【摘 要】

在計(jì)算機(jī)科學(xué)與互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的背景下，以計(jì)算機(jī)為輔助手段的在線考試已經(jīng)在學(xué)校得到深入應(yīng)用與推廣。過去幾十年，國外不少實(shí)證研究比較了在線考試與傳統(tǒng)考試成績等效性問題，然而研究結(jié)果不一。鑒于此，本研究采用元分析方法，以2000—2020年發(fā)表的37篇文獻(xiàn)中的55項(xiàng)研究為樣本，對在線考試與傳統(tǒng)考試成績等效性問題進(jìn)行了系統(tǒng)綜述。研究發(fā)現(xiàn)：樣本合并效應(yīng)量為0.0657，表明在線考試成績與傳統(tǒng)考試相比無顯著差異，但兩者等效性受考試科目、考試場景、考生學(xué)段以及考生傾向等因素影響;從考試科目來看，在線考試最不利于數(shù)學(xué)科目;從考試場景來看，在固定場景進(jìn)行的在線考試成績與傳統(tǒng)考試更具等效性;從考生學(xué)段來看，在線考試最不適合于小學(xué)生;從考生傾向來看，對在線考試傾向高的考生其在線考試成績會(huì)更好?；诖?，文章最后提出若干條有針對性建議，以期為我國更有效地開展在線考試提供相關(guān)參考與借鑒。

【關(guān)鍵詞】? 在線考試;網(wǎng)絡(luò)考試;成績等效性;在線教育;互聯(lián)網(wǎng)+教育;人工智能+教育;教育評(píng)價(jià)改革;元分析

【中圖分類號(hào)】? ?G434? ? ? ? ?【文獻(xiàn)標(biāo)識(shí)碼】? A? ? ? ?【文章編號(hào)】? 1009-458x（2022）1-0073-12

一、引言

近年來，互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等現(xiàn)代信息技術(shù)得到了快速發(fā)展，并對教育領(lǐng)域產(chǎn)生了深刻影響。在線教育作為現(xiàn)代信息技術(shù)與教育深度融合所產(chǎn)生的教育新形態(tài)，受到黨和國家的高度重視。2019年9月，教育部等十一部門印發(fā)了《關(guān)于促進(jìn)在線教育健康發(fā)展的指導(dǎo)意見》，提出“到2022年，實(shí)現(xiàn)現(xiàn)代信息技術(shù)與教育的深度融合，在線教育質(zhì)量不斷提升，學(xué)習(xí)型社會(huì)建設(shè)取得重要進(jìn)展”的發(fā)展目標(biāo)（教育部， 2019）。2020年上半年，為應(yīng)對新冠肺炎疫情，教育部提出了“停課不停學(xué)”的要求，鼓勵(lì)廣大師生充分利用信息化教育資源和平臺(tái)合理開展線上教育。在線考試作為在線教育的重要組成部分，對促進(jìn)學(xué)生學(xué)習(xí)、評(píng)價(jià)學(xué)生學(xué)習(xí)效果具有重要作用。2020年10月，中共中央、國務(wù)院印發(fā)《深化新時(shí)代教育評(píng)價(jià)改革總體方案》，提到要“充分利用信息技術(shù)，提高教育評(píng)價(jià)的科學(xué)性、專業(yè)性、客觀性”（國務(wù)院， 2020）。在線考試作為技術(shù)賦能教育所產(chǎn)生的一種新型評(píng)價(jià)方式，其評(píng)價(jià)結(jié)果與傳統(tǒng)考試相比是否具有等效性？在線考試能否測量出考生的真實(shí)水平？考生的在線考試成績會(huì)受到哪些因素影響？為回答以上問題，本研究采用元分析方法對2000—2020年國際上開展的有關(guān)在線考試與傳統(tǒng)考試成績等效性的實(shí)證研究進(jìn)行系統(tǒng)綜述，力圖為國內(nèi)關(guān)心這些問題的學(xué)生、家長、教師和相關(guān)教育研究人員提供一些參考與借鑒。

二、文獻(xiàn)綜述

基于已有文獻(xiàn)，本研究從在線考試與傳統(tǒng)考試的特征比較、針對在線考試與傳統(tǒng)考試成績等效性問題已有的研究分歧以及產(chǎn)生結(jié)論分歧的可能性因素三方面進(jìn)行文獻(xiàn)梳理。

（一）在線考試與傳統(tǒng)考試的特征比較

在線考試（online examination）是指基于網(wǎng)絡(luò)教學(xué)平臺(tái)或智能考試系統(tǒng)在計(jì)算機(jī)或移動(dòng)終端進(jìn)行的遠(yuǎn)程網(wǎng)絡(luò)考試，也稱“線上考試”“網(wǎng)絡(luò)考試”“遠(yuǎn)程考試”等。在線考試的歷史可以追溯到20世紀(jì)70年代初的美國（Drasgow， 2002）。然而，當(dāng)時(shí)受有限的計(jì)算機(jī)數(shù)量和高昂成本的影響，在線考試形式并不多見。如今，隨著網(wǎng)絡(luò)技術(shù)不斷發(fā)展以及計(jì)算機(jī)、手機(jī)、平板電腦不斷普及，在線考試的應(yīng)用也日益廣泛和多元。例如，在美國高等教育中的研究生成績考試（GRE）、托?？荚嚨染筒捎昧嗽诰€考試形式。在美國初等教育中，越來越多的州也開始將在線考試作為其K-12評(píng)估項(xiàng)目的一部分（Olson， 2003）。在我國，在線考試也被越來越多地用于學(xué)生心理測試、外語考試、計(jì)算機(jī)等級(jí)考試等場合中。

相較于基于紙筆的傳統(tǒng)考試方式，在線考試具有智能出題、智能組卷、智能考務(wù)、智能閱卷和智能反饋等特點(diǎn)，以及降低成本、保障安全、自動(dòng)保存、隨時(shí)調(diào)閱等方面的優(yōu)勢（如表1所示）（Bayazit & Askar， 2012; Gvozdenko & Chambers， 2007）。

具體而言，在線考試對學(xué)生、教師和教學(xué)管理者均有不同層面的益處：對學(xué)生而言，首先在線考試可以使考生擺脫時(shí)間和空間限制，提高考試便利性;其次在線考試豐富、立體、快速的反饋有利于學(xué)生開展形成性評(píng)價(jià)與自我評(píng)價(jià)，及時(shí)發(fā)現(xiàn)自己的優(yōu)勢與不足（Nguyen，et al.， 2017; Smith & Caputi， 2007）。對教師而言，在線考試一方面可以提高工作效率、減少閱卷統(tǒng)計(jì)失誤、保證考試公平;另一方面，教師可以及時(shí)查看在線考試系統(tǒng)反饋的數(shù)據(jù)分析報(bào)告（如學(xué)生作答數(shù)據(jù)、成績數(shù)據(jù)、試卷知識(shí)點(diǎn)分析、難度分析等）用于教學(xué)改進(jìn)。對教學(xué)管理者而言，在線考試可以減少試題打印與保管、考場安排與監(jiān)考、試卷分發(fā)與收集等傳統(tǒng)環(huán)節(jié)，提高組織效率和管理質(zhì)量。教學(xué)管理者還可利用在線考試系統(tǒng)快速分析考試數(shù)據(jù)，查看不同班級(jí)、年級(jí)，甚至不同學(xué)校、不同地區(qū)的考試分析報(bào)告，從而進(jìn)行確切的教學(xué)評(píng)估，有針對性地開展教學(xué)干預(yù)。

盡管在線考試有很多優(yōu)點(diǎn)，但也存在一些缺點(diǎn)和限制：一、容易作弊。若在線考試在非固定的考試環(huán)境中進(jìn)行，并且在線考試系統(tǒng)缺少身份識(shí)別和作弊監(jiān)測等功能，在這種情況下在線考試在某種程度上等同于開卷考試。二、存在技術(shù)門檻。編制在線考試試題材料需要教師具備一定信息處理能力，實(shí)施在線考試也需要學(xué)生對操作考試系統(tǒng)較為熟練。三、易受外部條件影響。在線考試不僅需要具備良好的硬件設(shè)備、流暢的考試系統(tǒng)以及穩(wěn)定的網(wǎng)絡(luò)環(huán)境（楊寶山， 2010），而且對學(xué)生自身意志力也提出了更高要求。

（二）已有研究分歧

過去幾十年，關(guān)于在線考試與傳統(tǒng)考試成績等效性問題國外已有不少實(shí)證研究。所謂“等效性問題”是指在同等條件下學(xué)生參與在線考試取得的成績是否等同于參與傳統(tǒng)考試所取得的成績，即兩種不同考試方式是否會(huì)造成考生成績上的顯著差異。然而，這些研究結(jié)論尚未統(tǒng)一，一些研究報(bào)告兩者沒有顯著差異（Meade， et al.， 2007; Mason， et al.， 2001; Kim& Huynh， 2007; Hamhuis，et al.， 2020; Choi，et al.， 2003; Poggio， et al.， 2005; Ebrahimi & Seyyed， 2019; Seo & Jong， 2015），另一些研究報(bào)告兩者存在顯著差異（Coniam， 2006; Marcos， et al.， 2010; Pomplun， 2002; Nardi & Ranieri， 2019; Clariana & Wallace， 2002）。

1. 無差異

曼森等（Mason， et al.， 2001）研究發(fā)現(xiàn)，在線考試成績與傳統(tǒng)考試成績相當(dāng)。尤其是當(dāng)學(xué)生掌握基本的計(jì)算機(jī)技能，并且在線考試系統(tǒng)為學(xué)生提供題目速覽、跳躍作答、修改答案以及復(fù)習(xí)檢查的機(jī)會(huì)時(shí)，學(xué)生在線考試成績等同于傳統(tǒng)考試成績。同樣，米爾薩普（Millsap， 2000）研究證實(shí)，當(dāng)在線考試系統(tǒng)包含與傳統(tǒng)考試完全相同的考試題目、順序和布局時(shí)，不同考試方式對考生成績沒有顯著影響。布拉西姆和塞耶德（Ebrahimi & Seyyed， 2019）同樣發(fā)現(xiàn)，在兩種不同考試方式下所有受試者的考試分?jǐn)?shù)不但沒有表現(xiàn)出顯著差異，而且參加考試的男性和女性成績也未發(fā)現(xiàn)顯著差異。

在此基礎(chǔ)上，有研究者對兩種考試方式中的各個(gè)科目成績進(jìn)行比較，同樣沒有發(fā)現(xiàn)顯著差異。例如，金和黃（Kim & Huynh， 2007）對韓國不同學(xué)校學(xué)生的代數(shù)和生物科目期末在線考試與傳統(tǒng)考試進(jìn)行對比，發(fā)現(xiàn)不同考試方式對兩門科目的考試成績沒有顯著影響。同樣，漢姆等（Hamhuis， et al.， 2020）對荷蘭532名四年級(jí)學(xué)生的數(shù)學(xué)和科學(xué)科目在線考試成績與傳統(tǒng)考試成績進(jìn)行對比，也未發(fā)現(xiàn)顯著差異?；魟P等（Horkay， et al.， 2006）以八年級(jí)學(xué)生為研究對象探討在線寫作考試與傳統(tǒng)寫作考試成績的可比性，結(jié)果顯示兩者平均分沒有顯著差異?；艨死諆?nèi)特等（Hochlehnert， et al.， 2011）讓98名大學(xué)醫(yī)學(xué)生自由選擇考試形式，也未發(fā)現(xiàn)兩者成績存在顯著差異。這些研究結(jié)果表明，在線考試成績與傳統(tǒng)考試成績具有等效性，考生在兩種考試方式上所取得的成績不存在顯著差異。

2. 有差異

然而，國外有實(shí)證研究同樣證實(shí)，考生在兩種不同考試方式上取得的成績會(huì)存在顯著差異。其中一些研究者觀察到，與傳統(tǒng)考試相比，考生在線考試成績會(huì)更高。例如，邦德森等（Bunderson， et al.， 1989）開展了三項(xiàng)實(shí)證研究，均發(fā)現(xiàn)學(xué)生在線考試成績會(huì)顯著優(yōu)于傳統(tǒng)考試成績。同樣，克拉麗安娜和華萊士（Clariana & Wallace， 2002）研究發(fā)現(xiàn)，學(xué)生在線考試成績會(huì)顯著優(yōu)于傳統(tǒng)考試成績，并且優(yōu)等生尤為明顯。在此基礎(chǔ)上，一些研究者對不同學(xué)段學(xué)生的考試成績進(jìn)行對比研究，也得出同樣結(jié)論。例如，馬科斯等（Marcos， et al.， 2010）將不同學(xué)校14～21歲的高中生和大學(xué)生分成3個(gè)實(shí)驗(yàn)組進(jìn)行對比分析，發(fā)現(xiàn)選擇在線考試的考生其考試成績顯著優(yōu)于選擇傳統(tǒng)考試的考生。

與此相反，也有研究者觀察到與傳統(tǒng)考試成績相比，考生在線考試成績會(huì)更低。例如，侯賽因等（Hosseini， et al.， 2014）對伊朗大學(xué)一年級(jí)英語專業(yè)學(xué)生的兩種考試成績進(jìn)行對比研究，發(fā)現(xiàn)參加在線考試的學(xué)生其成績顯著低于參加傳統(tǒng)考試的學(xué)生。鄭（Jeong， 2014）對韓國六年級(jí)學(xué)生的韓國語和科學(xué)科目的兩種考試成績進(jìn)行對比，同樣發(fā)現(xiàn)所有參與者在傳統(tǒng)考試中的成績更好。以上研究結(jié)果表明，在線考試成績與傳統(tǒng)考試成績不具等效性，考生在兩種考試方式上取得的成績會(huì)存在顯著差異。

（三）產(chǎn)生分歧的可能原因

根據(jù)已有文獻(xiàn)，導(dǎo)致研究結(jié)論不一的原因可能與考試的題型、考試科目、考試設(shè)備、考試場景、考生學(xué)段、考生傾向和文獻(xiàn)發(fā)表的年份等因素有關(guān)。

1. 考試題型

選擇題、填空題或者主觀題等不同考試題型可能是影響實(shí)驗(yàn)結(jié)果的一個(gè)重要因素（Ventouras， et al.， 2011）。正如科尼亞姆（Coniam， 2006）所說，進(jìn)行在線考試時(shí)，當(dāng)考試題型的作答要求較少時(shí)（例如選擇題只需點(diǎn)擊正確答案即可），考生對在線考試的態(tài)度是積極的。當(dāng)在線考試題型有較多的要求時(shí)（例如填空題、主觀題必須輸入單詞或短語），與傳統(tǒng)考試相比，考生對在線考試的態(tài)度和在考試中的表現(xiàn)則會(huì)差得多。羅素和海尼（Russell & Haney， 1997）對中學(xué)生在兩種考試方式下的多項(xiàng)選擇題和簡答題成績進(jìn)行了比較分析，發(fā)現(xiàn)考生在多項(xiàng)選擇題上的得分差異不顯著，但在開放式簡答題上的得分差異顯著，并且習(xí)慣于使用計(jì)算機(jī)寫作的學(xué)生其在線考試成績會(huì)更高。

2. 考試科目

考試科目的學(xué)科性質(zhì)差異也可能是造成實(shí)驗(yàn)結(jié)果存在差異的原因之一（Prisacari & Danielson， 2017）。例如，對于數(shù)學(xué)科目而言，有研究發(fā)現(xiàn)學(xué)生在傳統(tǒng)考試中表現(xiàn)會(huì)更好。因?yàn)樵趥鹘y(tǒng)考試時(shí)，學(xué)生可以直接在試卷的空白處或草稿紙上進(jìn)行計(jì)算，而在參加在線考試時(shí)，學(xué)生的注意力必須在計(jì)算機(jī)屏幕和草稿紙之間來回切換，這會(huì)造成更多的計(jì)算錯(cuò)誤（Kingston， 2008; Randy， et al.， 2008）。此外，外語、語文等對閱讀要求較高的科目其考試成績也會(huì)受考試模式影響（Halamish & Elbaz， 2020）。例如，在對挪威小學(xué)生的研究中，曼根等（Mangen， et al.， 2013）觀察到，參加傳統(tǒng)考試的學(xué)生其閱讀成績會(huì)顯著優(yōu)于參加在線考試的學(xué)生，其中在計(jì)算機(jī)屏幕上頻繁滾動(dòng)閱讀文本是造成在線考試表現(xiàn)較差的原因之一。桑切斯和韋利（Sanchez & Wiley， 2009）的研究也發(fā)現(xiàn)，頻繁地屏幕滾動(dòng)閱讀會(huì)降低考生記憶容量，對考試成績具有負(fù)面影響。

3. 考試設(shè)備

計(jì)算機(jī)、平板電腦、手機(jī)等不同的在線考試設(shè)備也可能是影響考生在線考試表現(xiàn)的又一關(guān)鍵因素。例如，達(dá)迪等（Dadey， et al.， 2018）發(fā)現(xiàn)，跟臺(tái)式電腦相比，平板電腦和手機(jī)的虛擬鍵盤可能會(huì)增加在線考試的操作難度，導(dǎo)致更多的打字錯(cuò)誤。同時(shí)，由于平板電腦或手機(jī)屏幕更小，考生所需的閱讀時(shí)間會(huì)比臺(tái)式或筆記本電腦更長，因而可能會(huì)造成更多的負(fù)面影響。此外，平板電腦或手機(jī)提供了許多額外的易使用功能（如內(nèi)置攝像頭），這也可能會(huì)分散學(xué)生對考試任務(wù)的注意力。

4. 考試場景

被試群體所在的考試場景也可能是導(dǎo)致研究結(jié)論不一致的關(guān)鍵因素。以往，學(xué)生的在線考試通常是在有專業(yè)人員監(jiān)督的固定場景中進(jìn)行（如學(xué)校的計(jì)算機(jī)教室）。如今，隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，以及便攜式電腦、平板、手機(jī)等移動(dòng)終端不斷普及，學(xué)生參與在線考試的場景也變得靈活多樣。同樣是在線考試，考生在彈性靈活的考試場景與有監(jiān)考人員監(jiān)督的正式場景中的表現(xiàn)可能會(huì)有所不同。例如，伊爾加茲和阿達(dá)尼爾（Ilgaz & Adan?r， 2020）發(fā)現(xiàn)在未經(jīng)監(jiān)考的在線考試場景中學(xué)生可能會(huì)使用額外的考試資源，導(dǎo)致在線成績更高。

5. 考生學(xué)段

小學(xué)生、中學(xué)生或大學(xué)生等被試群體的不同也可能是造成以往研究結(jié)果不一致的重要因素?；谛畔⑾到y(tǒng)的在線考試需要一定的技術(shù)門檻，由于不同學(xué)段的學(xué)生對計(jì)算機(jī)技術(shù)的掌握程度不同，因此可能會(huì)產(chǎn)生不同的研究結(jié)果。尤其是低學(xué)段學(xué)生相對缺乏在線學(xué)習(xí)和考試經(jīng)驗(yàn)，在進(jìn)行在線考試時(shí)更容易出現(xiàn)注意力不集中、閱讀疲勞等問題（Pomplun，et al.， 2006）。例如，有研究表明，小學(xué)生普遍認(rèn)為在電腦上考試會(huì)比紙上更難作答，而高年級(jí)段的學(xué)生特別是大學(xué)生對在線考試則更有經(jīng)驗(yàn)與信心，進(jìn)行在線考試時(shí)有更好的專注力和自控力（Karay， et al.， 2015）。

6. 考生傾向

被試群體的考試傾向可能是導(dǎo)致以往研究結(jié)果不一致的另一個(gè)重要因素。在同等條件下，與隨機(jī)分配或被迫安排進(jìn)行在線考試的考生相比，那些對在線考試持更積極態(tài)度、自愿選擇在線方式進(jìn)行考試的考生往往能取得更好的成績。例如，納爾迪和拉涅利（Nardi & Ranieri， 2019）對學(xué)生在線期末考試的表現(xiàn)、感知和傾向進(jìn)行了調(diào)查，結(jié)果顯示，學(xué)生們的在線考試成績與個(gè)人對在線考試的傾向和自我效能感呈正相關(guān)，其中自愿選擇在線考試的考生其成績會(huì)顯著優(yōu)于傳統(tǒng)考試組的考生。

7. 文獻(xiàn)發(fā)表年份

文獻(xiàn)發(fā)表年份大致體現(xiàn)了作者開展實(shí)驗(yàn)研究的年份，由于受當(dāng)時(shí)科技發(fā)展水平的影響，在不同時(shí)期進(jìn)行的研究實(shí)驗(yàn)可能會(huì)得出不同的研究結(jié)論。例如，齊菲勒（Ziefle， 1998）的綜述證明，考生在傳統(tǒng)考試中的成績會(huì)顯著優(yōu)于在線考試，因?yàn)橛?jì)算機(jī)顯示屏?xí)箍忌劬Ω灼凇Ｈ欢?，作者主要是基?0世紀(jì)八九十年代的研究進(jìn)行的綜述。進(jìn)入21世紀(jì)后，隨著計(jì)算機(jī)硬件和在線考試軟件等的不斷優(yōu)化升級(jí)，實(shí)驗(yàn)結(jié)果可能也會(huì)隨之出現(xiàn)不同。

綜上所述，本研究將以上七個(gè)可能導(dǎo)致研究結(jié)論存在分歧的因素作為本次元分析的調(diào)節(jié)變量，分別檢驗(yàn)不同調(diào)節(jié)變量對分析結(jié)果的影響。

三、研究方法與過程

為更客觀地比較在線考試與傳統(tǒng)考試成績是否具有等效性，本研究使用國際教育技術(shù)研究中廣泛應(yīng)用的元分析（meta-analysis）方法。元分析是一種綜合了多個(gè)實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究結(jié)果并從中獲得實(shí)驗(yàn)平均效應(yīng)量的統(tǒng)計(jì)分析方法（Lipsey&Wilson， 2000）。每個(gè)實(shí)驗(yàn)結(jié)果均可呈現(xiàn)為一個(gè)或多個(gè)效應(yīng)量（effect size），即實(shí)驗(yàn)組與控制組之間的標(biāo)準(zhǔn)化均差（standardized mean dfference，SMD）。通過將不同實(shí)驗(yàn)的各個(gè)效應(yīng)量進(jìn)行合并，得出這些研究的整體結(jié)論。本研究使用R（3.6.3）軟件進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，用到的程序包有“esc”“meta”“dmetar”。

（一）原始文獻(xiàn)檢索

本研究以Web of Science、EBSCO、SpringerLink、ERIC、Scopus等英文數(shù)據(jù)庫為數(shù)據(jù)來源，以在線考試和（與）傳統(tǒng)考試為關(guān)鍵詞進(jìn)行檢索，檢索時(shí)間范圍為2000—2020年。其中，“在線考試”關(guān)鍵詞包括online test、online exam、E-examination、E-assessment、electronic exam、computer-based assessment、Web-based assessments、digital assessment等。“傳統(tǒng)考試”關(guān)鍵詞包括traditional test、traditional examination、paper-based testing、paper-pencil test等。為避免遺漏，本研究通過Google Scholar補(bǔ)充檢索，同時(shí)借助相關(guān)文章的參考文獻(xiàn)進(jìn)行滾雪球式搜索，此次元分析的所有原始文獻(xiàn)均為英文文獻(xiàn)。

（二）文獻(xiàn)篩選標(biāo)準(zhǔn)

由于初步檢索的文獻(xiàn)并不完全符合元分析設(shè)定的條件，因而需要對初始文獻(xiàn)進(jìn)一步“過濾”。結(jié)合元分析方法和研究需要，本研究樣本篩選標(biāo)準(zhǔn)如下：

（1）原始文獻(xiàn)必須是比較在線考試與傳統(tǒng)考試成績差異的研究，如果只是探究在線考試的特征、應(yīng)用以及人們對在線考試的態(tài)度、偏好類的文獻(xiàn)需排除。

（2）原始文獻(xiàn)的研究必須是實(shí)驗(yàn)和準(zhǔn)實(shí)驗(yàn)類的實(shí)證研究，并且文獻(xiàn)中包含能夠計(jì)算出效應(yīng)量的完整數(shù)據(jù)，如實(shí)驗(yàn)組和控制組的樣本量，各個(gè)組實(shí)驗(yàn)后結(jié)果的平均值、標(biāo)準(zhǔn)差，或者兩組結(jié)果差異的F值、t值等。非量化類的實(shí)證研究以及數(shù)據(jù)報(bào)告不完整的文獻(xiàn)需排除。

（3）原始研究的被試必須是在校學(xué)生，如小學(xué)生、中學(xué)生、大學(xué)生等，并且涉及具體的考試科目。被試群體為教師、職場人士或老年人群體的文獻(xiàn)需排除，研究方法為問卷調(diào)查、心理量表測試類的文獻(xiàn)需排除。

基于以上檢索及篩選，本研究最終獲得37篇有效原始文獻(xiàn)，根據(jù)這些文獻(xiàn)可以得到適用于元分析的樣本55個(gè)（有些原始文獻(xiàn)包含多項(xiàng)實(shí)驗(yàn)，可以計(jì)算出多個(gè)效應(yīng)量）。根據(jù)元分析統(tǒng)計(jì)理論，在樣本量不低于30的情況下進(jìn)行元分析更能確保結(jié)果的準(zhǔn)確性和可靠性（宋偉， 2013），因此本研究的樣本量滿足元分析標(biāo)準(zhǔn)。

（三）信息提取與編碼

為更好地了解原始文獻(xiàn)信息，找出潛在調(diào)節(jié)變量，作者對原始文獻(xiàn)進(jìn)行了系統(tǒng)梳理，從每篇文獻(xiàn)中提取出相應(yīng)的信息并進(jìn)行編碼，提取和編碼的信息包括文獻(xiàn)第一作者、發(fā)表年份、考試題型、科目、設(shè)備、環(huán)境以及考生的學(xué)段、傾向等（見表2）。

（四）效應(yīng)量計(jì)算

在納入的原始文獻(xiàn)中，由于不同研究實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)設(shè)計(jì)不同，測查工具不同，并且多數(shù)實(shí)驗(yàn)研究或準(zhǔn)實(shí)驗(yàn)研究的樣本量較小，因此選擇Hedges’s g作為效應(yīng)量更合適，發(fā)表偏倚更小一些。在具體的效應(yīng)量計(jì)算過程中，如果一篇文獻(xiàn)包含多項(xiàng)研究，不同研究之間相互獨(dú)立且能反映在線考試的效果，則將每項(xiàng)研究作為一個(gè)單獨(dú)的研究結(jié)果并計(jì)算其效應(yīng)量。若文章中出現(xiàn)兩個(gè)以上對照組，則將每個(gè)對照組和實(shí)驗(yàn)組的結(jié)果作為一個(gè)研究結(jié)果，并計(jì)算其效應(yīng)量。如果Hedges’s g為正數(shù)，表明實(shí)驗(yàn)組平均得分高于控制組，在本研究中則為在線考試平均成績高于傳統(tǒng)考試平均成績;負(fù)數(shù)則相反。Hedges’s g絕對值越大，則表明兩者成績差異越大。本研究使用R軟件中的“esc”程序包對各項(xiàng)研究的效應(yīng)量進(jìn)行逐個(gè)計(jì)算。

四、結(jié)果檢驗(yàn)與分析

根據(jù)元分析統(tǒng)計(jì)要求，本研究首先對納入的原始研究樣本進(jìn)行發(fā)表偏倚檢驗(yàn)、異質(zhì)性檢驗(yàn)和敏感性分析。在確保元分析結(jié)果穩(wěn)健的前提下，選取適切的統(tǒng)計(jì)效應(yīng)模型，對55項(xiàng)研究樣本進(jìn)行效應(yīng)量合并計(jì)算，并依次對潛在調(diào)節(jié)變量進(jìn)行調(diào)節(jié)效應(yīng)檢驗(yàn)。

（一）發(fā)表偏倚與異質(zhì)性檢驗(yàn)

發(fā)表偏倚指相對于沒有統(tǒng)計(jì)顯著意義的陰性研究結(jié)果而言，有統(tǒng)計(jì)顯著意義的陽性研究結(jié)果更有機(jī)會(huì)或更快獲得發(fā)表。這會(huì)使檢索到的相關(guān)文獻(xiàn)不能全面、系統(tǒng)地代表該領(lǐng)域的總體應(yīng)用效果，進(jìn)而影響元分析結(jié)果的可靠性，因此有必要進(jìn)行發(fā)表偏倚檢測和分析（Rothstein， et al.， 2005）。本研究采用定性漏斗圖法和定量Egger法檢測研究樣本的發(fā)表偏倚。如果研究樣本存在發(fā)表偏倚，則會(huì)出現(xiàn)不對稱的漏斗圖。漏斗圖的對稱程度直接體現(xiàn)了研究樣本發(fā)表偏倚的程度。

本研究首先使用R軟件“meta”程序包中的funnel（）函數(shù)，將55項(xiàng)研究樣本的效應(yīng)量和標(biāo)準(zhǔn)誤數(shù)據(jù)繪制出漏斗圖。如圖1所示，所有研究樣本的效應(yīng)量基本圍繞平均效應(yīng)量對稱散開，且大部分研究處于漏斗圖中上部，分布于底部的研究較少，說明研究樣本發(fā)表偏倚較小。為保證研究科學(xué)性，本研究進(jìn)一步采用R軟件“dmetar”程序包中的eggers.test（）函數(shù)，利用Egger法進(jìn)一步檢測發(fā)表偏倚，回歸檢測結(jié)果顯示t = -0.384，P=0.70>0.05，表明研究樣本間發(fā)表偏倚不顯著。因此，本研究得出的合并效應(yīng)量具有穩(wěn)健性。

進(jìn)一步參照Q統(tǒng)計(jì)量指標(biāo)進(jìn)行樣本異質(zhì)性檢驗(yàn)，研究發(fā)現(xiàn)55個(gè)有效樣本的異質(zhì)性結(jié)果為Q=1027.85，P < 0.001，表明樣本間具有較大異質(zhì)性，因此合并效應(yīng)量時(shí)需利用隨機(jī)效應(yīng)模型（random effect model）消除異質(zhì)性差異，以避免出現(xiàn)系統(tǒng)誤差。

（二）敏感性分析

為檢驗(yàn)是否存在影響總體效應(yīng)量的異常值，本研究進(jìn)一步采用“逐一去除法”（leave-one-out-analyses）進(jìn)行敏感性分析，檢驗(yàn)所選研究樣本的極端效應(yīng)量對總體效應(yīng)量是否存在顯著影響。使用R軟件“dmetar”程序包中的InfluenceAnalysis（）函數(shù)進(jìn)行檢驗(yàn)操作。如圖2所示，在隨機(jī)效應(yīng)模型下，將55項(xiàng)研究樣本的效應(yīng)量逐一去除后從小到大進(jìn)行排序，合并效應(yīng)量均在0.0～0.1，并且緊密圍繞平均效應(yīng)量，意味著刪除任何一項(xiàng)研究后都不會(huì)影響總體效應(yīng)量的估計(jì)，表明本研究元分析的結(jié)果比較穩(wěn)健。

（三）在線考試與傳統(tǒng)考試成績之間的整體差異

為比較在線考試與傳統(tǒng)考試成績之間的整體差異，本研究使用R軟件“meta”程序包中的metagen（）函數(shù)進(jìn)行隨機(jī)效應(yīng)模型下的效應(yīng)量合并，并使用forest（）函數(shù)生成森林圖，如圖3所示。

在隨機(jī)效應(yīng)模型下，本研究的55個(gè)樣本合并效應(yīng)量Hedges’s g = 0.0657。依據(jù)科恩（Cohen， 1988）提出的效應(yīng)量分析理論，當(dāng)效應(yīng)量在0.2～0.5，可以認(rèn)為差異較小;當(dāng)效應(yīng)量在0.5～0.8時(shí)，可以認(rèn)為有中等差異;當(dāng)效應(yīng)量大于0.8時(shí)，則認(rèn)為差異很大。本研究的總體效應(yīng)量低于0.1，說明在線考試成績與傳統(tǒng)考試成績相比差異很小。并且合并效應(yīng)量的95%置信區(qū)間為[-0.0663;0.1977]，預(yù)測區(qū)間為[-0.8774;1.0088]，均包含零。這表明，從已有研究的元分析結(jié)果看，在線考試成績與傳統(tǒng)考試成績之間不存在顯著差異，兩者具有等效性。

（四）調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)檢驗(yàn)

為檢驗(yàn)調(diào)節(jié)變量是否對研究結(jié)果產(chǎn)生調(diào)節(jié)作用，在隨機(jī)效應(yīng)模型下，本研究使用R軟件“meta”程序包中的update.meta（）函數(shù)依次對考試題型、科目、設(shè)備、場景、考生學(xué)段、考生傾向、發(fā)表年份等分類變量進(jìn)行亞組分析。

1. 考試題型

本研究將原始研究樣本按照考試題型分為兩類：客觀題（K=48），包括選擇題、判斷題和匹配題等;混合題（K=7），既包括客觀題也有主觀題。具體結(jié)果如表3所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=0.170，P=0.679>0.05。這表明，題型不存在調(diào)節(jié)效應(yīng)，即客觀題、混合題兩種題型對在線考試與傳統(tǒng)考試成績等效性無顯著影響。具體來看，兩種題型的效應(yīng)量均為正值，其中客觀題的效應(yīng)量為SMD=0.073（P=0.323>0.05），稍微大于混合題的效應(yīng)量SMD=0.017（P=0.878>0.05），表明學(xué)生在線考試中客觀題和混合題的成績都稍微優(yōu)于傳統(tǒng)考試，其中客觀題成績稍微優(yōu)于混合題，但兩者差異都不顯著。

2. 考試科目

本研究將原始研究樣本按照考試科目分為五類，即外語（K=16）、閱讀（K=6）、數(shù)學(xué)（K=8）、自然科學(xué)類（K=19）和社會(huì)科學(xué)類（K=6），具體結(jié)果如表4所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=11.381，P=0.022<0.05，達(dá)到顯著水平。這表明，考試科目對在線考試與傳統(tǒng)考試成績等效性具有顯著調(diào)節(jié)作用，即學(xué)生在線考試成績會(huì)受到考試科目的顯著影響。具體來看，數(shù)學(xué)科目的效應(yīng)量最低，達(dá)到小效應(yīng)（SMD=-0.329，絕對值大于0.2），并且顯著（P=0.011<0.05）。這表明在線考試對學(xué)生數(shù)學(xué)科目成績具有較小的顯著負(fù)向作用。其他考試科目的效應(yīng)量均為正值，其中社會(huì)科學(xué)類效應(yīng)量最高且達(dá)到小效應(yīng)（SMD=0.230>0.2），但不顯著（P=0.100>0.05）。

3. 考試設(shè)備

本研究將原始研究樣本按照考試設(shè)備分為三類，即電腦（K=50）、平板（K=3）和手機(jī)（K=2），具體結(jié)果如表5所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=2.227，P=0.328>0.05，未達(dá)到顯著水平。這表明，考試設(shè)備對在線考試與傳統(tǒng)考試成績等效性不具有顯著調(diào)節(jié)作用，即學(xué)生在線考試成績不會(huì)受到考試設(shè)備的顯著影響。具體來看，三種考試設(shè)備的效應(yīng)量均為正值，其中手機(jī)的效應(yīng)量最高，且達(dá)到小效應(yīng)標(biāo)準(zhǔn)（SMD=0.319>0.2），但不顯著（P=0.055>0.05）。這表明考生利用手機(jī)進(jìn)行在線考試成績相對較好，但由于樣本量較小，這一研究結(jié)果應(yīng)謹(jǐn)慎看待。

4. 考試場景

本研究將原始研究樣本按照考試場景分為兩類，即固定場景（K=49）和非固定場景（K=6），具體結(jié)果如表6所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=7.839，P=0.005<0.05，達(dá)到顯著水平。這表明，考試場景對在線考試與傳統(tǒng)考試成績等效性具有顯著調(diào)節(jié)作用，即不同的考試場景會(huì)顯著影響考生的在線考試成績。具體來看，兩種考試場景的效應(yīng)量均為正值，其中非固定場景的效應(yīng)量最高，達(dá)到中等效應(yīng)（SMD=0.728>0.5），并且顯著（P=0.005<0.05）。這表明，在非固定場景進(jìn)行在線考試對考生成績具有中等程度的顯著正向影響。

5. 考生學(xué)段

本研究將原始研究樣本按照考生學(xué)段分為四類，即小學(xué)（K=12）、初中（K=7）、高中（K=8）和大學(xué)（K=28），具體結(jié)果如表7所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=10.22，P=0.016<0.05，達(dá)到顯著水平。這表明，學(xué)段對在線考試與傳統(tǒng)考試成績的等效性具有顯著調(diào)節(jié)作用，即在線考試與傳統(tǒng)考試成績等效性會(huì)受到考生學(xué)段的顯著影響。具體來看，高中和大學(xué)階段的效應(yīng)量均為正值，其中高中階段最高，且達(dá)到小效應(yīng)（SMD=0.249>0.2），但不顯著（P=0.089>0.05）。小學(xué)和初中階段的效應(yīng)量均為負(fù)數(shù)，并且顯著，其中小學(xué)階段的效應(yīng)量最低（SMD=-0.215）。這表明小學(xué)和初中階段的考生在線考試成績會(huì)相對低于傳統(tǒng)考試，這種差異在小學(xué)階段更為明顯。

6. 考生傾向

本研究將原始研究樣本按照考生傾向分為隨機(jī)分配（K=48）和自愿選擇（K=7）兩類，具體結(jié)果如表8所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=15.059，

P=0.0001<0.01，達(dá)到顯著水平。這表明，個(gè)人傾向?qū)υ诰€考試與傳統(tǒng)考試成績等效性具有顯著調(diào)節(jié)作用，即考生個(gè)人選擇傾向會(huì)顯著影響考生的在線考試成績。具體來看，兩種考生傾向的效應(yīng)量均為正值，但自愿選擇情況下的效應(yīng)量最高，達(dá)到中等影響（SMD=0.782>0.5），并且顯著（P=0.000<0.01）。這表明自愿選擇在線考試的考生其在線考試成績會(huì)顯著優(yōu)于其傳統(tǒng)考試成績。

7. 發(fā)表年份

本研究將原始研究樣本按照發(fā)表年份分為四類，即2000—2005年（K=15）、2006—2010年（K=14）、2011—2015年（K=13）和2016—2020年（K=13），具體結(jié)果如表9所示。

從組間效應(yīng)來看，差異比較結(jié)果為Qbet=2.999，P=0.391>0.05。這表明，發(fā)表年份不存在調(diào)節(jié)效應(yīng)，即不同年份開展的實(shí)驗(yàn)研究對在線考試與傳統(tǒng)考試成績等效性無顯著影響。具體來看，2016—2020年發(fā)表文章的效應(yīng)量最高，且達(dá)到小效應(yīng)（SMD=0.258>0.2），但不顯著（P=0.184>0.05）。

五、結(jié)論與建議

為探討在線考試成績與傳統(tǒng)考試成績是否具有等效性問題，本研究采用元分析方法對2000—2020年國際上開展的55項(xiàng)實(shí)證研究結(jié)果進(jìn)行定量綜合分析。在此基礎(chǔ)上，探究了不同考試題型、科目、設(shè)備、場景、考試學(xué)段、考生傾向和發(fā)表年份等調(diào)節(jié)變量對兩者等效性的影響。研究發(fā)現(xiàn)：

第一，在線考試與傳統(tǒng)考試成績具有等效性，兩者不存在顯著差異

元分析結(jié)果顯示，在隨機(jī)效應(yīng)模型下，納入本研究的55個(gè)樣本合并效應(yīng)量為0.0657，遠(yuǎn)低于Cohen（1988）提出的最小差異標(biāo)準(zhǔn)0.2。這表明，考生在線考試成績與傳統(tǒng)考試成績不存在顯著差異，二者具有等效性。這與金斯敦（Kingston， 2008）的元分析結(jié)果一致。在線考試作為一種評(píng)價(jià)方式，具有靈活、智能、低成本等優(yōu)勢，受到越來越多大中小學(xué)的認(rèn)可與使用。依托于信息技術(shù)的不斷升級(jí)迭代，在線考試的弊端也在不斷縮小，在線考試逐漸成為傳統(tǒng)考試的補(bǔ)充或替代選擇。需要注意的是，雖然現(xiàn)有證據(jù)表明，在線考試在評(píng)價(jià)學(xué)生成績表現(xiàn)方面與傳統(tǒng)考試方式無異，但是，這一結(jié)論離不開必要的前提條件支撐，即在線考試需要具備良好的硬件設(shè)備、穩(wěn)定的網(wǎng)絡(luò)環(huán)境、流暢的作答系統(tǒng)以及信效度與傳統(tǒng)考試相同的試題資源。在線考試系統(tǒng)還需為考生提供允許提前瀏覽題目、跳躍作答、回頭檢查、隨時(shí)修改、文字標(biāo)記等方面的功能。

為更好地發(fā)揮在線考試在評(píng)價(jià)學(xué)生學(xué)習(xí)效果方面的優(yōu)勢，相關(guān)主體應(yīng)共同努力，攜手促進(jìn)在線考試的發(fā)展和運(yùn)用。教育管理部門應(yīng)給予政策支持，出臺(tái)在線考試標(biāo)準(zhǔn)（胡星， 2017），進(jìn)一步鼓勵(lì)各級(jí)各類學(xué)校靈活使用在線評(píng)價(jià)方式，充分發(fā)揮“互聯(lián)網(wǎng)+教育”的優(yōu)勢。學(xué)校應(yīng)結(jié)合自身實(shí)際，加強(qiáng)信息化建設(shè)，改革評(píng)價(jià)方式，探索不同在線考試方式的應(yīng)用與實(shí)施，促進(jìn)技術(shù)與教育的深度融合。教育科技公司應(yīng)繼續(xù)加強(qiáng)技術(shù)創(chuàng)新，充分利用自身在人工智能、5G、大數(shù)據(jù)等領(lǐng)域的技術(shù)優(yōu)勢，不斷優(yōu)化在線考試系統(tǒng)，讓技術(shù)更好地服務(wù)學(xué)生的全面發(fā)展。學(xué)生、教師和家長則應(yīng)增強(qiáng)對在線考試的信心，做在線考試的擁護(hù)者和踐行者。

第二，考試科目對在線考試與傳統(tǒng)考試成績等效性具有調(diào)節(jié)作用

從考試科目來看，不同考試科目對考生在線考試成績具有顯著影響。其中，考生參加數(shù)學(xué)科目的在線考試成績最不理想，這與金斯敦（Kingston， 2008）和王（Wang， 2007）的元分析結(jié)果一致（兩項(xiàng)研究的效應(yīng)量分別為-0.060和-0.102）?？赡艿脑蚴?，數(shù)學(xué)科目考試通常需要大量計(jì)算。在傳統(tǒng)考試中，考生的注意力可以保持在同一平面內(nèi)，但在在線考試過程中考生的注意力需要在電腦和草稿紙之間來回轉(zhuǎn)換，這會(huì)導(dǎo)致更多的計(jì)算錯(cuò)誤。約翰遜和格林（Johnson & Green， 2006）、哈爾斯特德和加德爾（Hallstedt & Ghaderi， 2018）的研究同樣證實(shí)，雖然在線考試成績和傳統(tǒng)考試相比在整體上不存在顯著差異，但在個(gè)別問題上存在顯著差異。例如，數(shù)學(xué)考試中的圖表題考察考生的邏輯推理能力，在線考試可能會(huì)使之受影響。相反，閱讀、外語、自然科學(xué)和社會(huì)科學(xué)等科目在兩種考試中的成績差異不顯著，這與鄭（Jeong， 2014）的研究結(jié)論一致。

因此，學(xué)校在選擇在線考試方式時(shí)應(yīng)充分考慮考試科目的差異，提前認(rèn)識(shí)到在線考試可能對某些科目存在不利影響，及時(shí)采取針對性措施，最大限度保障考生發(fā)揮真實(shí)水平。此外，教育研究者、教育科技公司應(yīng)繼續(xù)加強(qiáng)相關(guān)實(shí)驗(yàn)研究，針對不同學(xué)科性質(zhì)差異設(shè)計(jì)符合不同科目需求的在線考試系統(tǒng)，將系統(tǒng)對考生產(chǎn)生的不利影響降到最低。例如，在進(jìn)行數(shù)學(xué)科目在線考試時(shí)，系統(tǒng)應(yīng)酌情給考生提供量角器、計(jì)算器等作圖工具以及輔助線等提示。在進(jìn)行外語、閱讀和社會(huì)科學(xué)等高閱讀需求的在線考試時(shí)，考試系統(tǒng)應(yīng)注意字體的清晰度、大小、行距、布局設(shè)置并優(yōu)化滾動(dòng)或翻頁閱讀的方式，同時(shí)注意開發(fā)護(hù)眼模式，減輕考生視覺疲勞。

第三，考試場景對在線考試與傳統(tǒng)考試成績等效性具有調(diào)節(jié)作用

從考試場景來看，不同考試場景對考生的在線考試成績具有顯著影響。元分析結(jié)果顯示，考生在相對固定、有監(jiān)考人員監(jiān)考的場景中進(jìn)行的在線考試其成績與傳統(tǒng)考試相當(dāng)。反之，考生在非固定、無人監(jiān)考的場景中進(jìn)行在線考試，其成績與傳統(tǒng)考試相比存在顯著差異。這與德蘇扎和弗萊明（DeSouza & Fleming， 2003）的研究結(jié)論一致。原因可能是，在非固定考試場景中，與考試要求無關(guān)的因素會(huì)相對較多（例如，考生可能不夠重視考試，或者存在翻閱資料、查詢答案、尋求場外人幫助等情況），導(dǎo)致考生在線考試成績相對較高（Ilgaz & Adan?r， 2020）。

因此，學(xué)?；蚪處熢谶x擇在線考試方式之前，應(yīng)充分意識(shí)到考試場景對在線考試成績的影響。對于比較重要的考試，為保障考試公平，應(yīng)盡量優(yōu)先選擇有人監(jiān)考的固定考試環(huán)境。教育科技公司、軟件開發(fā)人員應(yīng)加快研發(fā)在線考試防作弊監(jiān)測系統(tǒng)。例如，在遠(yuǎn)程在線考試開始前，綜合使用人臉識(shí)別、語音識(shí)別、指紋驗(yàn)證等技術(shù)手段對考生身份進(jìn)行驗(yàn)證。在考試過程中，綜合使用人工智能、大數(shù)據(jù)等技術(shù)手段對考生的作答狀態(tài)進(jìn)行捕捉和監(jiān)測，防止考生出現(xiàn)利用網(wǎng)絡(luò)檢索答案、尋求他人幫助以及其他任何作弊行為，從而保障在線考試公平。

第四，考生學(xué)段對在線考試與傳統(tǒng)考試成績等效性具有調(diào)節(jié)作用

從考生學(xué)段來看，考生學(xué)段對其在線考試成績具有顯著影響。與傳統(tǒng)考試相比，小學(xué)生和初中生的在線考試成績相對不佳，其中小學(xué)生表現(xiàn)最不理想。高中生和大學(xué)生的在線考試成績相對較好，其中高中生表現(xiàn)最為理想。這可能跟不同學(xué)段學(xué)生的個(gè)性特點(diǎn)、心理素質(zhì)和信息素養(yǎng)水平有關(guān)。相較于高年級(jí)學(xué)生，低年級(jí)學(xué)生相對缺乏在線學(xué)習(xí)與考試經(jīng)驗(yàn)，在考試過程中可能出現(xiàn)更大的心理焦慮與更多的操作失誤。同時(shí)，低年級(jí)學(xué)生更易受電腦、平板、手機(jī)等考試終端的外在干擾，尤其是小學(xué)生自我控制能力較弱，出現(xiàn)注意力不集中情況的概率會(huì)更高。高中生和大學(xué)生媒介素養(yǎng)水平更高，對在線考試形式適應(yīng)更快，同時(shí)相對不易受到外在干擾。受學(xué)習(xí)環(huán)境影響，高中生對待考試態(tài)度更為認(rèn)真，組織紀(jì)律更好，可能是導(dǎo)致在線考試成績相對較好的原因。

因此，學(xué)校在選擇在線考試方式時(shí)，應(yīng)意識(shí)到學(xué)段差異會(huì)影響考生在線考試成績。正式考試前，應(yīng)讓考生提前熟悉在線考試操作流程，針對低年級(jí)學(xué)生，有必要提前進(jìn)行多次模擬練習(xí)。家長和教師應(yīng)加強(qiáng)低年級(jí)學(xué)生信息素養(yǎng)教育，引導(dǎo)其樹立正確的媒介使用態(tài)度，防止沉溺電子產(chǎn)品，最大限度減少外在因素造成的不良影響。

第五，考生傾向?qū)υ诰€考試與傳統(tǒng)考試成績等效性具有調(diào)節(jié)作用

從考生傾向來看，考生的個(gè)人選擇傾向?qū)ζ湓诰€考試成績具有顯著影響。元分析結(jié)果顯示，自愿選擇在線考試的考生其在線考試成績會(huì)顯著優(yōu)于其傳統(tǒng)考試成績。這與希金斯等（Higgins， et al.， 2005）的研究結(jié)果一致。原因可能在于，自愿選擇在線考試方式的學(xué)生具有更高的自我效能，對在線考試保持更高的信任與期待，而非自愿選擇在線考試的學(xué)生可能會(huì)表現(xiàn)出嚴(yán)重的考試焦慮，影響其能力發(fā)揮。當(dāng)然，由于本次研究樣本較少，這一研究結(jié)論有待進(jìn)一步觀察。

學(xué)?；蚪處熢谶x擇在線考試方式時(shí)，應(yīng)充分認(rèn)識(shí)到考生傾向?qū)υ诰€考試成績的影響，尊重考生個(gè)人選擇傾向，靈活運(yùn)用考評(píng)方式。同時(shí)，學(xué)校和社會(huì)應(yīng)共同采取措施，創(chuàng)造良好的外部考試環(huán)境，減輕考生對在線考試的擔(dān)憂與焦慮。例如，優(yōu)化硬件設(shè)備，降低鼠標(biāo)和鍵盤敲擊聲音;優(yōu)化在線考試系統(tǒng)，減少卡頓或掉線等異常情況;加強(qiáng)安全保障，防止隱私泄露，等等。

六、結(jié)語

教育評(píng)價(jià)事關(guān)教育綜合質(zhì)量提升與教育改革方向?！盎ヂ?lián)網(wǎng)+教育”“人工智能+教育”催生了在線考試這種新型評(píng)價(jià)形式，為學(xué)習(xí)者提供了方便、快捷、有效的學(xué)習(xí)評(píng)價(jià)服務(wù)。本研究采用元分析方法，對在線考試與傳統(tǒng)考試成績等效性這一根本問題進(jìn)行了系統(tǒng)綜述。研究發(fā)現(xiàn)在線考試成績與傳統(tǒng)考試無顯著差異，在線考試可以作為傳統(tǒng)考試方式的替代與補(bǔ)充，但兩者等效性會(huì)受到考試科目、考試場景、考生學(xué)段和考生選擇傾向等因素影響。面向未來，需充分發(fā)揮在線考試的優(yōu)勢，采取各種措施消除在線考試的弊端，促進(jìn)在線考試高質(zhì)量發(fā)展，加快我國教育現(xiàn)代化進(jìn)程。

[參考文獻(xiàn)]

國務(wù)院. 2020-10-13. 中共中央、國務(wù)院印發(fā)《深化新時(shí)代教育評(píng)價(jià)改革總體方案》[EB/OL]. [2020-12-20]. http：//www.gov.cn/zhengce/2021-10/13/content_5551032.htm

胡星. 2017. 開放教育網(wǎng)絡(luò)學(xué)習(xí)測評(píng)的實(shí)踐探索與研究[J].中國遠(yuǎn)程教育（7）：69-76.

教育部. 2019-09-25. 教育部等十一部門關(guān)于促進(jìn)在線教育健康發(fā)展的指導(dǎo)意見[EB/OL]. [2020-12-20]. http：//www.moe.gov.cn/srcsite/A03/moe_1892/moe_630/201909/t20190930_401825.html

宋偉，孫眾. 2013. 數(shù)字化學(xué)習(xí)資源有效性的元分析[J]. 中國電化教育（11）：81-85.

楊寶山. 2010. 基礎(chǔ)教育階段網(wǎng)絡(luò)作業(yè)與在線考試的現(xiàn)狀分析[J]. 中國遠(yuǎn)程教育（8）：62-65.

Bunderson， C. V.， Inouye， D. K.， & Olsen， J. B. （1989）. The four generations of computerized educational measurement. In R. L. Linn （Ed.）， Educational measurement American Council on Education （pp.367- 407）， New York： Macmillan.

Bayazit， A.， & Askar， P. （2012）. Performance and duration differences between online and paper-pencil tests. Asia Pacific Educational Review， 13（2）， 219-226.

Cohen， J. （1988）. Statistical power analysis for the behavioral sciences （2nd ed.）. Hillsdale， NJ： Lawrence Erlbaum.

Clariana， R.， &Wallace， P. （2002）. Paper-based versus computer-based assessment： Key factors associated with the test mode effect. British Journal of Educational Technology， 33（5）， 593-602.

Choi， I. C.， Kyoung， S. K.， & Jaeyool， B. （2003）. Comparability of a paper-based language test and a computer-based language test. Language Testing， 20（3）， 295-320.

Coniam， D. （2006）. Evaluating computer-based and paper-based versions of an English-language listening tes. ReCALL， 18（2）， 193-211.

Drasgow， F. （2002）. The work ahead： A psychometric infrastructure for computerized adaptive tests. In C. N. Mills， M. T. Potenza， J. J. Fremer & W.C. Ward （Eds.）， Computer-based testing： Building the foundation for future assessments（pp.67-88）. Mahwah， NJ： Lawrence Erlbaum Associates.

DeSouza， E.， & Fleming， M. （2003）. A comparison of in-class and online quizzes on student exam performance. Journal of Computing in Higher Education， 14（2）， 121-134.

Dadey， N.， Lyons， S.， & DePascale， C. （2018）. The comparability of scores from different digital devices： A literature review and synthesis with recommendations for practice. Applied Measurement in Education， 31（1）， 30-50.

Ebrahimi， M. R.， & Seyyed， M. H. T. （2019）. Score equivalence， gender difference， and testing mode preference in a comparative study between computer-based testing and paper-based testing. International Journal of Emerging Technologies in Learning （iJET）， 14（7）， 128-143.

Gvozdenko， E.， & Chambers， D. （2007）. Beyond test accuracy： Benefits of measuring response time in computerised testing. Australasian Journal of Educational Technology， 23（4）， 542-558.

Higgins， J.， Russell， M.， & Hoffmann， T. （2005）. Examining the effect of computer-based passage presentation on reading test performance. Journal of Technology， Learning，and Assessment， 3（4）， 1-35.

Horkay， N.， Randy， E. B.， Allen， N.， et al. （2006）. Does it matter if I take my writing test on computer？ An empirical study of mode effects in NAEP. The Journal of Technology， Learning， and Assessment， 5（2）， 1-49.

Hochlehnert， A.， Konstantin，B.， Andreas， M.， et al. （2011）. Does medical students’ preference of test format （computer-based vs. paper-based） have an influence on performance？ Bmc Medical Education， 11（89）， 1-6.

Hosseini， M.， Abidin， M. J. Z.， & Baghdarnia， M. （2014）. Comparability of test results of computer based tests （CBT） and paper and pencil tests （PPT） among English language learners in Iran. Procedia-Social and Behavioral Sciences， （98）， 659-667.

Hallstedt， H.， M.， & Ghaderi， A. （2018）. Tablets instead of paper-based tests for young children？ Comparability between paper and tablet versions of the mathematical Heidelberger Rechen Test 1-4. Educational Assessment， 23（3）， 195-210.

Halamish， V.， & Elbaz， E. （2020）. Children’s reading comprehension and metacomprehension on screen versus on paper. Computers & Education， （145）， 1-11.

Hamhuis， E.， Glas， C.， & Meelissen， M. （2020）. Tablet assessment in primary education： Are there performance differences between TIMSS’ paper-and-pencil test and tablet test among Dutch grade-four students？ British Journal of Educational Technology， 51（6）：2340-2358.

lgaz， H.， & Adan?r， A. G. （2020）. Providing online exams for online learners： Does it really matter for them？ Education and Information Technologies， 25（2）， 1255-1269.

Johnson， M.， Green， S. （2006）. On-line mathematics assessment： The impact of mode on performance and question answering strategies. The Journal of Technology， Learning， and Assessment， 4（5）， 1-34.

Jeong， H. （2014）. A comparative study of scores on computer-based tests and paper-based tests. Behaviour & Information Technology， 33（4）， 410-422.

Kim， D. H.， & Huynh， H. （2007）. Comparability of computer and paper-and-pencil versions of algebra and biology assessments. The Journal of Technology， Learning， and Assessment， 6（4）， 1-30.

Kingston， N. M. （2008）. Comparability of computer- and paper-administered multiple-choice tests for k-12 populations： A synthesis. Applied Measurement in Education， 22（1）， 22-37.

Karay， Y.， Schauber， S. K.， Stosch， C.， & Schuttpelz， B. K. （2015）. Computer versus paper--does it make any difference in test performance？Teach Learn Med， 27（1）， 57-62.

Lipsey， M.W.， & Wilson， D. B. （2000）. Practical meta analysis. Thousand Oaks， Calif： Sage.

Millsap， C. M. （2000）. Comparison of computer testing versus traditional paper and pencil testing. Unpublished doctoral dissertation， University of North Texas， USA.

Mason， B. J.， Marc， P.， & Daniel， J. B. （2001）. An examination of the equivalence between non-adaptive computer-based and traditional testing. Educational Computing Research， 24（1）， 29-39.

Meade， A. W.， Michels， L. C.， & Gary， J. （2007）. Are Internet and paper-and-pencil personality tests truly comparable？ An experimental design measurement invariance study. Organizational Research Methods， 10（2）， 322-345.

Marcos， L.， Hilera， J. R.， Barchino， R.， et al. （2010）. An experiment for improving students performance in secondary and tertiary education by means of m-learning auto-assessment. Computers & Education， 55（3）， 1069-1079.

Mangen， A.， Walgermo， B. R.， &Br?nnick， K. K. （2013）. Reading linear texts on paper versus computer screen： Effects on reading comprehension. International Journal of Educational Research， （58）， 61-68.

Nguyen， Q.， Rienties， B.， Toetenel， L.， Ferguson， R.， & Whitelock， D. （2017）. Examining the designs of computer-based assessment and its impact on student engagement， satisfaction， and pass rates. Computers in Human Behavior， （76）， 703-714.

Nardi， A.， & Ranieri， M. （2019）. Comparing paper-based and electronic multiple-choice examinations with personal devices： Impact on students’ performance， self-efficacy and satisfaction. British Journal of Educational Technology， 50（3）， 1495-1506.

Olson， L. （2003）. Legal twists， digital turns： Computerized testing feels the impact of No Child Left Behind. Education Week， 12 （35）， 11-14.

Pomplun， M.， Sharon， F.， & Douglas F. B. （2002）. The score equivalence of paper-and-pencil and computerized versions of a speeded test of reading comprehension. Educational and Psychological Measurement， 62（2）， 337-354.

Poggio， J.， Douglas， R. G.， Yang， X. D.， & Andrew， J. P. （2005）. A comparative evaluation of score results from computerized and paper & pencil mathematics testing in a large scale state assessment program. The Journal of Technology， Learning， and Assessment， 3（6）， 1-30.

Pomplun， M.， Ritchie， T.， & Custer， M. （2006）. Factors in paper-and-pencil and computer reading score differences at the primary grades. Educational Assessment， 11（2）， 127-143.

Prisacari， A. A.， & Danielson， J. （2017）. Rethinking testing mode： Should I offer my next chemistry test on paper or computer？ Computers & Education， （106）， 1-12.

Russell， M.， & Haney， W. （1997）. Testing writing on computers： An experiment comparing student performance on tests conducted via computer and via paper-and-pencil. Education Policy Analysis Archives， 5（3）， 1-20.

Rothstein， H. R.， Sutton， A. J.， & Borenstein， M. （2005）. Publication bias in meta-analysis： Prevention，assessment and adjustments. Chichester： John Wiley & Sons Ltd.

Randy， E. B.， James， B.， Andreas， O.， et al. （2008）. Does it matter if I take my mathematics test on computer？ A second empirical study of mode effects in NAEP. The Journal of Technology， Learning， and Assessment， 6（9）， 1-38.

Smith， B.， & Caputi， P. （2007）. Cognitive interference model of computer anxiety： Implications for computer-based assessment. Computers in Human Behavior ， 23（3）， 1481-1498.

Sanchez， C. A.， & Wiley， J. （2009）. To scroll or not to scroll： Scrolling， working memory capacity， and comprehending complex texts. Human Factors： The Journal of the Human Factors and Ergonomics Society， 51（5）， 730-738.

Seo， D. G.， & Jong， G. D. （2015）. Comparability of online and paper-based tests in a statewide assessment program. Journal of Educational Computing Research， 52（1）， 88-113.

Ventouras， E.， Triantis， D.， Tsiakas， P.， & Stergiopoulos， C. （2011）. Comparison of oral examination and electronic examination using paired multiple-choice questions. Computers & Education， 56（3）， 616-624.

Wang， S.， Jiao， H.， Young， M. J.， Brooks， T.， & Olson， J. （2007）. A meta-analysis of testing mode effects in grade k-12 mathematics tests. Educational and Psychological Measurement， 67（2）， 219-238.

Ziefle， M. （1998）. Effects of display resolution on visual performance. Human Factors， （40）， 554-568.

收稿日期：2021-02-25

定稿日期：2021-06-28

作者簡介：竇營山，博士研究生，華東師范大學(xué)教育學(xué)系（200062）。

責(zé)任編輯 單 玲