2.3　纵向量表

美国教育协会（American Council on Education）和美国国家教育测量学会（National Council on Measurement in Education, NCME）共同组织编写的《教育测量》（Educational Measure-ment）一书被人们称为“教育测量领域的《圣经》”。在2006年《教育测量》第4版出版之前，教育测量领域曾广泛使用“纵向等值”（vertical equating）概念。纵向等值的意思是，对于一些伴随年龄和学习过程持续发展的能力，如阅读能力、写作能力、语言能力、数学能力等，需要编制开发从低到高水平不同的测试量表。例如，测试汉语作为第二语言能力水平的《中国汉语水平考试》（HSK）就包含从低到高的6个级别的考试，一级水平最低，六级水平最高。通过分数比较将不同级别的6个测验组成一个整体量表的过程被称为“纵向等值”。

考虑到不同级别的考试难度，并不相等，从2006年以后，人们不再将这种在不同水平的考试之间建立可比性的过程称为“垂直等值”，而是称为“垂直量表化”（vertical scaling），将这种由多个不同水平的测试组成的量表称为“纵向量表”（vertical scale）。

在《教育测量》第4版中，使用了一个上位概念，将在不同的测试之间建立可比性的过程统称为“连接”（linking）。将“连接”划分为三种：等值、预测（prediction）和量表化（scaling）。在所测量构念相同、水平相同的不同测验版本的分数之间建立连接的过程，被称为“等值”。在所测量构念相同、但水平不同的不同测验分数之间建立连接的过程，被称为“量表化”。在所测量构念不同的测验分数和效度标准变量（validity criterion variable）之间建立联系的过程，被称为“预测”。

在进行成长评估的时候，为了对学生的成长进行评估，需要在特定时段（如一学期或一学年）的开始时和结束时进行两次测试。两次测试需要使用不同的试卷。两次测试所使用的试卷，需要进行分数等值，才可以进行比较。否则，如果第二次测试的分数提高明显，我们无法知道分数提高是因为学生获得了“成长”还是因为第二次测试的试卷比较容易。

有时候，我们需要做跨学期，跨学年，甚至是跨几个学年的成长评估。例如，要对学区内多所初中的教学效果进行比较，需要在初一入学时和初三毕业时进行两次测试。面对初一新生使用的测试试卷，很可能并不适用于初三毕业生。这时，不能对两份试卷进行“等值”，而是需要“量表化”，需要将两份难度不同的试卷放到一个统一的量表之上。

在美国各州的成长评估中，采用较多的评估工具是纵向量表《智者平衡评估联盟测试系统》（The Smarter Balanced Assessment Consortium, SBAC）和《大学学习和就业准备联合测试》（Partnership for the Assessment of Readiness for College and Career, PARCC）。SBAC和PARCC都将《共同核心国家标准》（Common Core State Standards, CCSS）作为成长评估的依据。CCSS是美国从学前班到高中（K-12）教育的国家标准。

SBAC和PARCC的编制都曾受到联邦政府的资助，资助来自作为2009年奥巴马总统颁布的《2009美国复苏与再投资法案》组成部分的“力争上游”教育资助计划。“力争上游”计划的资助总额度是43.5亿美元。

从2010年到2014年，SBAC测试系统的开发获得了联邦政府1.78亿美元的资助。在此期间，华盛顿州政府作为联邦资金的财务管理人。2014年联邦拨款结束后，智者平衡评估联盟成为加州大学洛杉矶分校（UCLA）教育和信息研究所的一个常设公共机构。现在，SBAC系统，由联盟成员共同进行管理，制定预算和相关政策，运行系统，继续进行研究和开发，不断对系统进行改进和完善。PARCC的开发则获得了联邦政府1.86亿美元的资助。