چگونه نمره‌دهی ملاک‌محور جلوی فشردگی مصنوعی نمرات را می‌گیرد

کلاسی شامل ۱۰۰ دانشجوی پرستاری را تصور کنید که در حال دادن آزمون حساس داروشناسی هستند. اگر ۹۵ نفر از آن‌ها نمره‌ای بالاتر از ۹۰ درصد کسب کنند، نمودار توزیع نرمال سخت‌گیرانه همچنان حکم می‌کند که ۱۰ درصد پایینی کلاس باید نمره مردودی بگیرند.[1]

این الگوی ریاضی، حتی زمانی که تسلط و یادگیری در اوج است، مردودی کاذب ایجاد می‌کند. پایه این سیستم بر توزیع نرمال استوار است؛ ابزاری آماری که برای رتبه‌بندی جوامع طراحی شده است، نه برای سنجش شایستگی‌های فردی.[4]

در نقطه مقابل، در نمره‌دهی ملاک‌محور هر فراگیر بر اساس استانداردی ثابت و شفاف سنجیده می‌شود. اگر حد نصاب نمره عالی ۹۰ درصد باشد و هر ۱۰۰ نفر به آن برسند، سیستم بدون اعمال جریمه ریاضی، به همه آن‌ها بالاترین نمره را اختصاص می‌دهد.[1][2]

این تغییر ساختاری در شیوه ارزیابی، مانع از فشردگی مصنوعی نمرات می‌شود؛ پدیده‌ای که از اوایل قرن بیستم بر کلاس‌های دانشگاهی سایه انداخته بود. در این سیستم، کارایی واقعی مدرک بر زیبایی آماری توزیع نمرات اولویت پیدا می‌کند.[3]

مکانیسم نمره‌دهی روی نمودار

برازش منحنی نرمال، که عموماً نمره‌دهی روی نمودار نامیده می‌شود، نمره دانشجو را به میانگین کلاس گره می‌زند نه به میزان تسلط او بر درس. استادان میانگین کلاس را حساب می‌کنند و به آن یک نمره متوسط اختصاص می‌دهند.

انحراف معیار، وضعیت باقی نمرات را تعیین می‌کند. در مدل کلاسیک منحنی زنگوله‌ای، صرف‌نظر از اینکه کل کلاس چقدر در آزمون عالی عمل کرده باشند، از نظر ریاضی تنها ۱۰ تا ۱۵ درصد برتر کلاس می‌توانند بالاترین نمره را بگیرند.[4]

دکتر جفری شینسکی در پژوهشی در سال ۲۰۱۴ در نشریه CBE—Life Sciences Education اشاره می‌کند: «نمره‌دهی روی نمودار فرض را بر این می‌گذارد که توزیع یادگیری دانشجویان همیشه باید شبیه منحنی زنگوله‌ای باشد؛ فرضی که کاملاً با هدف بنیادین آموزش در تضاد است.»[2]

زمانی که یک مدرس مفهومی را به‌درستی آموزش می‌دهد، داده‌های خروجی آزمون باید به‌شدت به سمت نمرات بالا گرایش داشته باشند. تحمیل دوباره آن داده‌ها به یک منحنی زنگوله‌ای متقارن، عملاً تنبیه دانشجویان به‌خاطر تدریس اثربخش استاد است.[2]

این رویکرد محیطی با جمع صفر ایجاد می‌کند که در آن موفقیت یک دانشجو، جایگاه دانشجوی دیگر را مستقیماً تهدید می‌کند. اگر اعضای یک گروه درسی با هم همکاری کنند تا مبحثی دشوار را یاد بگیرند، ناخواسته میانگین کلاس را بالا می‌برند و گرفتن نمره عالی را برای خودشان سخت‌تر می‌کنند.[1]

فشردگی مصنوعی در عمل

این اعوجاج بیش از همه در رشته‌های بسیار گزینشی به چشم می‌آید. دانشجویان دانشکده‌های پزشکی و دوره‌های برتر مهندسی همگی کسانی هستند که پیش‌تر شایستگی علمی فوق‌العاده خود را در پیش‌نیازها اثبات کرده‌اند.[5]

وقتی این گروه‌های نخبه آزمون می‌دهند، نمرات خام آن‌ها معمولاً در بازه نزدیک ۸۵ تا ۹۵ درصد متمرکز می‌شود. تفاوت مطلق دانش میان بالاترین و پایین‌ترین نمره ممکن است از نظر آماری کاملاً بی‌اهمیت باشد.[4]

نمره‌دهی روی نمودار، این بازه متراکم را می‌گیرد و آن را در سراسر طیف نمرات پخش می‌کند. در نتیجه، دانشجویی با نمره ۸۶ درصد، صرفاً به این دلیل که میانگین کلاس ۹۱ درصد بوده است، از نظر ریاضی نمره پایینی دریافت می‌کند.

این پدیده با نام فشردگی مصنوعی نمرات شناخته می‌شود. این سازوکار در جایی که هیچ اختلاف معناداری وجود ندارد، اختلافی ساختگی تولید می‌کند و خطاهای جزئی آزمون را به فاصله‌های شدید در رتبه تحصیلی و آینده شغلی بدل می‌سازد.[3]

مرکز آموزش و یادگیری دانشگاه کالیفرنیا، برکلی صراحتاً در مورد این روش هشدار می‌دهد. در دستورالعمل سال ۲۰۲۳ این مرکز آمده است که نمره‌دهی روی نمودار، اطلاعات بسیار ناچیزی درباره آنچه دانشجو واقعاً می‌داند یا می‌تواند انجام دهد ارائه می‌کند.

راهکار سنجش ملاک‌محور

نمره‌دهی ملاک‌محور با جدا کردن نمره دانشجو از میانگین هم‌کلاسی‌ها، این بازی جمع صفر را از بین می‌برد. مدرس پیش از شروع دوره، اهداف یادگیری را دقیقاً مشخص کرده و آستانه عددی مشخصی را برای قبولی و تسلط تعیین می‌کند.[1]

اگر دانشجویی به ۹۰ درصد سؤالات مربوط به تقسیم میتوز سلولی درست پاسخ دهد، نمره متناظر با آن را دریافت می‌کند. اینکه ۴۰ نفر دیگر هم به این حد نصاب رسیده‌اند، از ارزش نمره آن دانشجو کم نمی‌کند.[2]

این رویکرد، سنجش را با کارکرد واقعی آموزش هماهنگ می‌کند. بیمارستانی که قصد استخدام یک پرستار دارد، باید بداند متقاضی داروشناسی را بلد است یا نه، نه اینکه صرفاً نمره‌اش بالاتر از چند هم‌کلاسی در سال ۱۴۰۴ بوده است.[5]

دکتر چارلز پروبر، معاون ارشد سابق دانشکده پزشکی دانشگاه استنفورد، توضیح می‌دهد: «زمانی که در سال ۲۰۱۸ برنامه آموزشی علوم پایه‌مان را به یک سیستم مردود/قبول بر پایه ملاک ثابت تغییر دادیم، اضطراب دانشجویان سقوط کرد، در حالی که نمرات آزمون بورد کاملاً پایدار ماند.»[5]

مدل ملاک‌محور انگیزه‌های روانی کلاس درس را از پایه دگرگون می‌کند. چون عرضه نمرات عالی محدودیتی ندارد، دانشجویان انگیزه پیدا می‌کنند منابع را به اشتراک بگذارند، گروه‌های مطالعه تشکیل دهند و به یکدیگر در یادگیری کمک کنند.[2]

طراحی استانداردهای ثابت و معتبر

پیاده‌سازی نمره‌دهی ملاک‌محور مستلزم تلاش و طراحی دقیق‌تری از سوی مدرسان در ابتدای کار است. از آنجا که نمرات پس از آزمون به روش‌های ریاضی دستکاری نمی‌شوند، خود سنجش باید به‌گونه‌ای استاندارد طراحی شود که مهارت‌های هدف را بسنجد.[4]

اگر استادی در سیستم نموداری امتحانی بیش از حد دشوار طرح کند، نمودار با بالا کشیدن میانگین، خطا را لاپوشانی می‌کند. اما در سیستم ملاک‌محور، یک آزمون دارای اشکال فوراً به افت گسترده نمرات منجر می‌شود.[1]

برای جلوگیری از این مشکل، طراحان آزمون از روش‌هایی نظیر نظریه پاسخ به سوال (IRT) برای اعتبارسنجی تک‌تک سوالات بهره می‌برند. آن‌ها داده‌های قبلی را بررسی می‌کنند تا مطمئن شوند سوالی که برای سنجش مهارت پایه طراحی شده، توسط دانشجوی مسلط قابل پاسخ است.[4]

سنجه‌های ارزیابی (روباریک‌ها) به ابزار اصلی تصحیح کارهای کیفی مانند مقالات یا طراحی‌ها بدل می‌شوند. یک سنجه دقیق، تکلیف را به معیارهای مشخص و قابل‌سنجش تقسیم می‌کند و برای هر سطح نمره‌ای ثابت در نظر می‌گیرد.

این شفافیت به دانشجویان اجازه می‌دهد انرژی خود را هدفمند صرف کنند. آن‌ها از همان ابتدا می‌دانند چه کاری استاندارد عالی محسوب می‌شود و دیگر نیازی نیست سلیقه استاد یا سطح هم‌کلاسی‌ها را حدس بزنند.[3]

جایگاه واقعی سنجش هنجارمحور

با وجود تمام کاستی‌ها در کلاس درس، نمودار توزیع نرمال همچنان برای مقاصد خاصی از سنجش کاربرد دارد. آزمون‌های استاندارد پذیرش، مانند SAT یا GRE، برای کارکرد درست کاملاً بر مبنای ارزیابی هنجارمحور عمل می‌کنند.[4]

این آزمون‌ها برای تایید تسلط بر یک برنامه درسی مشخص ساخته نشده‌اند؛ بلکه هدفشان رتبه‌بندی جامعه‌ای بزرگ از داوطلبان است تا به دانشگاه‌ها در تخصیص ظرفیت‌های محدود پذیرش کمک کنند.[1]

زمانی که یک منبع واقعاً محدود است — مثل یک بورسیه، یک موقعیت شغلی یا صندلی‌های ورودی دانشگاه — رتبه‌بندی هنجارمحور ابزار لازم را برای تفکیک افراد نزدیک به هم فراهم می‌کند.[4]

با این حال، کلاس دانشگاه منبعی محدود نیست. هدف کلاس درس یاد دادن حداکثری مباحث به افراد است؛ از این رو کمبود مصنوعی نمره، با ماموریت اصلی آموزش تناقض دارد.[2]

با جایگزینی نمره‌دهی ملاک‌محور، کارنامه دانشگاهی به فهرستی قابل اتکا از مهارت‌های فرد تبدیل می‌شود. در این حالت، نمره تضمین‌کننده دانش مشخص است، نه نتیجه یک رقابت موقت کلاسی.[3]

گذر از نمره‌دهی روی نمودار، نشان‌دهنده تکامل شیوه سنجش آموزشی است. این تغییر، توهم آماری منحنی زنگوله‌ای را با معیارهای واقعی و قابل‌سنجش جایگزین می‌کند که هم به نفع فراگیر است و هم به نفع بازار کار.[5]