الاختبارات معيارية المرجع مقابل الاختبارات محكية المرجع

يمثل القياس والتقويم حجر الزاوية في المنظومة التعليمية والتربوية المعاصرة، إذ لا يمكن تصور عملية تعلم مثمرة دون وجود آليات رصينة قادرة على رصد التغيرات السلوكية والمعرفية لدى المتعلمين، وتشخيص جوانب القوة والقصور في البيئة التعليمية، وإصدار أحكام قيمية موضوعية تستند إلى بيانات كمية ونوعية دقيقة. غير أن هذا القياس يفقد معناه وجدواه إذا لم يُؤطر ضمن سياق مرجعي يمنح الأرقام دلالاتها النفسية والتربوية؛ فالدرجة الخام التي يحصل عليها الطالب في اختبار ما تظل رقماً أصم مجرداً من أي معنى ما لم ترتبط بإطار تفسيري واضح يحدد موقع هذا الأداء، إما مقارنة بأقرانه أو نسبة إلى أهداف ومعايير محددة سلفاً ومستقلة عن أداء الآخرين.

وقد شهد تاريخ القياس السيكومتري والتربوي جدلاً واسعاً حول طبيعة هذه المرجعية، وهو الجدل الذي أسفر عن تمايز منهجي أصيل بين نموذجين رئيسين في التقويم: الاختبارات معيارية المرجع (Norm-Referenced Tests) والاختبارات محكية المرجع (Criterion-Referenced Tests). يعكس هذا التمايز تبايناً جذرياً في الفلسفة التعليمية، والمنطلقات الإحصائية، وطرق بناء المفردات الاختبارية، وآليات تفسير الدرجات، فضلاً عن طبيعة القرارات التربوية المترتبة على كل نموذج. فبينما يرى النموذج المعياري أن الفروق الفردية سمة أصيلة تسعى الاختبارات لإبرازها وتوزيع الأفراد على منحنى التباين الطبيعي، ينطلق النموذج المحكي من مبدأ التعلم للإتقان وحق المتعلمين في اكتساب الكفايات الجوهرية بمعزل عن أداء أقرانهم.

تكتسب هذه المقارنة أهمية مضاعفة في السياقات المعاصرة، حيث تواجه النظم التعليمية تحديات جسيمة تتعلق بضمان الجودة، وتكافؤ الفرص، وتحقيق العدالة في التقييم، وتحديد معايير الاعتماد المهني والقبول الأكاديمي. إن الإدراك العميق للأسس النظرية والمنهجية لكلا النوعين ليس مجرد ترف أكاديمي لمختصي القياس النفسي، بل هو ضرورة حيوية لكل معلم، ومصمم مناهج، وواضع سياسات تربوية، لضمان اتخاذ قرارات مبنية على أدلة صحيحة وموثوقة، وتجنب العواقب السلبية الناتجة عن إساءة استخدام الأدوات الاختبارية أو تحميل النتائج أكثر مما تحتمل من دلالات.

1. مقدمة تأطيرية: فلسفة القياس التربوي ومفهوم المرجعية

1.1 التعريف الاصطلاحي لكلا المفهومين

يُعرف الاختبار معياري المرجع (Norm-Referenced Test – NRT) بأنه أداة قياس مصممة خصيصاً لتقدير أداء الفرد وموقعه النسبي ضمن جماعة مرجعية محددة تسمى “الجماعة المعيارية” (Norm Group). ينصب التركيز الأساسي في هذا النوع من الاختبارات على التمييز بين الأفراد وإبراز الفروق الفردية في السمة أو القدرة المقاسة على متصل مستمر. وبالتالي، فإن الدرجة التي يحصل عليها المفحوص لا تعبر عما يعرفه أو يستطيع أداءه بشكل مطلق، وإنما تكتسب دلالتها التفسيرية من خلال مقارنتها المباشرة بتوزيع درجات أقرانه الذين يشتركون معه في خصائص ديموغرافية وتعليمية محددة. فالهدف الجوهري هنا هو الإجابة عن التساؤل: “أين يقع هذا الطالب مقارنة بزملائه في الصف أو في المجتمع الإحصائي العام؟”.

في المقابل، يُعرف الاختبار محكي المرجع (Criterion-Referenced Test – CRT) بأنه أداة قياس تهدف إلى تحديد مدى تمكن الفرد من مجال سلوكي أو معرفي محدد ومحدد مسبقاً، بمعزل تام عن أداء الآخرين. يُقاس أداء الطالب في هذا النموذج بمقارنته بمستوى أداء مستهدف أو معيار إتقان مطلق يُطلق عليه “المحك” (Criterion) أو “درجة القطع” (Cut-off Score). إن الوظيفة التفسيرية للاختبار المحكي تجيب بوضوح عن السؤال: “ما الذي يستطيع الطالب إنجازه بالفعل من أهداف تعليمية أو كفايات مهارية؟ وهل بلغ مستوى الإتقان المقبول لممارسة هذه المهارة أم لا؟”، دون أن يتأثر تصنيفه هذا بنجاح أو فشل بقية أفراد المجموعة المتقدمة للاختبار.

تتجلى الحاجة إلى هذا الإطار المرجعي عند النظر إلى “الدرجة الخام” (Raw Score). إذا حصل طالب على 75 درجة من أصل 100 في اختبار لمادة الرياضيات، فإن هذا الرقم مجرد من المعنى السيكومتري بذاته؛ فقد يعني 75 في اختبار معياري شديد الصعوبة أن الطالب يحتل المرتبة الأولى بين أقرانه، ما يجعله في الرتبة المئينية التاسعة والتسعين. وعلى العكس من ذلك، قد تعني النتيجة ذاتها في اختبار محكي المرجع، حُددت فيه درجة الإتقان الأدنى بنسبة 80%، أن الطالب لم يحقق الحد الأدنى من الكفايات المستهدفة ويعد راسباً أو بحاجة إلى برنامج علاجي مكثف. من هنا يظهر أن الدرجة الخام تظل مجرد أرقام حسابية حتى تُسند إلى مرجعية واضحة تمنحها بعداً نوعياً قابلاً للتأويل واتخاذ القرار.

1.2 الجذور التاريخية وسياق المقارنة في الأدبيات السيكومترية

ترتبط الجذور التاريخية للقياس التربوي المعياري بالنشأة المبكرة لـ النظرية الكلاسيكية للاختبارات (Classical Test Theory – CTT) في أوائل القرن العشرين، والتي تأثرت بأبحاث الفروق الفردية ومقاييس الذكاء الأولى لألفريد بينيه وفرانسيس غالتون. وخلال النصف الأول من القرن العشرين، سيطر النموذج المعياري على الممارسات التقويمية السيكومترية والصناعية والعسكرية، حيث كان الهدف الأبرز لتلك الاختبارات هو الاختيار والانتقاء والتصنيف لتوزيع الأفراد على مهام عسكرية أو مقاعد جامعية محدودة تعتمد على المقارنة الفرزية بين القدرات.

ومع ذلك، بدأت إرهاصات التحول المنهجي تتبلور مع أبحاث رالف تايلور في ثلاثينيات وأربعينيات القرن الماضي خلال “دراسة السنوات الثماني”، والتي أكدت على ضرورة قياس السلوك المتعلم في ضوء أهداف المنهاج الدراسي. ثم جاء المنعطف التاريخي الحاسم في عام 1963، عندما نشر عالم النفس والتربوي روبرت غلاسر (Robert Glaser) ورقته البحثية البارزة في مجلة “American Psychologist” بعنوان: “Instructional technology and the measurement of learning outcomes: Some questions”. وضع غلاسر في هذا البحث التمييز الاصطلاحي والمنهجي الدقيق بين القياس معياري المرجع والقياس محكي المرجع، موضحاً أن الاختبارات التقليدية تفشل في تزويد المعلمين بالمعلومات اللازمة لاتخاذ قرارات تدريسية فردية لأنها تهتم بترتيب الطلاب بدلاً من تقييم كفاءاتهم الملموسة.

تعزز هذا الاتجاه الجديد لاحقاً بفضل أعمال بوبهام وهوسيك (Popham & Husek, 1969) اللذين حللا التداعيات السيكومترية للقياس المحكي، وأظهرا أن المؤشرات الإحصائية التقليدية للصدق والثبات والتمييز التي طُورت في ظل النموذج المعياري لا تنطبق بصورة آلية على الاختبارات المحكية. تزامن ذلك مع انتشار نظرية “التعلم للإتقان” (Mastery Learning) التي رعاها بنيامين بلوم في أواخر الستينيات، وتصاعد حركات المحاسبية التعليمية في السبعينيات والثمانينيات، والتي طالبت المدارس بإثبات امتلاك خريجيها لكفايات حقيقية تؤهلهم لسوق العمل والحياة المعاصرة، بدلاً من مجرد إصدار رتب مئينية نسبية تخفي تدني التحصيل العام.

1.3 أسباب الخلط الشائع وأهمية الفصل المنهجي

يسود في الممارسات الميدانية خلط مفاهيمي بين الاختبارات المعيارية والمحكية؛ إذ يعتقد كثير من الممارسين أن التمايز بينهما يكمن في البنية المادية لورقة الاختبار أو شكل الأسئلة. والواقع أن كلا النموذجين يمكن أن يستخدم ذات الصيغ الاختبارية، كالاختيار من متعدد، والأسئلة المقالية، والمهام الأدائية. إن الفارق الجوهري ليس في صياغة السؤال الظاهرية، بل في الغرض التقييمي للأداة، وطريقة اختيار مفرداتها، وآلية تفسير الدرجة الناتجة عنها. فالسؤال نفسه المتعلق بحساب النسبة المئوية قد يُستخدم في اختبار معياري لفرز المتفوقين في التفكير العددي، أو يُستخدم في اختبار محكي للتحقق من كفاية الطالب في حل مسائل الشراء والبيع اليومية.

ويعود مصدر آخر للخلط إلى التداخل اللغوي والاصطلاحي بين مفهومي “المعيار” (Norm) و”المحك” (Criterion)، وخاصة مع تصاعد حركة “التعليم القائم على المعايير” (Standards-Based Education). في السياق السيكومتري الدقيق، يشير المعيار إلى “متوسط الأداء الفعلي لجماعة من الأفراد”، وهو وصف إحصائي لواقع حاصل. أما المحك أو معيار الأداء فيشير إلى “مستوى الكفاءة أو الجدارة النوعية المطلوب بلوغها”، وهو حكم قيمي وتربوي قبلي يحدد ما ينبغي أن يكون عليه أداء المتعلم. إن الخلط بين هذين المفهومين يؤدي إلى انزلاق خطير في فهم النتائج؛ فإذا قيل إن أداء طالب يقع فوق المتوسط (معيار)، فهذا لا يعني بالضرورة أنه يمتلك المهارات الأساسية (محك)، والعكس صحيح تماماً.

تتجلى خطورة هذا الخلط في الآثار السلبية التي تنعكس على صدق القرارات التربوية؛ فاستخدام اختبار معياري في سياق تشخيصي تتابعي يؤدي إلى إخفاء جوانب الخلل المعرفي لدى الطلاب، كما أن تطبيق اختبار محكي في مسابقات القبول ذات المقاعد المحدودة جداً قد يفرز أعداداً تفوق الطاقة الاستيعابية دون توفير آلية فرز عادلة. إن الفصل المنهجي الواضح يضمن اتساق القرارات التقويمية مع غاياتها، ويوجه القياس لخدمة الغرض الوظيفي الصحيح، سواء كان تصنيفياً تنافسياً أو تشخيصياً بنائياً.

2. الاختبارات معيارية المرجع: الأسس النظرية والمنهجية

2.1 المنطلقات الفلسفية ونظرية التوزيع الطبيعي

تنطلق الاختبارات معيارية المرجع من فلسفة تؤمن بأن السمات النفسية والقدرات العقلية والتحصيلية تتوزع بين أفراد المجتمع وفق التوزيع الطبيعي (Normal Distribution) أو المنحنى الجرسي (Bell-Shaped Curve). يفترض هذا النموذج أن الغالبية العظمى من الأفراد تقع قدراتهم حول متوسط المجتمع، في حين تتناقص النسب تدريجياً وبشكل متناظر كلما اتجهنا نحو الأطراف، سواء أكانت عليا تعبر عن النبوغ والتفوق أم دنيا تعبر عن الضعف والقصور. لذا، تُبنى هذه الأدوات بهدف محوري وهو محاكاة هذا التوزيع الطبيعي واستخراج أقصى تباين ممكن بين المفحوصين.

ولتحقيق هذا الهدف الرياضي، تركز المنهجية المعيارية على تعظيم التباين الإحصائي (Variance)، معتبرة أن الاختبار الناجح هو الاختبار الذي ينجح في بسط درجات الأفراد وتفريقها على طول المتصل القياسي بدقة متناهية. وإذا جاءت درجات جميع المفحوصين متقاربة أو مرتفعة جداً، يُعد الاختبار فاشلاً سيكومترياً في هذا الإطار؛ لأنه لم يقم بمهمته في الفرز والتمييز النسبي. إن الاهتمام هنا ينصب على “موقع الفرد في المنحنى” وليس على “محتوى المنحنى نفسه”.

يستلزم هذا المنطلق اعتماد مفهوم “الجماعة المعيارية” كمرجع وحيد ودائم لتفسير الأداء. والجماعة المعيارية هي عينة ممثلة إحصائياً لمجتمع الهدف، يُطبق عليها الاختبار في ظروف مقننة لاستخراج معايير الأداء (Norms) التي يُقاس عليها أي أداء لاحق. وبالتالي، فإن القيمة الحقيقية للدرجة لا تعكس تمكن الطالب من عدمه، بل تعكس الفجوة المعيارية الفاصلة بينه وبين متوسط أقرانه في العينة المعيارية، مما يجعل التقييم نسبياً وديناميكياً بطبيعته.

2.2 منهجية بناء المفردات والخصائص الإحصائية للفقرات

تتبع عملية بناء المفردات في الاختبارات معيارية المرجع استراتيجيات سيكومترية صارمة تهدف بالدرجة الأولى إلى ضبط خصائص الفقرات لخدمة تباين الدرجة الكلية. يركز مطورو الاختبارات هنا على مؤشر معامل الصعوبة التقليدي ($p$-value)، والذي يمثل نسبة الأفراد الذين أجابوا عن الفقرة إجابة صحيحة. ولكي تنتج الفقرة أقصى تباين ممكن ($\sigma_i^2 = p_i(1 – p_i)$)، يُفضل أن تحوم قيمة الصعوبة حول 0.50، مع قبول نطاق يتراوح عادة بين 0.30 و0.70. أما الفقرات التي تقترب صعوبتها من الصفر (شديدة الصعوبة للجميع) أو من الواحد الصحيح (شديدة السهولة للجميع)، فيتم استبعادها آلياً لأنها ذات تباين يقترب من الصفر ولا تسهم في تفريق الطلاب عن بعضهم.

إلى جانب معامل الصعوبة، يمثل معامل التمييز (Discrimination Index) حجر الزاوية في المفاضلة بين الفقرات. ويقاس هذا المعامل بعدة طرق، أبرزها معامل ارتباط المفردة بالمجموع أو الارتباط ثنائي التسلسل النقطي (Point-Biserial Correlation – $r_{pb}$). تشترط المعايير السيكومترية ألا يقل هذا المعامل عن 0.30 أو 0.40 للفقرات المقبولة. يُظهر معامل التمييز المرتفع قدرة الفقرة على التفريق الدقيق بين ذوي القدرة المرتفعة وذوي القدرة المنخفضة على الاختبار ككل، ما يضمن استبعاد المفردات التي يفشل في إجابتها الطلاب الأذكياء بينما يجيب عنها المتدنو التحصيل.

يتطلب تقنين هذه الاختبارات بناء عينات معيارية دقيقة جداً تخضع لشروط تمثيلية صارمة للمجتمع الأصلي، من حيث الحجم الكافي لتخفيض خطأ المعاينة، والتنوع الديموغرافي والجغرافي والاجتماعي والاقتصادي. وإذا حدث أي خلل في شروط تمثيل العينة المعيارية، فإن المعايير المشتقة تصبح مضللة وغير صالحة للاستخدام المقارن، مما يفرض إعادة تقنين الاختبار دورياً لمواكبة التغيرات المعرفية والتعليمية التي تطرأ على المجتمعات عبر الزمن.

2.3 مقاييس ونظم تحويل وتفسير الدرجات المعيارية

نظراً لعدم قابلية الدرجات الخام للمقارنة المباشرة، يعتمد القياس المعياري على منظومة من الدرجات المحولة التي تعكس الترتيب والمسافة الإحصائية. ومن أكثر هذه المقاييس شيوعاً في الممارسات المدرسية “الرتب المئينية” (Percentile Ranks). تدل الرتبة المئينية على النسبة المئوية لأفراد الجماعة المعيارية الذين يقع أداؤهم دون درجة المفحوص المعني. فحصول الطالب على رتبة مئينية تبلغ (85) يعني أنه حقق أداءً يعادل أو يفوق 85% من أفراد الجماعة المرجعية، بينما لم يتجاوزه سوى 15% منهم. ومع وضوح هذا المفهوم للمستفيدين، إلا أن له عيباً إحصائياً كبيراً يتمثل في أنه مقياس ترتيبي غير متساوي الفترات؛ إذ تتباعد الرتب عند الأطراف وتتكدس في المنتصف حول المتوسط.

لتجاوز عيوب المقاييس الرتبية، تُستخدم الدرجات المعيارية الخطية، وعلى رأسها الدرجة الزائية (Z-Score)، والتي تحول الدرجة الخام إلى وحدات من الانحراف المعياري عن المتوسط من خلال المعادلة:

$$Z = \frac{X – \mu}{\sigma}$$

حيث تمثل $X$ الدرجة الخام، و$\mu$ متوسط الجماعة المعيارية، و$\sigma$ انحرافها المعياري. ولمنع التعامل مع القيم السالبة والكسور العشرية التي قد تربك متخذي القرارات، طُورت درجات معيارية معدلة مثل الدرجة التائية (T-Score) بمتوسط قدره 50 وانحراف معياري 10 ($T = 50 + 10Z$)، ومقاييس التساعيات (Stanines) التي تقسم التوزيع إلى تسع فئات قياسية بمتوسط قدره 5 وانحراف معياري 2.

تستخدم بعض النظم أيضاً مقاييس مكافئات الصفوف الدراسية (Grade Equivalents) ومكافئات الأعمار (Age Equivalents). غير أن هذه النظم تنطوي على مخاطر تفسيرية بالغة؛ فإذا حقق طالب في الصف الرابع مكافئ صف قدره 6.5 في اختبار للقراءة، فإن التفسير الخاطئ الشائع يذهب إلى أن الطالب قادر على دراسة مناهج الصف السادس المتوسط. بينما التفسير السيكومتري الدقيق هو أن هذا الطالب في الصف الرابع قد أجاب على بنود اختبار الصف الرابع بنفس الكفاءة التي يُتوقع أن يجيب بها طالب متوسط في منتصف الصف السادس لو طُبق عليه نفس الاختبار المخصص للصف الرابع، وهو فارق نوعي يستوجب الحذر الشديد.

2.4 المزايا المنهجية والمآخذ النقدية

تتميز الاختبارات معيارية المرجع بكفاءتها الفائقة وقدرتها العالية على الفرز والتصنيف الدقيق بين الأفراد، وهي ميزة لا غنى عنها في المواقف التي تتسم بمحدودية الموارد والمقاعد، كشروط القبول في الكليات ذات الإقبال الشديد، أو المفاضلة في الوظائف النادرة. كما أنها توفر إطاراً مقارناً موحداً وواسع النطاق يتيح لصناع القرار مقارنة المدارس والمديريات التعليمية المختلفة، ورصد الاتجاهات التعليمية العامة عبر السنوات بناءً على معايير وطنية أو دولية مقننة تخضع لمحددات ضبط إحصائي رفيعة المستوى.

على الجانب الآخر، واجه هذا النموذج انتقادات علمية وتربوية حادة؛ لعل أبرزها أن المقارنة النسبية تفتقر إلى المعنى التعليمي الحقيقي، فهي لا تقدم إجابة عن السؤال التربوي الأهم: “ماذا يعرف المتعلم فعلاً؟ وما المهارات التي تنقصه؟”. قد يحصل طالب على رتبة مئينية مرتفعة في صف ذي أداء عام شديد التدني، مما يعطي انطباعاً كاذباً بالإتقان في حين يعاني من فجوات تعليمية خطيرة، والعكس صحيح تماماً إذا وُضع طالب متمكن وسط جماعة من النوابغ.

بالإضافة إلى ذلك، ينعكس هذا النموذج سلباً على دافعية المتعلمين ومناخ البيئة المدرسية؛ إذ يفرض التوزيع الطبيعي حتمية وجود نسبة دائمة من الطلاب في المستويات المتدنية مهما بذلوا من جهد، مما يولد لديهم شعوراً بالعجز المتعلم (Learned Helplessness) واليأس الأكاديمي. كما أنه يكرس روح التنافس السلبي والأنانية المعرفية بدلاً من التعاون والعمل الجماعي؛ لأن نجاح الزميل وفق المنظور المعياري يرفع متوسط الجماعة ويقلل تلقائياً من القيمة النسبية لأداء الآخرين.

3. الاختبارات محكية المرجع: الأسس النظرية والمنهجية

3.1 المنطلقات الفلسفية ونواتج التعلم المستهدفة

تستند الاختبارات محكية المرجع إلى فلسفة تعليمية إنسانية ترتكز على مبدأ “التعلم للإتقان” الذي ينطلق من فرضية أساسية مفادها أن الغالبية الساحقة من المتعلمين قادرة على تحقيق التمكن وإتقان الأهداف التعليمية المنشودة إذا ما توفرت لهم بيئة تعليمية مناسبة، ووقت كافٍ، وتغذية راجعة بنائية مستمرة. ترتبط هذه الفلسفة ارتباطاً وثيقاً بنظرية بنية المعرفة وصياغة الأهداف السلوكية الإجرائية القابلة للملاحظة والقياس المباشر، متجاوزة افتراض الحتمية البيولوجية للتوزيع الطبيعي للقدرات في سياق التعليم المدرسي الأساسي.

في هذا النموذج، يصبح أداء كل متعلم مستقلاً تماماً وغير مقيد بأداء زملائه في غرفة الصف أو في أي مكان آخر. إن الحكم التربوي صادر استناداً إلى مدى تطابق أداء المفحوص مع المواصفات المحددة في “المحك الخارجي المستقل”. وتترتب على هذه الاستقلالية نتيجة منطقية مهمة: من الممكن نظرياً، بل والمستهدف تربوياً، أن يحقق جميع الطلاب درجة النجاح والإتقان الكاملة (100%) إذا نجحت العملية التعليمية، دون أن يقلل نجاح طالب من فرص تفوق زميله أو يغير من دلالة درجاته المكتسبة.

يتطلب هذا التوجه تركيزاً بالغاً على مفهوم “تحديد وتمثيل المجال” (Domain Specification). فبدلاً من التركيز على السمات النفسية الكلية أو القدرات العامة، يُعرف المطورون نطاق المهارات والمعارف المستهدفة بتفصيل دقيق، بحيث تُصمم الفقرات الاختبارية لتكون عينة كافية وشاملة وممثلة تمثيلاً أميناً لهذا المجال السلوكي. ويصبح المقياس معنياً بتقدير نسبة المجال المعرفي التي يتقنها المفحوص، أو تأكيد امتلاكه لكفاية نوعية محددة ترتبط بممارسة مهنية أو متطلب تعليمي لاحق.

3.2 منهجيات تحديد درجات القطع (Cut-off Scores) ومستويات الأداء

يعد تحديد درجة القطع أو نقطة الفصل (Cut-off Score) العملية المحورية الأكثر حساسية في بناء الاختبارات محكية المرجع؛ حيث تفصل هذه الدرجة بين اتخاذ قرار بالإتقان والنجاح (Mastery / Pass) وقرار بعدم الإتقان والرسوب (Non-mastery / Fail). وبسبب أهمية هذه القرارات، طُوّرت مناهج سيكومترية قياسية متعددة لوضع هذه النقاط بعيداً عن العشوائية والتقديرات الانطباعية، وتُقسم هذه الطرائق تقليدياً إلى فئتين رئيستين:

أولاً: الطرائق المتمحورة حول المفردات (Test-Centered Methods)، ومن أشهرها عالمياً طريقة أنغوف المعدلة (Modified Angoff Method). في هذه الطريقة، تجتمع لجنة من الخبراء المستقلين، ويُطلب من كل خبير مراجعة كل فقرة اختبارية وتخيل مجموعة افتراضية من المفحوصين “الحدوديين” أو ذوي “الحد الأدنى من الكفاءة” (Minimally Competent Candidates). ثم يقدر الخبير النسبة المئوية لهؤلاء المفحوصين الذين سيجيبون عن الفقرة بشكل صحيح. يُجرى بعد ذلك تجميع هذه النسب وحساب متوسط التقديرات عبر المحكمين والفقرات للوصول رياضياً إلى درجة القطع الموصى بها، مع استخدام جولات تحكيم متعددة مدعومة ببيانات تجريبية لتقليص التباين بين الحكام. وتعد طريقة نيدلسكي (Nedelsky Method) أيضاً من الطرائق المتمحورة حول الفقرات ولكنها تركز على البدائل المشتتة غير الصحيحة في أسئلة الاختيار من متعدد.

ثانياً: الطرائق المتمحورة حول الأفراد (Examinee-Centered Methods)، ومن أبرزها طريقة “المجموعة الحدودية” (Borderline-Group Method) وطريقة “المجموعات المتناقضة” (Contrasting-Groups Method). في الأخيرة، يطلب مصممو المقياس من معلمين أو مقيمين خبراء تصنيف عينة من المتعلمين تصنيفاً مستقلاً عن نتائج الاختبار إلى فئتين: فئة المتقنين يقيناً، وفئة غير المتقنين يقيناً، بناءً على ملاحظتهم المباشرة لأدائهم العملي في الميدان أو الفصل. بعد ذلك، يُطبق الاختبار على هاتين المجموعتين، ويُرسم منحنى توزيع درجات كل مجموعة، وتُحدد درجة القطع عند النقطة التي يتقاطع فيها المنحنيان أو النقطة التي تحقق التوازن الأمثل بين خطأ التصنيف الإيجابي الكاذب والسلبي الكاذب.

ومع ذلك، تواجه هذه الطرائق تحدياً فلسفياً وسيكومترياً يتعلق بوجود نسبة من الذاتية والتقدير البشري مهما بلغت درجات التحكيم من تعقيد إحصائي. لذا، توصي المعايير السيكومترية الحديثة بضرورة توثيق إجراءات وضع المعايير بشفافية مطلقة، وحساب مؤشرات الاتفاق بين المحكمين، وتطبيق أكثر من طريقة للتحقق المتقاطع من درجة الفصل وضمان صدق القرارات المترتبة عليها.

3.3 الخصائص السيكومترية وتحليل الفقرات محكية المرجع

تختلف معايير الجودة السيكومترية للفقرات في الاختبارات محكية المرجع جذرياً عن نظيرتها المعيارية، حيث تنطلق من حقيقة أن تباين الدرجات ليس هدفاً بحد ذاته، بل قد يشير انعدام التباين في بعض الحالات إلى قمة النجاح التدريسي (حين يتقن الجميع المحتوى). وبالتالي، تفقد معاملات الارتباط التقليدية قوتها في التعبير عن كفاءة الأداة. ويُستبدل معامل التمييز التقليدي بمؤشرات تعكس “حساسية المفردة للتعليم” (Instructional Sensitivity)، ومن أبرزها مؤشر الفرق قبل وبعد التدريس (Pre-to-Post Instruction Difference Index):

$$D_{instructional} = p_{post} – p_{pre}$$

حيث يمثل $p_{post}$ نسبة الإجابات الصحيحة للمفحوصين بعد تلقي التعليم، بينما يمثل $p_{pre}$ نسبتهم قبل التعليم. وتعد الفقرة ممتازة كلما أظهرت نمواً كبيراً في قدرة الطلاب بعد عملية التدريس مقارنة بمستواهم القبلي.

كما يُستخدم مؤشر التمييز بين المتقنين وغير المتقنين (Mastery vs. Non-mastery Discrimination):

$$D_{CRT} = p_{masters} – p_{non-masters}$$

والذي يقيس مدى نجاح الفقرة في الفصل بين من أظهروا إتقاناً كلياً لمجال المهارة ومن لم يحققوا ذلك، مما يساعد على تنقية بنوك الأسئلة من الفقرات الغامضة أو المعيبة.

وفيما يخص حساب الثبات، فإن النماذج الكلاسيكية القائمة على التباين، مثل معامل ألفا كرونباخ (Cronbach’s Alpha)، تصبح غير ملائمة وتؤدي إلى تقديرات مضللة بالانخفاض في حالات تجانس العينة بعد التدريس. لذلك، يُستبدل ثبات الدرجة بمفهوم “ثبات قرار التصنيف” (Classification Consistency and Decision Reliability). تُقاس هذه الموثوقية بمدى اتساق وتكرار تصنيف المتعلم كـ “متقن” أو “غير متقن” عبر صورتين متكافئتين من الاختبار، أو عبر إجراءات التطبيق وإعادة التطبيق. وتُستخدم في هذا السياق معادلات إحصائية متخصصة، مثل معامل كوهين كابا (Cohen’s Kappa – $kappa$) الذي يضبط الاتفاق المتوقع بالصدفة المجردة، ومؤشر ليفينغستون للثبات (Livingston’s Reliability Coefficient) الذي يأخذ في الحسبان المسافة الفاصلة بين درجات الطلاب ودرجة القطع المعتمدة.

أما على صعيد الصدق، فإن الأولوية القصوى تتجه دائماً وبلا منازع نحو “صدق المحتوى” (Content Validity) وتطابق المجال (Domain Representation). يجب على واضعي الاختبارات المحكية تقديم أدلة منهجية قاطعة تثبت أن كل هدف تعليمي مستهدف قد مُثل بعدد متوازن وكافٍ من الفقرات التي تقيس المستوى الإدراكي والمهاري المطلوب فعلياً، استناداً إلى جدول مواصفات (Test Blueprint) محكم وصارم يخضع لتقييم لجان علمية متخصصة ومستقلة.

3.4 المزايا المنهجية والمآخذ النقدية

تقدم الاختبارات محكية المرجع مزايا نوعية جعلتها الركيزة الأساسية للتعليم المعاصر؛ لعل في طليعتها توفير تغذية راجعة تشخيصية دقيقة ومفصلة. فالنتيجة لا تخبر المعلم والمتعلم بموقعه الترتيبي، بل تزودهما بخريطة إدراكية تبين بوضوح الأهداف التي تم استيعابها بنجاح، والثغرات النوعية التي تحتاج إلى إعادة تدريس ودعم علاجي مخصص. إن هذه الخاصية تجعل القياس المحكي خادماً أصيلاً للعملية التعليمية، ووسيلة فاعلة لتفريد التعليم وتحسين الممارسات التدريسية الصفية في الوقت الحقيقي.

كما تعزز هذه الاختبارات مبادئ العدالة والمساواة الأخلاقية في التعليم؛ إذ تمنح كل طالب الفرصة الكاملة للنجاح وإبراز كفاءته بغض النظر عن مستوى رفاقه، ما يحمي بيئة التعلم من السموم التنافسية ويشجع التفاعل التعاوني والدافعية الذاتية نحو الإنجاز الشخصي. وتعد هذه الأدوات الضامن الأساسي لجودة المخرجات في اختبارات السلامة العامة والترخيص المهني والمساقات الطبية والهندسية؛ حيث لا يُقبل التنازل عن تحقيق الكفاية المطلقة لحماية المجتمع من مخاطر الممارسة غير المؤهلة.

ومع ذلك، لا تخلو هذه المنهجية من تحديات ومآخذ؛ منها الصعوبة المنهجية واللوجستية الكبيرة في تحديد مجالات التعلم وتعريفها إجرائياً بصورة مانعة وجامعة، لاسيما في مجالات العلوم الإنسانية والفلسفية والآداب التي يصعب حصر نواتجها في سلوكيات نمطية محددة. يضاف إلى ذلك الخلاف المتكرر بين الخبراء حول مستوى درجات القطع؛ فقد يؤدي التشدد المفرط إلى إحباط أعداد واسعة من المتعلمين، بينما يؤدي التساهل إلى تدني الكفاءة العامة للمخرجات. كما أن القياس المحكي يعجز بمفرده عن معالجة مواقف الانتقاء الوظيفي أو الأكاديمي الحرج حين تتطلب الظروف تحديد عدد ثابت جداً من الأشخاص لا يستوعب كل من حقق درجة الإتقان المطلوبة.

4. الفروق الجوهرية بين الاختبارات معيارية المرجع ومحكية المرجع

لإدراك الطبيعة المتباينة للنموذجين، يلخص الجدول التالي المقارنة السيكومترية والمنهجية المباشرة بين الاختبارات معيارية المرجع ومحكية المرجع عبر الأبعاد الجوهرية للقياس التربوي:

البعد القياسي / المنهجي	الاختبارات معيارية المرجع (NRT)	الاختبارات محكية المرجع (CRT)
الغرض الأساسي للقياس	فرز وتصنيف الأفراد وتحديد موقعهم النسبي على متصل السمة لتحديد الفروق الفردية.	تحديد مدى تمكن الفرد من إتقان أهداف ومعايير ومخرجات تعليمية محددة مسبقاً.
الإطار المرجعي لتفسير الدرجة	داخلي نسبي: أداء الجماعة المعيارية المرجعية (Norm Group).	خارجي مطلق: محك الأداء الثابت أو نواتج التعلم المحددة (Criterion/Cut Score).
طبيعة توزيع الدرجات المتوقع	توزيع طبيعي متماثل على شكل منحنى جرسي واسع التباين.	توزيع ملتوي سالباً (بافتراض كفاءة التدريس وتحقيق معظم الطلاب للإتقان).
استراتيجية اختيار المفردات	انتقاء الفقرات ذات التباين الأقصى ($p \approx 0.50$) ومعاملات التمييز العالية ($r_{pb} ge 0.30$).	انتقاء الفقرات التي تمثل المجال المعرفي والمهاري بدقة بغض النظر عن صعوبتها الإحصائية.
مفهوم ومعامل التمييز	القدرة على التفريق بين مرتفعي ومنخفضي الأداء العام على المقياس ككل.	القدرة على رصد حساسية التعلم ($p_{post} – p_{pre}$) أو الفصل بين المتقنين وغير المتقنين.
منهجية تقدير الثبات	استقرار الرتب والاتساق الداخلي للدرجات الكلية القائم على التباين (ألفا كرونباخ).	اتساق قرارات التصنيف عبر الزمن أو الصور المتكافئة (معامل كابا، مؤشر ليفينغستون).
أولوية الصدق الأساسية	صدق البناء (Construct)، والصدق التنبؤي، والصدق التزامني المرتبط بالمحك الخارجي.	صدق المحتوى وتطابق المجال (Content Validity / Domain Representativeness).
صيغة إعداد التقارير والمخرجات	رتب مئينية، درجات معيارية ($Z, T$)، تساعيات (Stanines)، مكافئات صفية.	نسبة إنجاز المجال، قرارات إتقان/عدم إتقان (Pass/Fail)، مستويات أداء نوعية (مبتدئ/كفء/متقدم).
دلالة النجاح والرسوب	مفهوم نسبي حتمي يعتمد على موضع الفرد نسبة إلى أقرانه؛ توجد دائماً نسبة راسبة.	مفهوم مطلق يعتمد على تخطي درجة القطع؛ يمكن للجميع النجاح أو الرسوب معاً.
أثر التدريس والتدريب المكثف	قد يفسد الخصائص السيكومترية للأداة إذا قلص التباين وشوه التوزيع الطبيعي.	يمثل الغاية التعليمية الكبرى والبرهان العملي على فاعلية وجودة التدريس والمقياس.

4.1 التباين في الغرض الوظيفي وفلسفة القياس

يكمن الاختلاف المحوري بين المنهجين في الفلسفة الكامنة وراء وجود الأداة القياسية في المنظومة التعليمية. يسعى الاختبار معياري المرجع إلى تجريد الأداء الفردي من سياقه المعرفي المباشر لتحويله إلى قيمة تنافسية؛ إنه نظام مصمم لفصل الحبات عن بعضها، وتحديد من يتفوق على من، ورسم خريطة تراتبية تبدأ من الأفضل إلى الأضعف. تخدم هذه الفلسفة غايات الفرز الاجتماعي والأكاديمي؛ لذا فإن موقعها الطبيعي هو “التقويم النهائي الانتقائي” (Summative Selective Assessment) الذي يتطلب اتخاذ قرارات حاسمة لا رجعة فيها بناءً على القدرة النسبية القصوى للأفراد.

في المقابل، ينطلق الاختبار محكي المرجع من فلسفة تمكينية تقييمية تؤمن بأن الوظيفة الجوهرية للقياس ليست تبرير الفروق الفردية وإضفاء الشرعية الرياضية عليها، بل المساعدة الفعالة في ردم هذه الفروق وإيصال أكبر قدر ممكن من المتعلمين إلى مستوى الكفاية المستهدفة. القياس هنا وسيلة لرصد التقدم الفردي نحو غايات تعليمية محددة؛ وبالتالي فإن موقعه الأبرز هو “التقويم التكويني والتشخيصي والتطويري” (Formative and Diagnostic Assessment)، فضلاً عن قرارات منح التراخيص والمؤهلات التي تتطلب برهاناً لا لبس فيه على امتلاك الجدارة المهنية والعلمية.

ينعكس هذا التباين الفلسفي على علاقة المفحوص بالمحيط؛ ففي البيئة المعيارية، يمثل الطالب الآخر عائقاً ومنافساً يؤدي ارتفاع أدائه إلى تهديد الموقع النسبي لزملائه. أما في البيئة المحكية، فإن علاقة الطالب تكون موجهة بالكامل نحو المادة التعليمية والأهداف المطلوب اكتسابها، مما يحول العملية التعليمية من صراع تنافسي على موارد الدرجات الشحيحة إلى مسعى تعلمي نحو التميز المشترك، حيث تظل مرجعية الحكم مستقلة وخارجية ومتاحة للجميع على قدم المساواة.

4.2 التباين في استراتيجيات بناء المفردات وتوزيع الدرجات

تنعكس الفلسفة القياسية مباشرة على الطريقة التي يتبعها مصممو الاختبارات في هندسة المفردات وصياغتها. في الاختبارات معيارية المرجع، تُخضع بنوك الأسئلة لغربلة إحصائية بالغة الشدة؛ حيث تُحذف أي فقرة لا تنجح في إظهار تمييز إحصائي واضح بين الطلاب المتميزين وأقرانهم الضعاف، حتى وإن كانت تلك الفقرة تقيس مفهوماً مفتاحياً في المنهج الدراسي. كما يتم تجنب الفقرات التي يتمكن معظم المتعلمين من حلها بنجاح بعد شرح المعلم، لأنها “تضر” باتساع التباين وتسطح قمة المنحنى التوزيعي المطلوب. فالهدف التقني هو الحفاظ على شكل التوزيع الطبيعي المتماثل، مع تركيز الصعوبة عند نقطة المنتصف.

أما في الاختبارات محكية المرجع، فإن المحدد الأول والوحيد لقبول أو رفض الفقرة هو صدق تمثيلها لنواتج التعلم المستهدفة وجدول المواصفات. إذا كان الهدف التعليمي يقتضي قياس مهارة أساسية وحرجة في الإسعافات الأولية أو العمليات الحسابية الأساسية، ونجح 98% من الطلاب في حل السؤال المخصص لها، فإن مطور الاختبار المحكي يحتفظ بهذه الفقرة بكل اعتزاز، ولا يجرؤ على استبعادها؛ لأن حذفها يعني تشويه المحتوى وإسقاط جزء أساسي من الكفاية المراد التحقق من اكتسابها. التباين هنا ليس هدفاً البتة، بل إن التوزيع الإحصائي المثالي في الاختبارات المحكية البعدية هو “التوزيع الملتوي سالباً” (Negatively Skewed Distribution)، الذي تتكدس فيه الغالبية العظمى من الدرجات عند النهاية العليا للمقياس، بما يبرهن على نجاح الطلاب في اكتساب المحتوى التعليمي.

يتسع هذا التباين ليشمل طبيعة العينة المستخدمة في تقنين وبناء الأداة. يتطلب الاختبار المعياري تطبيقه على عينات ضخمة وممثلة وطنياً من الطلاب، لاستخراج جداول المعايير وتثبيتها لفترات زمنية ممتدة. أما الاختبار المحكي، فلا يحتاج إلى معايرة وطنية بهذا المفهوم، بل يتطلب تطبيقاً تجريبياً يركز على عينات منتقاة للتحقق من وضوح الفقرات، وحساب مؤشرات حساسية التدريس، وضبط درجات الفصل باستخدام لجان من المتخصصين في المناهج والتعليم الميداني.

4.3 التباين في التفسير الإحصائي وإعداد التقارير

تختلف لغة الأرقام الصادرة عن كلا النوعين اختلافاً تاماً في طبيعة البيانات التي تحملها والجمهور الذي تخاطبه. تصاغ تقارير الاختبارات معيارية المرجع بلغة إحصائية بحتة تتضمن مؤشرات الرتب المئينية، والدرجات المعيارية المحولة، والخطأ المعياري للقياس. ويكون التقرير عادة موجهاً إلى لجان الفرز الأكاديمي، وإدارات الجامعات، ومكاتب القبول، وجهات التوظيف الكبرى. ولا تحتوي هذه التقارير عادة على معلومات نوعية تساعد الطالب في معرفة المسائل الحسابية المحددة التي أخطأ فيها أو القواعد اللغوية التي لم يتقنها، بل تكتفي بإصدار حكم رقمي عام يعكس موقعه في الصف أو بين عموم المتقدمين.

في المقابل، تتحدث تقارير الاختبارات محكية المرجع لغة معرفية وبيداغوجية موجهة أساساً للمتعلم والمعلم وولي الأمر. تترجم هذه التقارير الدرجات إلى مستويات أداء نوعية مفصلة (Performance Levels)، مثل: “دون المستوى المطلوب”، “مبتدئ”، “كفء”، أو “متقدم”. وتتضمن تقارير مهارية وصفية تبين بدقة نسبة الإتقان في كل معيار فرعي من معايير التعلم. على سبيل المثال، قد يوضح التقرير أن الطالب حقق 90% في معيار “فهم المقروء والتحليل البلاغي”، بينما حقق 40% في معيار “التطبيق النحوي والإملائي”، مما يضع بين يدي المعلم والمتعلم خريطة عمل علاجية واضحة المعالم، تستهدف نقاط الضعف النوعية بالدعم والتعزيز.

ويرتبط بذلك مفهوم دلالة النجاح والرسوب؛ فالنجاح في المنظومة المعيارية مفهوم نسبي متحرك وديناميكي؛ فالدرجة التي تمنح صاحبها حق القبول في جامعة ما هذا العام، قد تؤدي إلى رسوبه ورفضه في العام القادم إذا ارتفع المستوى العام للمتقدمين الأقران. أما في الاختبار المحكي، فالنجاح مفهوم مطلق ومستقر؛ فدرجة الإتقان المحددة سلفاً (ولنقل 80%) تضمن لصاحبها اجتياز الاختبار والحصول على الشهادة أو الاعتماد بصرف النظر عن كون جميع زملائه قد حققوا 100% أو رسبوا جميعاً، مما يمنح المتعلم شعوراً بالأمان والعدالة الموضوعية.

4.4 التباين في تقدير الخصائص السيكومترية (الصدق والثبات)

تمتد الفجوة بين النموذجين إلى النظريات والنماذج الرياضية المستخدمة للتحقق من جودة أداة القياس وصلاحيتها للاستخدام، أي ثباتها وصدقها. في إطار القياس المعياري، يرتبط الثبات بمفهوم “استقرار الترتيب والتباين”؛ فالأداة الثابتة هي التي تحافظ على الترتيب النسبي للأفراد عند تكرار تطبيقها، أو التي تظهر اتساقاً داخلياً عالياً بين مفرداتها باستخدام معادلات تعتمد على تباين المفردة وتباين الدرجة الكلية كمعامل ألفا كرونباخ أو معادلات كودر-ريتشاردسون (KR-20, KR-21). وتتجه أولوية الصدق في هذا السياق نحو صدق البناء السيكولوجي (Construct Validity)، والتحليل العاملي لتحديد الأبعاد الكامنة للسمة، بالإضافة إلى الصدق المحكي التنبؤي، كقدرة درجات اختبار القدرات على التنبؤ بمعدل الطالب التراكمي في السنة الجامعية الأولى.

أما في إطار القياس المحكي، فإن كل هذا الجهاز الإحصائي الكلاسيكي يتعرض للتفكيك وإعادة البناء؛ فالثبات هنا لا يعني استقرار الرتب، بل يعني “اتساق قرار التصنيف” (Decision Consistency). إذا كان الاختبار يهدف إلى تصنيف الممرضين إلى مؤهلين لممارسة المهنة أو غير مؤهلين، فإن الثبات يُقاس بمدى احتمالية أن يتخذ الاختبار نفس القرار التصنيفي إذا أُعيد تطبيقه على نفس الأفراد، وتُستخدم لذلك معاملات توافق متخصصة مثل معامل كابا أو مؤشرات ليفينغستون وسوبكوفياك التي تعتمد على مسافة البعد عن درجة القطع، حيث يُعاقب المقياس إذا تغير تصنيف الأفراد القريبين من درجة الفصل بصورة عشوائية.

وفيما يخص الصدق، تتراجع أهمية الصدق التنبؤي طويل المدى لصالح الهيمنة المطلقة لصدق المحتوى وتطابق المجال المعرفي؛ إذ يجب إثبات أن مفردات الاختبار تغطي مجال الكفايات التدريسية أو المهنية بتمثيل متوازن لا يترك مجالاً للصدفة. ويبرز هنا فارق حاسم يتعلق بـ “أثر تدريس المحتوى” (Teaching to the Content)؛ ففي الاختبار المعياري، إذا قام المعلم بتدريب طلابه تدريباً مكثفاً ومباشراً على مجالات الاختبار، فإن ذلك قد يؤدي إلى تشويه الخصائص السيكومترية للأداة وتضخيم الدرجات اصطناعياً مما يقلل من تباين العينة ويفسد صدق التفسيرات المعيارية. أما في الاختبار المحكي، فإن التدريس المكثف للمحتوى التعليمي وإتقان الطلاب الكامل له ليس مفسداً للاختبار، بل هو الهدف الأسمى والغاية الكبرى التي من أجلها شُيدت المنظومة القياسية برمتها.

5. أوجه التشابه ومناطق التداخل والتكامل المنهجي

5.1 المتطلبات المنهجية والجودة السيكومترية المشتركة

على الرغم من التباينات الفلسفية والإحصائية العميقة بين الاختبارات معيارية المرجع ومحكية المرجع، إلا أنهما ينتميان في النهاية إلى الحقل المعرفي ذاته، وهو علم القياس التربوي والنفسي (Psychometrics)، ويتشاركان في الالتزام بأعلى معايير الجودة العلمية والأخلاقية. يشترك كلا النموذجين في الحاجة المطلقة إلى تحقيق الصدق والثبات، وخلو الأدوات من التحيز الثقافي أو الجندري أو الإثني (Test Fairness and Freedom from Bias). فلا يمكن قبول أي اختبار، سواء كان معيارياً أم محكياً، إذا كانت مفرداته تصب في مصلحة فئة اجتماعية معينة على حساب فئة أخرى لأسباب لا ترتبط بالسمة أو المهارة المقاسة.

كما يعتمد كلا النموذجين على ترسانة مشتركة من الأشكال والأنماط الاختبارية؛ فالفقرة الموضوعية، سواء كانت اختياراً من متعدد، أو صواباً وخطأ، أو مطابقة، والفقرة المقالية القصيرة أو الممتدة، والمهام الأدائية العملية، ومقاييس التقدير المتدرجة (Rubrics)، تُستخدم جميعها في كلا النوعين دون أي تمييز بنيوي في ذاتها. ويتطلب كلاهما صياغة دقيقة وخالية من الغموض اللغوي، وتجنب الإيحاء بالإجابة، والتحقق الصارم من ملاءمة الوقت المتاح لزمن الإجابة الفعلي.

علاوة على ذلك، يتطلب كلا النموذجين إجراءات توحيد قياسي (Standardization) دقيقة وصارمة في ظروف التطبيق. يشمل ذلك توحيد تعليمات الاختبار، وتحديد فترات الراحة بدقة، وضمان البيئة المادية المناسبة من إضاءة وتهوية وهدوء، وتوفير آليات تصحيح موضوعية تضمن عدم تأثر الدرجة بذاتية المصححين، سواء عبر استخدام القوارئ الآلية للفقرات الموضوعية، أو عبر تدريب المقدرين وحساب نسب الاتفاق بينهم (Inter-Rater Reliability) في تصحيح الأسئلة المقالية والأدائية.

5.2 إمكانية الاستخدام المزدوج للأداة الاختبارية الواحدة

في الممارسة التربوية الواقعية والمتقدمة، لا توجد أسوار حديدية تفصل دائماً وبشكل قطعي بين جمع البيانات وتفسيرها؛ إذ يمكن من الناحية الفنية استخدام حزمة واحدة من البيانات الاختبارية لاستخراج دلالات تفسيرية مزدوجة تخدم أغراضاً تقويمية متعددة. يمكن لاختبار تحصيلي جيد الصياغة بُني وفق أهداف تعليمية واضحة (أساس محكي) أن يوفر درجات خاماً تُستخدم لتحديد مدى إتقان الطلاب لكل وحدة تعليمية، ثم تُحول الدرجات ذاتها بعد ذلك إلى رتب مئينية أو درجات تائية لمقارنة أداء الفصول أو المدارس المختلفة ضمن نظام إداري تعليمي موحد (أساس معياري).

يتجلى هذا التداخل في مرحلة التجريب الاستطلاعي للاختبارات محكية المرجع؛ حيث يلجأ مطورو المقاييس المحكية غالباً إلى استعارة تقنيات التحليل المعياري، مثل فحص تباين الفقرات، ومعاملات التمييز الكلاسيكية، ومعاملات الصعوبة، لاستكشاف المفردات التي تعاني من خلل بنيوي، كغموض الصياغة أو وجود أخطاء في البدائل. فالفقرة المحكية التي لا ينجح في حلها أحد حتى بعد التدريس المتقن، قد تستفيد من التحليل المعياري لمعرفة ما إذا كان السبب يكمن في عيب بنيوي في السؤال وليس في عجز الطلاب عن التعلم.

كما تبنت الاختبارات المعيارية الكبرى واسعة النطاق على المستوى الدولي، مثل اختبارات القبول أو اختبارات تقييم مهارات القراءة، دمج مستويات الأداء والأطر المحكية ضمن تقاريرها المعيارية. ومن الأمثلة البارزة على ذلك مقاييس ليكسل (Lexile Framework for Reading)؛ فرغم أن المقياس يعتمد على تدريج معياري متصل للقدرة القرائية، إلا أن الدرجة تُربط بمستويات نوعية محكية تصف بدقة النصوص التي يستطيع المتعلم قراءتها باستقلالية ويسر، ونوعية الكفايات البلاغية واللغوية التي يمتلكها، مما يمنح الرقم المعياري بعداً تشخيصياً نوعياً ذا قيمة تعليمية كبرى.

5.3 التكامل في إطار النظريات الحديثة في القياس (نظرية الاستجابة للمفردة IRT)

أحدثت النظريات السيكومترية الحديثة، وفي مقدمتها نظرية الاستجابة للمفردة (Item Response Theory – IRT) ونموذج راش (Rasch Measurement Model)، ثورة علمية كبرى ساهمت في إذابة الفواصل الاصطناعية الحادة بين القياس المعياري والقياس المحكي، ودمجهما في إطار تكاملي موحد ورفيع المستوى. تعتمد هذه النماذج على فكرة تدريج صعوبة المفردات ومستوى قدرة الأفراد على نفس المقياس المتصل المشترك، والذي يقاس عادة بوحدات “اللوجيت” (Logit).

في إطار هذا التدريج المشترك، يبرز تمثيل بياني عبقري يُعرف بـ “خريطة رايت” أو خريطة المفردات والأفراد (Wright Map / Person-Item Map). تضع هذه الخريطة المفحوصين على الجانب الأيسر مرتبين من الأقل قدرة إلى الأعلى قدرة (بما يحقق الغرض المعياري المقارن)، وتضع المفردات الاختبارية على الجانب الأيمن موزعة وفق مستوى صعوبتها المعرفية وارتباطها بنواتج التعلم ومستويات الإتقان (بما يحقق الغرض المحكي التفسيري). ومن خلال النظر إلى موقع الطالب على هذا المتصل، يمكن في الوقت ذاته معرفة ترتيبه الدقيق بين أقرانه، ومعرفة ما يستطيع إنجازه من مهارات بنسبة احتمالية محددة رياضياً (عادة 50% أو 67% أو 80%)، دون أي تناقض بين الهدفين.

أتاح هذا التكامل السيكومتري المتطور بناء نظم بنوك الأسئلة الحديثة والاختبارات التكيفية المحوسبة (Computerized Adaptive Testing – CAT). في هذه النظم، يُقدم للمتعلم مسار اختباري مخصص ديناميكياً يتكيف مع مستوى قدرته بعد كل استجابة؛ مما يتيح تحديد كفاءته ومستوى إتقانه للكفايات المستهدفة في وقت وجيز جداً وبدقة قياس متساوية عبر مختلف مستويات القدرة، مع استخراج درجات معيارية قابلة للمقارنة المباشرة عبر نماذج ونماذج فرعية متعددة، وهو ما يمثل ذروة التوافق المنهجي بين رواد المعيار ودعاة المحك.

6. محددات الاختيار: متى يُطبق كل نوع في الممارسة العملية؟

6.1 سياقات الاستخدام الحصرية للاختبارات معيارية المرجع

تفرض بعض السياقات الاجتماعية والتربوية والمهنية استخدام الاختبارات معيارية المرجع بصورة حصرية تقريباً، وتحديداً في المواقف التي تتصف بـ “شح الموارد وتحديد الحصص” (Zero-Sum / Quota-Based Decisions). ومن أبرز هذه السياقات اختبارات القبول الجامعي التنافسية للالتحاق بالكليات ذات الطاقة الاستيعابية المحدودة، مثل كليات الطب والهندسة والعلوم التطبيقية المتقدمة، أو اختبارات المفاضلة العامة مثل مقاييس القدرات العامة واختبارات (SAT, GRE). في هذه المواقف، لا تكفي معرفة أن المتقدم “كفء” أو “متقن”؛ لأن أعداد المتقنين قد تصل إلى عشرات الآلاف بينما المقاعد المتاحة لا تتجاوز المئات، مما يفرض استخدام أداة ذات قدرة فرز قصوى تقوم بترتيب المتقدمين ترتيباً تسلسلياً دقيقاً ومفاضلتهم على أساس الفروق الفردية النسبية.

كما تعد الاختبارات المعيارية الخيار الأمثل والوحيد في سياقات التوظيف والفرز المهني للمؤسسات التي تتلقى آلاف الطلبات لشغل وظائف قيادية أو دبلوماسية أو عسكرية حساسة، حيث يكون الهدف هو استقطاب أفضل المواهب والكوادر المتفوقة على أقرانها بصورة واضحة. يضمن القياس المعياري هنا للجهة الموظفة اختيار الشريحة العليا الواقعة في أعلى المنحنى، مما يحقق الفاعلية القصوى للمؤسسة ويقلل من احتمالات المحاباة أو التدخل البشري.

ويبرز استخدام حاسم آخر للاختبارات المعيارية في الدراسات والمسوحات التقويمية المقارنة واسعة النطاق، سواء كانت على المستوى الوطني بين المقاطعات والمديريات التعليمية، أو على المستوى الدولي مثل دراسات الاتجاهات الدولية في الرياضيات والعلوم (TIMSS) والبرنامج الدولي لتقييم الطلبة (PISA). لا تهدف هذه الدراسات إلى إعطاء شهادات نجاح للطلاب الأفراد، بل تهدف إلى وضع النظم التعليمية للدول في ميزان المقارنة النسبية، وتحديد موقع كل دولة بالنسبة لمتوسط الأداء العالمي لرصد فجوات التحصيل ورسم السياسات التعليمية والإصلاحية الكبرى.

6.2 سياقات الاستخدام الحصرية للاختبارات محكية المرجع

في المقابل، تتطلب سياقات تربوية ومهنية متعددة الاستبعاد التام للمقارنات النسبية، والاعتماد الحصري والمطلق على الاختبارات محكية المرجع. يأتي في مقدمة هذه السياقات التعليم المدرسي الصفي اليومي وعمليات التقويم التكويني والتشخيصي. يحتاج المعلم في الغرفة الصفية إلى معرفة ما إذا كان طلابه قد استوعبوا مفهوم القسمة المطولة، أو قواعد السلامة في المختبر، أو نطق الحروف الأجنبية بصورة سليمة، من أجل تصميم خطط التدريس العلاجية والإثرائية. إن المقارنة هنا بين الطلاب لا تقدم أي قيمة معرفية مضافة، بل تعطل مسار التعلم وتشيع الإحباط في نفوس المتعلمين.

ويكتسب القياس المحكي قداسة مهنية وأخلاقية صارمة في اختبارات الترخيص ومزاولة المهن المرتبطة بسلامة وحياة البشر، مثل اختبارات رخص قيادة الطائرات المدنية، والترخيص الطبي للممارسين الصحيين والصيادلة والتمريض، واختبارات قيادة المركبات. في هذه الميادين، لا يهم المؤسسة التنظيمية ولا الجمهور ما إذا كان المتقدم يقع في الرتبة المئينية التسعين أو الخمسين، بل المهم هو الإجابة القاطعة: “هل يستطيع هذا الجراح إجراء العملية الجراحية دون ارتكاب أخطاء قاتلة؟ وهل يستطيع هذا الطيار الهبوط بالطائرة في حالات الطوارئ وفق بروتوكولات السلامة؟”. إن أي تساهل باعتماد الفرز النسبي في هذه السياقات يعد خرقاً كارثياً لأمن المجتمع وسلامته العامة.

كذلك تُعد الاختبارات المحكية العمود الفقري لبرامج التعليم والتدريب الفني والمهني (TVET)، والبرامج القائمة على “التعليم القائم على الكفايات” (Competency-Based Education – CBE)، ومساقات التعلم الذاتي المفتوح عبر الإنترنت. تركز هذه البرامج على تمكين المتعلم من إتقان كل وحدة نمطية مهارية والانتقال منها إلى الوحدة التالية بعد إثبات الكفاءة المطلقة، دون الارتباط بجدول زمني جماعي أو مقارنة مع متدربين آخرين.

6.3 مصفوفة اتخاذ القرار التربوي لمصممي ومستخدمي الاختبارات

لمساعدة مصممي المناهج والمعلمين والقيادات التربوية في اختيار النموذج القياسي الأنسب للموقف التقويمي، يجب الاستناد إلى مصفوفة قرارات علمية تقوم على تحليل دقيق لثلاثة محددات جوهرية:

المحدد الأول: طبيعة الهدف التقويمي والقرار المتخذ (Purpose and Decision Nature):
إذا كان القرار المطلوب اتخاذه يتعلق بـ “الاختيار والانتقاء والتوزيع والمفاضلة في ظل مقاعد محدودة”، فإن الاختبار معياري المرجع هو الخيار المنهجي الحتمي. أما إذا كان القرار يتعلق بـ “التشخيص، والتحقق من الكفاءة، ومنح التراخيص، وإصدار أحكام الإتقان، وتحسين جودة التدريس”، فإن الاختبار محكي المرجع هو الخيار الذي لا بديل عنه.

المحدد الثاني: مرونة الموارد والقدرة الاستيعابية (Resource Capacity):
حين تكون الموارد والفرص التعليمية أو التدريبية غير محدودة أو قابلة للتوسع (مثل دورات التدريب على الحاسب، أو التعليم الأساسي الإلزامي)، يكون من حق كل متقدم أن يتقن وينجح وفق محك ثابت. أما إذا كانت الموارد جامدة وشديدة المحدودية كبعثة دراسية وحيدة أو شواغر وظيفية معدودة، فإن الواقع يفرض اعتماد المرجعية المعيارية كأداة حسم نهائية.

المحدد الثالث: الآثار الأخلاقية المترتبة والصدق العواقبي (Consequential Validity):
يجب على متخذ القرار التفكير في الأثر النفسي والاجتماعي للاختبار؛ فإذا كان استخدام الاختبار المعياري سيؤدي إلى تثبيط شريحة واسعة من المتعلمين ودفعهم إلى التسرب الدراسي بسبب إشعارهم الدائم بالدونية النسبية، فإن العدالة التربوية تقتضي التحول فوراً إلى التقييم المحكي، مع قصر المعايير على المسابقات التنافسية العامة التي يفهم المشاركون فيها طبيعة قواعد اللعبة مسبقاً.

7. الأسئلة الشائعة حول الاختبارات المعيارية والمحكية

7.1 هل يمكن تحويل نتيجة اختبار معياري المرجع إلى نتيجة محكية والعكس؟

من الناحية السيكومترية الدقيقة، لا يمكن إجراء تحويل رياضي مباشر أو آلي بسيط بين درجات الاختبارين؛ وذلك بسبب الاختلاف الجوهري في استراتيجية بناء المفردات، وتوزيع الصعوبة، وجدول المواصفات منذ اللحظة الأولى لتصميم الأداة. فالاختبار المعياري يستبعد عمداً الفقرات ذات الإتقان الشامل التي تمثل ركائز المعرفة الأساسية في الاختبار المحكي، مما يعني أن استخراج نتيجة محكية من اختبار معياري سيؤدي إلى نقص فادح في تمثيل المجال المعرفي الأصلي.

ومع ذلك، يمكن في بعض الممارسات المقننة اللجوء إلى “إعادة التفسير البعدي المشروط” للبيانات؛ حيث يمكن للجان من الخبراء مراجعة بنود اختبار معياري وتحديد درجة قطع معيارية تُعامل إجرائياً كمحك للنجاح الأدنى، وهو إجراء شائع في بعض امتحانات الشهادات العامة. أما تحويل نتيجة محكية إلى معيارية، فهو ممكن إحصائياً إذا كان الاختبار المحكي يتمتع بتباين معقول في درجاته وطُبق على عينة واسعة، غير أن ذلك ينطوي على مخاطر منهجية كبرى؛ إذ قد يؤدي فقدان المعلومات النوعية المرتبطة بإتقان مهارات نوعية لحساب ترتيب نسبي قد لا تتطابق فيه رتبة الطالب مع مستوى كفاءته الميدانية الفعلية.

7.2 ما الفرق بين التقييم القائم على المعايير (Standards-Based) والتقييم محكي المرجع؟

غالباً ما يُستخدم المصطلحان كمترادفين وظيفيين في الأدبيات التربوية المعاصرة، إلا أن التدقيق الاصطلاحي يكشف عن فارق في المستوى المفهومي. حركة “التعليم والتقييم القائم على المعايير” (Standards-Based Assessment) هي حركة إصلاح تربوي شاملة ظهرت بقوة في التسعينيات، وتحدد ما يجب على جميع الطلاب معرفته والقدرة على أدائه في مختلف المواد الدراسية، متضمنةً “معايير المحتوى” (Content Standards) و”معايير الأداء” (Performance Standards).

أما “التقييم محكي المرجع” (Criterion-Referenced Assessment)، فهو النموذج التقني والأداة السيكومترية المحددة التي تُستخدم لتفعيل وقياس مدى تحقق تلك المعايير على أرض الواقع. بعبارة أخرى، يمثل التقييم القائم على المعايير “الفلسفة والسياسة التعليمية الكبرى”، في حين يمثل التقييم محكي المرجع “الإطار المنهجي والتقني التنفيذي” الذي يترجم هذه الفلسفة إلى أدوات اختبارية، ودرجات قطع، ومستويات أداء محددة، مما يجعلهما وجهين لعملة تربوية واحدة تسعى إلى تجاوز قصور النموذج المعياري الكلاسيكي.

7.3 كيف تؤثر ظاهرة ‘التدريس للاختبار’ على صدق كل من النوعين؟

تمارس ظاهرة “التدريس للاختبار” (Teaching to the Test) تأثيراً متناقضاً على الصدق السيكومتري تبعاً لنوع المرجعية المستخدمة. في الاختبارات معيارية المرجع، يؤدي تدريب الطلاب التدريبي والمكثف على نماذج الاختبارات وحيل الإجابة إلى تدمير الصدق السيكومتري للأداة بصورة بالغة الخطورة. إن هذا التدريب يرفع درجات الطلاب بشكل مصطنع دون حدوث زيادة حقيقية في السمة أو القدرة الكامنة المستهدفة، ويؤدي إلى تشويه التوزيع الطبيعي وتقليص تباين الدرجات، مما يعطل وظيفة الاختبار في الفرز والتمييز النسبي ويقود إلى “تضخم الدرجات” (Score Inflation).

أما في الاختبارات محكية المرجع، فإن مفهوم التدريس للاختبار يكتسب معنى مختلفاً ومشروعاً تربوياً إذا فُهم بمعناه الصحيح. إذا كان الاختبار المحكي يمثل عينة أمينة وشاملة لمجال التعلم الموصوف في المناهج، فإن قيام المعلم بتركيز تدريسه المباشر على هذه الكفايات والمهارات لا يعد تدليساً أو إفساداً للاختبار، بل هو جوهر عملية التدريس الفعالة وأعلى درجات الاتساق التعليمي (Constructive Alignment). ولكن الخطورة تقع هنا فقط حين يتحول التدريس من “التدريس لمجال المهارة” (Teaching to the Domain) إلى “التدريس للمفردات الاختبارية ذاتها وحفظ إجاباتها” (Teaching to the Specific Items)، ففي هذه الحالة الأخيرة يسقط صدق المحتوى للاختبار المحكي وتفقد الدرجات قيمتها النوعية تماماً.

7.4 أيهما أكثر عدالة وموضوعية في تقييم تحصيل طلاب الفصل الدراسي؟

تشير الأدبيات التربوية والسيكومترية الحديثة بإجماع قاطع إلى أن “الاختبارات محكية المرجع” هي النموذج الأكثر عدالة، وإنصافاً، وموضوعية في تقييم التحصيل الصفي اليومي والفصلي للطلاب. تنبع هذه الأفضلية من انسجام النموذج المحكي مع مبدأ تكافؤ الفرص التعليمية؛ حيث يُحاسب كل طالب بناءً على مجهوده الخاص وما تعلمه فعلياً مقارنة بأهداف معلنة وواضحة مسبقاً، دون أن يكون مصيره الأكاديمي معلقاً بمستوى رفاقه الذين قد يكونون متفوقين جداً أو ضعافاً بصورة استثنائية.

وعلى النقيض من ذلك، يُعد استخدام القياس المعياري داخل الصف الدراسي ظلماً تربوياً صريحاً وتشويهاً لرسالة التعليم؛ فإجبار درجات الفصل على الخضوع لتوزيع نسبي مقنن (Grading on a Curve) يعني بالضرورة الحكم على نسبة محددة من الطلاب بالرسوب الحتمي أو نيل درجات متدنية مهما بلغت جهودهم ومستويات إتقانهم، مما يولد بيئة مدرسية مسمومة يسودها التوتر والعداء وانعدام الثقة بالنفس. إن العدالة الصفية تقتضي فتح باب النجاح والتميز للجميع متى ما حققوا شروط الإتقان المنشودة، وهو ما لا يوفره سوى القياس محكي المرجع.

8. الخلاصة التركيبية وآفاق القياس التربوي المستقبلي

8.1 الموازنة الموضوعية بين وظيفية المعيار وضرورة المحك

لا تستقيم القراءة الأكاديمية المنصفة لقضية القياس التربوي بالمفاضلة المطلقة أو تفضيل أحد النموذجين على الآخر دون سياق محدد؛ فكلا النموذجين يمثل إنجازاً سيكومترياً رصيناً يؤدي وظيفة حيوية لا يمكن للآخر أن يسد مسدها بكفاءة مكافئة. إن الفارق الحقيقي لا يكمن في “صحة” أو “خطأ” النموذج، بل في “الملاءمة الوظيفية للغرض التقويمي” (Fitness for Purpose). وقد أثبتت التجربة الإنسانية أن الاختبارات المعيارية تظل أداة حتمية لا غنى عنها لإدارة التنافس وتنظيم توزيع الفرص الشحيحة وفرز القدرات في المسابقات الكبرى ذات الطابع التنافسي الحرج.

وفي المقابل، أثبتت مسيرة الإصلاح التعليمي في العقود الأخيرة أن الاختبارات محكية المرجع هي البوصلة الحقيقية لتطوير المدارس وتحسين جودة التعليم وضمان كفاءة المخرجات. إن التحول من ثقافة ترتيب الطلاب إلى ثقافة تمكينهم من التعلم والإتقان هو الذي يضمن بناء رأس مال بشري مؤهل يمتلك كفايات حقيقية قابلة للنقل والتطبيق العملي في سوق العمل والمجتمع. وبالتالي، فإن النظام التعليمي الناضج هو الذي يوظف كلا النموذجين في مواقعهما الصحيحة، مع إعطاء الأولوية للقياس المحكي في مسارات التعليم الأساسي والجامعي، وقصر القياس المعياري على مسارات الفرز والتنافس المحدودة.

8.2 التحولات المستقبلية في ضوء الذكاء الاصطناعي ونظم التقييم الديناميكي

تشهد بيئة القياس والتقويم المعاصرة ثورة تقنية كبرى تغذيها تطبيقات الذكاء الاصطناعي، وتعدين البيانات التعليمية، وخوارزميات التقييم التكيفي المستمر. تؤدي هذه الابتكارات التقنية المتسارعة إلى إذابة الحواجز الصارمة والتاريخية بين القياس المعياري والقياس المحكي. فالأنظمة التعليمية الذكية اليوم قادرة على مراقبة أداء المتعلم في كل ثانية يقضيها على منصات التعلم الرقمية، وتحليل استجاباته خطوة بخطوة، وتقديم تقارير تشخيصية فورية تصف بدقة ما أتقنه من أهداف محكية، وفي نفس اللحظة تحدد بدقة متناهية مساره ونموه النسبي مقارنة بآلاف المتعلمين حول العالم دون الحاجة إلى عقد جلسات اختبارية تقليدية مرهقة.

يسهم هذا التحول في ترسيخ النموذج التربوي المعروف عالمياً بـ “التقييم من أجل التعلم” (Assessment for Learning – AfL) والتقييم كتعلم (Assessment as Learning)، حيث يتراجع التقييم النهائي التقليدي ذو المخاطر العالية لصالح تقييم ديناميكي ومستمر ومندمج في نسيج التعلم اليومي. في هذه البيئات المستقبلية، تتكامل البيانات المعيارية مع الأدلة المحكية لتشكيل منظومة تقويمية هجينة وذكية، تستهدف تفريد مسارات التعليم، وتقديم التدخلات العلاجية الاستباقية للمتعلم قبل أن يتعثر، وبناء خريطة شمولية للكفايات والمهارات تخدم الفرد والمؤسسة على حد سواء.

8.3 توصيات إرشادية للممارسين في الميدان التعليمي والمهني

بناءً على هذا التأصيل المنهجي الشامل، يُوصى الممارسون في الميدان التعليمي وصناع السياسات التقويمية بتبني الموجهات الإرشادية التالية:

• التحديد الصريح للغرض القياسي: يجب على واضعي الاختبارات تحديد الفلسفة المرجعية للاختبار والغرض النهائي من استخدامه بدقة تامة قبل كتابة أي فقرة اختبارية، وتوثيق ذلك في وثيقة مواصفات الاختبار لتوجيه جميع الخطوات الإحصائية اللاحقة.
• حظر التوزيع الطبيعي القسري في الغرف الصفية: يُمنع منعاً باتاً إلزام المعلمين بتطبيق منحنى التوزيع الطبيعي على نتائج الاختبارات المدرسية أو توزيع الدرجات بنسب كلاسيكية مسبقة (Grading on a Curve)؛ لما يمثله ذلك من اعتداء صارخ على عدالة التقييم ومبادئ التعلم للإتقان.
• التوسع في برامج التدريب على وضع المعايير: ضرورة الاستثمار المؤسسي في تدريب المعلمين ومسؤولي التقويم على المنهجيات السيكومترية العلمية لتحديد درجات القطع ومستويات الأداء (مثل طريقة أنغوف وطرق المجموعات المتناقضة)، لضمان صدق وموثوقية قرارات الإتقان في الاختبارات المدرسية والمهنية.
• التكامل بين التقارير النوعية والكمية: حث المؤسسات التعليمية على تحويل تقارير النتائج من مجرد درجات خام أو نسب مئوية مبهمة إلى تقارير كفايات وصفية مدعومة ببيانات تشخيصية تسهم بصورة إيجابية وبناءة في تطوير مسارات التعلم اللاحقة.
• تبني نماذج القياس الحديثة: تشجيع مراكز القياس والتقويم الوطنية على الانتقال من النظريات الكلاسيكية إلى نماذج الاستجابة للمفردة (IRT) ونماذج راش؛ للاستفادة من قدرتها الفائقة على دمج المعايرة المرجعية والتقييم المحكي على مقياس متصل موحد يعزز من كفاءة وموثوقية القرارات التربوية.

المراجع

• Angoff, W. H. (1971). Scales, norms, and equivalent scores. In R. L. Thorndike (Ed.), Educational Measurement (2nd ed., pp. 508–600). American Council on Education.
• Bloom, B. S. (1968). Learning for mastery. Evaluation Comment, 1(2), 1–12.
• Cox, R. C., & Vargas, J. S. (1966). A comparison of item selection techniques for norm-referenced and criterion-referenced tests. Paper presented at the annual meeting of the National Council on Measurement in Education, Chicago, IL.
• Glaser, R. (1963). Instructional technology and the measurement of learning outcomes: Some questions. American Psychologist, 18(8), 519–521. https://doi.org/10.1037/h0049294
• Glaser, R., & Nitko, A. J. (1971). Measurement in learning and instruction. In R. L. Thorndike (Ed.), Educational Measurement (2nd ed., pp. 625–670). American Council on Education.
• Livingston, S. A. (1972). Criterion-referenced applications of classical test theory. Journal of Educational Measurement, 9(1), 13–26. https://doi.org/10.1111/j.1745-3984.1972.tb00756.x
• Nedelsky, L. (1954). Absolute grading standards for objective tests. Educational and Psychological Measurement, 14(1), 3–19. https://doi.org/10.1177/001316445401400101
• Popham, W. J., & Husek, T. R. (1969). Implications of criterion-referenced measurement. Journal of Educational Measurement, 6(1), 1–9. https://doi.org/10.1111/j.1745-3984.1969.tb00654.x
• Wright, B. D., & Stone, M. H. (1979). Best test design. MESA Press.