果的解釋 和別人的成就表現比較 和具體明確的成就領域比較 涵蓋的內容 涵蓋廣大的成就領域 集中在有限的學習內容
測驗計畫
的性質 使用雙向細目表 使用詳細的教材領域細目表
題目選擇 的方法
選擇最能區分個別差異的題目（分 數的變異性最大）。刪除容易的試 題。
包含所有能適當敘述表現的題目, 不試圖改變題目的難度,或刪除容 易題目,來提高分數的變異性 量尺定準點 中間,事後決定 兩端,事前決定
參照點性質 實際的、相對的 理想的、絕對的 數據性質 分類的變異性愈大愈好（亦即鑑別
力愈高愈好） 注重各題反應與效標間之關聯性 結果表示法 百分等級、標準分數 及格或不及格（滿意或不滿意）
成就的標準 依據在團體中的相對地位來決定成 就水準（如在20人中第5等級）
依據絕對的標準來決定成就的水準
（如能界定90%的專有術語代表學 習精熟）
主要用途 安置性評量（分班編組）、總結性 評畫、升學、考試
預備性、形成性與診斷性評量（補 救教學）、技能檢定
一般學校的段考、期考可算是一種總結性評量；大學入學考試則為一種升學考試，
屬於一種「甄選用」的總結性評量。總結性評量的目的，在評定學習成就的高低及其在 團體中所佔的相對位置，所以「題目難易分配」的講求及「評量技術」的應用就非常重 要。在評定學習成就的高低方面，就大學考試的統計資料顯示：欲鑑別考生程度，測驗 題的設計應以「中等偏易」時最易達成目標。在評定其在團體中所佔的相對位置時，評 量技術中的「常模參照評量」與「標準參照評量」也是需要了解的。
就目前二階段的大學入學考試：「指定科目考試」即偏向「標準參照評量」的應用；
「學科能力測驗」則偏向「常模參照評量」。但物理考科為一門思考性的學科，在入學 考試中命題常偏難，題目難度較高常被定位為「投資報酬率低」的學科，整體分數偏低
（例如，91 年指定科目考試，高標為 30 分，均標為 17 分，低標為 5 分），除扼殺學生 的學習興趣外，也造成在選才的比重上吃虧很多，與加重計分原意背道而馳，是否在「指 定科目考試」中採用「標準參照評量」則值得研究。
本研究即希望藉由相關文獻的分析與蒐集，探討高中物理實驗評量的方式，並分 析紙筆測驗題型的不同，研究測驗對『評量學生的學習成就與能力指標的檢定』的優缺 點，藉由測驗的結果與檢定方法的討論，提供高中教師處理教學評量時的參考。
第三節 評量的技術
一、評量應具備的條件
測驗的品質良好與否，可經由質的分析與量的分析。教育測驗可提供有關實際教育 決定所需的資料。測驗學者們認為良好的測驗應該具有下列幾個主要的特徵（盧欽銘、
范德鑫，民 81）：（1）能提供「正確決定的資料」；（2）所蒐集到的資料具有一致性或 穩定性；（3）所需的資料容易蒐集。
一個良好的測驗應具備的品質（陳英豪、吳裕益，民 87）：（1）適切性－問題類型，
適切於學習結果（2）平衡性－試題比率與細目表一致（3）有效性－試題編製、評分及 作答時間要經濟（4）客觀性－試題要明晰，若為該領域專家應得滿分（5）特殊性－要 正確解答試題一定要具備該領域的特殊知識（6）適當的難度（7）良好的鑑別度（8）
信度－測驗的結果要有一致性或可靠性（9）效度－所編製或選用的工具要能真正測得 所預測量之特質或學習結果（10）公平性－對每一位受試者有良好和相等的機會（11）
非速度性－試題數量要配合作答時間。
測驗亦須具備測量某一特質前後能相互一致的特性，且能提供正確決定的資料，以 及容易蒐集的特性。心理測驗學者郭玉生（民 76）認為這特質為：（1）信度（reliablity）
－結果的一致性（2）效度（validity）－判斷的適切性（3）實用性（employability）
－收集資料的容易性。另外 Kline（1986）認為良好的心理測驗應為等距量尺，應具有 鑑別力。
二、評量的方法
不同的評量方法所適用之評量工具亦不同。就教育目標來說，可分為認知、情意 與技能三種評量；就解釋方法來看，可有常模參照評量與標準參照評量；就教學歷程來 分，可為安置性(或預備性)、形成性、診斷性與總結性評量；以評量工具之編製來說，
可有標準化測驗與教師自編測驗；以成績評定（何英奇，民81）來分，可大概分為相對 比較、絕對比較與自我比較。
（一） 美國教育學者瓦特金斯(R.K.Watkins)將學校成績評量方法歸納為下列九種：
（1）教師評判（2）口頭述誦（3）論文口試（4）標準化客觀測驗（5）教師 自編測驗（6）學生作品評定（7）操作的評定（8）非正式記述的評量（9）機 械紀錄。
（二） 日本學者艉田叡一則將教學評量方法分為七種：（1）標準化測驗（2）教師編 製測驗（3）問卷法（4）口頭問答法（5）觀察紀錄法（6）報告（Report）法
（7）學生作品評定法。
日本教育評量學者橋本重治，把教師自編測驗與觀察技術分為七大類：（1）論文 式測驗法（2）客觀式測驗法：又分為單純回憶法、填充法、序列法、改正法、是非法、
選擇法、配合法、選擇填充法（3）問題情境測驗法（4）問卷法（5）猜是誰技術（guess who technique）（6）觀察評定法：可分為檢核表法、評定量表法（7）其他教育工學 的技術。
（三）橋本並進一步把教師自編測驗與觀察技術使用在不同教育目標上的適當性作詳細 整理，如表 2-3.1。
三、評量工具的特徵
一個良好的測驗所需的評量工具，需具備信度與效度；而測驗的特徵依測驗的類 型：安置、形成性、診斷、總結性測驗，因類型不同其功能與目的也不同，其對教學目 標所要測量的學習結果亦不同。
1. 測驗所需的信度與效度（何英奇，民81）：
（1） 信度：指一個測驗所測到之特質的穩定性和可靠性。其類別有：
（A） 重測信度－一個測驗所得的特質，隨著時間保持穩定的程度。
（B） 複本信度－一個測驗之兩個複本相等的程度。
（C） 內部一致性信度－有折半信度、庫李信度、α係數等，用以了解一個測驗 內容取樣是否適當或內容是否同質性。
（D） 評分者信度－不同評分者所評閱的分數間一致性的程度。
表 2-3.1 教師自編測驗的測量目標與評量技術
測量目標 適當的評量技術 理 解 論文式測驗,客觀測驗(特別是選擇法、配合法、選
擇配合法、填充法) 知 識
論文式測驗與各種客觀測驗,如單純回憶法、選擇 法、配合法、選擇配合法、是非法、序列法、改正 法等
讀、寫、算 各種客觀測驗 會話、討論等的社會技能 檢核表、猜是誰技術
圖表、圖書、機械器具等
的使用技能 檢核表、評定量表、各種客觀測驗 技
能 構圖、描畫、工作、裁縫、
實驗、運動的技能 檢核表、評定量表、各種客觀測驗
思考力 問題情境測驗〈論文式和客觀的測驗〉
圖畫、工作等的作品
音樂、體操等的表現 檢核表、評定量表 態度 價值觀、意見 問卷、論文式測驗 興趣 興趣
習慣 學習習慣,健康習慣
問卷、猜是誰技術
檢核表、問卷、猜是誰技術
鑑賞 檢核表、評定法、問卷 (取自橋本 ,1981)
（2） 效度：指一個評量工具能夠測量到它所想要測量之特質的程度。其類別有：
（A） 內容效度－指測驗內容的代表性或取樣的適切性。
（B） 效標關聯效度－指測驗分數與一些外在效標間之相關的程度。包括（a）
同時效度：估計個人在效標方面的目前實際表現的程度。（b）預測效 度：指測驗分數預測個人在效標方面未來表現的程度。
（C） 構念效度－指測驗能夠測量到理論上的構念或特質的程度。
不同評量工具所要求的信度與效度並不同。例如在信度方面，智力與性向測驗 特重『重測信度』，即測驗的穩定程度；而情意與技能目標之觀察評定則特別重視
『評分者信度』要可靠。在效度方面，成就測驗特別重視『內容效度』，即試題有 無代表性，本研究即特別重視內容效度；而性向測驗則特重『預測效度』。
2. 測驗所要測量的目標：
一個測驗所測量的學習結果，應能忠實反映教學目標，所以測驗編製時首要確定 為測量的教學目標。依據學者布魯姆等人所著『教育目標的分類』一書（Taxonomy of Education Objectivies）（見 Bloom et al.，1956；Krathwohl et al.，1964；
Harrow，1972）。教育目標分為三大領域：認知、情意、動作技能。而學科知識方面 的學習測量屬『認知領域』。
在認知領域中智育的學習結果可分為兩大類（陳英豪、吳裕益，民 87）：（1）
知識（2）心智的能力與技巧。而布魯姆的認知目標分類為六個層次：（1）知識（2）
理解（3）應用（4）分析（5）綜合（6）評鑑。
上述六個層次，茲解釋如後（何英奇，民 81）：（1）知識—能記憶名詞、事實、
規則、原理等（2）理解—能把握所學過的知識或概念的意義（3）應用—將所學到的 概念、方法、原理原則等應用到新的情境（4）分析—將所學到的概念或原則，分析 為各個構成部分，或找出各部分之間的相互關係（5）綜合—將所學到的片斷概念、
知識、原理原則等綜合成新的整體（6）評鑑—能依據內部證據或外在效標作價值判 斷。
測驗編製時，必須依學習結果測量目標的不同，擬定所要測量認知層次的重要領 域，編製一份測驗『雙向細目表』（two-way specification table）。
雙向細目表可說是測驗編製的藍圖，根據雙向細目表的計畫來編擬試題，使測驗 能充分連結『教學』與『評量』，完全達到測量學習結果的教學目標。
第四節 實驗的評量
一、科學實驗的教學目標
由文獻中（許榮富、趙金祁，民 76），整理出幾個『實驗教學的目標』：
（一）Shulman & Tamir(1973)將實驗室的教學目標歸類為五類：
（1）技能：操作性的（manipulative）、探究性的（inquiry）、探討的（investigative）、
組織的（organizational）及溝通（communicative）等技能。
（2）概念：如假說、理論模型、分類（Taxonomy category）等。
（3）認知能力：批判思考、解決問題、應用、分析、綜合、評鑑、決策、創造力等。
（4）理解科學的本質：科學的領域、科學家及科學家的工作、科學方法的多樣性、各 種學科中的科學及技術的相關。
（5）態度：如：好奇心、興趣、冒險、客觀性、精確性、成就感、負責、一致性、合 作及喜愛科學等。
（二）Klopfer(1971)認為實驗教學的目標為：
（1）知識與理解。（2）操作技能。（3）科學探究技能：（a）觀察與測量（b）
解釋數據（c）辨認問題（d）尋求解決問題的方法。（4）鑑賞科學方法。（5）科學態 度與興趣。（6）應用科學知識及方法。
Klopfer 進一步指出：對於中等學校而言，應強調 1、4、5 三項。對於應用科學科 系之學生則應強調 1、4、6 三項；對科學及工程學系之學生則要著重在 1、2、3、5 四 項。
（三）Pella（1961）認為實驗室教學目標為：
（1）瞭解科學課程的內容。（2）發展科學態度。（3）學習科學的方法。（4）發 展良好的社會態度。（5）刺激對科學的興趣。（6）學習如何應用科學原理。（7）發
展科學知識成長及發展鑑賞的能力。
（四）SASSP 公報（1953）則認為實驗室教學目標為：
（1）發展批判思考及解決問題的技能。（2）學習科學觀察。（3）對學生啟蒙、
想像力及互助合作能力的發展。（4）洞悉科學家的工作及實驗室在人類文明中所扮演 的角色。（5）增進基本原理、概念、科學事實的瞭解。（6）增加技能的熟習：如紀錄、
組織及分析資料、讀取數據、操作儀器等。（7）發展對科學原理及過程的態度。
（五）Sund & Trowbridge(1967)認為實驗室的技能分為五項：
（1）可學習而獲得的能力：（a）聽講（b）觀察（c）蒐集資料（d）探討（e）探究的 能力（f）蒐集數據（g）研究。
（2）組織的能力：（a）紀錄（b）比較（c）對比（d）分類（e）組織（f）描述（g）
回顧。
（3）創造的能力：（a）事先計畫（b）設計新問題、方法設計或系統（c）發明（d）
綜合。
（4）操作技能：（a）使用儀器（b）照顧儀器（c）示範（d）實驗（e）維護（f）建 構（g）定刻度。
（5）溝通能力：（a）發問問題（b）討論（c）解釋（d）報告（e）寫作（f）評論（g）
繪圖（h）教導同學。
（六）Bringman(1969)認為實驗室的技能為：
學生必須要有三種技能：（1）問問題（2）做觀察（3）組織觀察。他列了六個 探究的一般因素：（1）形成問題（2）形成假設（3）設計研究（4）執行探討計畫（5）
解釋數據或研究發現（6）綜合探討而得的知識。
（七）Nedelsky(1965)在”Science Teaching and Testing”中認為實驗室的教學目標
有三個層次：L1、L2、L3。
（1）L1 是指有關實驗室的知識，可分為三部分（a）L1.1：儀器或材料的知識（b）L1.2：
實驗室步驟的知識（c）L1.3：數據及數據之類化之間的關係的知識。
（2）L2 是指實驗的理解（Laboratory understanding），可分為兩個部分（a）L2.1：
理解測量的過程（b）L2.2：理解實驗，即理解自然現象與理論（或書本）間的關 係。
（a）L2.1，再分為二個次子層（Ⅰ）L2.11：儀器部分（Ⅱ）L2.12：測量部分。
（b）L2.2，再分為三個次子層（Ⅰ）L2.21：實驗設計（Ⅱ）L2.22：實驗過程（Ⅲ）
L2.23：實驗數據的解釋。
（3）L3 是指從觀察或實驗中學習的能力，可分為四部分：（a）L3.1：實驗探究的能 力（b）L3.2：實驗技能的能力（c）L3.3：學術思考的能力（d）L3.4：在實驗室 中想像的能力。
（八）Ganiel & Hofstein(1981)歸納實驗室的成就為五個成分：
（1）組合實驗是儀器及其他操作技能（2）觀察及測量（3）設計實驗步驟（4）處 理數據（5）下結論及批判思考。
二、實驗評量的理論
確認了教學目標後，如何瞭解教學後的學習成果即評量教學成果，就相當重要。以 下整理幾個有關實驗評量的理論：
（一）物理實驗的評量（簡茂發、李虎雄等著，民 88），可有：實地觀察、簡單口頭 問答、面談、紙筆測驗、報告、操作評量、專題報告、卷宗評量（portfolio assessment）（或檔案評量）、進階式評量（Hierarchy assessment）、實作評量
（performance assessment）。
（二）實作評量（簡茂發、李虎雄等著，民 88），係一種針對自然科學的學習，相當適 切的、也頗接近「全真評量」的評量方式；這種評量是用來測驗學生，應用知識 和技能於真實情境中的能力，企圖藉由學生處於真實情境中主動解決問題，以呈 現學生的真實能力。以科學教育目標來看藉由實作評量能了解學生高層次思考能 力，這種評量才是不偏廢的全方位評量。
（三）實驗評量（Laboratory Examination）、操作評量（Manipulating skill testing、
Practicing skill test）（簡茂發、李虎雄等著，民 88），經常運用於自然科學 的學習中，其內容比較注重在執行能力以及資料的整理、分析、歸納研判方面，
尤其操作評量其著重點更集中在執行、研判方面，它是實作評量的局部，在特別 強調觀測某一能力時適用。
（四）廣義的實驗（楊文金、許榮富，民 76），就是完整的實驗，它應包括『做』實驗 前的認識問題、辨認變因、形成假說、設計實驗等心智過程，及實驗進行中之觀 察、測驗、紀錄等實驗操作技能，還有實驗後之資料處理、下結論、推衍等能力。
（五）實驗室教學成果之評鑑（許榮富、趙金祁，民 76）可分為四種：（1）紙筆測驗
（2）實作測驗（3）評量表（checklist or rating scale）（4）書寫報告評量。
三、實驗的評量技術
由上述對評量理論的瞭解，接著探討評量的技術。
實驗評量的實施可分為三個步驟進行：實驗前、實驗中、實驗後。本研究教學評量 的範圍為屬總結性或成就性評量，即實驗後的評量，測驗的目標為『學生的科學能力與 物理實驗技能』，其評量的方法與技術，至少包含紙筆測驗、寫實驗報告、實作評量等。
（一）評量的方法
科學實驗較易使用的評量方法：（1）實地觀察（2）紙筆測驗（3）操作評量（4）
專題報告（5）卷宗評量（6）實作評量。
科學實驗較難採用的評量方法：（1）進階式評量（2）簡單口頭問答（3）面談（4）
報告。
Lunetta(1981)對下列四種評量提出評論（許榮富、趙金祁，民 76）：
（1）寫報告：無法提供學生在操作儀器、觀察、組織或執行探討活動等技能的直接 訊息。
（2）紙筆測驗：這種測驗方式對實驗活動之執行階段的評量是不完全的。如果全部 用紙筆測驗做為評鑑基礎，則學生可以根本不會操作或執行實驗。而依然可有 好的表現。
（3）實作測驗：這種評量方法雖然可以測量學生實際執行實驗的能力，但一般說來，
實作測驗只能評量低層次的操作及觀察技能而已。
（4）觀察評量（observational assessment）：這種評量方式在七十年代末期被發 展出來，它先要有依完整的評量標準（assess criterion）及評量表
（checklist），以長時間的觀察來評定學生之實驗活動的各種目標的成果。
總結，觀察評量、實作評量雖較能測出學生的學習成就與技能，唯認定標準較難，
技術複雜執行困難，常為教師所忽略，『大型的入學考試』亦未採用，國內的入學考試 則僅採用『紙筆測驗』。在尚未出現替代的評量方法前，雖然採用紙筆測驗，有其評量 上的盲點，但仍可就現行的方式上尋求改善，以期達到評量的目標。
（二）評量準則與評量工具
1. 許榮富、趙金祁（民 76）於國科會的研究報告中，提出幾個實驗的評量標準與評量 工具：
（1）CITO（1982）發展出一個稱為『客觀的學生物理實驗室連續評量』工具。此評
量工具以實作做為測驗的主體配合評量標準（assessment criterion）實施。
（2）Krusalk（1955、1958）分別設計適用於大學階段的物理實驗測驗工具，1954 的實作測驗，1958 則為複選的紙筆測驗。
（3）Lunetta（1978）發展一套專門評鑑科學實驗手冊之評鑑工具 LAI（The laboratory Structure and Task Analysis Inventory），並曾對 PSSC、HPP、BCCS 等教材 進行分析。1981 年則發展一套實驗的觀察評量標準。
（4）Shymansky(1979)設計一套名為 SLIC（Science Laboratory Interaction Categories）的評量工具。此評量工具是專用於教室環境（Classroom environment）之評鑑而設計。
（5）Walberg（1968）發展學習環境的評量工具 LEI（Learning Environment Inventory）。
（6）Rentoul & Fraser（1978）發展 ICEQ（Individualize Classroom environment Questionaire）。
（7）Maynes(1986)提出以變因作為評量學生在形成假設、設計實驗、資料處理及下 結論等過程技能之階層性（hierachical）的選擇格式測驗的評量準則。該評量 準則掌握了以變因的認識能力，來評鑑學生的能力層次。這種評量準則在選擇 格式的測驗中，只要在選擇題之選項上滿足其標準，則除了該標準的正確性外，
是一種客觀的評量方法。因為在選擇格式的測驗中，選項及題幹都是高度結構 的，對學生而言，所面臨的情境是固定的，而且該標準已然假設學生的能力層 次的分佈範圍及反應型態，而學生在固定的選項中，選擇最適當的選項，基本 上這是一種辨認或比較的能力。
2. 許榮富、趙金祁（民 76），發展一套 SLSI（Science Laboratory Structure Inventory）
科學實驗評量量表，並針對（1）形成假說（hypothesising）（2）設計實驗（designing an experimental investigation）（3）資料處理（data processing）（4）下結論
（concluding）等四項科學實驗過程統整技能，發展出選擇格式、問答格式、實作格 式之示範、設計、引導實驗等五種評量模式工具。
3. 王澄霞、洪志明（民 81）於研究報告中，提出實驗技能的評量工具應有的標準與信 度：（1）評分者間信度－評分者由使用實作觀察量表，觀看學生之實驗技能錄影帶，
並用討論的方式，建立一致的評分標準，而確立評分者間的信度。（2）用 S-P 表
（student-problem score table）分析－由前測與後側的 S-P 表分析結果，如果整 個 S 曲線持續地向右移動，顯示評量工具對學習進步的一慣性和均勻性，則此評量工 具有信度。（3）兩對等形式（two equivalent forms）測驗結果比較－由使用兩對等 形式的實驗技能紙筆測驗，其所得的成績的一致性表示出評量工具的信度。
根據以上的研究，如 Maynes(1986)選擇格式測驗的評量準則，許榮富、趙金祁（民 76）發展的 SLSI 科學實驗評量量表暨紙筆測驗準則，建立一份優良的物理實驗客觀式 的紙筆測驗試題相當可行。
是以本研究僅針對『紙筆測驗』進行探討，分析近年來『入學考試』中的物理實 驗試題，大多採用『選擇題型』與『問答題型』的測驗試題。本研究希望藉由『題型的 探討』，比較分析各種題型的優缺點，以期提供教育單位及教師教學上參考。
四、評量的選用：
本研究專注於『物理實驗的成就評量』，在國內『入學考試』仍維持紙筆測驗的情 況下，是以本研究僅探討『實驗評量中的紙筆測驗』。
測驗的選用，必須考量測驗的題型，不同的試題類型有不同的測驗功能及優缺點，
皆是編製測驗時所需的評估。
