教育是國家百年大計，但如果只從媒體報導接收訊息，難免會對臺灣教育產生負面印象：「多元入學＝多錢入學」、「教改失敗」、「學生競爭力下降」、「重考趨勢飆升」⋯⋯同時，多數國家也容易遺忘城鄉教育差距所帶來的不公平，且大多只流於批評，難以釐清改善之道。

多元入學比考試更不公平嗎？臺灣重考生真的越來越多？招募培訓熱血青年投入偏鄉教育的非營利組織「為臺灣而教（Teach For Taiwan，簡稱TFT）」，有怎樣的成效？在臺灣，每當這些教育議題成為輿論焦點，經常流於憑印象、憑感覺的口水戰。然而，這些問題其實都可以用客觀的證據來具體回答。

國立臺北大學社會學系教授陳婉琪長期關注教育公平性，研究選題瞄準社會大眾對臺灣教育的種種迷思，也向來樂於分享研究成果，從事社會溝通。這次她將結合行政資料庫的串聯、偏鄉學校師生調查、嚴謹的研究設計與統計分析，從實際數據重新敘說一段關於臺灣教育的故事。

多元入學vs考試：誰比較「公平」？

「申請入學」是臺灣現行最主要的大學入學管道，在大學招生名額中總佔比超過五成。申請入學第一階段依學測分數進行初選，但與「分科測驗（原指考分發）」不同的是，到了第二階段，申請入學涉及書面資料審查與面試，而非僅由考試分數定生死。如此制度設計本意是提供多元入學管道，保障學業表現較不突出的弱勢學生，卻常遭受社會大眾質疑為「多錢入學」。

畢竟，擁有優勢社經背景的學生往往坐享更豐富的資源、機會，更容易堆砌亮麗的履歷表。加上坊間常見的備審資料輔導代辦、模擬面試等收費服務，似乎都呼應多元入學等於「多錢入學」，反而可能加劇教育不平等的說法。問題是，這個「說法」符合事實嗎？

臺灣多元入學是否公平？
圖片來源／Microsoft Bing（AI）. Prompt: A Taiwanese high school student wore a high school uniform and went to a university for an interview with two professors. Watercolor style.

陳婉琪指出，若要談多元入學的教育公平性，首先必須釐清「比較基準（跟哪種制度進行比較）」。事實上，除非採取極端的抽籤入學，否則幾乎不存在一種可行制度，能保障不同社經背景的學生擁有完全均等的入學機會。「所以正確的提問應該是：『書審面試』是否比『考試』更不利於弱勢學生？」

陳婉琪運用行政資料庫分析方法，串接2014至2020年度的大考中心、招聯會資料，也就是直接分析臺灣大學招生入學的運作實況。結果發現，在申請入學第一階段，中低與低收入戶學生的通過率都低於一般家戶學生，背後原因不難猜，是因為經濟弱勢生的學測分數較低，反映其學習資源劣勢。

然而，情況到了第二階段有所轉變。「進行統計控制後，數據顯示在學測相同級分的前提下，經濟弱勢生透過書審面試獲得正取的機會，反而高於一般家戶生。」也就是說，申請入學二階書審與面試，比起只看學測分數，實際上更可能保障經濟弱勢生的入學機會。

申請入學管道中，考試以外的機制發揮了增進教育公平性的效果。這項研究打破了臺灣流行多年「多元入學＝多錢入學」的迷思，卻也再次印證考試制度隱含的教育不平等。而除了家庭社經背景的差異，教育不平等亦可能來自區域性的城鄉差距。

社會學看大學多元入學。
影片來源／YouTube

當學者遇上「為臺灣而教」

教育部統計，目前臺灣國中小共有超過千所「偏遠地區學校」，交通不便、規模較小、缺乏社會文化刺激、教師人力不足且流動率高，都為學生權益帶來隱憂。儘管政府提供薪資加給，仍難以填補偏鄉教育的師資缺口，這些學校經過一招二招三招，甚至有到九招都尋無教師的困境，「為臺灣而教（TFT）」就在此脈絡下誕生。

TFT以使命感與教育熱情號召願意投入偏鄉教育的大學畢業生，結合面試篩選、持續性督導與培訓的支持系統，向合作學校提供可執行兩年期教學任務的師資人力。陳婉琪回憶道，當TFT前來談合作，第一印象是「這個團隊好年輕呀！」而後慢慢發現他們的特色，除了重視且擅長行銷，也十足展現自我評估與研究發展的意識，組織架構上配置「研究追蹤組」，是她與TFT溝通合作的主要窗口。

非營利組織「為臺灣而教（Teach For Taiwan，簡稱TFT）」號召願意投入偏鄉教育的大學畢業生，透過篩選、持續性督導與培訓，向合作學校提供兩年期教學任務的師資人力資源。
圖片來源／陳婉琪

陳婉琪指出，當初TFT找上門，是想尋求學者協助評估組織成效。正好透過他們引介，接觸到全臺各地偏鄉學校，也趁此難得機會進行主題更廣泛的偏鄉地區教育調查，最終選定35所學校，總共141個班級、近300名教師、800多名學生接受調查。為了實行標準化的研究程序，同時避免由班級導師代為發放問卷可能導致的干擾效果，陳婉琪先在校內招募大學生，訓練30多名訪員出隊到校執行調查，也透過預試先行掌握在針對國中小學生進行問卷調查時，可能碰到的狀況。

「開始填問卷前，要先跟孩子約法三章，別把自己的答案唸出來，影響別人作答；題目結束的問卷最後，加入一些小迷宮、小遊戲給比較快填完的人安靜地玩，以免他們開始找隔壁同學聊天。」陳婉琪笑著細數預試過程中，團隊一步步發掘的調查秘訣。

由數據一窺臺灣偏鄉教育現狀與TFT成效

陳婉琪訓練30多名訪員深入偏鄉，選定35所學校，總共141個班級、近300名教師、800多名學生，深度探查臺灣偏鄉教育現況。
圖片來源／陳婉琪

TFT將培訓教師的教學任務期設定為2年（4學期），配合此期程，陳婉琪分別在任務頭、尾的時間點進行共2波調查。結果發現，偏鄉學校常見的高教師流動率現象，確實會對學生產生不利影響。在那些有更換導師的班級，學生的學習興趣、學習動機、自我價值都比較差。

陳婉琪指出，師資不穩定的負面影響，正反映偏鄉教育一大困境：儘管學校好不容易找到代理教師，教師仍可能基於生活機能、未來發展等私人考量不願久待，導致片斷化的師生關係與教學經驗。這正是TFT設定任務期為2年的主要緣故。

話說回來，TFT究竟為偏鄉學校帶來什麼幫助？陳婉琪深知，如果只是針對TFT合作學校做調查，2年前後若有任何改變，都可能被認為是伴隨時間的自然變化，難以推論為TFT的影響。為了追求更嚴謹的研究評估，陳婉琪採取「擬實驗設計」，將「與TFT合作」視為一種實驗介入，同時調查2年期間與TFT完全合作、部分合作、無合作的偏鄉學校。透過三組數據比較，便可有力排除時間效果的影響。

結果發現，2年期間都有TFT導師的班級學生，比起沒遇到、或僅部分期間有TFT導師的其他班級，「自我效能（self efficacy）」更加明顯提升。「這凸顯了TFT教師訓練的特色，不只侷限在課業或認知能力，同時也重視培養孩子的非認知能力。」陳婉琪解釋，「他們希望讓孩子對自己有信心，相信自己能夠好好的、有系統的完成一件事情。」

更有趣的是，陳婉琪發現TFT教師竟可發揮「外溢效果」，影響校內其他的教師同事。經過2年教學實戰，不只是TFT教師本身從菜鳥蛻變，其教學效能感從低於一般教師提升至與一般教師無異，辦公室裡的其他教師們，也因為加入新血與伴隨而來的新資訊，教學效能感一起升高。

過去TFT曾面臨若干質疑聲音：未接受體制內正規師培的教師，可以上第一線教書嗎？從美國Teach For America沿襲而來的做法，是否適用臺灣？歷經2年的調查追蹤，研究證據明確指出TFT對於臺灣偏鄉教育有正面效益。事實上，TFT的成效評估也同樣需要思考「比較基準」的問題。「這些教師本來就是去填補那些沒有人要去代理的缺呀！」陳婉琪感慨地說。

以證據打破迷思，由社會深層邏輯思考問題根源

每個念過書的人，都可能對教育政策有自己一套看法，但在教育學領域，最重要的是「循證治理（evidence-based governance）」原則，秉持「用證據說話」的科學精神。舉例來說，如果聽從迷思，誤以為多元入學比考試入學更不公平，反而會導向更不利弱勢的決策。

可靠證據的來源，則要仰賴政府部門在兼顧個資隱私與透明化之下的資料開放措施。陳婉琪坦言，與健保、財政等領域相比，教育政策相關資料的開放程度仍相對不足。所幸教育部高等教育司願意支持，才促成一系列考招資料分析計畫。「但考招資料庫終究只到大學考試與入學階段，如果到了入學乃至畢業以後的事，目前就苦無全國性的完整資料了。」

陳婉琪提醒，當社會價值過度單一進而激烈競爭，就會引導人使用錯誤的方法，扭曲真實自我、抹煞學習熱情，不僅沒有培育到人才，反而挫傷了其他領域未來的明日之星。
攝影／W. Xiang

除了期待更多具社會意義與學術意義的資料開放措施，陳婉琪更期許未來教育政策相關討論「少一點口水戰」，把批評的力氣改用到提出「怎麼做會更好」的建議。從大學入學方式、城鄉教育落差，到範圍更廣的教育改革，都值得更多建設性、有創意的討論。

陳婉琪提到，過去幾年新聞報導臺灣重考趨勢飆升，但從實際的考招資料來看，重考率並未大幅提升。進一步描繪重考生輪廓，更會發現大多是高分群、明星高中學生，為了擠進醫牙電資而重考。換言之，重考現象並非反映教改失敗導致學生「找不到興趣與志向」，而是「社會競爭邏輯」持續增強，使下一代越來越傾向進入社會期待的人生框架。

這或許正反映了臺灣教育問題的癥結所在。「只有升學、讀明星學校，才會有成功的人生──這始終才是關於教育，最可怕的迷思。」陳婉琪感嘆，「無論教育制度如何改變，只要社會價值過度單一進而激烈競爭，就會誘導人使用錯誤的方法，扭曲真實自我、抹煞學習熱情，這種教育無法培育人才，而是造成人才傷害。」

採訪撰稿／林義宏
編輯／林俊孝
攝影／林俊孝、W. Xiang

研究來源
陳婉琪、陳易甫（2024）。為臺灣而教：偏鄉教育問題及TFT介入成效評估。當代教育研究季刊，32（1），77-117。
陳婉琪、王淑貞、許哲維（2022）。不考試，公平嗎？以全國考招資料檢視多元入學公平性。臺灣社會學刊，71，57-90。
陳婉琪（2021）。社會複製還是社會流動？以行政資料檢驗臺灣高等教育公平性。國科會專題研究計畫（一般研究計畫）。
陳婉琪（2018）。偏鄉地區短期教育追蹤調查後續計畫 。國科會專題研究計畫（一般研究計畫）。
陳婉琪（2017）。偏鄉地區短期教育追蹤調查。國科會專題研究計畫（一般研究計畫）。

The post 臺灣教育越來越不公平？從多元入學到偏鄉教育，北大陳婉琪用證據打破迷思 appeared first on 人文．島嶼.

該如何瞭解一個人呢？測驗是很好的方式之一。

臺灣是一個測驗導向的社會，我們藉由一份份有系統的測驗，意圖瞭解一個人的學業成績、能力評量、人格特質、態度傾向甚至情緒波動。

這使我們從小到大經歷了無數次的測驗或考試，而所映照出的分數，就代表了個人的傾向、態度，甚至價值。然而，這許多大大小小的測驗，真的能測出我們想要的答案嗎？

臺北市立大學心理與諮商學系黃宏宇教授，認為過去編製的傳統測驗，存在一些假設瑕疵，例如最容易被一般大眾提出的詰問：「這個測驗真的準嗎？」。

黃宏宇認為過去編製的傳統測驗，存在假設瑕疵。
攝影／陳怡瑄

在我們的成長經驗中，通常會將一份試卷的分數加加減減，最終得出的總分就是測驗的結果，同時也代表了我們某項特質或能力的程度。

這是傳統測驗普遍基於「古典測驗理論觀點」所編製出的處理方式。古典測驗理論方法相當簡便且快速，但是測出來的結果，真的能夠反映出每個人的真實表現嗎？

越測越不準？古典測驗理論的瑕疵

事實上，有別於固定的試題內容，人是更多變且容易被外在因素影響的個體。因此運用古典測驗理論加總各題項的分數，用總分表現個人特質的方式，忽略了每個人對於各題項認知處理的歷程。

黃宏宇說測驗的目的，是希望透過穩定、且有效的方式，真正測到個人的真實能力或態度傾向。但是運用古典測驗理論所編製的測驗，卻有著三大假設錯誤。

「其一是尺度問題，」黃宏宇進一步說明：「例如今天有一個題項詢問你的憂鬱程度，請你圈選1到5分，但是很有可能因為每個人對於分數的標準都不一樣，有人覺得4分很嚴重，有人可能覺得3分就很嚴重了。另外還有種可能是，假設最近考試壓力大，你覺得好像蠻憂鬱的，於是填答了4分甚至5分，這就是『等距假設』所導致的誤差。」

因為各題項的分數，在每個人的心理表徵並不見得是等距的。而如果將這些不等距的各題項分數加總，並聲稱該總分就是個人特質的話，便可能會影響測驗結果。

「一百個人眼中就有一百個哈姆雷特」，對於題項和分數強弱的解讀也是。
照片來源／unsplash

「另一種為『答題風格』的假設錯誤。」黃宏宇表示我們每個人，都有屬於自己答題的「反應風格（response style）」。

可以觀察一下自己或他人，在寫測驗的時候，是不是會有特別的填答傾向？例如有些人特別喜歡填答「是」－具贊同試題的傾向，或者相反。另外，還有些人反應比較大，在分數1到5的答案之中，不是將分數填答在「1」、就是填答在「5」，很難有中間值，這就是每個人的答題反應風格的不同。

另外黃宏宇指出華人普遍喜歡趨中的填答，「還好」、「沒感覺」是經常會遇到的中庸答案，其實這樣的答題反應風格，相當容易造成研究的偏誤。比如說，具趨中反應的受試者，填答「3」時，其內心反應的強度，搞不好已經和填答「5」的人相似。

「然而在古典測驗理論的觀點裡，無法改善這類偏誤，只能把它列為測驗是否有效的影響因子而已。」黃宏宇補充道：「事實上，每個人在個別試題的反應上，都會有不同的表現。」

最後第三個假設錯誤是「測驗難度的依賴性」。黃宏宇表示：「以古典測驗理論所編製出的測驗，同時拿給普通班、資優班、資源班進行施測，會發現不同的測驗結果。對於資優班而言，題目可能相對簡單；但是對於資源班來說，題目又會過難，此時就很難去定義測驗本身到底是偏難或偏易。」這是因為受試者具有不同族群的特殊性存在。

倘若具有不同族群的受試者同時進行同一份測驗，則因為群體間存在能力上的差異，進而會影響到測驗結果分析。此外，在古典測驗理論的信度模式下，測量結果的誤差不會存在群體間的變異，這也是一個很不合理的假設。試想一件M號的衣服，它給中等身材的人穿很合身，但是對於高大身材的人就不是那麼合適。測驗也是如此，中等難度的測驗適合一般學生，但不見得適合資優或資源班學生，因此測量結果的誤差就會不相同。

每個人都是獨一無二的個體，我們該如何提出更有鑑別度的適性測驗呢？
圖片來源／unsplash

而遵循古典測驗理論的研究者，通常將測驗分數視為等距量尺來計分，忽略個體的認知反應歷程，以及忽視測驗結果誤差的變異性，並據此宣稱獲得研究結果。黃宏宇便強調，以此方法所得出的研究結果，可能是有瑕疵、或是不正確的。

當代測驗理論：試題反應理論（item response theory, IRT）

「試題反應理論則可以解決上述問題。」黃宏宇堅定道：「因為在試題反應理論所建構的機率參數模型裡，已將受試者的能力與試題的特性納入考慮，其中受試者的表現情形或反應機率，可以與內在潛在特質形成一種連續性遞增的數學函數。」

這條數學函數稱作「試題特徵曲線」（item characteristic curve, ICC），是由數學方程式所推導所形成的「機率參數模型」，可以用來表徵每一道試題的特性，包含試題難度、試題鑑別度與試題猜測度，並透過機率模型，顯示受試者的個體能力在不同試題上的答題表現。在這個架構之中，能提供更有效且貼近真實的能力或特質的測量。

具備「試題特徵曲線」的題項，可以估計出受試者在某一試題上的選答機率，以及受試者某種潛在特質的程度。當潛在特質的程度愈高（或愈強），在試題上的正確反應機率便愈大。

黃宏宇指出：「有別於古典測驗理論以測驗總分來看待個人特質，試題反應理論是以單一題項觀點為出發的測量理論。」在這個關係線中，可看出試題是否能有效鑑別出個人的潛在特質，以及瞭解個人在答題上更細緻的樣貌。

經由數學模型檢驗受測者的答題結果，可辨別出極端反應和中庸反應的受測者。
圖表來源／黃宏宇，＜極端反應之試題反應理論模式的發展與擴展＞，P.51；插圖／李昀

若以試題反應理論來分析個體的反應風格，黃宏宇指出「中庸答題」受試者的試題選項之特徵曲線會呈現較寬廣的分布，意味著不管能力或特質高低，其在試題中間選項的選答機率較高。

而極端答題狀況的試題選項之特徵曲線呈現緊縮分布，與中庸答題相反，極端答題者經常習慣性的選擇最高分或最低分的選項，所以若以傳統方式計算總分時，便會發現受測者會落在偏向於高分或低分群，這樣便容易高估或低估受測結果。因此需要藉由試題反應的統計模式加以校正，以還原受試者的真實表現。

黃宏宇慎重道：「測驗中充滿著許多不確定因素，只有在許多因素被篩選、控制之後，所得出的結果才更能貼近個體特質的真實樣貌。」極端反應風格只是其中一種可能存在的干擾測驗結果因素，還有其他可能的因素，例如受試者答題動機、或猜題傾向等，唯有藉由合適的試題反應理論模式，才能正確且真實地捕捉受試者的特質表現之原貌。

「個人特質不能單純以分數加總來看。更進一步地說，測量的本質、量尺的特性，與受試者的認知歷程等，都應該納入考慮，將其視為影響測驗結果的變項，進一步檢驗。唯有如此，才能真正做到測驗的有效性，及受試者分數的可比性。」

黃宏宇從當代測驗理論出發，致力消弭傳統測驗可能導致的測量偏差，讓測驗能夠真正的了解受試者。他透過將受試者作答反應和題項相互拆開檢視，觀察到受試者細緻的作答表現，進而推導到更適切的研究結果。

要測量出一個人的特質，不能單純地加總分數來看待，而需端看受試者在各題項的答題反應。
圖片來源／unsplash

測驗方法也需要與時俱進

「不過，」他話鋒一轉，略為憂慮地說：「即便試題反應理論早在1960年代就被提出了，可惜的是，現今社會科學的研究或測驗的編製，仍大多以古典測驗理論的觀點進行。」

這是為什麼呢？更能檢測出個人真實內涵的試題反應理論，為何還是比不上古典測驗理論普及呢？

黃宏宇表示試題反應理論內有著繁瑣的數學模型，亦是眾多研究者對此分析方法卻步的主因，也造成社會科學研究大多仍以古典測驗理論方式進行研究。

因此目前具試題反應理論的分析專業研究人員仍需大於供，黃宏宇指出：「現在大多是心理、教育等相關科系的學生才會修習這類學門，在人才培育上，有關單位應該再增加課程，以及鼓勵學生進修，以補足專業領域上的缺口。」

黃宏宇由衷希望，社會科學學門的研究者們能導入試題反應理論模型進行研究，更能提高研究的真實性。並且，現今的分析軟體（R軟體）也逐漸成熟，不像以前一樣，研究者須具備統計知能外，還需要會撰寫程式語言，才可進行分析。

「現在我們有更為便利的硬軟體設備，以及逐漸成熟的理論方法和培訓課程，理論上，不應再停留在傳統測驗理論過時的觀點之中。」黃宏宇語重心長，他認為：「若以不適切的方法學進行研究，可能會得到不適切的結果，而阻礙了自己對社會現象的認識與釐清的機會，是相當可惜的一件事。」

採訪撰文／吳景濱
編輯／張傑凱
攝影／陳怡瑄

The post 測驗結果有可能是錯的嗎？北市大黃宏宇破解測驗瑕疵，釋放真實自我 appeared first on 人文．島嶼.