اختبار معياري

ظهرت أولى الأدلة على الاختبارات الموحدة في الصين ، خلال عهد أسرة هان ، ^{[ 6 ]} حيث شملت الامتحانات الإمبراطورية الفنون الستة ، والتي تضمنت الموسيقى، والرماية، والفروسية، والحساب، والكتابة، ومعرفة الطقوس والاحتفالات العامة والخاصة. وكانت هذه الامتحانات تُستخدم لاختيار الموظفين في الجهاز البيروقراطي للدولة.

لاحقاً، أُضيفت أقسامٌ تتناول الاستراتيجيات العسكرية، والقانون المدني، والإيرادات والضرائب، والزراعة، والجغرافيا إلى الاختبارات. وبهذا الشكل، استمرت الامتحانات في العمل المؤسسي لأكثر من ألف عام.

لا تزال الاختبارات الموحدة مستخدمة على نطاق واسع حتى اليوم، وخاصة في نظام اختبار غاوكاو .

أُدخلت الاختبارات الموحدة إلى أوروبا في أوائل القرن التاسع عشر، على غرار اختبارات اللغة الصينية (الماندرين) ، ^{[ 7 ]} بفضل جهود المسؤولين الاستعماريين البريطانيين، وكان أبرزهم القنصل البريطاني في غوانزو بالصين ، توماس تايلور ميدوز . ^{[ 7 ]} وقد حذر ميدوز من انهيار الإمبراطورية البريطانية إذا لم تُطبّق الاختبارات الموحدة في جميع أنحاء الإمبراطورية على الفور. ^{[ 7 ]}

قبل اعتمادها، لم تكن الاختبارات الموحدة جزءًا تقليديًا من المناهج التربوية الغربية. فاستنادًا إلى تقليد النقاش المتسم بالشك والفضول، والمُوروث من اليونان القديمة، فضّلت الأوساط الأكاديمية الغربية التقييمات غير الموحدة باستخدام المقالات التي يكتبها الطلاب. ولهذا السبب، لم يحدث أول تطبيق أوروبي للاختبارات الموحدة في أوروبا نفسها، بل في الهند البريطانية . ^{[ 8 ]} واستلهامًا من استخدام الصين للاختبارات الموحدة، استخدم مديرو الشركات البريطانية في أوائل القرن التاسع عشر امتحانات موحدة للتوظيف والترقيات لضمان نزاهة العملية وخلوها من الفساد والمحسوبية. ^{[ 8 ]} وقد تم اعتماد هذه الممارسة لاحقًا في أواخر القرن التاسع عشر في بريطانيا. وشهدت المناقشات البرلمانية التي تلت ذلك العديد من الإشارات إلى "نظام الماندرين الصيني". ^{[ 7 ]}

انتشر نظام الاختبارات الموحدة من بريطانيا ليس فقط في جميع أنحاء دول الكومنولث البريطاني ، بل إلى أوروبا ثم أمريكا. ^{[ 7 ]} وقد ساهم في انتشاره الثورة الصناعية ، حيث أدى ازدياد عدد طلاب المدارس نتيجة لقوانين التعليم الإلزامي إلى انخفاض استخدام التقييمات المفتوحة، التي كان من الصعب إنتاجها بكميات كبيرة وتقييمها بموضوعية.

طُوِّرت اختبارات موحدة، مثل اختبارات مجالس اختيار وزارة الحرب ، للجيش البريطاني خلال الحرب العالمية الثانية لاختيار المرشحين للتدريب على الضباط ومهام أخرى. ^{[ 9 ]} وقد ركزت هذه الاختبارات على القدرات الذهنية للجنود، ومهاراتهم الميكانيكية، وقدرتهم على العمل الجماعي، وغيرها من الصفات. وكانت الأساليب السابقة تعاني من التحيز، مما أدى إلى اختيار جنود غير مناسبين للتدريب على الضباط. ^{[ 9 ]}

لقد كانت الاختبارات الموحدة جزءًا من التعليم في الولايات المتحدة منذ القرن التاسع عشر، لكن الاعتماد الواسع النطاق على الاختبارات الموحدة في المدارس في الولايات المتحدة هو إلى حد كبير ظاهرة من القرن العشرين.

ساهمت الهجرة في منتصف القرن التاسع عشر في نمو الاختبارات المعيارية في الولايات المتحدة. ^{[ 10 ]} استُخدمت الاختبارات المعيارية عند دخول الناس إلى الولايات المتحدة لأول مرة لاختبار أدوارهم الاجتماعية وتحديد مكانتهم وسلطتهم الاجتماعية. ^{[ 11 ]}

بدأ مجلس امتحانات القبول الجامعي بتقديم اختبارات موحدة للقبول في الجامعات والكليات عام ١٩٠١، شملت تسعة مواد. طُبّق هذا الاختبار بهدف توحيد معايير القبول في الجامعات المرموقة في شمال شرق الولايات المتحدة. في الأصل، كان الاختبار مخصصًا أيضًا لأفضل المدارس الداخلية ، لتوحيد المناهج الدراسية بينها. ^{[ ١٢ ]} في البداية، كان الاختبار الموحد يتألف من مقالات، ولم يكن مُصممًا للاختبار على نطاق واسع. ^{[ ١٢ ]}

خلال الحرب العالمية الأولى ، طُوِّرت اختبارات ألفا وبيتا للجيش الأمريكي لمساعدة المجندين الجدد على الالتحاق بالمهام المناسبة بناءً على مستويات ذكائهم المُقَيَّمة. ^{[ 13 ]} ظهرت الطبعة الأولى من اختبار الذكاء المعياري الحديث ، وهو اختبار ستانفورد-بينيه للذكاء ، عام 1916. ثم صمّم مجلس الكليات اختبار SAT (اختبار القدرات الدراسية) عام 1926. استند اختبار SAT الأول إلى اختبارات الذكاء العسكرية، بهدف تحديد ذكاء المُختَبَر ومهاراته في حل المشكلات وتفكيره النقدي . ^{[ 14 ]} في عام 1959، قدّم إيفريت ليندكويست اختبار ACT (اختبار الكليات الأمريكية) لأول مرة. ^{[ 15 ]} اعتبارًا من عام 2020، يتضمن اختبار ACT أربعة أقسام رئيسية بأسئلة اختيار من متعدد لاختبار اللغة الإنجليزية والرياضيات والقراءة والعلوم، بالإضافة إلى قسم كتابة اختياري. ^{[ 16 ]}

بدأت الولايات الأمريكية في سبعينيات القرن الماضي بإجراء اختبارات على نطاق واسع للأطفال والمراهقين من خلال مدارسها الحكومية. وبحلول ثمانينيات القرن نفسه، أصبحت المدارس الأمريكية تُجري هذه الاختبارات على المستوى الوطني. ^{[ 17 ]} وفي عام 2012، أنفقت 45 ولاية ما متوسطه 27 دولارًا أمريكيًا لكل طالب، و669 مليون دولار أمريكي إجمالًا، على اختبارات أكاديمية سنوية واسعة النطاق. ^{[ 18 ]} ومع ذلك، فإن التكاليف غير المباشرة ، مثل رواتب المعلمين لإعداد الطلاب للاختبارات وأجور الحصص الدراسية المخصصة لإجرائها، تتجاوز التكلفة المباشرة للاختبار نفسه بشكل ملحوظ. ^{[ 18 ]}

شجعت حاجة الحكومة الفيدرالية لإجراء مقارنات ذات مغزى عبر نظام تعليم عام لا مركزي (يخضع لإدارة محلية) على استخدام الاختبارات المعيارية واسعة النطاق. وقد نص قانون التعليم الابتدائي والثانوي لعام 1965 على إجراء بعض الاختبارات المعيارية في المدارس الحكومية. كما ربط قانون "عدم إهمال أي طفل" لعام 2001 بعض أنواع تمويل المدارس الحكومية بنتائج هذه الاختبارات. وبموجب هذه القوانين الفيدرالية، ظلّت المناهج الدراسية تُحدد من قِبل كل ولاية على حدة، لكن الحكومة الفيدرالية ألزمت الولايات بتقييم مدى جودة تدريس المدارس والمعلمين للمواد التي تختارها الولاية من خلال الاختبارات المعيارية. ^{[ 19 ]} وقد استُخدمت نتائج الاختبارات المعيارية واسعة النطاق لتخصيص الأموال والموارد الأخرى للمدارس، ولإغلاق المدارس ذات الأداء الضعيف. حلّ قانون " نجاح كل طالب" محل قانون "عدم ترك أي طفل متخلفًا عن الركب" في نهاية عام 2015. ^{[ 20 ]} وبحلول ذلك الوقت، أصبحت هذه الاختبارات الموحدة واسعة النطاق مثيرة للجدل في الولايات المتحدة، ليس بالضرورة لأن جميع الطلاب كانوا يخضعون لنفس الاختبارات ويتم تقييمهم بنفس الطريقة، ولكن لأنها أصبحت اختبارات مصيرية بالنسبة للأنظمة المدرسية والمعلمين. ^{[ 21 ]}

في السنوات الأخيرة، تخلت العديد من الجامعات والكليات الأمريكية عن شرط تقديم نتائج الاختبارات الموحدة من قبل المتقدمين. ^{[ 22 ]}

بدأ برنامج التقييم الوطني الأسترالي - القراءة والكتابة والحساب (NAPLAN) للاختبارات المعيارية في عام 2008 من قبل الهيئة الأسترالية للمناهج والتقييم والإبلاغ، وهي هيئة مستقلة "مسؤولة عن تطوير منهج وطني، وبرنامج تقييم وطني، وبرنامج وطني لجمع البيانات والإبلاغ يدعم التعلم في القرن الحادي والعشرين لجميع الطلاب الأستراليين". ^{[ 23 ]}

يشمل الاختبار جميع طلاب الصفوف الثالث والخامس والسابع والتاسع في المدارس الأسترالية، حيث يتم تقييمهم باستخدام اختبارات وطنية. وتشمل المواد التي تغطيها هذه الاختبارات القراءة والكتابة وقواعد اللغة (الإملاء والنحو وعلامات الترقيم) والحساب.

يُقدّم البرنامج تقارير مُفصّلة عن مستوى الطلاب، تُمكّن أولياء الأمور من متابعة تقدّم أبنائهم خلال مسيرتهم الدراسية، وتُساعد المعلمين على تحسين فرص التعلّم الفردية لكل طالب. كما تُزوّد ​​بيانات الطلاب والمدارس النظام التعليمي المُختصّ، على أساس إمكانية استخدامها لتوجيه الدعم والموارد المُحدّدة إلى المدارس الأكثر احتياجًا. ويستخدم المعلمون والمدارس هذه المعلومات، إلى جانب معلومات أخرى، لتحديد مستوى أداء الطلاب، وتحديد أيّ احتياجات تتطلّب المساعدة.

إن مفهوم اختبار تحصيل الطلاب ليس جديدًا، مع أن النهج الأسترالي الحالي يُمكن القول إنه مستمد من هياكل السياسات التعليمية الحالية في كل من الولايات المتحدة والمملكة المتحدة. توجد عدة اختلافات جوهرية بين برنامج التقييم الوطني الأسترالي (NAPLAN) واستراتيجيات المملكة المتحدة والولايات المتحدة. وستُقدم مساعدات مالية للمدارس التي يُلاحظ تدني أدائها في السياق الأسترالي بموجب سياسة الحكومة الفيدرالية الحالية.

في عام 1968، تأسس المعهد الكولومبي لتقييم التعليم (ICFES) لتنظيم التعليم العالي. وتم تطبيق نظام التقييم العام السابق الخاص بترخيص تشغيل المؤسسات والبرامج الجامعية والاعتراف القانوني بها.

تُجري كولومبيا العديد من الاختبارات المعيارية لتقييم مستوى التعليم في البلاد. وتُجرى هذه الاختبارات من قبل المجلس الدولي للتعليم الأساسي والثانوي (ICFES).

يخضع طلاب الصفوف الثالث والخامس والتاسع لاختبار "Saber 3°5°9°". يُجرى هذا الاختبار حاليًا عبر الحاسوب في عينات مضبوطة وعينات من الإحصاءات العامة.

عند تخرجهم من المدرسة الثانوية، يقدم الطلاب شهادة "Saber 11" التي تتيح لهم الالتحاق بجامعات مختلفة في البلاد. ويمكن للطلاب الذين يدرسون في المنزل اجتياز هذا الامتحان للتخرج من المدرسة الثانوية والحصول على شهادة التخرج.

يجب على الطلاب الذين يغادرون الجامعة اجتياز امتحان "Saber Pro".

تترك كندا التعليم، وبالتالي الاختبارات الموحدة، تحت سلطة المقاطعات. ولكل مقاطعة نظامها الخاص للاختبارات الموحدة على مستوى المقاطعة، بدءًا من عدم وجود اختبارات موحدة إلزامية للطلاب في ساسكاتشوان ، وصولًا إلى اختبارات تُشكّل 40% من الدرجات النهائية في المرحلة الثانوية في نيوفاوندلاند ولابرادور. ^{[ 24 ]}

في أغلب الأحيان، يتضمن الاختبار الأكاديمي الرئيسي أقسامًا يتم تصحيحها بواسطة البشر وأخرى يتم تصحيحها بواسطة الكمبيوتر.

يمكن أن يتألف الاختبار المعياري من أسئلة اختيار من متعدد، أو أسئلة صح أو خطأ، أو أسئلة مقالية، أو تقييمات واقعية ، أو أي شكل آخر من أشكال التقييم. غالبًا ما تُختار أسئلة الاختيار من متعدد وأسئلة الصواب والخطأ للاختبارات التي يخضع لها آلاف الأشخاص، نظرًا لإمكانية إجرائها وتصحيحها بتكلفة منخفضة وسرعة وموثوقية عالية، وذلك باستخدام نماذج إجابة خاصة يمكن قراءتها بواسطة الحاسوب أو من خلال الاختبارات التكيفية المحوسبة . تتضمن بعض الاختبارات المعيارية أقسامًا للإجابات القصيرة أو كتابة المقالات، حيث يُقيّمها مقيّمون مستقلون باستخدام معايير تقييم (قواعد أو إرشادات) ونماذج مرجعية (أمثلة على نماذج الإجابات لكل درجة ممكنة) لتحديد الدرجة الممنوحة لكل إجابة.

أي موضوع

لا تقتصر جميع الاختبارات المعيارية على الإجابة عن أسئلة. فقد يتخذ التقييم الحقيقي للمهارات الرياضية شكل الجري لفترة زمنية محددة أو مراوغة الكرة لمسافة معينة. ويجب على العاملين في مجال الرعاية الصحية اجتياز اختبارات تثبت قدرتهم على إجراء العمليات الطبية. كما يجب على المتقدمين للحصول على رخص القيادة اجتياز اختبار معياري يثبت قدرتهم على قيادة السيارة. وقد استُخدم الاختبار الكندي المعياري للياقة البدنية في البحوث الطبية لتحديد مدى اللياقة البدنية للممتحنين. ^{[ 25 ] [ 26 ]}

منذ أواخر القرن العشرين، تأثرت الاختبارات المعيارية واسعة النطاق جزئياً بسهولة وانخفاض تكلفة تصحيح اختبارات الاختيار من متعدد بواسطة الحاسوب. ولا تخضع معظم التقييمات الوطنية والدولية للتقييم البشري بشكل كامل.

اعتاد الناس على تقييم العناصر التي يصعب على الحاسوب تقييمها بسهولة (مثل المقالات). على سبيل المثال، يُعدّ اختبار سجل الخريجين تقييمًا تكيفيًا محوسبًا لا يتطلب أي تقييم بشري باستثناء جزء الكتابة. ^{[ 27 ]}

يُعدّ التصحيح البشري مكلفًا نسبيًا، وغالبًا ما يكون متفاوتًا، ولذلك يُفضّل التصحيح الحاسوبي كلما أمكن ذلك. على سبيل المثال، يرى بعض النقاد أن الموظفين ذوي الأجور المتدنية سيُقيّمون الاختبارات بشكل سيئ. ^{[ 28 ]} قد تتراوح نسبة الاتفاق بين المُصحّحين بين 60 و85%، وذلك بحسب نوع الاختبار وجلسة التصحيح. في الاختبارات واسعة النطاق في المدارس، يدفع بعض مُشرفي الاختبارات لمُصحّحين اثنين أو أكثر لقراءة كل ورقة؛ فإذا لم تتفق تقييماتهم، تُحال الورقة إلى مُصحّحين إضافيين. ^{[ 28 ]}

على الرغم من أن هذه العملية أكثر صعوبة من تصحيح اختبارات الاختيار من متعدد إلكترونيًا، إلا أنه يمكن أيضًا تصحيح المقالات بواسطة الحاسوب. وفي حالات أخرى، تُصحح المقالات وغيرها من الإجابات المفتوحة وفقًا لمعايير تقييم محددة مسبقًا من قِبل مصححين مدربين. على سبيل المثال، في بيرسون، جميع مصححي المقالات حاصلون على شهادات جامعية لمدة أربع سنوات، ومعظمهم من المعلمين الحاليين أو السابقين. ^{[ 29 ]}

يهدف استخدام معايير التقييم إلى تعزيز العدالة عند تقييم أداء الطالب. في الاختبارات المعيارية، يسهل تحديد خطأ القياس (نمط ثابت من الأخطاء والتحيزات في تصحيح الاختبار). أما عندما تعتمد الدرجة على تفضيلات المصححين الشخصية، فإن درجات الطلاب تعتمد على هوية المصحح.

تساهم الاختبارات المعيارية أيضًا في إزالة تحيز المصححين في التقييم. تشير الأبحاث إلى أن المعلمين يخلقون نوعًا من النبوءة ذاتية التحقق في تقييمهم للطلاب، حيث يمنحون من يتوقعون نجاحهم درجات أعلى، بينما يمنحون من يتوقعون رسوبهم درجات أقل. ^{[ 30 ]} في التقييم غير المعياري، يتمتع المصححون بسلطة تقديرية أكبر، وبالتالي يكونون أكثر عرضة لإنتاج نتائج غير عادلة نتيجةً للتحيز اللاواعي .

يوجد نوعان من تفسيرات نتائج الاختبار : تفسير النتائج بناءً على المعيار المرجعي أو تفسير النتائج بناءً على المعيار المرجعي . ^{[ 4 ]}

• تُقارن تفسيرات الدرجات المرجعية المعيارية أداء المُختَبَرين بعينة من أقرانهم . ^{[ 4 ]} والهدف هو تصنيف المُختَبَرين إلى أفضل أو أسوأ من غيرهم. ترتبط تفسيرات درجات الاختبار المرجعية المعيارية بالتعليم التقليدي ، حيث يجتاز الاختبار من يحقق أداءً أفضل من غيره، بينما يرسب من يحقق أداءً أسوأ.
• تُقارن تفسيرات الدرجات المرجعية للمعيار أداء المُختَبَرين بمعيار مُحدَّد (تعريف رسمي للمحتوى)، بغض النظر عن درجات المُختَبَرين الآخرين. ^{[ 4 ]} ويمكن وصفها أيضًا بالتقييمات القائمة على المعايير ، نظرًا لتوافقها مع حركة إصلاح التعليم القائمة على المعايير . ^{[ 31 ]} وتقتصر تفسيرات الدرجات المرجعية للمعيار على تحديد ما إذا كانت إجابة هذا الطالب تحديدًا صحيحة وكاملة أم لا. وفي ظل أنظمة التقييم المرجعية للمعيار، يُمكن لجميع المُختَبَرين اجتياز الاختبار، أو رسوبهم جميعًا.

يمكن استخدام أي من هذين النظامين في الاختبارات المعيارية. والأهم في الاختبارات المعيارية هو ما إذا كان جميع الطلاب يُطرح عليهم أسئلة متطابقة، في ظل ظروف متساوية إلى حد معقول، ويتم تقييمهم وفقًا للمعايير نفسها.

يقارن التقييم المعياري كل مُختَبَر بغيره من المُختَبَرين. أما الاختبار المرجعي المعياري فهو نوع من الاختبارات أو التقييمات التي تُقدِّم تقديرًا لموقع الفرد المُختَبَر ضمن مجتمع مُحدَّد مسبقًا. ويُستمد هذا التقدير من تحليل نتائج الاختبار وبيانات أخرى ذات صلة من عينة مُختارة من المجتمع. يُحدِّد هذا النوع من الاختبارات ما إذا كان أداء المُختَبَر أفضل أو أسوأ من أداء الآخرين الذين خضعوا لهذا الاختبار. يُعد اختبار الذكاء اختبارًا معياريًا مرجعيًا.

تُعدّ الاختبارات المعيارية المرجعية مفيدةً لأغراض القبول في التعليم العالي، حيث تسعى الجامعات إلى مقارنة الطلاب من مختلف أنحاء الدولة أو العالم، وذلك من خلال المقارنة مع الآخرين. يضمن التقييس اختبار جميع الطلاب على قدم المساواة، بينما تُحدّد المرجعية المعيارية الطلاب الأفضل والأقل أداءً. ومن أمثلة هذه الاختبارات المعيارية الدولية دراسة الاتجاهات في الرياضيات والعلوم الدولية ( TIMMS ) ودراسة التقدم في مهارات القراءة الدولية ( PIRLS ).

الاختبار المرجعي المعياري هو نوع من الاختبارات يستخدم درجات الاختبار لإظهار مدى جودة أداء المُختَبَر في مهمة معينة، وليس مقارنة أدائه بأداء مُختَبَرين آخرين. معظم الاختبارات والمسابقات التي يُعدّها معلمو المدارس هي اختبارات مرجعية معيارية. في هذه الحالة، يقتصر الهدف على معرفة ما إذا كان المُختَبَر قادرًا على الإجابة عن الأسئلة بشكل صحيح. ولا يسعى مُعِدّ الاختبار عادةً إلى مقارنة نتيجة كل شخص مع نتائج المُختَبَرين الآخرين.

في مجال القياس النفسي ، تحدد معايير الاختبارات التربوية والنفسية ^{[ 32 ]} معايير تتعلق بالصلاحية والموثوقية، إلى جانب أخطاء القياس وقضايا تتعلق بتوفير التسهيلات للأفراد ذوي الإعاقة . أما الموضوع الرئيسي الثالث والأخير فيتناول المعايير المتعلقة بتطبيقات الاختبار، ومنح الشهادات ، بالإضافة إلى الاختبار في تقييم البرامج والسياسات العامة .

في مجال التقييم ، ولا سيما التقييم التربوي ، نشرت اللجنة المشتركة لمعايير التقييم التربوي ^{[ 33 ]} ثلاث مجموعات من معايير التقييم. نُشرت معايير تقييم الأفراد ^{[ 34 ]} عام 1988، ومعايير تقييم البرامج (الطبعة الثانية) ^{[ 35 ]} عام 1994، ومعايير تقييم الطلاب ^{[ 36 ]} عام 2003.

يقدم كل منشور مجموعة من المعايير للاستخدام في مختلف البيئات التعليمية. توفر هذه المعايير إرشادات لتصميم وتنفيذ وتقييم وتحسين نموذج التقييم المحدد. وقد صُنفت كل معيار ضمن إحدى الفئات الأساسية الأربع لتعزيز التقييمات التعليمية السليمة والمفيدة والممكنة والدقيقة. في هذه المجموعات من المعايير، تُغطى اعتبارات الصلاحية والموثوقية ضمن موضوع الدقة. تهدف الاختبارات إلى توفير معلومات سليمة ودقيقة وموثوقة حول التعلم والأداء؛ ومع ذلك، فإن معظم الاختبارات الأكاديمية (سواء كانت موحدة أم لا) تقدم معلومات محدودة عن التحصيل. إن الاعتماد على منظور ضيق يركز على الجانب الأكاديمي فقط لا يعكس بشكل كامل إمكانات الفرد للنجاح (على سبيل المثال، من خلال عدم اختبار المهارات الشخصية أو المهارات الناعمة ). ^{[ 37 ]}

من أهم مزايا الاختبارات المعيارية واسعة النطاق إمكانية توثيق نتائجها تجريبياً؛ وبالتالي، يمكن إثبات أن درجات الاختبار تتمتع بدرجة نسبية من الصلاحية والموثوقية ، فضلاً عن إمكانية تعميم النتائج وتكرارها. ^{[ 38 ]} ويُقارن هذا عادةً بالدرجات المُسجلة في السجل المدرسي، والتي يُحددها كل مُعلم على حدة. عند النظر إلى الدرجات المُحددة فردياً، قد يصعب مراعاة الاختلافات في الثقافة التعليمية بين المدارس، وصعوبة واجبات المُعلم، واختلاف أساليب التدريس، والضغط لتضخيم الدرجات ، وغيرها من الأساليب والتحيزات التي تؤثر على عملية التقييم.

ومن المزايا الأخرى إمكانية التجميع. إذ يوفر الاختبار المعياري المصمم جيدًا تقييمًا لمدى إتقان الفرد لمجال معرفي أو مهارة معينة، وهو ما يوفر، عند تجميعه، معلومات مفيدة. بمعنى آخر، بينما قد لا تكون التقييمات الفردية دقيقة بما يكفي للأغراض العملية، فإن متوسط ​​درجات الفصول الدراسية أو المدارس أو فروع الشركة أو غيرها من المجموعات قد يوفر معلومات مفيدة نظرًا لانخفاض نسبة الخطأ الناتج عن زيادة حجم العينة.

الاختبار ذو الأهمية الكبيرة هو اختبار يُمنح فيه الطالب مكافأة مجزية للأداء الجيد. ^{[ 4 ]} بعض الاختبارات المعيارية، بما في ذلك العديد من الاختبارات المستخدمة للقبول الجامعي حول العالم، هي اختبارات ذات أهمية كبيرة. أما معظم الاختبارات المعيارية، مثل الاختبارات القصيرة العادية في الفصول الدراسية، فهي اختبارات ذات أهمية منخفضة. ^{[ 4 ]}

يُعدّ الاعتماد المفرط على الاختبارات المعيارية عالية المخاطر في اتخاذ القرارات أمرًا مثيرًا للجدل في كثير من الأحيان. ومن المخاوف الشائعة بشأن هذه الاختبارات أنها تقيس الأداء خلال حدث واحد (مثل الأداء خلال اختبار أداء واحد)، في حين يرى النقاد أن التقييم الشامل هو الأنسب. ويقترح النقاد عادةً التركيز على المقاييس التراكمية أو حتى غير الرقمية، مثل درجات الصف أو التقييمات الفردية الموجزة (المكتوبة نثرًا) من المعلمين. ويجادل المؤيدون بأن نتائج الاختبارات توفر معيارًا واضحًا وموضوعيًا يُعدّ بمثابة ضابط قيّم لتضخيم الدرجات . ^{[ 39 ]}

الاختبار المعياري المرجعي هو اختبار مصمم ومصحح بحيث يتفوق بعض الممتحنين على غيرهم في الترتيب. ^{[ 4 ]} يوفر هذا الترتيب معلومات حول الترتيب النسبي، وهو أمر مفيد عند تحديد الأفضل (مثلًا، في القبول بالجامعات المرموقة). ^{[ 4 ]}

يُعدّ الاختبار المرجعي المعياري أكثر شيوعًا وعمليةً عندما يكون الهدف هو معرفة ما إذا كان المتقدمون للاختبار قد تعلموا المادة المطلوبة. ^{[ 4 ]} على سبيل المثال، إذا كان الهدف هو معرفة ما إذا كان شخص ما قادرًا على ركن السيارة بشكل متوازٍ ، فإن اختبار القيادة المعياري يُطلب فيه من الشخص ركن السيارة، ثم يُقاس أداؤه بناءً على ما إذا كان قد قام بذلك بشكل صحيح وآمن.

مع ذلك، يعترض بعض النقاد على الاختبارات المعيارية ليس لاعتراضهم على إجراء الاختبار نفسه للطلاب في ظروف متشابهة إلى حد معقول وتقييم إجاباتهم بالطريقة نفسها، بل لاعتراضهم على نوعية المواد التي تختبرها المدارس عادةً. فعلى سبيل المثال، قد يقول أحد النقاد إنه ليس من الضروري معرفة ما إذا كان الطالب يجيد ركن السيارة بشكل متوازٍ. وفي السياق التعليمي، قد يرغب النقاد في اختبار المهارات غير الأكاديمية أو المهارات الشخصية . ورغم وجود اختبارات معيارية للسمات غير الأكاديمية، مثل اختبارات تورانس للتفكير الإبداعي ، إلا أن المدارس نادرًا ما تُجري اختبارات معيارية لقياس "المبادرة، والإبداع، والخيال، والفضول، وحسن النية، والتفكير الأخلاقي، أو غيرها من السمات والصفات القيّمة". ^{[ 40 ] [ 41 ]} وبدلًا من ذلك، تميل الاختبارات التي تُجريها المدارس إلى التركيز بشكل أقل على تنمية الأخلاق أو الشخصية، وأكثر على المهارات الأكاديمية الفردية القابلة للتحديد، مثل فهم المقروء والحساب .

يشعر بعض الأشخاص بالقلق عند إجراء الاختبارات. تتراوح نسبة الطلاب الذين يعانون من قلق الاختبار بين 10 و40%. ^{[ 42 ]} ينطبق قلق الاختبار على كل من الاختبارات المعيارية وغير المعيارية.

قد يظهر قلق الاختبار في أي موقف يشعر فيه الشخص بأنه مُعرَّض للتقييم من قِبَل الآخرين، لا سيما إذا اعتقد أنه من غير المرجح أن يحصل على تقييم إيجابي. ^{[ 43 ]} وتُعد هذه الظاهرة أكثر شيوعًا في الاختبارات المصيرية مقارنةً بالاختبارات غير المصيرية. ويمكن أن تُسبب الاختبارات المصيرية (سواء كانت معيارية أو غير معيارية) قلق الاختبار . كما أن الأطفال الذين يعيشون في فقر أكثر عرضةً للإصابة بقلق الاختبار من الأطفال المنتمين إلى أسر ميسورة الحال. ^{[ 44 ]}

يقول بعض الطلاب إنهم "سيئون في أداء الاختبارات"، أي أنهم يشعرون بالتوتر ويفقدون تركيزهم أثناء الاختبارات. على سبيل المثال، خلال اختبار القيادة الموحد، قد يكون الطالب متوترًا للغاية لدرجة أنه يرتكب أخطاءً. لذلك، ورغم أن الاختبار معياري ويفترض أن يقدم نتائج عادلة، إلا أن الطلاب الذين يخضعون للاختبار يشكون من أنهم في وضع غير مواتٍ مقارنةً بمن يخضعون لاختبارات أقل توترًا.

يُقدّم اختبار الاختيار من متعدد للمُختبَر أسئلةً مُقترنةً بقائمة مُحدّدة مُسبقًا من الإجابات المُحتملة. وهو نوع من الأسئلة المُغلقة ، حيث يختار المُختبَر الإجابة الصحيحة من القائمة.

يعترض العديد من منتقدي الاختبارات المعيارية على نمط الاختيار من متعدد، الذي يُستخدم عادةً في الاختبارات واسعة النطاق وغير المكلفة، ولكنه غير مناسب لبعض الأغراض، مثل قياس قدرة الممتحن على كتابة فقرة. مع ذلك، يمكن للاختبارات المعيارية استخدام أي نمط، بما في ذلك الأسئلة المفتوحة ، شريطة أن يخضع جميع الممتحنين للاختبار نفسه، في ظروف متشابهة إلى حد معقول، وأن يتم تقييمهم بالطريقة نفسها.

التدريس من أجل الاختبار هو عملية تضييق نطاق التدريس عمدًا للتركيز فقط على المادة التي سيتم قياسها في الاختبار. على سبيل المثال، إذا كان المعلم يعلم أن اختبار التاريخ القادم لن يتضمن أي أسئلة حول تاريخ الموسيقى أو الفن، فيمكنه "التدريس من أجل الاختبار" بتجاوز المادة المتعلقة بالموسيقى والفن في الكتاب المدرسي. كما يتهم النقاد الاختبارات المعيارية بتشجيع " التدريس من أجل الاختبار " على حساب الإبداع والتغطية المتعمقة للمواضيع غير المشمولة في الاختبار. ويقول النقاد إن التدريس من أجل الاختبار يُضعف مهارات التعلم العليا؛ فهو يُغير ما يُسمح للمعلمين بتدريسه ويُحدّ بشكل كبير من كمية المعلومات الأخرى التي يتعلمها الطلاب على مدار السنوات الدراسية. ^{[ 45 ]} في حين أنه من الممكن استخدام اختبار معياري دون السماح لمحتواه بتحديد المنهج والتدريس، إلا أنه في كثير من الأحيان، لا يتم تدريس ما لا يتم اختباره، وغالبًا ما تصبح طريقة اختبار الموضوع نموذجًا لكيفية تدريسه.

تشجع الاختبارات المفروضة من جهات خارجية، مثل الاختبارات التي تضعها وزارة التعليم للطلاب في منطقتهم، المعلمين على تضييق نطاق المنهج الدراسي والتركيز على التدريس من أجل الاختبار. ^{[ 46 ]}

يقوم نظام الأجور القائم على الأداء على فكرة زيادة رواتب المعلمين بناءً على أداء الطلاب في الاختبارات، وخفضها في حال ضعف أدائهم. ^{[ 45 ]} عندما تُكافأ المدارس أو المعلمون على الأداء المتميز في الاختبارات، فإن هذه المكافآت تُشجع المعلمين على التركيز على " التدريس من أجل الاختبار " بدلاً من توفير منهج دراسي ثري ومتنوع. في عام 2007، أظهرت دراسة نوعية أجراها أو واين أن الاختبارات الموحدة تُضيّق نطاق المنهج الدراسي وتُشجع على التعليم الذي يركز على المعلم بدلاً من التعلم الذي يركز على الطالب . ^{[ 47 ]} اقترح حاكم ولاية نيوجيرسي، كريس كريستي، إصلاحًا تعليميًا في الولاية يضغط على المعلمين ليس فقط للتدريس من أجل "الاختبار"، بل أيضًا على تحسين أداء طلابهم، مما قد يُؤثر سلبًا على رواتبهم وأمنهم الوظيفي. دعا الإصلاح إلى نظام أجور قائم على الأداء يعتمد على أداء الطلاب في الاختبارات الموحدة ومكتسباتهم التعليمية. ^{[ 48 ]}

يرى النقاد أن الإفراط في استخدام هذه الاختبارات وإساءة استخدامها يضرّ بالتعليم والتعلم من خلال تضييق نطاق المنهج الدراسي. ووفقًا لمنظمة "فير تيست" ، عندما تكون الاختبارات المعيارية هي العامل الأساسي في المساءلة، تستخدم المدارس هذه الاختبارات لتحديد المنهج الدراسي بدقة وتركيز التدريس. وتخلق المساءلة ضغطًا هائلًا لتحقيق الأداء الأمثل، مما قد يؤدي إلى إساءة استخدام الاختبارات المعيارية وتفسيرها بشكل خاطئ. ^{[ 49 ]}