Đánh giá giáo dục (Educational assessment / Assessment) là quá trình thu thập, phân tích và diễn giải các bằng chứng định tính và định lượng một cách có hệ thống về kiến thức, kỹ năng, thái độ và năng lực của người học, nhằm đưa ra những phán đoán sư phạm chuẩn xác và định hướng nâng cao chất lượng dạy và học. quá trình thu thập, phân tích và diễn giải các bằng chứng định tính và định lượng một cách có hệ thống về kiến thức, kỹ năng, thái độ và năng lực của người học, nhằm đưa ra những phán đoán sư phạm chuẩn xác và định hướng nâng cao chất lượng dạy và học.
Bản chất và các hình thái đánh giá cốt lõi
Trong lý luận dạy học hiện đại, hoạt động đánh giá không đơn thuần là chấm điểm xếp loại cuối kỳ mà được cấu trúc thành ba hình thái chức năng tương hỗ:
- Đánh giá chẩn đoán (Diagnostic assessment): Thực hiện trước khi bắt đầu một khóa học hoặc chương trình đào tạo nhằm xác định trình độ xuất phát, vốn kiến thức nền tảng và các quan niệm sai lầm phổ biến của học sinh, làm căn cứ điều chỉnh kế hoạch giảng dạy cá thể hóa.
- Đánh giá quá trình (Formative assessment / Assessment for Learning): Diễn ra liên tục trong suốt tiến trình học tập thông qua quan sát lớp học, câu hỏi gợi mở, phản hồi tức thì và bài tập ngắn. Mục tiêu trung tâm là cung cấp phản hồi mang tính xây dựng giúp người học nhận ra khoảng cách giữa năng lực hiện tại và mục tiêu cần đạt, từ đó tự điều chỉnh chiến lược học tập.
- Đánh giá tổng kết (Summative assessment / Assessment of Learning): Tiến hành tại các thời điểm kết thúc một học phần, học kỳ hoặc cấp học (như thi tốt nghiệp, thi chứng chỉ) nhằm chứng nhận mức độ thành thạo chuẩn đầu ra và xác định tính hiệu quả của toàn bộ chương trình giáo dục.
Các nguyên chuẩn kỹ thuật: Độ giá trị và Độ tin cậy
Chất lượng khoa học của bất kỳ công cụ đánh giá nào đều được thẩm định dựa trên hai trụ cột trắc lượng học (psychometrics):
Độ giá trị (Validity): Là mức độ mà công cụ đo lường thực sự đánh giá đúng năng lực hoặc phẩm chất mục tiêu mà nó dự định đo. Các dạng độ giá trị bao gồm: độ giá trị nội dung (content validity - bao phủ đầy đủ ma trận mục tiêu), độ giá trị cấu trúc (construct validity - phù hợp với lý thuyết nhận thức), và độ giá trị tiêu chí (criterion validity - tương quan với kết quả thực tế tương lai).
Độ tin cậy (Reliability): Là tính nhất quán và ổn định của kết quả đo lường qua các lần thực hiện khác nhau hoặc giữa các giám khảo chấm thi độc lập (độ tin cậy giữa các giám khảo - inter-rater reliability). Các hệ số thống kê như Cronbach's alpha thường được sử dụng để ước lượng tính nhất quán nội tại của đề kiểm tra.
Lý thuyết khảo thí hiện đại: CTT và IRT
Sự phát triển của khoa học khảo thí dựa trên hai khung lý thuyết toán học thống kê chủ yếu:
- Lý thuyết trắc nghiệm cổ điển (Classical Test Theory - CTT): Dựa trên mô hình tuyến tính phân tách điểm số quan sát được thành điểm thực (true score) và sai số ngẫu nhiên (error). Mặc dù đơn giản và dễ áp dụng, CTT có nhược điểm lớn là độ khó của câu hỏi và năng lực của thí sinh phụ thuộc lẫn nhau theo mẫu khảo sát cụ thể.
- Lý thuyết ứng đáp câu hỏi (Item Response Theory - IRT): Mô hình hóa xác suất một thí sinh trả lời đúng một câu hỏi dựa trên năng lực tiềm ẩn của thí sinh () và các tham số đặc trưng của câu hỏi như độ khó (), độ phân biệt () và xác suất đoán mò (). IRT cho phép hiệu chuẩn ngân hàng câu hỏi độc lập với mẫu thi, là nền tảng toán học của các kỳ thi chuẩn hóa quốc tế (như SAT, GRE, IELTS, TOEFL).
Công nghệ khảo thí thích ứng trên máy tính (CAT)
Ứng dụng IRT kết hợp trí tuệ nhân tạo đã khai sinh hệ thống khảo thí thích ứng trên máy tính (Computerized Adaptive Testing - CAT). Trong một bài thi CAT, thuật toán liên tục ước lượng năng lực của thí sinh sau từng câu trả lời để lựa chọn câu hỏi tiếp theo có độ khó tối ưu nhất. Nếu thí sinh trả lời đúng, hệ thống đưa ra câu hỏi khó hơn; nếu sai, câu hỏi tiếp theo sẽ dễ hơn. Phương pháp này rút ngắn 50% số lượng câu hỏi cần thiết trong khi vẫn đảm bảo độ chính xác đo lường tối đa trên toàn bộ dải năng lực.
Chuyển dịch hướng tới đánh giá năng lực thực tế
Giáo dục thế kỷ 21 chứng kiến sự chuyển dịch căn bản từ kiểm tra tái hiện kiến thức máy móc sang đánh giá năng lực thực tế (authentic assessment) và đánh giá dựa trên hồ sơ học tập (portfolio assessment). Việc sử dụng bảng tiêu chí đánh giá chuẩn hóa (Rubrics) nhiều mức độ giúp minh bạch hóa các kỳ vọng sư phạm, tạo điều kiện cho học sinh phát triển năng lực tự đánh giá (self-assessment) và đánh giá đồng đẳng (peer-assessment), thúc đẩy học tập suốt đời.