Associations Between Multi-Source Formative Assessment and Summative Examination Performance in Undergraduate Diagnostic Medicine: Evidence Supporting Programmatic Assessment
本研究表明，涵盖认知、程序和沟通领域的多元来源形成性评估在预测本科诊断医学考试表现方面具有显著的增量效度，从而支持了多领域项目式评估系统的设计，同时也凸显了理论作业因天花板效应而存在的局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图弄清楚谁是镇上最好的面包师。你可以直接让他们在一个周六烤一个巨大的蛋糕，然后根据那一次的结果来评判他们。这就像是一种“总结性”（summative）测试：一场发生在一次性的、大型的期末考试。但如果你想观察他们究竟是如何学习的呢？如果你每周都观察他们制作面包的过程，看他们如何处理一种棘手的面团，以及听他们如何与顾客交流，那会怎样？那就是“形成性”（formative）评估：一系列随时间推移而进行的、规模较小且压力较低的定期检查，旨在帮助学生成长。
在医学院的世界里，老师们正在努力寻找结合这两种方法的最佳方式。他们使用一种被称为“程序化评估”（programmatic assessment）的系统，这就像是用数百块微小的瓷砖拼凑出一幅巨大的马赛克画。每一块瓷砖都是一项小作业或一次快速检查。其核心理念是，如果你将所有这些瓷砖组合在一起，你会比只看一张大图更能清晰地了解一个学生的技能水平。但这里有一个棘手的问题：所有这些小瓷砖真的能预测学生在大型期末考试中的表现吗？此外，不同类型的瓷砖——比如测试脑力的、测试动手能力的以及测试沟通能力的——是否各自为这个拼图贡献了独特的内容？
来自广东医科大学的这项研究正是深入探讨了这个问题。研究人员观察了 382 名正在修读诊断医学课程（学习如何查明患者病因）的医学生。他们追踪了整个学期中发生的五种不同类型的作业和实践任务，所有这些都记录在一个统一的在线平台上。他们想看看这些“练习瓷砖”是否能预测学生在书面期末考试中的成绩。
研究结果揭示了一些情况，这有点像一场惊喜派对，其中一些宾客比其他宾客要有用得多。首先，他们发现几乎每一种类型的实践任务都与期末考试成绩相关联。如果一名学生在练习中表现出色，他们往往在期末考试中也会表现出色。然而，当研究人员进行更深入的观察，以确定哪些任务是真正的“独立预测因子”（即哪些任务提供了其他任务未涵盖的新信息）时，结果变得非常有趣。
“脑力型”任务的表现各异。有一种作业是让学生在讲座结束后立即回答多项选择题，结果证明这有点像个陷阱。由于每个人的得分都非常高（平均分为 89.04 分），这产生了一种“天花板效应”；几乎所有人都达到了顶峰，因此它无法区分优秀学生与卓越学生之间的差异。这类题目太容易了，而且离课程结束时间太近，因此无法作为一个有用的预测指标。但另一种认知任务，即基于问题的学习（PBL），却成为了明星。在 PBL 中，学生通过小组合作来解决复杂的医学谜题。这项任务是一个强有力的预测因子，这表明通过逻辑推理来解决问题的能力是成功的关键。
接着是“动手型”任务。学生需要录制自己进行体格检查（如检查心跳或听诊肺部）的视频，并接受教师的反馈。这项视频作业是另一个重大的赢家。即使在考虑了学生的智力水平或他们在小组解谜中的表现之后，该视频作业依然能预测期末考试成绩。这表明，录制自己、获取反馈并修正技术的过程，实际上有助于学生深度理解知识，而不仅仅是学会如何移动双手。
最后是“沟通型”任务。学生通过与扮演患者的演员（即标准化病人）进行对话，练习如何采集病史。这项任务提供了一个虽小但真实的预测增益。它虽然不是最大的影响因素，但它确实提供了其他测试所遗漏的独特信息。
当把所有这些碎片组合在一起时，研究发现这些不同类型的实践任务解释了约 50.5% 的期末考试成绩差异。研究人员得出结论：一个优秀的评估系统需要这三种类型的“瓷砖”：认知型（思考）、程序型（操作）和沟通型（交谈）。他们还了解到，如果你希望一项作业成为未来成功的良好预测指标，它必须具备足够的挑战性，能够区分出学生之间的差异，而不仅仅是课后的一场快速、简单的测验。通过使用一个统一的在线平台来收集所有这些数据，学校可以构建出一个更丰富、更准确的学生成长轨迹图，从而证明学习不仅仅是为了通过一场单一的大型考试。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。