正式评量应具备的测验认知

二.標準化
標準化是指建構測驗材料、 標準化是指建構測驗材料、實施步 是指建構測驗材料 驟、計分方法及測驗結果解釋的技 巧。 標準化使鑑定和評量人員在控制的 標準化使鑑定和評量人員在控制的 情況下，實施、 情況下，實施、計分和解釋測驗的 可能性，以降低無法預測的結果。 可能性，以降低無法預測的結果。
「效標關聯效度」 包含「預測效度」--測量測驗 包含「預測效度」--測量測驗 在預測未來成就表現上的成 效和 同時效度」--測驗與另一可 「同時效度」--測驗與另一可 供比較的測驗或其他已具有 效度測量的相關。 效度測量的相關。
三.構念效度 構念效度 「構念效度」（construct 構念效度」（construct 」（ validity） validity）要比其他型式的信度 更為抽象， 更為抽象，它是指測驗測量理 論性構念或概念多好的程度。 論性構念或概念多好的程度。 智力、自我概念、 智力、自我概念、粗大動作能 力和推理能力是幾種難以界定 和測量的抽象構念。 和測量的抽象構念。
步驟一： 步驟一：依據完整的內容領域評論來發展 測驗細目 步驟二： 步驟二：編製測驗項目以求符合測驗項目 步驟三： 步驟三：針對仔細選擇的一組對象進行預 試 步驟四：根據預試結果來修正測驗項目] 步驟四：根據預試結果來修正測驗項目] 步驟五： 步驟五：編製成最後的測驗
表面效度 是一種非技術性的效度型式， 是一種非技術性的效度型式， 包括快速評論測驗以決定其 在表面上是否有效的程度。 在表面上是否有效的程度。 現金效度關心的是商業性測 現金效度關心的是商業性測 驗的銷售量。 驗的銷售量。
（四）標準分數常模（standsrd 標準分數常模（ norm） score norm）
標準分數常模乃是將原始分 標準分數常模乃是將原始分 數用相同的平均數與標準差 加以轉換得來的， 加以轉換得來的，用來表示 個人的分數落在平均數之上 或之下的距離。 或之下的距離。
標準分數常模
最為常見的有下列三種： 最為常見的有下列三種： 分數；（ ；（2 分數； （1）Z分數；（2）T分數； 離差智商。 （3）離差智商。
二.測驗分數的解釋
（一）側面圖的分析 一旦測驗使用者想直接比較 個人在各項測驗分數的高低 時，分析側面圖將會是一種 良好的選擇。 良好的選擇。
凡是一種測驗 包括有若干分測驗的， 包括有若干分測驗的，均適合 運用這種方法來解釋測驗分數， 運用這種方法來解釋測驗分數， 例如魏氏兒童智力量表 WISC-III）、 ）、視覺動作統整發 （WISC-III）、視覺動作統整發 展測驗（VMI） 展測驗（VMI）或行為與情意 評量表（BERS） 評量表（BERS）等。
norm） （二）年級常模（grade norm） 年級常模（
年級常模是依據各個不同年 級而建立的標準化樣本， 級而建立的標準化樣本，在 測驗上所得的平均數而建立。 測驗上所得的平均數而建立。
（三）百分等級常模 norm） （percentile rank norm）
百分等級是一種相對地位量 百分等級是一種相對地位量 數，它是指落在個人原始分 數下面分數（ 數下面分數（標準化樣本所 決定的）百分比的指標。 決定的）百分比的指標。
二.效標關聯效度
「效標關聯效度」（criterion-related 效標關聯效度」 criterionvalidity）係指個人在某測驗的分數 validity） 與一項標準測量的關聯（ 與一項標準測量的關聯（通常是個 人在另一項測驗上的分數） 人在另一項測驗上的分數） 此種比較所產生的相關係數稱為效 此種比較所產生的相關係數稱為效 度係數。它們的範圍由-1.00（ 度係數。它們的範圍由-1.00（完全 負相關） 1.00（完全正相關）。 負相關）至1.00（完全正相關）。
通常
構念效度的建立包括仔細 構念效度的建立包括仔細 的鑑定和界定構念， 的鑑定和界定構念，然後 引出和驗證有關構念的測 驗成就表現的假設。 驗成就表現的假設。
由於建立構念效度 需要較長的歷程， 需要較長的歷程，大多數測驗 很少提供此種效度型式的資料。 很少提供此種效度型式的資料。 除多數非正式測驗外， 除多數非正式測驗外，都提供 有關兩種其他效度型式（ 有關兩種其他效度型式（內容 和效標關聯）的資料。 和效標關聯）的資料。
第四章
正式評量應具備的測驗 認知
第一節 效度
效度（validity）
乃是評量工具的成效， 乃是評量工具的成效，是測驗最 為重要的技術性特色。基本上效度 為重要的技術性特色。 是關心「 是關心「測驗所欲測量的內容到底 有多好？」 ？」或 有多好？」或「測驗能測量到所欲 測量的範圍嗎 ？」。 在探討評量工具上包括下列三種 主要的測驗效度型式： 主要的測驗效度型式：
1.主試者的偏見 1.主試者的偏見 2.主試者的文化和語言 2.主試者的文化和語言 3.測驗實施和解釋上的差異 3.測驗實施和解釋上的差異 4.計分錯誤 4.計分錯誤
（三）測驗本身方面
1.測驗的基礎和天花板效應 1.測驗的基礎和天花板效應 2.可能的測驗偏見 2.可能的測驗偏見 Reschly（1980） Reschly（1980）曾指出這些偏 見分別是「平均-差異偏見」、 見分別是「平均-差異偏見」、 項目偏見」、「心理計量偏見」 」、「心理計量偏見 「項目偏見」、「心理計量偏見」 因素分析偏見」。 及「因素分析偏見」。
二.複本信度 複本信度
「複本信度」（alternate-form 複本信度」（alternate」（alternate reliability） reliability）又稱為等量信度 equivalentreliability）， ），也可 （equivalent-form reliability），也可 稱作互替形式97 108信度 97的 信度， 稱作互替形式97的108信度，它是 一種比較同一測驗兩種型式的分數， 一種比較同一測驗兩種型式的分數， 來估計其正確性的過程。 來估計其正確性的過程。
表示信度統計的是
信度係數（ 信度係數（reliability r），它包括由0 ），它包括由 coefficient, r），它包括由0至 的數值。 =0表示完全無信 1的數值。r =0表示完全無信 度可言， =1則代表完美 度可言，而r =1則代表完美 的信度。 的信度。
一.重測信度 重測信度 「重測信度」（test-retest 重測信度」（test」（test reliability ）乃是一種估計正確 性的歷程， 性的歷程，包括針對仔細選擇 的一組對象施予兩次測驗， 的一組對象施予兩次測驗，並 使用所得分數來計算信度係數， 使用所得分數來計算信度係數， 以描述這兩組分數間的一致性。 以描述這兩組分數間的一致性。
近年來傾向於
採用區間形式（ form） 採用區間形式（interval form） 區間形式 來解釋側面圖， 來解釋側面圖，也就是將原 始分數上下各加減一個標準 誤，然後根據常模對照表將 其轉化為各種衍生分數。 其轉化為各種衍生分數。
（二）解釋測驗分數的基本原則
下面所列舉的是一些解釋測驗 分數的基本原則（如表4 分數的基本原則（如表4-9）， 可作為解釋分數的參考。 可作為解釋分數的參考。測驗 使用者若能嚴格遵守， 使用者若能嚴格遵守，將可大 大減少測驗分數解釋的謬誤及 誤用的情形。 誤用的情形。
一.內容效度 內容效度 validity） 「內容效度」（content validity） 內容效度」 係指測驗正確地測量行為樣本 的範圍。 的範圍。 擁有良好內容效度的測驗， 擁有良好內容效度的測驗，包 括範圍或學習領域上具有代表 性的行為樣本。 性的行為樣本。
至於建立內容效度可以包括下列 幾項步驟：
一.常模參照與標準參照測驗
常模參照測驗（norm常模參照測驗（normNRT） referenced testing, NRT）與標 準參照測驗（ 準參照測驗（criterion CRT） referenced testing, CRT）代表 著兩種基本上不同解釋成就 表現的方法。 表現的方法。
NRT
包括相較於他人的成就表現 常模組或對照組） （常模組或對照組）來解釋 學生的成就表現。 學生的成就表現。
至於CRT
是指依據某些功能 性水準或 標準來解釋學生的成就表現。 標準來解釋學生的成就表現。 它與教學和測量學生小且各 自獨立的知識單元有密切相 關。
在心理與教育評量中較為 常用的常模有： norm） （一）年齡常模（age norm） 年齡常模（ 年齡常模是依據各個不同年齡 而建立的標準化樣本， 而建立的標準化樣本，這可由 個體在不同年齡層正確回應測 驗項目的百分比來加以決定。 驗項目半信度」（split-half reliability） 折半信度」（split」（split 是一種決定正確性的程序， 是一種決定正確性的程序，包括同 一測驗兩個部分的相關。 一測驗兩個部分的相關。 也就是說，將測驗項目分成兩半， 也就是說，將測驗項目分成兩半， 並比較這兩半測驗項目的相關係數。 並比較這兩半測驗項目的相關係數。
測量標準誤 （stardard error of measurement, SEM）代表企圖說明可能的變 異性或測驗計分和解釋上所 涉及的錯誤。測驗的信度愈 大，SEM就會愈小。
四.評分者間信度 「評分者間信度」（inter-rater 評分者間信度」（inter」（inter reliability） reliability）通常是指觀察者間 信度（interreliability）， 信度（inter-observer reliability）， 有時又稱為計分者間信度 reliability）。 （Interscorer reliability）。 它關心測驗如何計分一致或由 兩位評分者者評定行為。 兩位評分者者評定行為。
第四節
實用性
實用測量概念著重評量工具 的應用性和功能性特色。 的應用性和功能性特色。
第五節 其他有關測驗的認知 一.測驗結果的影響因素 （一）受試者方面 1.焦慮與動機 1.焦慮與動機 2.健康和情緒狀況 2.健康和情緒狀況 3.障礙類型 3.障礙類型 4.練習效果 4.練習效果