义务教育数学相关因素监测工具研发的探索与思考

王烨晖张 岳杨 涛王立东梁贯成鲍建生



义务教育数学相关因素监测工具研发的探索与思考

王烨晖1，张 岳1，2，杨 涛1，王立东1，梁贯成3，鲍建生4

（1．北京师范大学 中国基础教育质量监测协同创新中心，北京 100875；2．首都师范大学 教育学院，北京 100037； 3．香港大学 教育学院，香港 999077；4．华东师范大学 数学科学学院，上海 200241）

PISA、TIMSS与NAEP测试对相关因素指标的设计与选取为中国开展数学监测提供了参考与借鉴．目前中国已持续开展了4年全国义务教育数学质量监测工作．研发的监测工具具有以下主要特点：（1）数学学科特色鲜明；（2）测查对象多层面、多主体；（3）整体设计具有全面性与指向性．在未来的工具研发过程中，仍需思考以下问题：（1）立足中国国情，讲好中国故事；（2）立足当下实践，引领未来发展；（3）建立指标阈值，发挥预警功能；（4）打破学科局限，适应学科融合．

质量监测；数学；相关因素；工具研发

党的十八大以来，中国义务教育实现了从“有学上”向“上好学”的历史性跨越，人民日益增长的优质教育需求与教育事业发展不平衡不充分之间的矛盾成为当前教育发展的主要矛盾[1]．《国家教育事业发展“十三五”规划》适时提出了“教育质量全面提升”“教育发展成果更公平地惠及全民”的改革路向，十九大进一步明确了要实现“让每个孩子都能享有公平而有质量的教育”的改革目标．在此背景下，实现有质量的公平成为中国教育政策的出发点和落脚点．

随着“证据为本”（evidence-based）在教育政策领域的兴起，科学的实证证据在推动教育政策科学化、高效化中的地位越发突显．国际学生评价项目（Programmer for International Student Assessment，PISA）、国际数学与科学趋势研究（Trends in International Mathematics and Science Study，TIMSS）、美国“国家教育进步评价”（National Assessment of Educational Progress，NAEP）等教育质量监测项目的实践证明，教育质量监测通过对教育教学质量及其相关因素的测查可为教育政策的制定、评估、调整提供客观翔实的实证证据，是义务教育阶段提质量、增效益、促公平的政策杠杆．自2015年《国家义务教育质量监测方案》实施以来，中国已经持续开展了4年的全国义务教育质量监测工作．2018年7月，首份《中国义务教育质量监测报告》发布．学生个体、学校、家庭和社会多层面的相关因素的涉及，是深入分析义务教育质量的关键一环，也是监测设计的重点与难点．基于此，以国家义务教育质量监测中数学监测为切入点，统筹国际视野与本土行动，旨在总结、反思中国义务教育数学相关因素监测工具的研发．

1 国际数学相关因素工具研制的经验

大规模学业测评作为对学生的发展变化进行判断分析的有效方式，凭借其科学的评价技术和严谨的测评流程等优势，为各国测查教育成效、制定教育政策和推动教育改革提供丰富科学的决策依据．大规模学业测评不仅包括国际组织领导的国际性大规模学业测评，也包括国家和地区针对本国（本地区）进行的区域性学业测评．数学作为中小学教育的重点学科，是国际和各国（地区）教育测量与评价的重要科目．选取目前在国际上影响较大，评价技术较成熟，且结果运用较广泛的3个国际测评项目，即PISA、TIMSS、NAEP，对其数学相关因素测评的设计理念、模型、质量保障措施和工具特点进行比较分析，为中国开展数学相关因素监测工具的研发提供国际视野与借鉴．

1.1 相关因素设计理念与模型

PISA关注政策可改进的因素，其目标是开发可靠的、与政策相关的学生成就指标，从而实现对各国教育体制的质量、公平和效率的评价目标．PISA将教育系统分为4个层次：教育与学习中的个人参与者、教学背景、教育服务的提供者、作为整体的教育系统，其问卷测评就是围绕教育系统的4个层次展开的．PISA测评理念见图1．

图1 PISA的测评理念

PISA采用“输入—过程—输出”的理论模型展开相关因素问卷的设计（见图2）．其中，输入包括资源和规则，输出包括学生的学业成就．学校、教师和学生的交互作用过程受到输入条件的影响，同时又影响输出结果．根据测评的理念与理论模型将相关因素的指标进一步细化为国家、学校、班级和学生4个层面．这4个层面从宏观、中观、微观3个方面出发，在输入和过程环节不仅关注国家的经济、人口、学校等因素，也关注学生个人的家庭、移民、兴趣、爱好等因素．国家、学校、班级层面的预测指标最终汇总到学生层面，表现为学业成绩、学习态度等教育输出结果[2]．

图2 “输入—过程—输出”模型

与PISA不同，TIMSS相关因素测评的概念框架在很大程度上受到IEA的第二次国际数学研究（Second International Mathematics Study，SIMS）的影响，课程是解释学生成绩存在国际间差异的一个重要因素．在SIMS模型中，课程包括3个层面：目标课程（the intended curriculum）、实施课程（the implemented curriculum）、获得课程（the attained curriculum）．其中，目标课程指的是教育系统的课程目标和要实现这些目标而建立的机制；实施课程指的是被设计来实施教育系统目标的学校和课程内的实践、活动和制度安排；获得课程指的是学校教育的产出，即学生从他们的教育经历中实际获得了什么．基于有关教育过程的这种认识，TIMSS提出了4个大的研究问题用以指导工具的开发．这4个研究问题为：学生被希望学习什么样的数学和科学知识？谁提供教学？教学是怎样组织起来的？学生学到了什么？

NAEP测评的主要目的在于了解美国基础教育质量现状、掌握基础教育发展趋势，同时了解各州、各学区的教育质量状况．因此，NAEP测评强调权威性和法制性，关注学生、教师以及学校对国家已有标准的达成度．其测评框架及测评目标是国家课程标准的有效转换，可以称为“基于标准”的评价．对影响学生学业成就的相关因素的测量也体现了其标准性，即重点测查与相关的国家政策、法律的实施和执行情况．

1.2 质量保障措施

为了保证测评的科学性与规范性，以及测评的广泛适用性．PISA、TIMSS等项目在测评框架的确立、工具研发和具体实测过程上均制定严格的标准化流程．

PISA测评框架主要由国际联合处完成．在此过程中，联合处拟定的测评框架需要得到各参与国（地区）教育主管部门的支持和指导．此外，PISA工具编制由管理委员会和国际联合处共同完成．PISA管理委员会挑选数学、阅读和科学等领域的世界级专家组成专家组，负责设计每次PISA调查的理论框架，组织问卷调查专家负责并指导问卷的制定．最后，在PISA的具体施测中，各参与国（地区）政府要任命一个国家项目经理（PISA National Project Manager）来负责监督每个参与国（地区）的评价实施情况[3]．

TIMSS关注各国对课程的达成度，但各参与国的课程存在一定的差异．所以，TIMSS会对不同国家的课程进行调查，包括对课程指导文件、教科书和课程专家的信息收集，以此作为每个国家课程分析的重要来源．为了使TIMSS开发的工具尽可能地反映参与国的课程，所有的主题都需要经过TIMSS学科咨询委员会的审查，该委员会由来自世界各地的数学和科学教育工作者组成[4]．此外，TIMSS在每个参与国设置国家监察员，他们不仅参与测试题的出题工作，还在正式的大规模测试前，组织有代表性的学生进行小范围的测试．测试后，所有的问题都由专门的审查委员会重新审查并进行调整．国家监察员还会在加拿大统计局和IEA数据处理中心的指导下，对参与调查的学校和学生进行随机抽样，对调查测试收集数据过程和评卷过程进行严格监测[5]．

1.3 工具特点

基于不同的测评目的以及对相关因素问卷的定位，PISA、TIMSS和NAEP在问卷设计与编制上也体现出不同的特点．

PISA项目的问卷会保留相对稳定的趋势分析指标，同时，由于每轮测试领域均有所侧重，且持续关注与学生未来发展趋势相关的关键能力，可以说PISA调查问卷在每轮测试中稳中有变．具体而言，PISA问卷在每个周期对基本信息的测查是稳定的，如输入变量（年级、性别、社会家庭经济地位、移民状况等）；过程变量（决策机制、评估政策、专业发展情况、教师参与、师生关系、父母参与等）；输出变量（旷课、教育期望、动机、学习投入、情感因素、归属感等）．与此同时，PISA会根据每轮测试重点，增加对特定学科的趋势变量，如学习策略、元认知、学科相关的学习信念、自我效能、动机、学习机会等变量[2]．

由于各国课程存在一定的稳定性，围绕课程展开的TIMSS相关问卷的测查也相对稳定．每轮测试会对个别变量或题目的提问方式、措辞等进行微调．同时，也会在各类问卷中增加一些可综合分析的指标，如2011年，将有关学生学前教育经历、家庭拥有物等指标从学生问卷移至新增的家长问卷的同时，在学生和校长问卷中均增加了有关家长参与、家校合作等变量．

NAEP对相关因素的测试指标重点关注国家政策达成度以及法律的实施执行情况，如教师的学历、教师资格认证情况等．其在每轮测试中相关因素的指标很稳定，仅在测试年级上有所区别．

1.4 PISA、TIMSS与NAEP的异同及启示

1.4.1 项目的比较

首先，3个项目对相关因素问卷的功能定位不同．大规模学业测评项目对背景问卷的调查最基本的作用在于辅助项目对学业成绩的分析．TIMSS评价的理念为课程是学生学业成就的重要影响因素，通过相关因素的测评探究学校、教师课程实施情况对学生学业成就的影响，试图解释各国学生对数学和科学课程的掌握情况的不同．因美国法律的要求，NAEP相关因素的测查集中于政策、法律、法规相关的内容．同时，根据法律与政策修订、增减、修改其相关因素的指标，保证其对政策和法律追踪的时效性和适宜性[6]．但总体上说，TIMSS和NAEP相关因素的测评主要指向于学校，所收集的学生背景信息侧重于反映不同国家（地区）的教师是如何进行教学的，以及这些教学对学生的成绩可能产生的影响[6]．而PISA项目的主要目的在于了解并比较各国15岁学生为未来生活的准备情况，了解他们是否具备分析、推理和沟通能力，了解他们是否具备终身学习的能力，发现各国教育的优势和不足，改善教学效果．PISA更具有前瞻性，着眼于年轻人使用他们掌握的知识和技能应对现实生活挑战的能力，而不是掌握特定的学校课程”[7]．

其次，3大项目的背景问卷框架清晰，为设计与开发问卷提供了依据与基础．问卷设计框架是对项目调查维度、主题、对象及方式的具体阐释，更是对操作性程度的实践指导．如前所述，PISA、TIMSS和NAEP测试均有成熟且适切的相关因素问卷框架，在此框架的指导下进行问卷的开发与编制．

再次，虽然3大项目的问卷种类不尽相同，但是均体现出不同类型问卷、不同调查主题间结构严谨契合的特点．PISA、TIMSS测试在新增某个群体问卷时，都会对测查题目进行相应的调查，以便更科学、准确地收集信息．

1.4.2 启示

PISA、TIMSS与NAEP对相关因素指标的设计与选取对中国开展数学监测提供了参考与借鉴．第一，良好的政策导向．根据政府制定政策的需要进行设计和报告，以提供政策借鉴．第二，长期的趋势研究．国际测评项目的趋势研究可以让各个参与国清楚地了解本国教育在一段时期内的变化情况，也可以结合教育环境的相关信息分析这种变化产生的可能原因．第三，科学的背景信息收集．相关因素问卷主要有两个作用：一是提供学生的人口学信息，用以对学生成绩进行分类比较；二是提供学生生活和学习的背景信息，用以对学生成绩的差异作出解释，供家长、教师和教育决策者参考．

2 中国数学相关因素工具研制的探索

人是环境的产物，环境影响人的发展．环境决定论（environmental determinism）、生态系统理论（ecological systems theory）等研究成果表明环境是个体发展的重要影响源．生态系统理论认为环境是由一系列相互嵌套的结构组成，根据环境系统的大小及与个体的关系将环境分为微观系统、中间系统、外部系统和宏观系统，这些系统化、结构化的环境系统之间相互影响，并通过与个体的互动影响个体的发展[8]．从教育教学活动的发生场所来看，家庭、教室、学校和区域是正式教育或者非正式教育发生的主要场所，对相关因素进行分层次、有重点地测查，可操作性强，同时有利于各层面的实施主体依据监测结果进行教育改进．但在教育领域，影响教育质量的相关因素复杂多样，监测中对影响因素的取舍通常与监测理念和其特定的教育价值取向具有密切关系．

教育质量监测的价值取向决定监测的具体设计．《国家义务教育质量监测方案》指出中国教育质量监测的目的主要有两个．第一，要“客观反映义务教育阶段学生学业质量、身心健康及变化情况”；其次，要“深入分析影响义务教育质量的主要原因，为转变教育管理方式和改进学校教育教学提供参考”[9]．中国开展教育质量监测，一方面要基于学生的学业发展与非学业发展构建“学业质量绿色谱图”，另一方面要基于相关因素构建“影响要素作用谱图”，为全面诊断学业质量及其影响要素提供实证依据．在教育质量监测价值取向上，中国“以县为主”的教育管理体制，东西部之间、城乡之间存在教育不均衡现象，以及人民日益增长的优质教育需求与教育事业发展不平衡不充分之间的矛盾等独特的教育特征，决定了中国教育质量监测的价值取向与PISA、TIMSS、NAEP等项目的设计理念有着本质的差异．总体而言，中国教育质量监测的根本任务在于回应“培养什么人、怎样培养人”的问题，根本目标是实现“让每个孩子都能享有公平而有质量的教育”．因而，中国教育质量监测相关因素工具研制在自身的政策背景下要对以上问题做出有力回应，相关因素工具研制过程中的研发原则、质量保障以及指标特点都有着自身的特色．在此基础上，研究主要在两轮数学教育质量监测的探索历程之上，总结了中国数学相关因素工具研制的独特特征．

2.1 指标研发的原则

数学教育质量监测坚持全面的教育质量观，一方面以数学核心素养为导向，不仅关注数学学业表现，也关注学生数学学习的情感态度价值观，基于学业发展与非学业发展两个维度构建“数学学业质量绿色谱图”；另一方面坚持多元综合的系统观，发挥教育质量监测对数学教育的评价、导向与改进功能．有选择的监测家庭、学校和社会等不同层面相关因素，综合分析数学教育质量的影响因素，构建“影响要素作用谱图”，为进一步挖掘“何种因素影响数学学业质量”“为何以及如何影响数学质量”提供证据支持．因而，数学教育质量的相关因素对于理解数学教育质量现状、分析背后的成因、提出改进的意见与措施具有重要帮助．在可操作和可测量的基本前提下，将影响数学学业质量的相关因素转化为具体测量指标体系与测查工具．在研发数学相关因素工具时，主要遵循以下几个原则：

（1）导向性原则．在高考指挥棒下，目前数学教育仍具有明显的应试倾向，被动接受仍是学生最常见的学习状态，死记硬背、被动灌输等机械训练所造成的数学技能往往是片面的、畸形的[10]，不利于数学核心素养的构建．为打破传统的应试观、“唯分数论”，引导社会树立科学的数学教育质量观．在相关因素指标的选取与确立时，格外注重将学生的数学学习兴趣、数学学习自信心、数学学习习惯等体现数学非学业发展的指标纳入数学相关因素指标体系中，通过构建“数学学业质量绿色谱图”的方式引导数学核心素养的培养．

（2）持续性原则．不同于“中考”“高考”等学业水平考试在不同年度间的相互独立性，数学教育质量监测要通过不同年度间相关因素的变化，持续跟踪全国数学教育教学质量在不同年度间的变化情况．因此，在构建数学教育质量相关因素指标时，一方面要围绕影响数学教育质量的根本问题进行选择，指向影响数学教育质量的核心．另一方面，选取那些相对稳定的、具有长期监测价值的指标，以便进行长期追踪分析，回应教育政策以及社会大众对数学教育问题的关切，如中国长期以来存在的数学课外辅导问题、学生的数学学习兴趣问题、数学教师的专业成长问题．

（3）发展性原则．从发展的视角出发选取数学相关因素的指标．首先，从学生发展的角度出发，所采用的指标应体现发展学生数学素养的引导作用，如学生的数学兴趣、数学自我效能感、数学问题解决能力等指标，力求通过相关因素的监测探明学生数学学习的薄弱点，启示各方及时改进，以促进学生数学核心素养的发展；其次，从以往的“双基”到“三维目标”，再到如今的“核心素养”，数学教育所关注的侧重点会有所不同，数学相关因素问卷所选取的指标体系应体现最新课程理念下的数学教育特点，通过对指标与工具的及时修订适合课程发展需要．

（4）可改进原则．数学教育质量监测最终要为提升数学教育质量服务，因此，在构建教育质量监测指标时，所选取的数学相关因素是可改进和可干预的，如师生关系、学习机会、数学教师专业成长等指标．只有这样的因素，才能在明晰“怎样以及如何影响数学教育质量”的基础上解决“如何改进”的问题，发挥各方、各级、各类主体的主观能动性，落实改进方案，实现数学教育质量的不断提升．

（5）政策关照原则．中国义务教育质量监测结果作为教育政策制定、调整和评价的主要依据来源，应积极回应政策关切的热点和难点问题．所选取的数学相关因素应当是各类教育政策的关注点，通过对相关因素的测查，能较好的回应政策，客观报告政策的执行与落实以及具体的实施效果，能够为政策改进与制定提供有力依据．如数学教育质量监测中对学生学业负担的测查，为国家出台减轻小学生课业负担相关政策提供了一定的证据支持．

2.2 工具研发的质量保证

（1）多领域专家协同参与相关因素工具的开发．首先，数学教育质量相关因素工具的研制涉及数学教育、教育心理学、课程与教学论等多个学科，为体现相关因素工具的科学性和专业性，在研发过程中邀请来自教育、心理、教育统计、教育测量与评价、数学教育、课程与教学论等多领域的学科领头人协同完成，具有较高的权威性；其次，除了高校和研究机构的专家学者，还有来自全国各地教育教学一线的教研员和优秀教师参与相关因素的研发，具有广泛的代表性．

（2）标准化的研发流程．为保证数学相关因素工具的信度和效度，研制过程需要严格遵循标准化的工具研发程序．在研发流程上，工具经过多轮的预试、质量分析和审改才能进入正式施测阶段．在这些环节中既要保证参与的专家能尽最大限度地贡献其智慧，提升工具研发质量，同时又确保制定过程的推进速度，在各个时间节点高效完成工具研发程序．

（3）国际经验的充分借鉴．将“全球视野”与“本土行动”相结合，对国际大型测评项目进行多年的追踪分析，对其相关因素设计的理念、技术和测评框架进行了深入的比较分析，为中国数学相关因素工具的研发提供思路与启示．同时，通过国际交流与合作，邀请国际专家参与相关因素工具的研发，将国际先进测评理念与技术进行中国化，研发具有中国特色的数学相关因素工具．

（4）多年试点监测经验的积累．从2007年起，在全国范围内进行了多次数学义务教育质量监测的试点工作，为数学相关因素工具的研发积累了宝贵的经验，正式施测的大部分指标体系与监测工具经过多轮试点监测以及多次预试的验证，已经比较成熟，具有良好的信效度．

2.3 工具的主要特点

（1）鲜明的数学学科特色．与其他科目不同，数学科目具有较强的逻辑严密性、抽象表达性，对于义务教育阶段学生而言，数学属于相对较难的学习科目．因此，围绕数学科目自身的特点以及学生的学习方式产生了较多具有数学学科特色的问题．在相关因素指标体系和工具的编制上紧密围绕数学学科的教育教学等内容展开，所选择的因素都旨在回答如何影响数学教育质量这一根本性问题．如数学学习机会指标，数学知识自身的严密性、逻辑性决定了学生数学学习机会对学业成绩具有重要的影响，而学校作为教育教学的主要活动场所，通过对学生学习内容及学习时间等机会因素的测查，可以间接考查教师的课堂管理、教学策略等因素对学生数学学习机会的影响，从学校教育过程性因素揭示数学学业成绩存在差异的原因．

（2）多角度、多主体深入探讨相关主题．从数学教学过程的角度来看，对数学相关因素的测查涉及“输入—过程—输出”等多个环节的不同变量，既包含对数学教育政策、教育资源投入的测查，也包括对学生学习机会、教师课堂教学方式、班级管理等过程性因素的测查，同时包含对学生数学学习兴趣、学习自信心、学习策略等输出性因素的测查．从测验对象的角度来看，数学相关因素的测查对象包括学生、教师和校长，涉及个人、家庭、班级、学校和社会多个层面的内容，选择多主体参与回答，可以从多角度对相同的问题进行探讨，深入挖掘，能对影响教育质量的相关因素提供更为全面的解读．

（3）全面性与指向性的均衡设计．全面性体现在数学相关因素监测工具研发初始阶段，通过政策分析、课标分析、专家访谈、文献分析、问卷调查等一系列方式全面把握影响数学学业成绩的相关因素，构建数学相关因素指标库．指向性主要体现在最终相关因素监测工具指标的选择．首先，根据《国家义务教育质量监测方案》的基本要求，主要围绕影响数学课程标准的实施情况，选择相关指标，如课程开设、教师教学能力、学生学习机会等相关指标．其次，指向当下教育政策和数学教育热点问题，如数学课外辅导班问题、数学教师育人方式问题，既能有效测查影响数学学业质量的相关因素，又及时回应当下政策需求．

3 未来展望

经过两轮的正式实施，根据中国数学教育的现状，中国义务教育数学相关因素监测工具研制积累了大量的实践经验，在指标研发原则、工具研发的质量保证以及工具的主要特点都形成了一套较为成熟、科学的体系．在未来的工具研发过程中，仍需要思考以下问题：

（1）立足中国国情，讲好中国故事．目前中国数学教育面临着学习兴趣与自信的培养、学业负担、学习机会、数学教师专业化、教学资源配置与利用等一系列问题，如何更好地立足中国数学教育国情，通过相关因素的测查讲好中国数学教育故事是数学相关因素监测工具研发中需持续深入思考的问题．而PISA测试发现学生数学文本阅读理解的能力较低、数学应用和推广意识不够、数学教学以教师主导策略为主等，如何将国际教育质量监测的发现有选择地纳入中国义务教育质量监测体系中做进一步发掘，是未来数学相关因素监测工具研发的又一个关注点．

（2）立足当下实践，引领未来发展．监测工作既坚持以中国学科课程标准为基本依据，紧扣中国教育法律法规和方针政策，又注重以中国义务教育改革和发展中存在的热点难点与重点问题为根本导向[11]．数学相关因素监测工具研制在回应政府需求，解决数学教育面临的难点与热点问题的同时，应具备一定的前瞻性．步入21世纪以来，随着信息科技的迅猛发展，教育模式、形态、内容和学习方式正在发生深刻变革[12]，未来学校的教学程式和学习方式必然发生革命性的变革．数学相关因素背景问卷在立足当下现实问题的同时，应对目前学校数学教育中信息化利用情况、个性化培养等相关问题进行测查，为推动未来教育变革背景下的数学教育发展做出一定的证据支持．

（3）建立指标阈值，发挥预警功能．数学相关因素监测工具研制的主要目的在于探查来自学生个体、家庭、学校、社会等不同层面要素对学生数学学业成绩的影响状况．但目前相关因素指标的利用尚且存在一定的模糊性，并未像学业成绩划分出明确的等级．因此，建立数学相关因素各变量的阈值及预警机制将是未来数学相关因素监测工具研发需要思考的问题．首先要构建指标的绝对衡量标准，通过设定上限与下限的阈值空间，明确不同阈值区间所表征的合格、良好、优秀等评价等级，以此来刻画不同指标的“健康”状况．其次，构建相对比较的阈值差值，通过区域间、学校间的变异比较，直观刻画各种相关因素之间的差距，以此来比较地区间、学校间的教育公平问题．发挥教育质量监测的评价、引导和改进的功能．

（4）打破学科局限，适应学科融合．《教育部关于全面深化课程改革落实立德树人根本任务的意见》中指出，在“发挥各学科独特育人功能的基础上”，要“开展跨学科主题教育教学活动，将相关学科的教育内容有机整合，提高学生综合分析问题、解决问题能力”[13]．在学科融合的大背景下，数学教育将会融入科学、语文等其他学科的相关知识，影响数学学业成绩的因素变得更加复杂多样．数学相关因素监测工具如何在保持数学教育独特性的基础上融入跨学科的一般性是未来数学相关因素监测工具研制应思考的问题．

[1] 顾明远．让每个孩子都享有公平而有质量的教育[J]．教育研究，2017，38（11）：4-7．

[2] OECD. PISA 2012 Assessment and analytical framework: mathematics, reading, science, problem solving and financial literacy [R]. Paris: OECD Publishing, 2013: 173-187.

[3] OECD. PISA 2012 results: what students know and can do-student performance in mathematics, reading and science, PISA [R]. Paris: OECD Publishing, 2014: 279.

[4] MARTIN M O, KELLY D L. Third international mathematics and science study technical report, volume II: implementation and analysis-primary and middle school years, center for the study of testing, evaluation, and educational policy [R]. Boston: Boston College, 1997: 6-8.

[5] 辛涛，李峰，李凌艳．基础教育质量监测的国际比较[J]．北京师范大学学报（社会科学版），2007，43（6）：5-10．

[6] 李凌艳，郭思文．国际大型教育评价项目中学校因素测量——学校有效性研究的一个视角[J]．中国教育学刊，2011（11）：27-30．

[7] 鲁毓婷．全球背景下的学生学业成就比例研究——TIMSS和PISA[J]．考试研究，2007，3（3）：76-92．

[8] BRONFENBRENNER U. Ecological systems theory[M]. Berlin: Springer US, 2011: 187-249.

[9] 国家义务教育质量监测方案[EB/OL]．（2015-04-15）[2018-05-08]．http://www.ec.js.edu.cn/art/2015/4/23/art_10347 _170979.html．

[10] 孔凡哲，史宁中．中国学生发展的数学核心素养概念界定及养成途径[J]．教育科学研究，2017（6）：5-11．

[11] 教育部基础教育质量监测中心．中国义务教育质量监测报告[R]．北京：教育部基础教育质量监测中心，2015：2-3．

[12] 中华人民共和国国民经济和社会发展第十三个五年规划纲要[EB/OL]．（2015-11-03）[2018-05-08]．https://baike. so.com/doc/10958512-11495833.html．

[13] 教育部关于全面深化课程改革落实立德树人根本任务的意见[EB/OL]．（2014-03-30）[2018-05-08]．https://baike. so.com/doc/7863893-8137988.html．

Introduction of the Questionnaire Development in National Assessment of Education Quality-Math

WANG Ye-hui1, ZHANG Yue1, 2, YANG Tao1, WANG Li-dong1, LEUNG Frederick3, BAO Jian-sheng4

(1. Collaborative Innovation Center of Assessment toward Basic Education Quality, Beijing Normal University, Beijing 100875，China;2. College of Education, Capital Normal University, Beijing 100037, China;3. Faculty of Education, The University of Hong Kong, Hong Kong 999077, China;4. Department of Mathematics, East China Normal University, Shanghai 200241, China)

The design of index and the questionnaire in PISA, TIMSS and NAEP provided rich experience for China. China has carried out National Assessment of Education Quality-Mathematics (NAEQ-MA) for four years since 2015. The features of mathematical questionnaires were as follows: (1) distinctive features in mathematics domain; (2) multiple survey respondents;(3) comprehensive and targeted design. However, we should consider following questions in the future: (1) based on China characteristics, expressing in our way; (2) based on practice, looking forward the future development; (3) establishing the threshold, exerting early warning function; (4) breaking the limitation of subject and adapting to the subject integration.

National Assessment of Education Quality; mathematics; questionnaire development

G420

A

1004–9894（2018）05–0008–05

王烨晖，张岳，杨涛，等．义务教育数学相关因素监测工具研发的探索与思考[J]．数学教育学报，2018，27（5）：8-12．

2018–09–01

王烨晖（1982—），女，浙江杭州人，讲师，博士，主要从事教育测量与评价研究．

[责任编校：陈隽、张楠]