进行教育评价,是教育活动中的一个重要方面。但因其评价对象的复杂性,对教育评价的研究一直以来都是人们争论的热点。考试作为评价的重要手段之一,是目前进行大规模教育评价的主要方式。近年来,我国也开始在一些省市推行一些大规模学业评价项目。但是如何确定考试的测量目标以及如何设计出高质量的试题来完成对测量目标的测量?尤其是对于实践性较强的科学学科,对学生科学能力的考查应包含哪些方面?如何用纸笔测验来对这些科学能力进行评价?都是当前亟待解决的问题。本研究对国际上现行的三大教育评价项目TIMSS2007、PISA2006和NAEP2000&2005的八年级科学的测试框架和测试题目进行了分析和比较,旨在发现它们在进行科学评价时的理念以及实现这些理念所采用的方式,期望能对我国的大规模考试提供一些线索和帮助。为达到本研究的目的,特确立了如下研究内容:(1)对测试框架的研究其中包括:评价目的、评价设计的哲学基础、评价中各内容领域所占的比重、评价中各认知能力所占的比重。(2)对测试题目的研究其中包括:试卷结构、试卷难度和对科学探究的考查。其中试卷结构又包括:试卷的长度(或题量)、题型以及不同题型试题的比例。其中试卷难度包括:情境与不同情境试题所占的比重、对多步推理能力的要求及不同要求所占的比例。比较的过程分几个阶段:确定比较的问题;确定比较的标准;收集资料并加进行分析、解释;比较分析和结论。其中在确立试卷难度的比较标准时,借鉴了David Nohara和Arnold A.Goldstein在2001年6月撰写的《NAEP、TIMSS-R和PISA的比较研究》。经过以上研究过程,我们得到了如下结论:1.测试框架方面(1)在评价目的方面,TIMSS与NAEP比较接近。其中PISA是在教育框架之外对教育成效的评价。而TIMSS和NAEP是在教育框架之内,对课程实施成效的评价。(2)在评价设计的哲学基础方面,TIMSS与NAEP比较接近。TIMSS是建立在三种课程的关系的基础之上,检验习得课程与目标课程之间的关系。NAEP是以课程标准为主要依据来设计题目以发现学生对课程标准中的要求的实现程度。而PISA则是以终身学习模型为基准设计题目来考查学生为适应不断变化的社会所应具备的能力。(3)在对内容领域和认知能力的考查方面,三者的表述和界定差异较大。TIMSS2007的科学测试中包括四个内容领域:生物、化学、物理、地理,其中生物科目稍有侧重。考查的认知能力包括三个层次:了解、应用和推理。其中对应用能力和推理能力考查的比重都较大,均占总测试时间的35%左右。PISA2006和NAEP2000&2005中都包括三个内容领域:物质科学、生命系统、地球和空间系统,其中PISA2006对生命系统的考查稍有侧重,考查的科学能力包括三个方面:确立科学问题、解释科学现象和运用科学证据,其中解释科学现象和运用科学证据两项能力所占的比重最大,均约占试卷总分数的35%。NAEP2000中在生物科学上稍有侧重,考查的三种过程技能包括:概念理解、科学研究、实际推理,其中概念理解所占的比例最大,约占总测试时间的45%。2.测试题目方面(1)三者的试卷结构比较接近。三者的试卷结构比较接近。主要由选择题和问答题构成,在问答题中都含有一定数量的扩展题。其中TIMSS中的选择题比例最大,约占三分之二;PISA中的所含的问答题比例最大,也约占三分之二。(2)试卷难度上,PISA最难,NAEP和TIMSS相对来说较易。(3)在对科学探究的考查上,三者的考查方式各不相同。在TIMSS中既作为科学探索活动的结果也作为科学探索活动的一种方法来考查。大约要占用15%的考试时间。PISA将其作为科学相关的知识来考查即科学探索活动的一种方法来考查。此外,它还在试题中考查了学生对科学探究的支持程度。PISA将科学探究作为科学相关知识来考查的部分所占的分数为15-20分,与科学地解释现象共同占总测试时间的60%。在NAEP中是作为一项科学过程技能即科学探索活动的一种方法来考查,考查的比重约占总测试时间的30%。3.比较过程中,还发现了三者各自的一些独特之处。如PISA以单元为题目组织形式;NAEP中包含对某概念或心智模型进行深入考查的题组,以及观察-预测-解释题目。