قليلة هي أدوات التعليم الحديث التي تثير جدلاً بقدر ما يثيره الاختبار الموحّد. يصفه المؤيدون بأنه أعدل مقياس متاح لمقارنة طلاب درسوا في مدارس ومعلمين وظروف أسرية مختلفة تماماً. ويصفه المعارضون بأداة ضيقة تقيس مهارة أداء الاختبار وموارد الأسرة بقدر ما تقيس التعلم الفعلي، إن لم يكن أكثر. وكلا الفريقين يستند إلى أدلة حقيقية، وهذا بالتحديد ما يفسر بقاء الجدل حياً لعقود بدلاً من أن يُحسم لصالح طرف واحد. وفهم هذا الجدل يستلزم الفصل بين الغرض الأصلي من هذه الاختبارات، وما تُظهره الأبحاث فعلياً عن الذي تقيسه، وأين تكمن نقاط الخلاف الحقيقية.

لماذا وُجد الاختبار الموحّد أصلاً

نشأت فكرة الاختبار الموحّد من مشكلة عملية حقيقية: احتاجت المدارس طريقة لمقارنة طلاب درّسهم معلمون مختلفون، باستخدام كتب مختلفة، في فصول مختلفة، دون أي نقطة مرجعية مشتركة. اختبار يُطبَّق في ظروف متطابقة، بأسئلة متطابقة وقواعد تصحيح متطابقة، أتاح إنتاج أرقام يمكن مقارنتها عبر منطقة تعليمية أو دولة كاملة.

الاختبارات الموحّدة المبكرة في القرن العشرين، ومنها اختبارات الذكاء التي كُيِّفت للتطبيق الجماعي، جرى تسويقها كأدوات للكفاءة والعدالة، تستبدل الحكم الذاتي للمعلم بشيء يبدو موضوعياً وقابلاً للتكرار. كانت الفكرة بسيطة: الرقم أسهل للمقارنة والترتيب واتخاذ القرار بناءً عليه من فقرة ملاحظات وصفية.

هذه النشأة تهم لأنها تفسر سبب استمرار أنصار الاختبارات في وصف التوحيد بأنه أداة عدالة لا عائق أمامها. فحين يجيب طالب ثري وطالب من أسرة محدودة الدخل على الأسئلة نفسها ضمن الوقت المحدد نفسه، تقول الحجة، تعكس الدرجة شيئاً حقيقياً عن استعدادهما لا الانطباعات الذاتية لأي معلم صادف أن صحّح عملهما.

من اختبار الجيش الأمريكي إلى SAT وACT

اختبار SAT، الذي طُبِّق أول مرة عام 1926، بدأ كتكييف لاختبارات ذكاء عسكرية استُهدف منها تحديد طلاب واعدين بصرف النظر عن المدرسة الثانوية التي التحقوا بها، في محاولة صريحة لتوسيع الوصول إلى الجامعات النخبوية خارج نطاق المدارس التقليدية التي كانت تغذيها. وجاء اختبار ACT لاحقاً كبديل قائم على المنهج الدراسي، يختبر بشكل أكثر مباشرة المحتوى الذي يُفترض أن الطلاب درسوه في الصف، لا القدرة الاستدلالية العامة.

توسّع دور الاختبار الموحّد بشكل كبير مع قانون "عدم ترك أي طفل خلف الركب" عام 2001 في الولايات المتحدة، الذي ربط تمويل المدارس ومساءلتها مباشرة بنتائج اختبارات موحّدة في القراءة والرياضيات، وفرض اختباراً سنوياً في صفوف محددة. جعل هذا نتائج الاختبار ذات تبعات لا تقتصر على الطلاب الأفراد المتقدمين للجامعة، بل تمتد إلى مدارس كاملة ومديرين ومعلمين قد تتوقف وظائفهم وميزانياتهم على النتائج الإجمالية.

على الصعيد الدولي، بدأ برنامج التقييم الدولي للطلاب المعروف باسم PISA عام 2000 كمحاولة من منظمة التعاون الاقتصادي والتنمية لمقارنة نتائج التعليم عبر عشرات الدول باستخدام أداة موحّدة مشتركة، محوّلاً الاختبار الموحّد إلى أداة لمقارنة السياسات الدولية بقدر ما هو أداة لتقييم الطالب الفرد. كل توسّع في دور الاختبار أضاف مخاطر جديدة، وبالتالي أسباباً جديدة للجدل.

ماذا يقيس الاختبار الموحّد فعلياً

يقيس الاختبار الموحّد المُطبَّق ضمن وقت محدد، بشكل مباشر جداً، قدرة الطالب على الإجابة عن مجموعة محددة من أنماط الأسئلة بسرعة ودقة في يوم معين. هذه مهارة حقيقية ومهمة، لكنها أضيق من المفهوم الأوسع — "القدرة الأكاديمية" أو "الجاهزية الجامعية" — الذي يُستخدم الاختبار عادة لتمثيله.

تقيس أقسام فهم المقروء فعلاً شيئاً حقيقياً عن قدرة الطالب على استخلاص المعلومات من نص غير مألوف تحت ضغط الوقت. وتقيس أقسام الرياضيات فعلاً مهارات استدلال كمّي حقيقية. لكن الاختبارات تقيس هذه المهارات بشكل أفضل بكثير من قياسها للإبداع، أو القدرة على العمل الجماعي، أو المرونة أمام مسائل مفتوحة، أو الخبرة المتخصصة المتراكمة عبر سنوات، وهي صفات مهمة جداً للنجاح الأكاديمي والمهني لاحقاً لكنها تقاوم القياس الموحّد.

هذه الفجوة بين ما يقيسه الاختبار جيداً وما يُستخدم لتمثيله تقع في صميم معظم الجدل حول الاختبارات. رقم واحد يُطلَب منه أن يمثل صورة أغنى وأكثر تعدداً للطالب، وكلما تمدد هذا الرقم إلى ما هو أبعد مما صُمِّم فعلياً لالتقاطه، أصبح تفسيره أكثر هشاشة.

الثبات والصدق: أساسيات علم القياس النفسي

يميّز الباحثون في علم القياس النفسي، وهم من يدرسون خصائص الاختبارات نفسها، بين صفتين مرتبطتين لكن مختلفتين: الثبات، أي هل ينتج الاختبار نتائج متسقة لو أعاد الطالب أداءه في ظروف مماثلة، والصدق، أي هل يقيس الاختبار فعلاً ما يزعم قياسه.

تحرز الاختبارات الموحّدة عموماً درجة جيدة في الثبات. فبما أن الأسئلة ثابتة وظروف التطبيق مضبوطة والتصحيح غالباً آلي أو موحّد بدقة، فإن الطالب نفسه الذي يؤدي نسخة مشابهة من الاختبار مرتين سيحصل عادة على درجة متقاربة، وهذه ميزة حقيقية مقارنة بأشكال تقييم أقل توحيداً كالمقالات التي يصححها المعلمون والتي قد تتفاوت كثيراً بين المصححين.

أما الصدق فهو حيث تكمن الحجج الأصعب. يمكن لاختبار أن يكون شديد الثبات — ينتج الدرجة نفسها باستمرار — بينما يبقى مقياساً ضعيفاً للسمة الأوسع التي يزعم تقييمها، كالقدرة الأكاديمية العامة أو الجاهزية للعمل الجامعي. كثير من الجدل حول الاختبارات هو في جوهره جدل عن الصدق يظهر في ثوب جدل عن العدالة، والتمييز بين الاثنين يوضح ما الذي يُختلَف عليه فعلياً.

حجج مؤيدي الاختبارات الموحّدة

يحتج المؤيدون بأن الاختبارات الموحّدة توفر المقياس الشامل والقابل للمقارنة الوحيد المتاح عند تقييم متقدمين من آلاف المدارس الثانوية المختلفة بمعايير تقدير ومقررات ومستويات صرامة متفاوتة جداً. معدل 4.0 يعني شيئاً مختلفاً في مدرسة تنافسية مرموقة عنه في مدرسة يشيع فيها تضخم الدرجات، ويوفر الاختبار المشترك طريقة للمقارنة عبر هذا التفاوت.

وجدت الأبحاث أيضاً أن درجات الاختبارات الموحّدة يمكن أن تساعد في اكتشاف طلاب موهوبين أكاديمياً من مدارس محدودة الموارد قد يُغفَلون لولا ذلك، إذ يمكن أحياناً لتوصيات المعلمين وسجلات الأنشطة اللاصفية أن تعكس موارد المدرسة وفرصها أكثر مما تعكس قدرة الطالب الفعلية. وجدت بعض الدراسات حول برامج القبول الانتقائية أن المقاييس الموحّدة تكشف طلاباً ذوي إمكانات عالية افتقروا إلى مواد طلب مصقولة كتلك التي يستطيع المتقدمون الأثرياء إنتاجها.

يشير المؤيدون أيضاً إلى المساءلة: فبدون مقياس خارجي قابل للمقارنة، يصبح تحديد المدارس أو المناطق التي تُقصّر منهجياً تجاه طلابها أصعب بكثير، إذ يمكن للدرجات والتقييمات المولَّدة داخلياً أن تخفي فجوات كامنة فيما يُدرَّس ويُتعلَّم فعلياً.

حجج معارضي الاختبارات الموحّدة

يحتج المعارضون بأن الاختبار الموحّد يعمل بوصفه مرآة للتفاوت القائم أكثر من كونه مقياساً محايداً، عاكساً فروقاً في دخل الأسرة وتعليم الوالدين والقدرة على الوصول لموارد التحضير للاختبار، أكثر مما يعكس فروقاً في الإمكانات الأكاديمية الخام أو التعلم الصفّي.

منظمة FairTest، التي تتابع سياسات الاختبار منذ عقود، حاججت طويلاً بأن الاعتماد الثقيل على الدرجات الموحّدة في القبول وأنظمة مساءلة المدارس يُضيّق المنهج، ويضغط على المعلمين لإعطاء الأولوية للمواد التي تُختبر على حساب مواد لا تُختبر كالفن والتربية الوطنية، وينتج توتراً يصيب الطلاب الأقل حظاً أصلاً بشكل غير متناسب دون تحسّن مقابل في التعلم الفعلي.

يشير المعارضون أيضاً إلى محدودية نطاق الاختبار: فامتحان من ثلاث ساعات يغطي القراءة والرياضيات لا يستطيع أن يلتقط بشكل ذي معنى سنوات من المقررات الدراسية، أو الإنجاز اللاصفي، أو الظروف الشخصية، أو ذلك الفضول الفكري المستمر الذي يتنبأ بالنجاح طويل الأمد بشكل أفضل بكثير من جلسة اختبار واحدة، مهما كان تصميمها جيداً.

فجوة الدخل والتحيز الثقافي في تصميم الأسئلة

فجوات الدرجات المرتبطة بدخل الأسرة من أكثر النتائج توثيقاً باستمرار في أبحاث الاختبارات، إذ يحصل الطلاب من أسر أعلى دخلاً على درجات أعلى في المتوسط عبر معظم الاختبارات الموحّدة الكبرى، نمط ثابت منذ عقود رغم محاولات متعددة لإعادة تصميم الاختبار بهدف تقليصه.

يعكس بعض هذه الفجوة فروقاً حقيقية في جودة المدرسة ومواردها يكشفها الاختبار ببساطة دون أن يتسبب بها. لكن المنتقدين يحتجون بأن محتوى الاختبار نفسه قد يحمل افتراضات ثقافية — مفردات، أو مراجع، أو صياغة أسئلة أكثر ألفة لبعض الخلفيات الثقافية أو الاجتماعية والاقتصادية من غيرها — تضيف طبقة إضافية من التحيز يمكن تجنبها فوق التفاوت الأساسي الكامن في الفرص التعليمية.

بذل مصمّمو الاختبارات جهوداً حقيقية لتقليل التحيز الثقافي الظاهر عبر عمليات مثل تحليل الأداء التفاضلي للبند، الذي يرصد أسئلة فردية يجيب عليها طلاب متقاربون في القدرة العامة لكن من خلفيات ديموغرافية مختلفة بشكل متباين، ما يشير إلى أن السؤال المحدد نفسه، لا فروق القدرة الحقيقية، هو ما يقود الفجوة. قلّصت هذه الجهود بعض أشكال التحيز بشكل ملموس، لكن المنتقدين يقولون إنها تعالج فقط الحالات الأوضح للكشف لا التفاوت البنيوي الأعمق الذي تعكسه الاختبارات.

صناعة التحضير للاختبارات وفجوة الوصول

نمت صناعة كاملة حول تحضير الطلاب للاختبارات الموحّدة، تشمل الدروس الخصوصية والدورات المنظّمة وبرامج متزايدة التخصيص، والوصول إلى هذه الصناعة منحاز بشدة نحو الأسر الأكثر ثراءً القادرة على تحمّل عشرات أو مئات الساعات من التحضير المدفوع.

أنتجت الأبحاث حول المكاسب الفعلية في الدرجات من التحضير المكثف نتائج متباينة: تجد بعض الدراسات تحسّناً متوسطاً ذا دلالة من التدريب المنظّم، خاصة للطلاب الذين يبدؤون بألفة أقل بتنسيق الاختبار وأنماط أسئلته، بينما تجد أبحاث أخرى مكاسب أكثر تواضعاً بعد احتساب الانحدار نحو المتوسط ودافعية الطالب.

وبصرف النظر عن الحجم الدقيق للأثر المتوسط، فإن فجوة الوصول نفسها موثّقة جيداً ومعترَف بها على نطاق واسع حتى من أنصار الاختبار: فالطلاب القادرون على تحمّل تحضير مكثف يمتلكون ميزة على طلاب بنفس القدرة لا يستطيعون ذلك، ما يُعقّد الادعاء بأن الاختبار الموحّد يقيس قدرة خالصة مستقلة عن التحضير بدلاً من أن يعكس جزئياً من استطاع التحضير بأكثر فعالية.

التدريس من أجل الاختبار وأثره على المنهج

حين تحمل درجات الاختبار تبعات ثقيلة على المدارس والمعلمين والطلاب، تتبع ذلك استجابة متوقعة: يعاد تنظيم وقت التدريس تدريجياً حول ما يغطيه الاختبار، أحياناً على حساب مواد ومهارات لا يقيسها الاختبار مباشرة، وهي ظاهرة يسميها الباحثون والمعلمون عادة "التدريس من أجل الاختبار".

وجدت دراسات تابعت توسّع الاختبارات عالية المخاطر ضمن سياسات مساءلة كقانون "عدم ترك أي طفل خلف الركب" تراجعاً ملموساً في وقت التدريس المخصص لمواد كالدراسات الاجتماعية والفن والتربية البدنية في المدارس الأكثر تعرّضاً لضغط الاختبار، إذ أعاد المعلمون توزيع وقت الصف المحدود نحو المواد التي تُختبر حيث المخاطر أعلى.

يرد المدافعون عن الاختبار بأن بعض التضييق نحو الأساسيات المُختبَرة كالقراءة والرياضيات ليس ضاراً بالضرورة إن كانت هذه الأساسيات مُهمَلة أصلاً، وأن المشكلة الحقيقية هي تصميم اختبارات أفضل وأغنى لا التخلي عن التقييم الموحّد كلياً. هذا الخلاف، حول ما إذا كان الحل اختبارات أفضل أم اختبارات أقل، يمتد عبر معظم النقاش السياسي الأوسع.

ماذا تقول الأبحاث عن قدرة الاختبار على التنبؤ بالنجاح الجامعي

درست مجموعة كبيرة ومدروسة بشكل معقول من الأبحاث مدى قدرة درجات الاختبار الموحّد على التنبؤ بنتائج جامعية فعلية، وأكثرها شيوعاً معدل السنة الجامعية الأولى، والنتيجة العامة أن الدرجات تضيف قيمة تنبؤية متواضعة لكن قابلة للقياس فوق ما تقدمه معدلات الثانوية وحدها، رغم أن حجم هذه القيمة المضافة موضع جدل وتقلّص نوعاً ما في الأبحاث الأحدث.

تميل القدرة التنبؤية لأن تكون أقوى للأداء في السنة الأولى وأضعف للنتائج طويلة الأمد كمعدلات التخرج خلال أربع سنوات، حيث تلعب عوامل كالاستقرار المالي والشعور بالانتماء وأنظمة الدعم الأكاديمي دوراً متزايداً لا يستطيع اختبار قبول واحد التقاطه.

وجدت مجموعات بحثية درست بيانات ضخمة عبر مؤسسات متعددة أن الجمع بين معدلات الثانوية ودرجات الاختبار يتنبأ بالأداء الجامعي أفضل من أي مقياس منفرد، وهذه هي الحجة التجريبية الأساسية التي يستند إليها أنصار الاختبار: حتى مقياس غير كامل يمكن أن يضيف قيمة حقيقية حين يُجمَع مع مقاييس أخرى غير كاملة، دون حاجة لأن يكون كاملاً بمفرده ليكون مفيداً.

صعود حركة القبول دون اختبار

سياسات القبول دون اختبار، حيث لا تشترط الجامعات درجات SAT أو ACT لكنها ما زالت تقبلها من الطلاب الذين يختارون تقديمها، وُجدت في عدد صغير من المؤسسات لعقود قبل أن تتوسّع بشكل كبير خلال جائحة كوفيد-19، حين جعل إغلاق مراكز الاختبار اشتراط الدرجات مستحيلاً لوجستياً لمعظم الجامعات.

جعلت كثير من الجامعات التي تبنّت سياسات القبول دون اختبار خلال الجائحة هذه السياسات دائمة، مستندة إلى أبحاث داخلية تشير إلى أن المتقدمين الذين اختاروا عدم تقديم درجاتهم أدّوا بشكل مماثل في الجامعة لمن قدّموها، بعد احتساب المعدلات ومواد الطلب الأخرى. بينما عادت مؤسسات أخرى، من بينها بعض الجامعات الانتقائية المرموقة، لفرض شرط الاختبار من جديد، مستشهدة بأبحاث تشير إلى أن الدرجات ما زالت تضيف معلومات تنبؤية ذات معنى، خاصة في اكتشاف طلاب أقوياء من مدارس ببيانات محدودة عن تضخم الدرجات أو توفر مقررات متقدمة.

يعكس هذا الانقسام حالة عدم اليقين التجريبي الحقيقية في صميم الجدل: باحثون معقولون ينظرون إلى بيانات متشابهة توصّلوا إلى استنتاجات مختلفة حول مقدار القيمة التنبؤية التي تضيفها درجات الاختبار فعلياً بعد احتساب كل عنصر آخر في الطلب، ومن المرجح أن يبقى المشهد السياسي متبايناً في المستقبل المنظور بدلاً من أن يتقارب نحو نهج واحد.

القبول الشامل والتقييم بالملفات

أصبحت المراجعة الشاملة للقبول، حيث يُقيَّم الطلب ككل بدلاً من اختزاله إلى معادلة تُرجِّح المعدلات ودرجات الاختبار، الإطار السائد في كثير من المؤسسات الانتقائية، وتدمج المقالات والتوصيات والإنجاز اللاصفي والسياق الشخصي إلى جانب المقاييس الأكاديمية.

يطلب التقييم بالملفات، الأكثر شيوعاً في التعليم قبل الجامعي وبعض البرامج الجامعية المتخصصة، من الطلاب تقديم مجموعة أعمال — نماذج كتابة، مشاريع، أبحاث — طُوِّرت عبر فترة زمنية ممتدة، بهدف التقاط جهد مستمر وعمق فهم لا يستطيع اختبار مؤقت واحد إظهارهما. المقايضة هي أن تقييم الملفات يتطلب وقتاً وخبرة أكبر بكثير لتقييمها باتساق، ووجدت الأبحاث حول ثبات التقييم بين المُقيِّمين للملفات تبايناً أكبر بين المُقيِّمين مما ينتجه عادة تصحيح الاختيار من متعدد الموحّد.

لا يفلت أي من البديلين تماماً من التوتر الكامن: توسيع ما يُعَدّ دليلاً على القدرة يميل لتحسين الصدق — التقاط صورة أغنى للطالب — بينما يقلل غالباً الثبات وقابلية المقارنة، وهما الصفتان اللتان جعلتا الاختبار الموحّد جذاباً أصلاً للمؤسسات التي تدير أحجاماً كبيرة من الطلبات.

المقارنات الدولية: برنامج PISA

أصبح برنامج PISA أحد أكثر المعايير التعليمية الدولية متابعةً عن كثب، يختبر طلاباً في الخامسة عشرة عبر عشرات الدول المشاركة في القراءة والرياضيات والعلوم كل ثلاث سنوات، وينتج ترتيبات تتصدر العناوين غالباً وتؤثر في نقاشات السياسة التعليمية الوطنية.

الدول التي تتصدر ترتيب PISA باستمرار، ومنها عدة أنظمة تعليمية في شرق آسيا، جذبت اهتماماً بحثياً كبيراً وما يشبه "سياحة السياسات"، حيث تحاول دول أخرى استيراد ممارسات محددة، رغم أن الباحثين يحذّرون من أن ترتيبات PISA تعكس مزيجاً معقّداً من تصميم المنهج وتدريب المعلمين والمواقف الثقافية تجاه التعليم وعوامل اجتماعية أوسع تقاوم النقل المباشر للسياسات.

واجه PISA نفسه انتقادات منهجية، منها تساؤلات حول مدى تمثيل عينات الطلاب المُختبَرين في بعض الدول المشاركة، وهل يستطيع اختبار من ثلاث ساعات التقاط جودة نظام تعليمي وطني كامل بشكل ذي معنى، ما يوضح أن حتى الاختبارات الموحّدة المُستخدمة لتقييم اختبارات موحّدة أخرى تخضع هي نفسها لجدل الصدق.

الاختبارات عالية المخاطر وصحة الطالب النفسية

وثّقت الأبحاث حول توتر الطلاب وقلقهم إزاء الاختبارات عالية المخاطر آثاراً نفسية قابلة للقياس، خاصة في أنظمة تعليمية يحدد فيها امتحان واحد بشكل كبير مسارات أكاديمية أو مهنية مستقبلية، نمط بارز خصوصاً في دول تعتمد امتحانات دخول جامعي مركزية.

وجدت دراسات عن قلق الاختبار أنه قد يخفض الأداء فعلياً بمعزل عن القدرة الكامنة، أي أن بعض الطلاب يحصلون على درجة أقل من مستوى معرفتهم الفعلي تحديداً بسبب القلق الذي تثيره مخاطر الاختبار العالية، ما يُعقّد الادعاء بأن الدرجات تعكس بحتاً القدرة الأكاديمية لا فروقاً في مزاج أداء الاختبار.

استجابت بعض الأنظمة التعليمية بتقليل وزن أي امتحان منفرد، بتوزيع التقييم عبر جلسات متعددة أو دمج درجات الامتحان مع تقييم مستمر طوال العام الدراسي، نهج يهدف لتقليل الحدة النفسية المتركزة في يوم اختبار واحد عالي المخاطر مع الحفاظ على بعض المقارنة الموحّدة.

استخدام درجات الاختبار لتقييم المعلمين

إلى جانب تقييم الطلاب، تُستخدم درجات الاختبار الموحّد على نطاق واسع لتقييم المعلمين والمدارس، تطبيق أنتج جدلاً خاصاً به منفصلاً عن الجدل حول تقييم الطلاب، إذ يُطلَب من اختبار واحد أن يخدم غرضين تقييميين مختلفين تماماً في آن واحد.

تبنّت بعض المناطق التعليمية "نمذجة القيمة المضافة"، وهي تقنية إحصائية تحاول عزل مساهمة معلم فرد في تحسّن درجات الطلاب عن عوامل أخرى كالقدرة الأولية والبيئة المنزلية، كعنصر في تقييم المعلمين، لكن الباحثين الذين درسوا هذه النماذج وجدوا تفاوتاً كبيراً من عام لآخر في الدرجات التي تنتجها للمعلم نفسه، ما يثير تساؤلات عن مدى موثوقيتها لاتخاذ قرارات وظيفية حاسمة.

يوضح هذا التطبيق كيف يمكن للاختبار الكامن نفسه أن يحمل أسئلة صدق مختلفة جداً بحسب ما يُستخدم لقياسه: فاختبار صادق بشكل معقول لقياس تعلّم الطالب في لحظة معينة ليس بالضرورة صادقاً لعزل مساهمة سببية محددة لمعلم واحد في ذلك التعلّم، تمييز يضيع في بعض النقاشات السياسية.

ذوو الإعاقة ومتعلمو اللغة والتسهيلات الاختبارية

يمثّل الطلاب ذوو الإعاقة ومتعلمو اللغة الإنجليزية كلغة إضافية بعضاً من أحدّ تحديات الصدق في الاختبار الموحّد، إذ يمكن لاختبار صُمِّم لقياس محتوى أكاديمي أن يقيس عن غير قصد شيئاً آخر تماماً — إعاقة جسدية أو معالجة معرفية، أو إتقاناً محدوداً للإنجليزية — إن لم يُكيَّف بعناية.

تُستخدَم التسهيلات الاختبارية، ومنها الوقت الإضافي والصيغ البديلة والنسخ المترجمة أو المبسّطة لغوياً، على نطاق واسع لمعالجة هذا، رغم أن الأبحاث حول فعالية التسهيلات وجدت تبايناً كبيراً حسب نوع التسهيل والفئة الطلابية، ويبقى تحديد أي التسهيلات يسوّي فعلاً ساحة اللعب مقابل أيها يمنح ميزة عن غير قصد مجالاً بحثياً نشطاً في علم القياس النفسي.

دعمت جماعات الدفاع عن ذوي الإعاقة ومتعلمي اللغة عموماً التسهيلات مع استمرارها بإثارة مخاوف من أن الاختبارات الموحّدة حتى بعد تكييفها قد لا تلتقط بالكامل الفهم الأكاديمي الفعلي لهؤلاء الطلاب، مخاوف تعكس، بشكل أكثر حدة، النقد الأوسع الموجَّه للاختبار الموحّد عموماً.

الذكاء الاصطناعي ومستقبل التقييم

أصبح الاختبار التكيّفي، حيث تُعدَّل صعوبة الأسئلة اللاحقة فورياً بحسب إجابة الطالب على الأسئلة السابقة، شائعاً بشكل متزايد في تصميم الاختبارات الموحّدة، ما يتيح لاختبار أقصر تقدير مستوى قدرة الطالب بدقة أكبر من اختبار ثابت الشكل بنفس الطول.

يُستكشَف الذكاء الاصطناعي بشكل متزايد لتصحيح المقالات آلياً وتقييم أداء أكثر تطوراً قد يلتقط من حيث المبدأ نطاقاً أغنى من المهارات مقارنة بصيغ الاختيار من متعدد التقليدية، رغم أن الأبحاث حول اتساق تصحيح الذكاء الاصطناعي وأشكال التحيز الخوارزمي الجديدة المحتملة ما زالت في مراحل مبكرة، وما زال شك الباحثين في الاختبارات من التبنّي المتسرّع كبيراً.

يرى بعض الباحثين في التقييم المُمكَّن بالتقنية طريقاً محتملاً لحل المقايضة بين الثبات والصدق التي حدّدت نقاش الاختبارات لقرن كامل، بما قد يتيح تصحيح مهام أكثر غنى وأصالة باتساق يشبه ورقة اختيار من متعدد، بينما يحذّر آخرون من أن التقنية الجديدة تميل لإدخال أشكال تحيز جديدة أقل فهماً بدلاً من إزالة القديمة.

إلى أين يتجه الجدل فعلياً

بدلاً من أن يُحسم الجدل نحو إلغاء كامل للاختبار الموحّد أو اعتماد ثابت عليه، فإن الاتجاه العملي عبر معظم الأنظمة التعليمية هو نحو الجمع بين مقاييس متعددة — درجات الاختبار، والمعدلات، والملفات، ومعلومات سياقية عن ظروف الطالب — ما يعكس إجماعاً متنامياً على أن لا أداة منفردة، موحّدة أو غيرها، تلتقط بشكل كافٍ شيئاً معقّداً كالإمكانات الأكاديمية بمفردها.

تتوقف القرارات السياسية بشكل متزايد لا على ما إذا كان للاختبار الموحّد أي قيمة على الإطلاق، سؤال يجيب عليه معظم الباحثين من الجانبين بنعم مشروطة، بل على مقدار الوزن الذي ينبغي أن تحمله درجة اختبار واحدة نسبة إلى كل ما يُعرف عن الطالب من مصادر أخرى، سؤال لا توجد عليه إجابة متفق عليها عالمياً ومن المرجح أن يستمر بالتحول مع تراكم أدلة جديدة.

يظل الاختبار الموحّد مثيراً للجدل لا لأن أحد الطرفين مخطئ ببساطة، بل لأن الاختبارات تفعل فعلاً شيئين في آن واحد: توفر مقياساً قابلاً للمقارنة، وثابتاً بشكل معقول، وذا قيمة تنبؤية حقيقية، بينما تعكس أيضاً وأحياناً تضخّم تفاوتاً قائماً مسبقاً بطرق لا يستطيع رقم واحد تفسيرها أو تصحيحها بالكامل. تدعم الأبحاث حجة الإبقاء على المقاييس الموحّدة كأحد عدة مدخلات، وتدعم أيضاً حجة التدقيق في مقدار الوزن الذي ينبغي أن تحمله أي درجة منفردة، وهذا سبب أن الجدل حول الاختبار الموحّد، بعد أكثر من خمسين عاماً من عصر الاختبار الحديث، لم يستقر بعد على إجماع ثابت.

المصادر

  1. خدمة الاختبارات التعليمية (ETS) — أبحاث ووثائق قياس نفسي حول الاختبارات الموحّدة الكبرى وصدقها وثباتها.
  2. FairTest (المركز الوطني للاختبار العادل والمفتوح) — منظمة مناصرة تتابع تبنّي سياسة القبول دون اختبار وتنتقد الآثار الاجتماعية للاختبار الموحّد.
  3. برنامج PISA التابع لمنظمة التعاون الاقتصادي والتنمية — بيانات ومنهجية التقييم الدولي المقارن للمعايير التعليمية عبر الدول.
  4. الأكاديميات الوطنية للعلوم والهندسة والطب — دراسات إجماع حول القياس التعليمي وسياسة الاختبارات وصدق التقييم.
  5. College Board — الجهة الناشرة لاختبار SAT، ولديها أبحاث حول الصدق التنبؤي واتجاهات الدرجات عبر الزمن.

الأسئلة الشائعة

هل تتنبأ الاختبارات الموحدة فعلياً بالنجاح الجامعي؟

لها قدرة تنبؤية متواضعة بمعدل السنة الجامعية الأولى، وتضيف عموماً قيمة تنبؤية صغيرة لكن قابلة للقياس فوق ما تقدمه معدلات الثانوية وحدها، رغم ضعف تنبؤها بالأداء عبر أربع سنوات كاملة.

لماذا يقول المنتقدون إن الاختبارات الموحدة متحيزة؟

يشير المنتقدون إلى فجوات درجات مستمرة مرتبطة بدخل الأسرة والقدرة على تحمل تكلفة التحضير للاختبار، إضافة إلى افتراضات ثقافية مضمَّنة في صياغة الأسئلة قد تضر بطلاب من خلفيات مختلفة.

ما هي حركة القبول دون اختبار؟

هي تحول تسارع مع الجائحة، حيث لم تعد كثير من الجامعات تشترط درجات SAT أو ACT للقبول، وتعتمد بدلاً من ذلك أكثر على المعدلات والمقالات ومواد أخرى، رغم أن الأبحاث حول أثرها ما زالت قيد التطور.

ما الذي تقيسه الاختبارات الموحدة جيداً فعلياً؟

تقيس بثبات مهارات أكاديمية محددة كفهم المقروء والاستدلال الرياضي ضمن ظروف مؤقتة ومضبوطة، لكنها تقيس بشكل أضعف صفات أوسع كالإبداع والمرونة والقدرة على العمل التعاوني.

ما أبرز بدائل الاختبار الموحد؟

من البدائل الشائعة التقييم بالملفات، والمراجعة الشاملة للقبول التي توازن عدة عوامل معاً، والمهام القائمة على الأداء، رغم أن لكل بديل مقايضاته الخاصة من حيث الاتساق وقابلية التطبيق على نطاق واسع.

عن الكاتب

نعتمد على خدمة الاختبارات التعليمية (ETS)، ومنظمة FairTest، وبرنامج PISA التابع لمنظمة التعاون الاقتصادي والتنمية، والأكاديميات الوطنية للعلوم والهندسة والطب، وCollege Board لشرح خلفية وفهم هذا الموضوع.

هل أعجبك المقال؟

شارك عبر واتساب ← شارك عبر واتساب

احصل على المزيد من الأدلة في بريدك — اشترك في نشرتنا البريدية للحصول على قصص أسبوعية مثيرة للاهتمام من مصر والسعودية ودبي وأكثر.