挖潜：学习能力倾向测评与运用

■名家专栏 监测评价与中小学教育质量提升③

当前，在有关智力测验的因素分析的理论中，CHC理论最具影响力。CHC理论综合了一个世纪以来所有智力因素分析的结果，拥有强大的实证基础。1994～1999年Cattell—Horn流体—晶体理论与Carroll的智力结构三阶层理论模型（第一层局部能力、第二层广泛能力、第三层一般能力）整合而成统一的CHC模型，1995～2008年研究者不断修正细节形成“第二代”CHC评价方法。智力测验理论的进步，进一步改善了智力的应用测量。伍德科克-江森认知能力测验第三版完全是以CHC理论框架为蓝本编制的。斯坦福-比内智力量表的第五次修订版包括5个CHC广泛能力的综合得分。韦氏智力测验第四次修订版增添了CHC工作记忆、测验流体智力的矩阵推理和图片概念分测验等。

同属于智力测验一个类别的学习能力倾向测验，是目前国外应用非常广泛的能力测验之一。学习能力倾向是指学生为完成学校课业学习所必须具备的能力（即学生获得新的知识和技能的潜力），这些能力与学生未来的学习关系密切并能够预测其学习成功的可能性。它与学业成绩不同，学业成绩是指学生经过特定时间和课程的学习所获得的知识和技能，学习能力倾向反映的是对将来学习的预测。它与智力也有一些区别，学习能力倾向测验比智力测验范围窄，其测量的是与学习任务密切相关的智力功能。就学业成绩预测和教育诊断而言，学习能力倾向测验比传统智力测验更精准、更具针对性。

在国外的学习能力倾向测验中，最具代表性的是美国的鉴别能力倾向测验（DAT）、学业能力倾向测验（SAT）、认知能力测验（CogAT）等。DAT包括言语推理、数字推理、抽象推理等8个独立的测验，通常将其言语推理和数字推理结合作为学习能力的指标。许多研究者分析了SAT对大学成绩的预测，最佳的回归方程是：Y=0.586+0.0027V+0.0012M，Y表示预测的大学绩点，V表示语言分数，M表示数学分数。CogAT主要用于评估学生使用言语符号、数量符号和空间符号进行推理与问题解决的能力。

我国对学习能力倾向测验的研究和运用还远远不足。在中国知网和万方数据库分别输入“学习能力倾向测验”进行检索，仅仅发现十余篇文章，研究时间主要集中在2004～2009年，研究内容主要集中在小学三至四年级或者四至六年级学习能力倾向测验的编制以及文献综述。而在教育部印发的《中小学教育质量综合评价指标框架（试行）》中，早已将“潜能发展”作为关键指标之一。

近年来，笔者重点关注中小学生学习潜能，以CHC理论为指导，综合借鉴了DAT、SAT、CogAT、斯比智力测验、韦氏智力测验中涉及学习能力部分的编制经验，运用结构方程模型的验证性因素分析方法（CFA），分别探索编制了小学生、初中生、高中生学习能力倾向测验，由言语能力、数字能力、图形推理3个分测验构成。小学、初中参试学生分别达到8万余人，高中达到3.1万人，被试总量近20万人。

目前，新编制的学习能力倾向测验，已经取得较好的初期研究成效：小学、初中、高中三个类别的学习能力倾向测验，其题目因子载荷均介于0.4～0.8，多数集中在0.5～0.7（测量学标准λ﹥0.45普通，λ﹥0.55好）；结构效度方面，拟合指数CFI、TLI，分别达到0.97～0.99（测量学标准CFI﹥0.95, TLI﹥0.9），RMSEA（近似误差均方根）介于0.013～0.025（测量学标准RMSEA<0.05）；內部一致性信度为0.810～0.899（美国DAT复本信度为0.73～0.9，台湾修订DAT內部一致性信度为0.54～0.95）；对学生学习成绩的预测效度在0.56～0.83，多数在0.7左右（美国DAT言语推理和数字能力相结合对学习成绩的预测效度在0.6～0.7，台湾修订DAT与高中系列学业性向测验之相关为0.49～0.56，SAT综合分数对大学一年级新生学习成绩的预测效度0.42）。Damien C. Cormier, Okan Bulut, Kevin S. Mcgrew & Deepak Singh(2017) 研究发现，在6—19岁学龄期的学生中，CHC流体推理、晶体知识和认知处理速度与数学成绩之间有着最强和最稳定的相关关系。笔者2018年的最新试验结果也发现，数字推理、图形能力与初中学生数学成绩的相关分别达到0.789、0.711，综合起来高达0.828。

学习能力倾向测验与学业成绩考试这两种测验在共同样本中同时标准化，可预测学生在正常的教育条件下可能达到的学业成绩水平。两者联合使用，可判断学生学习潜能是否得到充分发挥。运用这种方法，对尚未充分发挥的中学生及小学生进行鼓励和有针对性的指导与训练，使得他们中66.7%～94.1%的人成绩得到了提升。

《中国教育报》2018年12月19日第5版