学能测评中心:测什么、怎么测、怎么评

我们把这套测评的方法、评分标准、常模来源与已知局限全部写在下面。你可以据此判断一份报告是怎么算出来的,也可以拿它去核对我们的说法。

一句话说明

阳光伴学学能测评中心是面向小学至高中学生的三项能力测评系统,分别测量词汇量、空间短时记忆广度与注意控制,采用分年级常模把原始成绩换算为五档评定,单次测评完成后即时生成报告。评分标准版本 v3.1。

3项
词汇量 · 记忆 · 注意
1–12年级
分年级段常模
5档
优秀 / 良好 / 中等 / 偏弱 / 需加强
20–40分钟
三项全部完测

01 — 测什么

三项测评,各测一种能力,不混着说

三项测评分开施测、分开出分、分开评定。它们不合成一个“总智商”式的总分——因为词汇量、记忆广度和注意控制是三种不同的能力,合成一个数字会抹掉最有用的信息。

1

词汇量测评

由听力、拼写、阅读三个子项加权估算词汇量:听发音选义、看中文拼写、看词选义。输出的是估算词数,不参与五档评定。

阅读 45%听力 20%拼写 17%
2

记忆力测评

测量空间短时记忆广度(Corsi):九点阵上依次亮起的方格,按顺序复现。采用阶梯施测,难度随表现升降。

记忆广度 span0.5 步长
3

专注力测评

测量注意控制与视觉搜索:色词冲突命名(Stroop)与舒尔特方格两项任务,分别给出正确率档与速度档。

抑制控制搜索速度
表 1 三项测评的测量对象与主要指标
测评测的能力核心指标施测方式
词汇量接受性词汇估算词汇量(词数)听力/拼写/阅读三子项自适应
记忆空间短时记忆广度记忆广度 span(0.5 步长)阶梯施测,九点阵复现
注意抑制控制、视觉搜索正确率、平均反应时、搜索用时Stroop 固定题量+舒尔特方格
为什么不合成一个总分:一个孩子可能记忆广度中等、但注意控制优秀,也可能相反。合成总分会让这两种情况看起来一样,而它们对应的训练建议完全不同。报告里三项分别出分,不做加权合计。

02 — 怎么测

固定流程、固定指导语、固定判定规则

测评的可比性来自“每次条件都一样”。下面五步是固定的,中间不加提示、不催、不解释题意。

① 进入选择测评项,阅读指导语
② 练习2–4 题不计分,确认理解规则
③ 正式施测阶梯或固定题量,全程计时
④ 质量校验四道闸门,判定是否有效

什么情况下这次成绩会被判为无效

无效不是“考得差”,而是“这次记录不能用”。以下四种情况会被标记,并建议重新测一次:

表 2 有效性判定规则
标记含义触发条件(简述)
重复作答短时间反复重测同一账号在过短时间内再次完成同一测评
作答过于整齐疑似未按题意作答反应时或选项分布异常集中
身份不匹配年级信息与常模段不符年级、年龄信息缺失或互相矛盾
大量中断中途退出或长时间挂起中断次数或累计闲置时长超阈值

舒尔特方格另有一条错误规则:错误达到 6 次判无效;仅在 81 格以上的大表中,才启用“错误率 >15%”的补充条款——因为大表 6 次以内不算异常,小表则不能这么宽松。

03 — 怎么评分

从原始成绩到五档评定,四步算完

评分不涉及主观判断:同一个原始成绩,在任何时候、由任何人来算,结果都一样。这是这套标准可以公开的前提。

原始值用时 / 广度 / 正确率
变换按年级段取对应分布
百分位在常模中的位置
档位切成五档

常模怎么随样本增长而变化

每个年级段、每项指标,都有一份“预设阈值”(种子)和一份“实测分布”。最终分位由两者按权重合成:样本越少,越依赖预设阈值;样本越多,越依赖实测分布。当某个格子样本达到一定数量,权重会逐步交给真实数据。

同时用保序回归(PAVA)约束:同一年级的难度区间不会低于低一年级。这防止出现“三年级比四年级要求更高”这类自相矛盾的格子。

三项测评的档位表

以下为该版本实际使用的切分边界,点开可逐格核对——表内数字即判定依据。

展开完整档位表(4 张)
表 3 注意 · 舒尔特方格用时档位(单位:秒)
年级段格子优秀良好中等偏弱需加强
1–216≤2627–3132–3637–43≥44
3–425≤4243–5152–5960–71≥72
5–625≤3738–4445–5253–62≥63
7–925≤3132–3738–4344–51≥52
10–1225≤3132–3738–4344–51≥52
表 4 记忆 · 空间短时记忆广度(Corsi span)档位(单位:个)
年级段优秀良好中等偏弱需加强
1–2≥5.55.04.0–4.53.0–3.5≤2.5
3–4≥6.05.54.5–5.04.0≤3.5
5–6≥6.56.05.0–5.54.5≤4.0
7–9≥7.06.55.5–6.05.0≤4.5
10–12≥7.06.55.5–6.05.0≤4.5
表 5 注意 · Stroop 正确率档位(按年级段分别设定,不做统一线)
年级段题量优秀良好中等偏弱需加强
1–320≥95%85–94%80–84%70–79%≤69%
4–625≥96%92–95%88–91%84–87%≤83%
7–930≥93%90–92%87–89%80–86%≤79%
10+35≥94%89–93%86–88%80–85%≤79%
表 6 注意 · Stroop 平均反应时档位(单位:毫秒)
年级段极速快捷正常偏慢迟缓
1–3≤570571–800801–995996–1220>1220
4–6≤520521–712713–878879–1070>1070
7–9≤495496–675676–830831–1010>1010
10+≤500501–671672–817818–988>988

说明:注意类任务按 1–3/4–6/7–9/10+ 分段,记忆任务按 1–2/3–4/5–6/7–9/10–12 分段。两套分段来自不同常模来源,口径不同是有意的,未做统一。

关于“忽高忽低”的边界:表 5 的档距看起来不规律(1–3 段宽、4–6 段窄),因为它是按各年级段的真实分布算出来的,不是画一条直线拟合出来的。档距宽,说明该年龄段孩子之间的差异本来就大。

04 — 数据来源

常模锚点来自公开文献,实测分布来自本站测评记录

预设阈值不是凭空定的。每一项都对应公开研究中的年龄常模,或本站积累的实测分布。两者的来源分开标注,不混用。

表 7 各项指标的常模锚点
指标锚点来源类型用途
舒尔特搜索用时视觉搜索反应时随年龄变化的中国样本数据设定种子阈值与年龄系数
Stroop 正确率中国 7–12 岁儿童样本(n=187)按年级段分位切档
记忆广度 span中国 8–16 岁空间短时记忆广度样本(n=157)设定档位边界
档位边界本站实测分布 + 保序回归随样本量增长逐步接管
表 8 当前样本状况(随测评累积更新)
项目当前值说明
累计有效测评7,847 份剔除无效记录后的有效样本
本次定标日期当前阈值表生效日期
更新方式季度复算每次复算留版本记录,旧报告标注当时所用版本
为什么把样本量写出来:样本量只有几千份,和积累到几万份,可信程度不一样。把数字写在明面上,你才能判断哪些档位可以当真、哪些只是暂定。低样本量的年级段,报告里会同时给出区间宽度。这里只公开样本量与标准版本,不公开各档人数与成绩分布。

05 — 已知局限

这套测评不能做的事,写在最前面

任何测量都有边界。以下是明确的能力边界,也是我们在报告里会写明的部分。

06 — 报告样例

一份报告里有什么

下面是脱敏后的结构示意(真实报告为示例数据替换)。每项指标都同时给出原始值、百分位与档位,不给单一结论。词汇量由自适应难度档估算词数,不输出百分位,也不参与五档评定。

表 9 报告结构示意(示例数据,非真实测评结果)
指标原始值百分位档位
记忆广度 span5.5P72良好
Stroop 正确率92%P65良好
Stroop 平均反应时812 msP58正常
舒尔特(25 格)48 sP61中等
词汇量估算2,840 词—不评档

报告末尾会带上四样东西,用来保证「这份结果可被追溯」:

附注项内容
评分标准版本如 v3.1(决定当时用的是哪套阈值)
生成时间精确到分钟,时区为中国标准时间
有效性标记是否触发四道质量闸门中的任意一条
区间宽度该年级段样本量不足时,标注百分位的置信区间

07 — 常见问题

家长最常问的八个问题

测评需要多久?要注册吗?

三项测评各自独立,可只做其中一项。全部做完约需 20–40 分钟,因人而异——具体看孩子的年级与作答速度。全程需要注册并登录(用于保存记录与生成报告),不需要填写联系方式以外的个人信息。

结果准不准?和医院或智力测验有什么区别?

它测的是三项具体能力在同年级孩子中的相对位置,方法、阈值与数据来源都在本页公开,你可以自己核对。它不是医学诊断工具,也不是智力测验——这两件事它做不了,报告里也会写明。

三项可以只做一项吗?

可以。三项分开施测、分开出分,不存在“必须做完全套才有效”的限制。若只做一项,报告只呈现那一项的结果与档位。

孩子的成绩会被公开吗?

不会默认公开。测评结果仅本人账号可见。若未来纳入匿名统计,会单独征得监护人同意,且只保留年级段层级的信息,不含姓名、学校、生日等可识别内容。

多久复测一次比较合适?

建议间隔两周以上。反应时类指标受睡眠、情绪、设备影响明显,同一天连续重测得到的差异多半不是能力变化。看两次结果的稳定性,比看单次分数更有意义。

报告写“需加强”,是不是给孩子贴标签?

不是。五档是同一批次内的相对位置,不是好坏评价——而且档位会随复测和常模更新变化。报告会同时给出原始值和百分位,便于看具体差在哪里,而不是只留一个词。

同一个孩子两次结果不一样,正常吗?

正常。这里有两类原因:一是状态波动(睡眠、注意力、设备),二是常模版本更新(阈值复算后边界会移动)。报告会标注所用版本,跨版本比较时需注意这一点。

为什么要把方法和阈值公开?

因为不公开就没法核对。把这套东西写出来,你才能判断一份报告是不是按声称的方式算出来的,也才能发现我们的错误。能被核对,比被相信更有用。

08 — 版本记录

评分标准的变更历史

每次阈值调整都会留下一行记录。旧报告标注的版本,可以在下表找到对应的变更内容。

表 10 版本记录
版本生效时间主要变更
v3.12026-11当前版本。记忆广度档位整体下移约 1.5 档;Stroop 正确率改为按年级段分别设线,速度档位改用毫秒分位、弃用反应时比值;舒尔特改用幂律单格成本,错误规则改为「6 次封顶,15% 条款仅适用 81 格以上」。
v3.02025-06引入分年级段常模、保序回归与四道质量闸门。
线下版 / 单机版2013-05最早的线下测评与单机版程序,采用统一阈值、未分年级段。与 v3 及之后的结果不可直接比较。

三项测评,随时可以做

三项全部做完约 20–40 分钟,完成后即时出报告。想先看看孩子在哪一档,从词汇量或记忆力任一项开始都可以。

进入学能测评中心