王 爽 王佶旻

語言測(cè)驗(yàn)中的變量有三個(gè)：語言能力、刺激和反應(yīng)[1]。語言測(cè)驗(yàn)通常使用一定的刺激物，即測(cè)驗(yàn)任務(wù)，得到被試的反應(yīng)，也就是被試的答案。語言能力的屬性以及使用測(cè)驗(yàn)任務(wù)在多大程度上測(cè)到了想要測(cè)驗(yàn)的能力是語言測(cè)評(píng)研究者關(guān)注的重要問題。任何測(cè)量都存在誤差，語言測(cè)驗(yàn)也不例外，使用測(cè)量任務(wù)得到語言學(xué)習(xí)者能力的反饋，這個(gè)過程是復(fù)雜的，包含許多的程序和步驟，每一步的小誤差都會(huì)增大最終結(jié)果的誤差。因此，語言測(cè)量研究者想要獲得語言能力的證據(jù)，就需要從語言測(cè)驗(yàn)的整個(gè)過程進(jìn)行考慮，包括測(cè)驗(yàn)對(duì)象和測(cè)驗(yàn)任務(wù)實(shí)施等。

語言測(cè)試開發(fā)需要確定測(cè)試的對(duì)象是什么，根據(jù)對(duì)語言能力定義的不同常?？梢苑譃閮煞N模式：以能力構(gòu)想為中心和以情景任務(wù)為中心。而TOEIC 口語考試是基于“以證據(jù)為中心”的評(píng)價(jià)模式（evidencedcentered design，簡(jiǎn)稱ECD 模式）設(shè)計(jì)的，ECD 模式以尋找證據(jù)為中心任務(wù)，每部分層層相關(guān)和遞進(jìn)，將整個(gè)評(píng)測(cè)過程統(tǒng)一起來，形成完成的測(cè)評(píng)框架。本文將對(duì)TOEIC 口語考試的任務(wù)設(shè)計(jì)模式進(jìn)行介紹，并在此基礎(chǔ)上探討其對(duì)漢語口語測(cè)試的借鑒價(jià)值。

一、口語測(cè)試開發(fā)問題

在口語測(cè)試開發(fā)的初始階段，對(duì)口語能力的界定是至關(guān)重要的，它還會(huì)影響后期的任務(wù)形式、評(píng)分方式等。通常對(duì)語言能力有兩種定義方式：一種是“現(xiàn)實(shí)法”，它會(huì)確定實(shí)際語言應(yīng)用的特例構(gòu)成的范圍，這個(gè)范圍里的應(yīng)用特例被認(rèn)為是特定語言行為的表現(xiàn)[2]；另一種是“成分法”，這種方法在語言測(cè)試發(fā)展歷史上占有重要的地位，它會(huì)把語言能力分為若干個(gè)子能力。

在口語測(cè)試開發(fā)過程中，“現(xiàn)實(shí)法”會(huì)根據(jù)之前確定好的特定口語行為表現(xiàn)進(jìn)行任務(wù)設(shè)計(jì)和評(píng)分方式設(shè)計(jì)，由于其特點(diǎn)通常會(huì)采用總體等級(jí)評(píng)分，但是這種評(píng)分方式對(duì)評(píng)分員的要求很高，評(píng)分信度通常難以保證[3]?！俺煞址ā眲t以口語能力的構(gòu)想為中心，由于口語能力是不能直接觀察和測(cè)量的，仍舊需要設(shè)計(jì)任務(wù)對(duì)口語能力進(jìn)行測(cè)量，然后根據(jù)這些任務(wù)進(jìn)行推斷，因?yàn)榭谡Z能力會(huì)被分為某些確定的成分，如準(zhǔn)確性、流利度，準(zhǔn)確性會(huì)使用每個(gè)T-unit 的錯(cuò)誤個(gè)數(shù)[4]等，流利度會(huì)使用停頓次數(shù)以及平均語流長(zhǎng)度[5]等作為量化的客觀指標(biāo)。

“現(xiàn)實(shí)法”將特定的口語行為表現(xiàn)作為其評(píng)價(jià)指標(biāo)，但無法推斷被試在其他口語任務(wù)上的表現(xiàn)；“成分法”將口語能力作為重點(diǎn)，在評(píng)分方式上量化了各種指標(biāo)，但操作復(fù)雜，常因?yàn)楹雎詫?shí)際情景而受到批評(píng)。兩種方式各有利弊，可以根據(jù)不同的考試目的選擇不同的定義方法，但無論是哪種方法，都需要設(shè)計(jì)測(cè)試任務(wù)來進(jìn)行口語測(cè)量，而TOEIC 的口語考試設(shè)計(jì)將這兩種方式結(jié)合起來，能更好地完成口語測(cè)試。

二、TOEIC 口語考試設(shè)計(jì)框架

TOEIC 口語考試是基于“以證據(jù)為中心”的評(píng)價(jià)模式，即ECD 模式設(shè)計(jì)的。ECD 模式是由Mislevy，R.J.等人于1997-1999 年在主持美國(guó)教育測(cè)量服務(wù)中 心（Educational Testing Service，ETS）工作時(shí)提 出的一項(xiàng)新的系統(tǒng)性評(píng)價(jià)設(shè)計(jì)研究項(xiàng)目，旨在開發(fā)評(píng)價(jià)設(shè)計(jì)框架，已被廣泛用于教育評(píng)價(jià)中。TOEIC 口語考試是在GRE 等考試之后使用ECD 模式進(jìn)行開發(fā)設(shè)計(jì)的，在先前經(jīng)驗(yàn)的基礎(chǔ)上，其口語考試設(shè)計(jì)更加清晰明確具有代表性。

1.TOEIC 口語考試設(shè)計(jì)基礎(chǔ)

ECD 模式產(chǎn)生的背景，一方面是認(rèn)知科學(xué)和學(xué)習(xí)科學(xué)的發(fā)展，促使我們對(duì)學(xué)習(xí)者的知識(shí)、技能等有了更深的認(rèn)識(shí)；另一方面是統(tǒng)計(jì)模型的發(fā)展使得測(cè)驗(yàn)?zāi)軕?yīng)用基于概率的推理，這樣能夠涉及觀察變量、具體情境以及與推論之間的推理鏈條。

其理論基礎(chǔ)來自Mislevy 對(duì)教育評(píng)價(jià)中推理和證據(jù)之間問題的看法。他認(rèn)為，教育評(píng)價(jià)的對(duì)象是學(xué)生的知識(shí)、技能和成就，評(píng)價(jià)的過程可以看成是“基于證據(jù)進(jìn)行推理”的過程，教育評(píng)價(jià)就是希望從學(xué)生所說和所做或做出的特定事物中推理出更廣泛的知識(shí)和能力推論[6]的過程?？傮w來說，ECD 模式是基于證據(jù)對(duì)學(xué)習(xí)者的知識(shí)、技能等進(jìn)行推理的模型框架。

Mislevy 等人還認(rèn)為，評(píng)估確實(shí)可以收集復(fù)雜的數(shù)據(jù)來建立對(duì)復(fù)雜學(xué)生模型的基本推斷，并衡量復(fù)雜的學(xué)習(xí)或評(píng)估復(fù)雜的程序，但這是建立在從觀察到推理的全部推理鏈之上的，因此需要一個(gè)更加結(jié)構(gòu)化的框架來提供通用術(shù)語和設(shè)計(jì)對(duì)象，使評(píng)估設(shè)計(jì)更為明確，并將設(shè)計(jì)元素與實(shí)際評(píng)估中固有的過程聯(lián)系起來，這樣的框架不僅使評(píng)估的基本證據(jù)結(jié)構(gòu)更加明確，而且使評(píng)估的操作要素更易于重復(fù)使用和共享[7]。ECD 評(píng)價(jià)模式就是從構(gòu)想的建立到分?jǐn)?shù)的發(fā)布建立的有層次和結(jié)構(gòu)的框架。

ECD 模式框架分為5 個(gè)層次，分別是領(lǐng)域分析、領(lǐng)域建模、概念性評(píng)價(jià)框架、評(píng)價(jià)執(zhí)行和評(píng)價(jià)發(fā)布[8]。ECD 模式能夠使測(cè)試開發(fā)者重點(diǎn)針對(duì)語言能力和任務(wù)以及它們之間的關(guān)系，5 個(gè)層次包含了測(cè)試開發(fā)的整個(gè)階段，每個(gè)層次都互相關(guān)聯(lián)，層層推進(jìn)。

考試研發(fā)設(shè)計(jì)的第一階段是領(lǐng)域分析，包括對(duì)評(píng)估領(lǐng)域的已知內(nèi)容的初步綜合，主要側(cè)重這些問題：在該領(lǐng)域取得成功的重要技能、知識(shí)和能力是什么？在哪些實(shí)際情況中學(xué)習(xí)者會(huì)使用這些技能、知識(shí)和能力？

第二階段是領(lǐng)域建模，這一階段要將第一階段領(lǐng)域分析收集的信息細(xì)化，用來指導(dǎo)接下來的與語言能力相對(duì)應(yīng)的任務(wù)設(shè)計(jì)，包括三個(gè)相互關(guān)聯(lián)的部分：熟練程度范例-對(duì)考生能力要求的實(shí)質(zhì)是什么？證據(jù)范例-考生表現(xiàn)中的哪些可觀察特征會(huì)提供數(shù)據(jù)來支持這些能力構(gòu)想？任務(wù)范例-什么類型的任務(wù)能夠讓考生提供證明他們熟練性的證據(jù)？

第三個(gè)階段是概念性評(píng)價(jià)框架（CAF），在前兩個(gè)階段的草圖基礎(chǔ)上，它會(huì)提供評(píng)估操作要素的具體細(xì)節(jié)以確定最終的藍(lán)圖，包括5 個(gè)關(guān)聯(lián)的模型：學(xué)生模型、證據(jù)模型、任務(wù)模型、呈現(xiàn)模型和組合模型。概念性評(píng)價(jià)框架提供了一個(gè)正式的框架，用于指定要衡量的知識(shí)和技能、觀察的條件以及支持預(yù)期推斷而收集的證據(jù)的性質(zhì)。

第四個(gè)階段的評(píng)價(jià)執(zhí)行就是具體執(zhí)行評(píng)價(jià)工作，包括創(chuàng)建CAF 結(jié)構(gòu)中描述的評(píng)價(jià)部分，例如編寫任務(wù)、呈現(xiàn)任務(wù)、擬合測(cè)量模型、細(xì)化評(píng)分規(guī)則和提供實(shí)例、編程模擬、自動(dòng)評(píng)分算法、收集反應(yīng)、分析反應(yīng)等。評(píng)價(jià)都需要一些程序，通過這些程序來挑選題目、運(yùn)行考試、報(bào)道分?jǐn)?shù)以及交流反饋。

最后一個(gè)階段是評(píng)價(jià)發(fā)布，是通過交付系統(tǒng)形成的，包括呈現(xiàn)程序、反應(yīng)程序、總結(jié)評(píng)分程序、活動(dòng)挑選程序和任務(wù)/證據(jù)組合庫。它描述了評(píng)估所需的學(xué)生、證據(jù)、任務(wù)等以及它們?nèi)绾螀f(xié)同工作。

整個(gè)框架從語言能力構(gòu)想到最終成績(jī)發(fā)布是一個(gè)具有邏輯的完整的系統(tǒng)，其中概念性評(píng)價(jià)框架是整個(gè)框架的核心，可以說是整個(gè)框架的縮影，包含了語言能力構(gòu)想、任務(wù)、評(píng)價(jià)標(biāo)準(zhǔn)等幾個(gè)考試的核心問題以及它們是如何互相作用的。領(lǐng)域分析和領(lǐng)域建模是進(jìn)行測(cè)試開發(fā)的前期理論性定義階段，概念性評(píng)價(jià)框架是將這些能力更加詳細(xì)化地落到實(shí)際操作上。TOEIC 的口語任務(wù)設(shè)計(jì)一方面與理論性定義階段相關(guān)，一方面又關(guān)乎評(píng)價(jià)執(zhí)行和評(píng)價(jià)發(fā)布最后兩個(gè)階段，口語設(shè)計(jì)也遵循ECD 模式這種層層遞進(jìn)的過程，每一步都有明確的步驟。

2.TOEIC 口語任務(wù)設(shè)計(jì)

TOEIC（Test of English for International Communication），又被稱為托業(yè)考試，用于測(cè)試母語非英語人員在國(guó)際性環(huán)境中的日常英語能力[9]。TOEIC 考試雖然在20 世紀(jì)就已研發(fā)和實(shí)施，但最開始只有閱讀和聽力測(cè)試部分，不包括口語和寫作測(cè)試。2005 年，ETS 與來自日本（IIBC）和韓國(guó)（YBM/Sisa）的業(yè)務(wù)成員進(jìn)行探討，決定增加TOEIC 系列的口語和寫作測(cè)試，并在考試設(shè)計(jì)方面做出要求，如希望可以有更多的等級(jí)；在考試時(shí)間方面，口語和寫作的時(shí)間約為90 分鐘。

ETS 在開發(fā)TOEIC 的口語和寫作測(cè)試之前已經(jīng)將ECD 評(píng)價(jià)模式應(yīng)用于托?？荚囍?，鑒于此經(jīng)驗(yàn)，在研發(fā)中要考慮平行試題形式的開發(fā)，而且必須有詳細(xì)的任務(wù)規(guī)范，這些規(guī)范能夠使命題者更加明晰口語能力和任務(wù)之間的關(guān)系，這也能夠使口語的理論性定義在實(shí)際操作中得到充分體現(xiàn)，做到理論性定義與操作性定義的統(tǒng)一。最終研發(fā)者確定了任務(wù)設(shè)計(jì)分析實(shí)施步驟，TOEIC 口語任務(wù)設(shè)計(jì)與ECD 模式的框架對(duì)應(yīng)情況如表1[10]所示。

表1 基于ECD 設(shè)計(jì)的TOEIC 口語任務(wù)設(shè)計(jì)

TOEIC 口語任務(wù)設(shè)計(jì)首先按照領(lǐng)域分析和領(lǐng)域建模階段，對(duì)口語能力的整個(gè)理論和測(cè)試任務(wù)進(jìn)行回顧，最后形成TOEIC 的口語能力構(gòu)想以及對(duì)子能力的要求，列出與對(duì)應(yīng)子能力相關(guān)的證據(jù)來源，以及影響任務(wù)難度的特征和評(píng)判標(biāo)準(zhǔn)。在此基礎(chǔ)上，構(gòu)建了有具體細(xì)節(jié)的任務(wù)模型，用來形成測(cè)試任務(wù)的模板，包括測(cè)量的內(nèi)容摘要和任務(wù)模型，具體見表2。

表2 TOEIC 口語任務(wù)模型框架

任務(wù)模型由四部分組成，包括固定元素、變量元素、評(píng)分標(biāo)準(zhǔn)或題目以及變體。固定元素指的是在該任務(wù)的不同實(shí)例中保持不變的一類任務(wù)的各個(gè)方面。例如要求測(cè)試者完成任務(wù)的內(nèi)容，以及任務(wù)組件的順序和時(shí)間等。TOEIC 口語測(cè)試的固定元素包括刺激材料的確切長(zhǎng)度；刺激、準(zhǔn)備和反應(yīng)的確切時(shí)間；并準(zhǔn)確說明提示的性質(zhì)。變量元素指的是可以在該任務(wù)的不同實(shí)例之間更改的任務(wù)類的方面，例如文本或主題的類型等，還包括這些元素的可能變體集。評(píng)分標(biāo)準(zhǔn)規(guī)定了評(píng)估考生回答的程序和標(biāo)準(zhǔn)。變體會(huì)定義好任務(wù)范圍和特定主題區(qū)域或文本類型或任務(wù)框架定義的任務(wù)示例。

一旦創(chuàng)建了任務(wù)設(shè)計(jì)和任務(wù)模型框架，命題專家就可以根據(jù)內(nèi)容專業(yè)知識(shí)和業(yè)務(wù)要求商定標(biāo)準(zhǔn)評(píng)估框架，這樣可以維持同一類任務(wù)的多種變體的產(chǎn)生，有助于在測(cè)量某種口語子能力時(shí)，不會(huì)輕易被其他內(nèi)容干擾。

三、對(duì)來華預(yù)科口語能力測(cè)試的啟示

1.對(duì)漢語口語能力構(gòu)想的啟示

任務(wù)設(shè)計(jì)與能力構(gòu)想緊密相關(guān)，在進(jìn)行任務(wù)設(shè)計(jì)之前要明確口語能力構(gòu)想。漢語與英語口語不同，在語音、語調(diào)、語氣停頓等方面有著本身的特點(diǎn)，因此在漢語口語考試設(shè)計(jì)時(shí)要注意漢語的特點(diǎn)。

由于漢語口語水平考試的測(cè)試目的不同，在構(gòu)建漢語口語能力構(gòu)想時(shí)也不同。以商務(wù)漢語口語測(cè)試為例，與普通的漢語水平口語不同，商務(wù)漢語口語具有專業(yè)化、職業(yè)化的特點(diǎn)，其詞匯和語法等方面都有自己的特征，如語體相對(duì)較為正式、表現(xiàn)形式包括獨(dú)白和對(duì)話兩種[11]。因此不僅要考慮基本的口語交流能力，還需要對(duì)考生的商務(wù)漢語口語能力進(jìn)行分析。在此分析基礎(chǔ)上，確定想要衡量的口語能力是被試 “能夠有效地在日常和商務(wù)交流中通過漢語進(jìn)行口語交流的能力”。還可以對(duì)更詳細(xì)的商務(wù)漢語口語子能力進(jìn)行要求，例如可以在特定的語境中談?wù)撃呈碌哪芰梢约?xì)分為考生能夠選擇適當(dāng)?shù)恼Z言進(jìn)行日常的社交和商業(yè)交流（如產(chǎn)品介紹、回答用戶的咨詢等）。

對(duì)口語能力的界定和細(xì)化能夠?yàn)榻酉聛淼娜蝿?wù)設(shè)計(jì)等工作提供更好的幫助，而接下來的實(shí)際操作性工作也會(huì)進(jìn)一步驗(yàn)證或者修正理論。

2.對(duì)漢語口語任務(wù)設(shè)計(jì)的啟示

口語任務(wù)設(shè)計(jì)是連接語言口語能力理論和最終分?jǐn)?shù)呈現(xiàn)的橋梁，并與兩者息息相關(guān)，因此口語任務(wù)設(shè)計(jì)要在統(tǒng)一的結(jié)構(gòu)框架中綜合考慮這些因素。

在領(lǐng)域建模階段，要根據(jù)口語能力構(gòu)想和子能力進(jìn)行任務(wù)設(shè)計(jì)，這些設(shè)計(jì)包括要列出相關(guān)證據(jù)的真實(shí)世界任務(wù)，例如在漢語口語能力的任務(wù)中，要求考生根據(jù)一些書面信息詢問或者回答漢語教師或其他人提出的問題；還包括確定可能影響任務(wù)難度的特征，這些特征包括漢語閱讀和聽力材料的特征，這些特征是刺激口語能力表現(xiàn)的不同來源；確定評(píng)估任務(wù)性能的標(biāo)準(zhǔn)，例如漢語口語的清晰度和節(jié)奏、連貫和銜接等，這些都是在進(jìn)行最初的任務(wù)設(shè)計(jì)時(shí)要考慮的部分。

在任務(wù)設(shè)計(jì)時(shí)還有一個(gè)重要的步驟就是盡可能多地列出每種子能力要求的證據(jù)來源，支持判斷子能力所需的觀察，這可以用來判斷任務(wù)的適當(dāng)性。傳統(tǒng)設(shè)置任務(wù)的方法是建立語言使用者需要的任務(wù)列表，從中選擇一些有代表性的任務(wù)，但是這些依賴特定領(lǐng)域中專家的知識(shí)、經(jīng)驗(yàn)、技巧，具有較強(qiáng)的主觀性，缺乏實(shí)際的證據(jù)來支持測(cè)驗(yàn)題目和所要測(cè)量的心理結(jié)構(gòu)之間的關(guān)系[12]。因此，在進(jìn)行漢語口語任務(wù)設(shè)計(jì)時(shí)，應(yīng)該結(jié)合漢語本身的知識(shí)以及認(rèn)知心理的任務(wù)，提取子能力對(duì)應(yīng)的漢語口語表現(xiàn)行為。另外，由于口語測(cè)驗(yàn)任務(wù)是基于證據(jù)來源這樣的設(shè)計(jì)特點(diǎn)，受試者在某個(gè)技能或知識(shí)上的強(qiáng)弱能夠通過每項(xiàng)任務(wù)體現(xiàn)出來，學(xué)生和教師就能夠有針對(duì)性地強(qiáng)化，進(jìn)而促進(jìn)學(xué)生的學(xué)習(xí)和教師的教學(xué)。

基礎(chǔ)的任務(wù)設(shè)計(jì)完成后就需要將這些任務(wù)具體化，使用任務(wù)模型能夠?qū)⑷蝿?wù)的特征展現(xiàn)出來，使命題以及評(píng)分更具邏輯性。 漢語口語命題者可以根據(jù)任務(wù)模型中要求的固定不變的任務(wù)性質(zhì)選擇真實(shí)的口語材料， 在這個(gè)前提下可以選擇不同類型和主題的文本。 固定的任務(wù)性質(zhì)決定了評(píng)分的規(guī)則， 那么每一項(xiàng)任務(wù)采用總體等級(jí)評(píng)分還是分項(xiàng)客觀指標(biāo)評(píng)分或者其他方式就有了依據(jù)。

想要知道漢語口語水平測(cè)試在多大程度上測(cè)到了想要的口語能力，測(cè)驗(yàn)任務(wù)是關(guān)鍵。口語測(cè)驗(yàn)任務(wù)可以分為開放式任務(wù)和架構(gòu)式任務(wù)[13]，初級(jí)的漢語水平學(xué)習(xí)者口語又可以分為“聽-說”模式和口語獨(dú)白模式[14]，從中可以看出測(cè)驗(yàn)任務(wù)由于本身特點(diǎn)以及語言水平等相關(guān)因素具有復(fù)雜性，TOEIC 的口語任務(wù)設(shè)計(jì)提供了一個(gè)具有邏輯的框架，對(duì)漢語口語測(cè)試的開發(fā)具有重要的參考價(jià)值。