民國114年 高考三級 教育行政 教育測驗與統計考古題
民國114年 高考三級 教育行政 教育測驗與統計收錄考選部官方試題，共 4 題可線上瀏覽，考選部未公告本科目答案。
題目與答案
某教育學者擬針對某項證照考試的兩次考試成績進行比較，為了能有意
義地比較兩次考試成績的高低和解釋優劣，請問可以引用何種測驗理論
為依據，並且說明該滿足何種條件，才能達成其比較目的？（25 分）
參考解答（AI 生成，非官方）
- 一、理論依據：本題宜以項目反應理論（item response theory, IRT）為基礎，並以測驗等化（test equating）為方法。古典測驗理論（classical test theory, CTT）的分數依賴樣本與題本難度，兩次考試若題本不同，原始分數不具可比性；IRT 具題目參數與能力參數不變性（invariance），可將兩次成績轉換至共同量尺（common scale），使分數高低與優劣的解釋具意義。
- 二、等化設計：可採單一群組設計、等組設計（equivalent groups）、共同題非等組設計或平衡隨機設計。以共同題（anchor items）進行同時估計（concurrent calibration），或分別估計後求轉換係數，並以 Stocking-Lord 或 Haebara 法求加權轉換，使兩份題本落在同一量尺上，方能比較兩次成績。
- 三、必要條件：其一為單向度（unidimensionality），兩次考試須測同一構念；其二為局部獨立（local independence）；其三為模式與資料適配（model-data fit），如 Rasch、2PL、3PL 之適合度檢核；其四為共同題具代表性且數量足夠；其五為樣本具代表性、樣本數足夠；其六為測量恆等性（measurement invariance），並以 DIF 檢核題目功能之差異。
- 四、比較與解釋：等化後方可比較兩次成績之高低；若屬證照考試，尚須維持切截分數（cut score）與標準設定（standard setting）之一致性，並於比較通過率時考量群體能力組成之差異。另可計算分類一致性（classification consistency）與 Kappa 係數，說明判定結果之穩定程度。
- 五、限制與建議：若兩次考試構念不同、共同題不足或模式不適配，即不得等化，只能各自建立常模，不能宣稱可直接比較；建議事先規劃等化設計、預試與題庫建置，並公開等化歷程與等化標準誤（standard error of equating），以提升比較結果之可信度。
「題組題」（testlet items）是一種改良型的選擇題型，也常作為近代升學
考試所提倡的素養題命題雛型。請問何謂題組題？若要命題組題的話，
則必須遵守那些命題原則？（25 分）
參考解答（AI 生成，非官方）
- 一、題組題的意義：題組題（testlet items）係以同一情境素材（stimulus material）為共同基礎，發展出二至五個相互關聯的選擇題，形成一個共同計分單元。其設計目的在於以真實、統整的情境評量學生理解、應用與分析等高層次能力，為素養導向命題之重要雛型。
- 二、題組題的特徵與功能：題組題具情境化、層次化與整合性，可降低反覆閱讀的負荷、提高訊息使用效率，並使評量更接近真實問題解決。惟同一素材下的試題易產生局部依賴（local dependence），形成題組效應（testlet effect），命題時須特別留意。
- 三、素材與題數原則：素材宜真實、生活化、適齡且篇幅適中，避免冷僻或需額外背景知識；題數以二至五題為宜，兼顧評量深度與作答負荷。各題須能獨立作答，避免前一題答案成為後一題的線索（clueing），亦不宜設計連鎖式推論。
- 四、試題內容原則：各題宜涵蓋不同認知層次，由淺入深安排；選項須同質、長度相近、具合理誘答力，避免「以上皆是」等無效選項。並應避免性別、族群、宗教、地域等偏見，文字簡明、語意明確，減少與評量目標無關的閱讀障礙。
- 五、技術檢核與限制：命題後應以預試檢核難度、鑑別度、題組內部相關與 DIF，必要時以題組反應理論（testlet response theory）處理題組效應。另須注意題組過長易造成速度因素與閱讀負擔，故應控制篇幅並經修題歷程，方能兼顧效度與公平性。
某教育統計學者想利用家庭社經地位變項X1（分成高、中、低三個水準）
和家庭社會資本變項X2（為一連續變項），聯合起來預測學生的學業成
績變項Y（為一連續變項）。請列出一條適切的統計模型公式，並說明該
怎麼做才能得知高、中、低家庭社經地位的學生，在學業成績上是否具
有顯著差異？（25 分）
參考解答（AI 生成，非官方）
- 一、統計模型：採虛擬變項（dummy coding）之多迴歸模型，以低社經地位為參照組，令 D1＝1 表高社經、D2＝1 表中社經（其餘為 0），模型為 Y＝β0＋β1D1＋β2D2＋β3X2＋β4（D1×X2）＋β5（D2×X2）＋ε，其中 ε 為誤差項，並假設其獨立、常態、變異數同質。
- 二、參數解釋：β1、β2 分別為控制社會資本 X2 後，高、中社經組相對低社經組之平均成績差異；β3 為低社經組中 X2 對 Y 之斜率；β4、β5 為交互項，用以檢定 X2 之效果是否隨社經地位而異。若交互項不顯著，可逕行解釋主效果。
- 三、差異檢定：先以整體迴歸的 F 檢定（R² 顯著性）確認模型適配；再以 t 檢定檢驗 β1、β2 是否顯著，或以巢狀模型比較（R² 變化量之 F 檢定）檢驗社經地位之聯合效果。若拒絕虛無假設，續以 Tukey、Bonferroni 或 Scheffé 法從事後多重比較，控制第一類錯誤。
- 四、假設與診斷：須檢核線性、獨立性、殘差常態與變異數同質（可繪殘差圖或進行 Levene 檢定）、X2 之極端值與影響點（Cook's D），以及共線性（VIF 小於 10）。若交互項顯著，應進一步進行單純主效果（simple main effects）分析，必要時以 Johnson-Neyman 法界定顯著區域。
- 五、等價作法與效果量：亦可採單因子 ANCOVA，以社經地位為固定因子、X2 為共變數，比較調整後平均數（estimated marginal means）；並報告效果量 η²、Cohen's d 或信賴區間。若社經地位僅三水準，可另以線性與二次正交對比檢驗趨勢，使結論更具解釋力。
- 六、限制與建議：模型結果屬觀察性資料之關聯，不宜逕作因果推論；社經地位之分類方式、參照組選擇與測量誤差均影響解釋。建議先進行資料清理與遺漏值處理，並以交叉驗證或穩健標準誤確認結果穩定性。
為了防止接觸到心理測驗工具的人誤用或濫用，美國心理學會與教育學
會及測量學會共同制訂一份有關測驗使用的倫理原則，作為大家共同遵
守的規範。請問測驗使用的倫理規範有那些？請至少列舉出四項原則並
說明之。（25 分）
參考解答（AI 生成，非官方）
- 一、能力與資格（competence）：使用者應僅在其教育訓練、專業知能與督導範圍內選用、施測與解釋測驗；若超出能力，應轉介或尋求合格人員協助，避免因不熟悉測驗特性而誤用。
- 二、知情同意（informed consent）：施測前應以當事人可理解的方式說明測驗目的、程序、時間、結果用途、保密範圍與可能風險，並取得同意；對未成年人或受監護者，應取得法定代理人同意，並尊重其拒絕或退出的權利。
- 三、保密與隱私（confidentiality and privacy）：測驗結果、個人資料與施測紀錄應妥善保存，僅於必要範圍內提供；除法律規定、當事人同意或涉及重大安全風險外，不得任意揭露，並應避免在公開場合討論個別結果。
- 四、測驗安全（test security）：題本、答案卡與計分資料應妥善保管，禁止拷貝、外流或考前洩題；應限制接觸人員並建立銷毀與保管流程，以維護測驗的公平性與工具的有效性。
- 五、公平與避免偏見（fairness）：選用測驗時應檢視其對不同性別、族群、語言與文化背景者的適切性，避免歧視性題材；對身心障礙或語言弱勢者，應提供合理調整（accommodations），並以 DIF 等證據檢核題目公平性。
- 六、適切使用與解釋（appropriate use and interpretation）：應依測驗的信度、效度與常模適切性解釋分數，不得逾越原定用途或逕以單一分數標籤化當事人；結果回饋應以可理解的方式說明，並提供諮詢、申訴與救濟管道，保障當事人權益。