Tổng quan luận án

Luận án tiến sĩ "Nghiên cứu xác trị các điểm cắt của kết quả bài thi Nghe Đánh giá năng lực tiếng Anh từ bậc 3 đến bậc 5 theo Khung năng lực Ngoại ngữ 6 bậc dành cho Việt Nam" (Tên tiếng Anh: An Investigation into the Cut-score Validity of the VSTEP.3-5 Listening Test) được thực hiện bởi nghiên cứu sinh Nguyễn Thị Quỳnh Yến, chuyên ngành Lý luận và Phương pháp dạy học bộ môn tiếng Anh (Mã số: 9140231.01) tại Trường Đại học Ngoại ngữ – Đại học Quốc gia Hà Nội, dưới sự hướng dẫn của Giáo sư Nguyễn Hòa và Giáo sư Danh dự Fred Davidson, bảo vệ ngày 10 tháng 5 năm 2018.

Tính cấp thiết và khoảng trống nghiên cứu

Trong hệ thống khảo thí và đánh giá ngôn ngữ, "điểm cắt" (cut score) là điểm số ranh giới trên thang điểm nhằm phân chia người học thành các nhóm năng lực khác nhau (như đạt/không đạt hoặc phân định các thứ bậc năng lực). Việc thiết lập điểm cắt không chuẩn xác sẽ dẫn đến những quyết định sai lệch, ảnh hưởng trực tiếp đến người dự thi. Theo Quyết định số 1400/QĐ-TTg về Đề án Ngoại ngữ Quốc gia 2020 (NFL2020), Bộ Giáo dục và Đào tạo Việt Nam đã ban hành định dạng đề thi chuẩn hóa Đánh giá năng lực tiếng Anh từ Bậc 3 đến Bậc 5 (VSTEP.3-5) vào ngày 11 tháng 3 năm 2015, tương thích với các bậc B1, B2, C1 của Khung tham chiếu trình độ ngôn ngữ chung châu Âu (CEFR).

Kết quả thi VSTEP.3-5 mang tính chất quyết định cao (high-stakes test), được sử dụng làm chuẩn đầu ra cho sinh viên đại học (Bậc 3 cho hệ không chuyên ngữ, Bậc 5 cho hệ chuyên ngữ) và yêu cầu tuyển dụng, nâng ngạch đối với giáo viên tiếng Anh (Bậc 4 cho giáo viên tiểu học, trung học cơ sở; Bậc 5 cho giáo viên trung học phổ thông và giảng viên đại học, cao đẳng). Mặc dù có tầm quan trọng lớn, tại thời điểm nghiên cứu, các công trình học thuật về VSTEP.3-5 còn rất hạn chế và chưa có nghiên cứu nào thẩm định toàn diện tính xác trị của các điểm cắt của bài thi này. Hơn nữa, theo Buck (2001), kỹ năng nghe là một trong những lĩnh vực ít được hiểu rõ và ít được nghiên cứu xác trị nhất trong đánh giá ngôn ngữ do tính chất phức tạp và quy trình thiết lập chuẩn tốn nhiều thời gian. Luận án được thực hiện nhằm lấp đầy khoảng trống này.

Mục tiêu và câu hỏi nghiên cứu

Mục tiêu tổng quát của luận án là xây dựng một hệ thống lập luận xác trị có cấu trúc, minh bạch và có thể bảo vệ được cho các điểm cắt của bài thi Nghe VSTEP.3-5, dựa trên phương pháp tiếp cận lập luận xác trị (argument-based approach to validation) của Kane (2013).

Luận án đặt ra một câu hỏi nghiên cứu chính và ba câu hỏi nghiên cứu nhánh:

  • Câu hỏi chính: Mức độ mà các điểm cắt của bài thi Nghe VSTEP.3-5 cung cấp sự diễn giải hợp lý về năng lực nghe của thí sinh?
  • Câu hỏi 1: Các nhiệm vụ thi (test tasks) và các câu hỏi thi (test items) của bài thi Nghe VSTEP.3-5 được thiết kế phù hợp với bản đặc tả bài thi (specifications) ở mức độ nào?
  • Câu hỏi 2: Điểm số của bài thi Nghe VSTEP.3-5 có độ tin cậy ở mức độ nào trong việc đo lường năng lực tiếng Anh của thí sinh?
  • Câu hỏi 3: Các điểm cắt được thiết lập cho bài thi Nghe VSTEP.3-5 có mức độ hợp lý như thế nào?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Tính xác trị của các điểm cắt phân chia Bậc 3, Bậc 4 và Bậc 5 của bài thi Nghe VSTEP.3-5; các nhiệm vụ bài thi, câu hỏi trắc nghiệm, độ tin cậy và quy trình thiết lập chuẩn.
  • Phạm vi không gian và dữ liệu: Dữ liệu thu thập từ đợt thi VSTEP.3-5 tổ chức vào đầu năm 2017 với mẫu gồm 1.562 thí sinh tại một đơn vị khảo thí được Bộ Giáo dục và Đào tạo cấp phép tổ chức thi và cấp chứng chỉ.

Tổng quan tài liệu và vị trí của luận án

Lịch sử phát triển của khái niệm độ giá trị (Validity)

Luận án hệ thống hóa sự tiến triển của lý thuyết độ giá trị trong đo lường tâm lý và giáo dục:

  • Giai đoạn đầu thế kỷ 20: Độ giá trị gắn liền với hệ số tương quan giữa điểm thi và tiêu chí bên ngoài (Kelly, 1927; Thurstone, 1932; Bingham, 1937), hoặc định nghĩa cơ bản của Garret (1937) rằng độ giá trị là mức độ mà bài thi đo lường cái nó định đo lường.
  • Giai đoạn giữa thế kỷ 20: Rulon (1946), Ebel (1956), Gulliksen (1950), Mosier (1947), Cureton (1951) kêu gọi xử lý toàn diện hơn. Khuyến nghị kỹ thuật của APA (1954) đề xuất 4 loại giá trị (dự báo, đồng quy, nội dung, cấu trúc). Anastasi (1954, 1982) và Cronbach (1955, 1960) sau đó tổng hợp thành 3 nhóm: giá trị nội dung, giá trị liên quan tiêu chí và giá trị cấu trúc.
  • Quan niệm đơn nhất (Unitary Concept): Tiêu chuẩn khảo thí năm 1985 (AERA, APA, NCME) khẳng định độ giá trị là một khái niệm đơn nhất, xác định tính phù hợp và hữu ích của các suy luận rút ra từ điểm thi. Messick (1989) định nghĩa độ giá trị là một đánh giá tích hợp về mức độ mà các bằng chứng thực nghiệm và cơ sở lý thuyết hỗ trợ tính thỏa đáng của các suy luận và hành động dựa trên điểm số. Bachman (1990) cụ thể hóa quy trình thẩm định giá trị xuất phát từ suy luận và mục đích sử dụng điểm số. Linn và Gronlund (2000), Shepard (1993), Kane (1992, 2006, 2009, 2013) tiếp tục củng cố và hoàn thiện khái niệm đơn nhất này qua 5 khía cạnh cốt lõi.

Lý thuyết thiết lập chuẩn và điểm cắt (Standard Setting)

Tác giả điểm lại các khái niệm của Cizek (1993), Kane (1994) và phân biệt giữa "tiêu chuẩn năng lực" (performance standard - khái niệm trừu tượng) và "điểm cắt" (cut score - điểm số thực tế trên thang đo). Các phương pháp thiết lập điểm cắt được tổng thuật từ Hambleton & Pitoniak (2006) và Cizek & Bunch (2007) thành 4 nhóm chính:

  1. Dựa trên đánh giá câu hỏi và thang chấm: Angoff, Extended Angoff, Ebel, Nedelsky, Jaeger, Bookmark (Item Mapping), Direct Consensus.
  2. Dựa trên đánh giá thí sinh: Contrasting Groups, Borderline Group.
  3. Dựa trên bài làm của thí sinh: Item by item, Holistic (Body of Work), Hybrid.
  4. Dựa trên hồ sơ điểm số và phương pháp thỏa hiệp: Judgmental policy capturing, Dominant profile, Item cluster, Beuk, De Gruijter, Hofstee.

Luận án cũng tổng hợp các yếu tố đánh giá quy trình thiết lập chuẩn theo Cizek & Bunch (2007), bao gồm: tính thỏa đáng của thủ tục (procedural evidence), tính nhất quán nội tại (internal consistency evidence) và bằng chứng bên ngoài (external evidence).

Vị trí và khoảng trống nghiên cứu

Các nghiên cứu xác trị điểm cắt trên thế giới phần lớn tập trung vào việc so sánh chéo giữa hai phương pháp thiết lập chuẩn đơn lẻ (như Angoff và Bookmark). Rất ít công trình đặt việc thẩm định điểm cắt trong một khung lập luận giá trị tổng thể kết hợp đầy đủ chứng cứ về đặc tả nhiệm vụ thi, chất lượng câu hỏi, độ tin cậy thang đo và sự đồng thuận của hội đồng chuyên gia. Tại Việt Nam, chưa có công trình nào đánh giá tính xác trị của điểm cắt bài thi Nghe VSTEP.3-5 theo mô hình tiếp cận lập luận của Kane.


Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết phân tích

  1. Tiếp cận lập luận xác trị (Argument-based approach to validation): Theo mô hình của Kane (1992, 2006, 2013), việc xác trị bao gồm "lập luận diễn giải" (interpretive argument) và "lập luận giá trị" (validity argument). Khung này vận dụng cấu trúc lập luận của Toulmin (1958, 2003) gồm 5 thành phần:

    • Grounds (Căn cứ): Dữ liệu quan sát từ bài làm của thí sinh.
    • Claim (Khẳng định): Kết luận về năng lực nghe của thí sinh tương ứng với các bậc chuẩn.
    • Warrant (Bảo đảm/Giả định): Nguyên tắc hoặc quy tắc liên kết căn cứ với khẳng định.
    • Backing (Chứng cứ hỗ trợ): Bằng chứng thực nghiệm, lý thuyết và thống kê củng cố cho bảo đảm.
    • Rebuttal (Phản bác): Những giải thích thay thế hoặc trường hợp ngoại lệ có thể làm suy yếu lập luận.
  2. Khung phân tích đặc trưng nhiệm vụ nghe: Dựa trên mô hình phân tích đặc trưng bài thi nghe của Buck (2001) và Bachman (1990), tập trung vào hướng dẫn bài thi (rubric), đặc trưng văn bản đầu vào (input texts) và mối quan hệ giữa văn bản đầu vào và câu trả lời.

  3. Lý thuyết khảo thí: Kết hợp Lý thuyết khảo thí cổ điển (CTT) và Lý thuyết ứng đáp câu hỏi (IRT - mô hình Rasch).

Phương pháp nghiên cứu và nguồn dữ liệu

Nghiên cứu sử dụng phương pháp hỗn hợp (mixed methods):

  • Phân tích định tính: Đối chiếu các văn bản nghe và câu hỏi thi với bản đặc tả kỹ thuật VSTEP.3-5; phân tích nội dung bảng hướng dẫn (rubric); thu thập phản hồi, biên bản và phiếu đánh giá của hội đồng chuyên gia tham gia phiên thiết lập chuẩn.
  • Phân tích định lượng:
    • Phân tích văn bản và âm thanh: Sử dụng công cụ đo độ đọc Flesch-Kincaid và phần mềm phân tích tốc độ nói (speech rate analysis).
    • Phân tích câu hỏi trắc nghiệm: Tính toán chỉ số độ khó ($p$-value), chỉ số độ phân biệt ($r_{pbi}$), phân tích các phương án nhiễu (distractor analysis) và đồ thị phân vị (quantile plots) cho 35 câu hỏi trắc nghiệm nhiều lựa chọn.
    • Phân tích độ tin cậy: Đánh giá độ tin cậy thang đo thông qua hệ số tin cậy bài thi, độ tin cậy của thí sinh (person reliability) và độ tin cậy của câu hỏi (item reliability) bằng phần mềm WINSTEPS.
    • Quy trình thiết lập chuẩn Bookmark: Tổ chức hội đồng gồm các chuyên gia khảo thí và giảng viên tiếng Anh thực hiện quy trình Bookmark qua 3 vòng (Round 1, Round 2, Round 3) với 3 loại thông tin phản hồi (Normative feedback, Reality feedback, Impact feedback) để xác định điểm cắt, sau đó so sánh với kết quả từ phương pháp Angoff đã thiết lập trước đó.

Nội dung chính theo từng chương

CHAPTER I: INTRODUCTION

Chương mở đầu nêu bối cảnh ra đời của Đề án Ngoại ngữ Quốc gia 2020 và bài thi chuẩn hóa VSTEP.3-5. Tác giả trình bày vấn đề nghiên cứu về tính chuẩn xác của điểm cắt trong các kỳ thi có tính chất quyết định cao, xác định mục tiêu xây dựng lập luận giá trị cho bài thi Nghe VSTEP.3-5, công bố câu hỏi nghiên cứu, ý nghĩa lý luận - thực tiễn, phạm vi nghiên cứu và cấu trúc 6 chương của luận án.

CHAPTER II: LITERATURE REVIEW

Chương tổng quan tài liệu trình bày chi tiết các nền tảng lý thuyết:

  1. Độ giá trị trong kiểm tra đánh giá ngôn ngữ: Phân tích lịch sử tiến hóa của khái niệm độ giá trị, các khía cạnh của độ giá trị đơn nhất và mô hình tiếp cận lập luận của Kane (1992, 2006, 2013) dựa trên cấu trúc Toulmin (1958).
  2. Thiết lập chuẩn cho bài thi năng lực tiếng Anh: Định nghĩa, tổng quan 18 phương pháp thiết lập chuẩn theo Hambleton & Pitoniak (2006) và Cizek & Bunch (2007); 7 bước cơ bản trong quy trình thiết lập chuẩn; việc đào tạo và cung cấp phản hồi (quy chuẩn, thực tế, tác động) cho hội đồng chấm; tiêu chuẩn đánh giá và xác trị điểm cắt.
  3. Kiểm tra đánh giá năng lực giao tiếp và kỹ năng nghe: Khung phân tích nhiệm vụ nghe của Buck (2001).
  4. Phân tích thống kê trong bài thi ngôn ngữ: Các tiêu chí lựa chọn và giải thích chỉ số độ khó, độ phân biệt câu hỏi trắc nghiệm và độ tin cậy bài thi theo Bachman (2004).
  5. Tổng thuật các nghiên cứu xác trị trước đây: Các nghiên cứu về thiết lập chuẩn và các công trình ứng dụng mô hình lập luận của Kane và Chapelle et al. (2008).

CHAPTER III: METHODOLOGY

Chương phương pháp mô tả chi tiết:

  • Bối cảnh lịch sử phát triển, cấu trúc bài thi Nghe VSTEP.3-5 (gồm 3 phần, 35 câu hỏi trắc nghiệm 4 lựa chọn) và cơ chế tính điểm cắt hiện hành.
  • Xây dựng lập luận diễn giải (interpretive argument) cho bài thi Nghe VSTEP.3-5 dựa trên 3 suy luận (Inferences): (1) Thiết kế nhiệm vụ và câu hỏi, (2) Độ tin cậy bài thi, (3) Tính hợp lý của điểm cắt.
  • Quy trình triển khai phương pháp Bookmark: lựa chọn hội đồng chuyên gia, tập huấn, tài liệu tập sách câu hỏi sắp xếp theo thứ tự độ khó Rasch (ordered item booklet), các phiếu ghi nhận và bảng đánh giá.
  • Mẫu khảo sát: Dữ liệu 1.562 thí sinh thi đợt đầu năm 2017.
  • Công cụ xử lý dữ liệu: Công cụ phân tích độ đọc Flesch-Kincaid, công cụ phân tích tốc độ nói và phần mềm thống kê WINSTEPS (kèm file điều khiển tại Phụ lục 7).
Thành phần suy luận (Inference) Giả định / Bảo đảm (Warrant) Nguồn dữ liệu & Phương pháp thẩm định (Backing)
Inference 1: Nhiệm vụ và câu hỏi Nhiệm vụ và câu hỏi được thiết kế đúng bản đặc tả kỹ thuật. Phân tích rubric, văn bản đầu vào (Flesch-Kincaid, tốc độ nói), phân tích độ khó ($p$), độ phân biệt ($r_{pbi}$).
Inference 2: Độ tin cậy Điểm số bài thi phản ánh ổn định, chính xác năng lực nghe của thí sinh. Ước lượng độ tin cậy CTT (Cronbach's alpha), Person/Item Reliability qua mô hình Rasch (WINSTEPS).
Inference 3: Điểm cắt Điểm cắt phân định Bậc 3, 4, 5 được xác lập hợp lý và có thể bảo vệ được. Quy trình Bookmark 3 vòng, phân tích phản hồi hội đồng, đối chiếu kết quả phương pháp Angoff và dữ liệu bên ngoài.

CHAPTER IV: DATA ANALYSIS

Chương phân tích dữ liệu thể hiện các kết quả định tính và định lượng chi tiết:

  1. Phân tích nhiệm vụ thi: Đánh giá bảng hướng dẫn tổng quát và hướng dẫn từng phần (Part 1: câu 1-8; Part 2: câu 9-20; Part 3: câu 21-35); phân tích đặc trưng văn bản nghe về độ phức tạp từ vựng, ngữ pháp, độ đọc và tốc độ nói so với bản đặc tả.
  2. Phân tích câu hỏi thi (Item statistics): Thống kê tổng thể độ khó và độ phân biệt của 35 câu hỏi; phát hiện và phân tích chuyên sâu các câu hỏi bị cờ cảnh báo (flagged items: Items 2, 3, 6, 13, 14, 15, 19, 20, 28, 34) kèm theo bảng thống kê phương án chọn và đồ thị phân vị (quantile plots).
  3. Phân tích độ tin cậy: Thống kê mức độ phân hóa năng lực, độ tin cậy của thí sinh (person reliability) và độ tin cậy của câu hỏi (item reliability) từ bản đồ câu hỏi (Item map - Figure 4.1).
  4. Phân tích điểm cắt theo phương pháp Bookmark: Trình bày kết quả qua 3 vòng chấm (Round 1, Round 2, Round 3) theo thang điểm thô và thang logit; phân tích sự hội tụ ý kiến của hội đồng chuyên gia; so sánh điểm cắt thu được từ phương pháp Bookmark với phương pháp Angoff hiện hành và các nguồn dữ liệu ngoại kiểm.
Dữ liệu phân tích trong Chương IV Nội dung và Bảng/Hình tiêu biểu trong văn bản
Đặc tả văn bản bài nghe Bảng 4.6, 4.8, 4.10 (Tóm tắt văn bản Part 1, 2, 3); Bảng 4.7, 4.9, 4.11 (Mô tả cấp độ ngôn ngữ theo đặc tả).
Thống kê câu hỏi trắc nghiệm Bảng 4.12 (Tổng hợp độ khó và phân biệt); Bảng 4.13 (Thống kê câu hỏi bị cảnh báo); Bảng 4.14 - 4.53 (Chi tiết thống kê và đồ thị các câu 2, 3, 6, 13, 14, 15, 19, 20, 28, 34).
Chỉ số độ tin cậy Bảng 4.54 (Tổng hợp thống kê); Bảng 4.56 (Độ tin cậy person và item); Bảng 4.57, 4.58 (Độ tin cậy theo số bậc năng lực); Hình 4.1 (Item map).
Thiết lập chuẩn Bookmark & Angoff Bảng 4.59 (Thứ tự câu trong tập câu hỏi); Bảng 4.60, 4.62 (Vòng 1); Bảng 4.63 (Vòng 2); Bảng 4.64, 4.65 (Vòng 3); Bảng 4.66 (Điểm cắt Bookmark); Bảng 4.67 (Điểm cắt Angoff); Bảng 4.68 (So sánh kết quả hai phương pháp).

CHAPTER V: FINDINGS AND DISCUSSIONS

Chương này tổng hợp các phát hiện và thảo luận dựa trên 3 câu hỏi nghiên cứu nhánh:

  • Đặc điểm nhiệm vụ và câu hỏi thi: Phần lớn các nhiệm vụ và đoạn ghi âm đáp ứng yêu cầu kỹ thuật, nhưng một số câu hỏi có phương án nhiễu chưa hoạt động hiệu quả hoặc độ phân biệt thấp cần được điều chỉnh trong ngân hàng đề.
  • Độ tin cậy của bài thi Nghe: Điểm số bài thi đạt các chỉ số độ tin cậy chấp nhận được theo chuẩn đánh giá khảo thí, phân tách rõ rệt các mức năng lực của người học.
  • Tính chuẩn xác và hợp lý của điểm cắt: Việc áp dụng phương pháp Bookmark cung cấp bằng chứng thực nghiệm rõ ràng về các điểm phân giới giữa Bậc 3, Bậc 4 và Bậc 5; sự so sánh giữa kết quả Bookmark và Angoff chỉ ra mức độ tương đồng và những điểm chênh lệch cụ thể cần cân nhắc khi đưa ra quyết định chính sách.

CHAPTER VI: CONCLUSION

Chương kết luận tổng kết toàn bộ luận án, khẳng định các đóng góp về mặt lý thuyết và thực tiễn, nêu rõ các giới hạn nghiên cứu, đề xuất các khuyến nghị sư phạm, chính sách khảo thí và định hướng các nghiên cứu tiếp theo.


Kết quả và những đóng góp mới

Kết quả nghiên cứu chính

  1. Về cấu trúc nhiệm vụ và câu hỏi: Cung cấp bức tranh toàn diện về chất lượng kỹ thuật của đề thi Nghe VSTEP.3-5 đợt thi đầu năm 2017. Xác định chính xác các câu hỏi đạt chuẩn và chỉ ra 10 câu hỏi có dấu hiệu bất thường về mặt thống kê (các câu flagged items: 2, 3, 6, 13, 14, 15, 19, 20, 28, 34) cần rà soát lại phương án nhiễu hoặc lời thoại ghi âm.
  2. Về độ tin cậy: Chứng minh bài thi có các chỉ số độ tin cậy phù hợp trên mô hình Rasch và CTT, đủ điều kiện để phân loại thí sinh theo các bậc năng lực từ B1 đến C1.
  3. Về tính xác trị của điểm cắt: Cung cấp cơ sở dữ liệu đối sánh giữa phương pháp Bookmark và phương pháp Angoff, chỉ ra tính hợp lý của các điểm phân giới hiện hành, đồng thời cung cấp căn cứ để tinh chỉnh điểm cắt nhằm hạn chế tối đa các sai số dương tính giả (false positives) và âm tính giả (false negatives).

Đóng góp mới của luận án

  • Về mặt lý luận: Luận án củng cố quan điểm hiện đại xem độ giá trị là một khái niệm đơn nhất, chứng minh tính khả thi và chặt chẽ của việc áp dụng mô hình tiếp cận lập luận của Kane (2006, 2013) kết hợp với khung lập luận Toulmin (1958) vào quy trình xác trị bài thi ngôn ngữ quy mô lớn tại Việt Nam.
  • Về mặt thực tiễn:
    • Nâng cao nhận thức của các bên liên quan về tầm quan trọng của việc xác trị điểm cắt đối với các kỳ thi ngoại ngữ có tính chất quyết định cao, nhằm bảo đảm tính công bằng cho thí sinh.
    • Đóng góp vào việc xây dựng một hệ thống lập luận xác trị minh bạch, có hệ thống và có thể bảo vệ được cho bài thi VSTEP.3-5 nói chung và bài thi Nghe nói riêng.
    • Cung cấp thông tin phản hồi có giá trị phục vụ việc hoàn thiện bản đặc tả bài thi, cải tiến quy trình biên soạn câu hỏi và ngân hàng đề thi Nghe VSTEP.3-5.

Kiến nghị đề xuất

  • Rà soát, chỉnh sửa các câu hỏi có chỉ số phân biệt kém và điều chỉnh các phương án nhiễu hoạt động chưa hiệu quả trong ngân hàng đề.
  • Định kỳ tổ chức các đợt rà soát và đánh giá lại điểm cắt bằng các phương pháp chuẩn hóa có sự tham gia của hội đồng chuyên gia được tập huấn bài bản.
  • Hoàn thiện tài liệu hướng dẫn và bản đặc tả kỹ thuật bài thi nhằm đảm bảo tính thống nhất giữa các đợt ra đề và các đơn vị được cấp phép tổ chức thi.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Nghiên cứu chỉ tập trung vào cấu phần kỹ năng Nghe của bài thi VSTEP.3-5, chưa bao quát toàn bộ 4 kỹ năng (Nghe, Nói, Đọc, Viết).
  • Dữ liệu định lượng được thu thập từ một đợt thi cụ thể vào đầu năm 2017 tại một cơ sở khảo thí được Bộ Giáo dục và Đào tạo cấp phép, do đó tính khái quát hóa cho toàn bộ các đề thi khác nhau cần được tiếp tục kiểm chứng.
  • Số lượng chuyên gia trong hội đồng thiết lập chuẩn Bookmark còn giới hạn trong phạm vi nhất định do tính chất phức tạp và kinh phí của quy trình khảo thí.

Hướng nghiên cứu tiếp theo

  • Mở rộng quy trình xác trị lập luận và thiết lập chuẩn sang các cấu phần kỹ năng khác của bài thi VSTEP.3-5 (Đọc, Viết, Nói).
  • Tiến hành các nghiên cứu so sánh chéo điểm cắt trên các dạng đề thi khác nhau (test forms) và giữa các đơn vị khảo thí khác nhau trên toàn quốc.
  • Thực hiện các nghiên cứu dọc về giá trị hậu quả (consequential validity) nhằm đánh giá tác động lâu dài của các quyết định sử dụng điểm cắt VSTEP.3-5 đối với việc tuyển dụng, đào tạo và chuẩn hóa giáo viên tiếng Anh tại Việt Nam.

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng:

  • Nghiên cứu sinh và học viên cao học chuyên ngành Đo lường - Đánh giá ngôn ngữ và Lý luận phương pháp dạy học tiếng Anh: Cung cấp khung phương pháp luận chuẩn xác về tiếp cận lập luận giá trị của Kane và mô hình cấu trúc Toulmin, cùng quy trình phân tích câu hỏi trắc nghiệm bằng mô hình Rasch qua phần mềm WINSTEPS.
  • Cán bộ khảo thí và chuyên gia biên soạn đề thi: Cung cấp quy trình từng bước để thiết lập chuẩn, phân tích câu hỏi trắc nghiệm nhiều lựa chọn, kiểm tra các câu hỏi bị cờ cảnh báo (flagged items) và kỹ thuật triển khai phương pháp Bookmark.
  • Các nhà quản lý chính sách và trung tâm khảo thí thuộc Đề án Ngoại ngữ Quốc gia: Cung cấp cơ sở dữ liệu thực chứng để đánh giá, thẩm định và bảo vệ tính công bằng, minh bạch của hệ thống chứng chỉ năng lực tiếng Anh theo Khung 6 bậc dùng cho Việt Nam.

Câu hỏi thường gặp

1. Mục tiêu trọng tâm của luận án là gì và tác giả sử dụng khung lý thuyết xác trị nào?

Mục tiêu trọng tâm của luận án là nghiên cứu tính xác trị của các điểm cắt của bài thi Nghe VSTEP.3-5 tổ chức vào đầu năm 2017. Luận án ứng dụng mô hình tiếp cận lập luận xác trị (argument-based approach to validation) của Kane (1992, 2006, 2013) tích hợp cấu trúc lập luận 5 thành phần của Toulmin (1958, 2003) gồm: Grounds (Căn cứ), Claim (Khẳng định), Warrant (Bảo đảm), Backing (Chứng cứ hỗ trợ) và Rebuttal (Phản bác).

2. Quy mô mẫu và cấu trúc bài thi Nghe VSTEP.3-5 được phân tích trong luận án như thế nào?

Nghiên cứu sử dụng mẫu dữ liệu gồm 1.562 thí sinh dự thi VSTEP.3-5 vào đầu năm 2017 tại một cơ sở được Bộ Giáo dục và Đào tạo cấp phép. Đề thi Nghe VSTEP.3-5 được cấu trúc thành 3 phần với tổng cộng 35 câu hỏi trắc nghiệm 4 lựa chọn (Part 1: câu 1-8; Part 2: câu 9-20; Part 3: câu 21-35) đo lường năng lực từ Bậc 3 đến Bậc 5 (tương đương B1 - C1 theo CEFR).

3. Lập luận diễn giải của luận án được xây dựng dựa trên 3 suy luận (inferences) nào?

Lập luận diễn giải của luận án tập trung vào 3 suy luận chính:

  1. Inference 1 (Nhiệm vụ và câu hỏi thi): Các nhiệm vụ và câu hỏi thi được thiết kế phù hợp với bản đặc tả bài thi.
  2. Inference 2 (Độ tin cậy): Điểm số bài thi Nghe có độ tin cậy thỏa đáng trong việc phản ánh năng lực nghe của thí sinh.
  3. Inference 3 (Điểm cắt): Các điểm cắt được thiết lập một cách hợp lý và có thể bảo vệ được để phân loại thí sinh theo các bậc năng lực.

4. Phương pháp thiết lập chuẩn nào được tác giả triển khai thực nghiệm để đối sánh với phương pháp hiện hành của bài thi?

Tác giả đã triển khai thực nghiệm phương pháp Bookmark (Item Mapping) qua 3 vòng đánh giá (Round 1, Round 2, Round 3) với hội đồng chuyên gia, kết hợp 3 dạng phản hồi (Normative, Reality, Impact feedback), sau đó so sánh kết quả điểm cắt thu được với phương pháp Angoff đã được áp dụng trước đó cho bài thi.

5. Những công cụ và phần mềm chuyên dụng nào được sử dụng trong quá trình phân tích dữ liệu?

Tác giả sử dụng các công cụ phân tích độ đọc văn bản (Flesch-Kincaid readability), công cụ phân tích tốc độ nói (speech rate analyzing tool) và phần mềm WINSTEPS để phân tích dữ liệu trắc nghiệm theo mô hình Rasch (Item Response Theory), xác định độ khó, độ phân biệt, độ tin cậy person/item và xuất bản đồ câu hỏi (Item map).


Kết luận

Luận án của nghiên cứu sinh Nguyễn Thị Quỳnh Yến là công trình nghiên cứu chuyên sâu về xác trị điểm cắt cho bài thi Nghe VSTEP.3-5 dựa trên khung tiếp cận lập luận của Kane và mô hình Toulmin. Thông qua việc phân tích dữ liệu thực nghiệm từ 1.562 thí sinh và triển khai quy trình thiết lập chuẩn Bookmark đối sánh với Angoff, nghiên cứu đã chứng minh tính tin cậy của thang đo và làm rõ mức độ chuẩn xác của các điểm cắt phân định Bậc 3, 4, 5. Kết quả luận án đóng góp bằng chứng thực chứng quan trọng giúp nâng cao tính minh bạch, công bằng và chất lượng kỹ thuật của hệ thống khảo thí VSTEP.3-5 trong khuôn khổ Đề án Ngoại ngữ Quốc gia.