計算每個學生在內容上的獲益值,以及過程上的獲益值。具體算法以具體案例為例。如有個學生在PISA數學測評和中考數學測評上不同維度的logistic值如表7-12所示。這里先要將PISA數學不同維度上的值轉換為logistic值,具體公式如下。
① OECD.PISA 2012 Tichnical Resport.[M].OECD Publications, 2014:253.
其中L表示logistic值,S表示現有分值,以此獲得PISA數學測評原始結果的logistic值。
表7-12 某學生在中考和PISA數學測評各維度上的結果
(續表)
利用中考數學測評在PISA數學測評內容領域上的分布比例,計算該學生的中考內容領域得分:
(-0.12×20%)+(-0.09×42%)+(-0.36×32.7%)+(0.13×5.3%)=-0.17。
利用中考數學測評在PISA數學測評過程維度上的分布比例,計算該學生的中考過程維度得分:
(-0.04×87.5%)+(-0.15×12.5%)=-0.054。
利用PISA數學測評在內容領域上的分布比例,計算該學生的PISA數學測評內容領域得分:
1.21×25%+0.32×25%+(-0.35×25%)+0.65×25%=0.46。(www.toyotajt.cn)
利用PISA數學測評在過程維度上的分布比例,計算該學生的PISA數學測評過程維度得分:
0.35×32.1%+0.73×42.9%+0.04×25%=0.436。
該學生在內容領域上的獲益值為:
中考內容領域得分-PISA內容領域得分=-0.17-0.46=-0.63。
該學生在過程維度上的獲益值為:
中考過程維度得分-PISA過程維度得分=-0.054-0.436=-0.49。
無論是內容獲益值還是過程獲益值,實質上都是學生在兩個測評的內容領域和過程維度上的差異性指標。相應的描述性統計,包括與中考和PISA數學測評成績的相關性統計,結果如表7-13所示。
表7-13 過程及內容獲益值的描述性統計量及相關性指標的描述性統計量
相關性
(續表)
*在0.05水平(雙側)上顯著相關;
**在0.01水平(雙側)上顯著相關。
首先,過程獲益值和內容獲益值存在高相關性。其次,這兩個指標與中考數學測評成績的相關性明顯大于與PISA數學測評成績的相關性。