基于Excel VBA的S-P表测评系统的改进与应用——以一次物理测验为例

欧阳映

（华东师范大学物理系 上海 200241）

S-P表（Student-Problem chart）即学生 －问题分数分布图，是日本学者佐藤隆博（Takahiro Sato）于20世纪70年代开创的一种教学评价方法［1］.它根据学生对各问题的反应情况，把学生和问题得分联合排列在一个图表上，从而得到学生集体和问题组的总倾向，以及显示出个别学生和问题对总倾向的偏离程度.S-P表评价法，将学生和问题特性以视觉化的图表进行结构化分析，简便、直观，便于教师理解与掌握，教师可以借助S-P表的统计指标来诊断学生表现、试题品质和教学成果，并作为改进教学、命题与辅导学生的参考［2］.

1 当前S-P表法技术存在的问题

国内外现有很多应用S-P表评价法的研究，例如，S-P表法在职业技术学校招生考试中的应用模型［3］，整合运用项目反映理论和S-P表法评估学生基于网络学习环境的学习能力［4］，还有像文献［5］及文献［6］运用Excel VBA技术建立S-P表法考试分析系统等.这些S-P表评价法的应用研究都是以一定标准将学生的成绩“0，1”化，对于分析客观题很有效，但却减少了记分题中学生成绩的部分信息.为了更好地解决上述问题，文献［7］将模糊数学的理论引入S-P表中，形成模糊S-P表法理论，能较好地评价学生在记分题中的答对程度，拓展了S-P表的使用范围.因此，将传统S-P表法理论和模糊S-P表法理论相结合，并利用Excel VBA技术实现S-P表自动化分析的改进系统，有着实际的研究价值.

2 基于Excel VBA的S-P表测评系统的改进设计

改进后的S-P表测评系统利用Excel中的宏命令功能，并根据传统S-P表的分析方法和步骤，吸收模糊S-P表法思想，设计了试卷信息采集，S-P表自动处理，数据分析3个功能模块.改进后的S-P表测评系统的所有功能如表1所示.

表1 改进后的S-P表测评系统的功能概览

2.1 试卷信息采集模块

采集试卷的基本信息，并要求用户将学生的应答信息逐一录入到搭建好的S-P表框架中.系统允许用户以三种形式录入学生应答信息，突破传统的S-P表只能输入“0”或者“1”的限制.

（1）适用于选择题等客观题的传统S-P表，只录入“0”和“1”.学生应答正确则录入“1”，学生应答错误则录入“0”.

（2）适用于对单项选择题作深入分析的新S-P表，录入“1”和字母A，B，C，D等.学生应答正确则录入“1”，学生应答错误则录入“错误选项／正确选项”，比如录入“C／A”，则表示该题正确答案为A，但是该学生错答为C.

（3）适用于记分题的新S-P表，先在相应位置录入每题的满分值Kj，再录入学生的原始得分Cij.

2.2 S-P表自动处理模块

根据改进的S-P表法理论，按步骤进行初步统计计算、排序、绘制S曲线和P曲线等，自动化处理菜单如图1所示.

图1 S-P表自动化处理菜单（记分题）

若为客观题，录入S-P表的数据为“0”“1”或字母，系统将录入的字母默认为0或1来处理.系统先根据每个学生总分的高低，将学生依次由上至下排列，再根据每个问题答对学生人数的多少，将问题依次从左至右排列（若学生得分或问题的答对人数相同，则根据协方差［2］进行部分修正）.然后，依照每位学生的得分数绘制S曲线，即S线左边的问题数等于该学生的得分数，依照每题的正答数绘制P曲线，即横线上方的学生数等于该问题的正答人数.

若为记分题，录入S-P表的数据首先经计算机处理后，自动转换为0到1之间取任意值，即答对率yij，为录入题目分数与题目总分的比值，即yij＝.系统对记分题的处理和客观题类似，学生S按i各题答对率之和的高低自上而下排列，题目Pj按学生在该题答对率之和的高低自左到右排列，最后将s和p小数后第一位按四舍五入取整，再用同样方法绘出S线和P线.

2.3 数据分析模块

完成S-P表自动化处理后，系统将生成针对整个考试的整体评价参数和针对学生个体的评价参数.

2.3.1整体评价参数

系统采用下列公式计算测试的整体评价参数即差异系数D＊［2］.

差异系数表示S曲线和P曲线的不一致程度的重要参数.若差异系数D＊＜0.25，可认为测试问题有较好的等质性.一般在综合性测试中，差异系数D＊＝0.5为标准值，D＊＞0.6要注意.在小型测试中，差异系数D＊＝0.4为标准值，D＊＞0.5要注意.

2.3.2 个体评价参数

对于客观题，系统分别计算学生注意系数CS（caution index for students）与问题注意系数CP（caution index for problems）［1，2］，来判断学生或试题在反应型中是否有异常现象.当注意系数0.5＜CS（CP）≤0.75时，就要引起注意，在S-P表中以“！”标识，若注意系数超过0.75，在S-P表中以“！！”标识.但如果某些学生成绩很好，其正答率超过85%，则可以认为该学生已经达到学习目标，即使注意系数超过注意标准，也无须注意.为了更直观地反映学生学习情况或试题的难易程度，本系统在已有研究［5］的基础上，增加A＋类学生类型（划分区间为学生正答率超过85%），共将学生分类诊断为7类，即A＋，A，A＊，B，B＊，C，C＊，问题分类诊断为4类，即 A，A＊，B，B＊.

对于记分题，系统分别计算学生鉴别指数DS（discrimination index for student）［7］和标准化考试中的指标 —— 问题鉴别指数DP（discrimination index for problem）.

式中s值代表学生Si各题答对率之和，PH代表参加测验的高分组学生的答对率（占总体比例的27%），PL代表参加测验的低分组学生的答对率（占总体比例的27%）.

当DS＞0.3，就应引起注意，在S-P表中以“！”标识；DS＞0.5则应特别注意，以“！！”标识；DP≥0，则测验项目正常；DP＜0，则不正常，在S-P表中以“！！”标识.根据正答率和鉴别指数的分布情况，也对学生和问题进行诊断分类，同样将学生分类诊断为7类 A＋，A，A＊，B，B＊，C，C＊；问题分类诊断为4类A，A＊，B，B＊.

3 应用举例

现运用一个具体的例子对改进后的S-P表法测评系统的使用作进一步说明.本文选取某中学的一次物理小测验做整理（限于篇幅，随机抽取10名学生的6道单项选择题和5道记分题，记分题中P1，P2，P3，P4，P5的满分值分别为8，10，10，10，12分），得到一个未经处理的学生 －问题原始得分表（表2）.

表2 学生 －问题原始得分表

3.1 分析处理单项选择题

对于单项选择题，可采取传统S-P表的0-1录入方式，或选择改进后的录入方式，录入“1”和字母A，B，C，D等.此处以录入“1”和字母A，B，C，D等的情况为例，经系统自动化分析处理后，得到S-P表如表3所示.

表3显示，总体差异系数为0.43，表明此项目考核基本符合等质性要求，学生在该考核项目的学习表现较稳定.本例中，S线没有较长的横幅，说明学生的能力分布较正常，P线没有较长的纵幅，说明题目的难易搭配较合理，各题目的注意系数均未超过注意标准，属A类题，可以用来区分低成绩者和其他学生.但是P4属于容易题，应重新调整其在试卷中的位置，学生S2正答率超过0.85，表现优秀，属于A＋类型，学生S4和S8均超过注意标准，属于B＊类型，说明两学生学习准备不充分，粗心大意，答错了试卷中相对容易的题，教师应激励学生努力学习并注意培养其“耐心”的品质.

点击S-P表自动化处理菜单中的“分析单项选择题作答情况”，系统即可生成表4.

表3 系统对单项选择题分析处理

表4 学生误答分析

教师可从此表中了解各题选项的干扰性大小以及学生对问题的反映分布情况.从表4可观察到，题P3错选C以及题P5错选A的人数较多，这两个选项的干扰性较大，教师需要加强学生辨析该方面知识的能力.

3.2 分析处理记分题

在S-P系统中选择以非客观题形式录入数据，经系统自动处理后，可得到如表5所示的S-P表.

表5 系统对记分题分析处理

4 结语

本次基于Excel VBA开发的S-P表法分析评价系统，分析范围更广，更具实用性，且操作简单，便于在教师中推广使用.但是在运用S-P表评价系统对教学进行评价时也存在一些局限性，比如，它只能按一个主题、一个单元地使用S-P表进行分析，不适合做大样本数据的分析，它可对客观题和记分题进行处理，也能较好地分析学生对单项选择题的反映分布情况，但还不能将此推广应用于多项选择题等.针对S-P表的小样本分析局限性问题，教师可因势利导，采取一一对应的方式来应对，即一个S-P表对应一个班级学生的一个项目测评，这样，既条理分明又一目了然.针对S-P表分析多项选择题存在局限性的问题，主要在于学生多项选择题的得分与对问题选项的反应均存在多样性，教师若不需要了解学生对问题选项的反应分布，则可将其作为记分题来处理也未尝不可.教学评价是一项系统的、繁复的工程，目前S-P表测评系统所给出的学生学习类型和问题类型分类标准是建立在前人研究的基础上的，分类标准的再细化问题还有待继续研究.

1 Sato Takahiro.The S-P Chart and the Caution Index.NEC Educational Information Bulletin 80-1，1980

2 傅德荣，章慧敏.教育信息处理.北京：北京师范大学出版社，2001.151～165

3 Chien Y.Dai，Jung-Kai Cheng，Jo-Kuang Sung，Chiu-pai Ho.An Applied Model of SP Chart in the Technological and Vocational Schools Entrance Examination.Nanyang Technological University，2005

4 Wen-Chih Chang，Hsuan-Che Yang，Timothy K.Shih，and Mao-Fan Li.Integrating IRT to Estimate Learning Ability with S-P Chart in Web Based Learning Environment.Lecture Notes in Computer Science，2008（5 328）：133～145

5 万岩.S-P表在教学评价中的应用及其计算机实现：［学位论文］.武汉：华中师范大学，2008

6 郭孝存，王文忠，那木拉，陶红平.基于Excel VBA的S－P表试卷分析系统设计.阴山学刊，2011，25（2）：46～48

7 张晓晞，徐坚，张鉴.模糊S-P表在学生测验结果评价中的应用.北京联合大学学报，2007，21（2）：4～6