PISA阅读素养子能力对数学与科学表现的影响——以PISA2018中国四省市样本数据为例

黄山 张一平

一、引言

PISA（Programme for International Student Assessment）是由经济合作与发展组织（OECD）主持的一项国际评估，主要针对义务教育完成阶段的15岁学生，通过聚焦阅读、数学、科学等关键领域的素养，测评学生对现实生活中机遇与挑战的准备程度[1]。被试学生除了接受这三科的能力测试外，还需完成一份包含个人背景及学习态度、动机等项目的问卷。

PISA测评于2000年首次举行，其后每3年进行一次，每次以阅读、数学、科学中的一个领域为测评重点，2018年是第三个循环，重点是阅读素养。PISA2018共有79个国家/地区参加，我国约有12000余名来自于北京市、上海市、江苏省及浙江省（B-SJ-Z）四省市的学生参加。我国四省市的阅读、数学与科学的平均分均为参加国家/地区的首位[2]。

自2019年起，国内学界对我国学生在PISA2018阅读素养表现的研究日益增多。这些研究大体分为两类：其一是非量化研究，主要介绍PISA2018阅读评估的原理、方法和特点，及其对语文教学和试题编制带来的启示和借鉴；其二是对阅读影响因素进行量化研究，如陈纯槿将影响因素区分为先赋性因素与自致性因素，并考察和比较两类因素对我国四省市学生阅读素养的影响[3]。也有学者聚焦某领域深入探讨阅读能力的影响关系，如张佳慧和辛涛侧重主观幸福感对学业表现的影响[4]，刘宝存等聚焦研究学校背景与学生背景对学生阅读水平的影响[5]等等，从而为学生的学业辅导、教育政策的制定提供建议和参考。多数研究以PISA2018的阅读素养能力的似真值①PISA各领域能力似真值的生成过程为：首先将每个领域中所有项目的参数固定为IRT的最终估计值，再利用多元潜在回归模型，从多元潜在回归模型估计的贝叶斯后验分布中为每个学生生成十个该领域的似真值（详见PISA2018 Technical Reports，Chapter 9）。（Plausible Value）为因变量进行数据分析。

PISA2018阅读、数学和科学三科测验结果之间的关联研究不多。可以查阅到的往年PISA的相关研究结果显示，阅读表现与数学表现、科学表现存在着高度关联。例如PISA2015中国四省市数据中，阅读和数学、科学的相关系数分别为0.84、0.90，而OECD对应的相关系数分别为0.78、0.86[6]。对于PISA阅读、数学、科学表现的高相关，有学者解释为这是因为阅读能力有助于处理问题理解过程中的语言语义学特征和文本复杂性[7]。而PISA的数学和科学试题中有多项现实的应用问题，被试的阅读能力越高，越有助于他们在数学和科学测试中的答题表现。

阅读素养是PISA2018的测试重点。该年度的阅读素养包含了信息定位（Locating Information）、文本理解（Understanding）、评价与反思（Evaluating and Reflecting）三个子能力维度。PISA数据库给出了信息定位、文本理解、评价与反思三个阅读子能力维度的测量结果，本研究尝试用结构方程方法来考察PISA2018阅读素养的三个子能力维度与数学、科学表现之间关联的异同，进一步把握阅读、数学及科学间的关联特征。

二、数据与变量

（一）PISA2018数学素养、科学素养、阅读素养的定义

以我国参加PISA2018的12058名中学生为样本，对数学素养、科学素养以及阅读素养的三个子能力维度（信息定位、文本理解、评价与反思）的数据进行分析。PISA2018官方提供的数据中，上述的五个变量各提供了10个似真值，本研究均采用第一个似真值。PISA2018对三个子能力维度的定义如下。

1.数学素养

个体在各种背景下进行数学表述、数学运用和数学阐释的能力。它包括数学式的推理，以及使用数学概念、步骤、事实和工具来描述和预测现象。它帮助个体认识数学在现实世界中所起的作用，做出有根据的判断和决策，以成为具有建设性、参与意识和反思能力的公民。具体地说，PISA2018数学素养是考查学生能否将实际问题用数学方式表达，能否正确使用数学概念、程序和推理来解决这些问题，能否正确解释、评估得出的数学结果等方面的综合能力。

2.科学素养

作为具有反思意识的公民，能够参与讨论与科学有关的问题，提出科学见解的能力。这需要具备科学地解释现象、评价与设计科学研究调查、科学地解释数据证据这三种能力。PISA的科学素养测验不仅考查学生对相应水平的科学概念和理论知识的了解，还考查学生对科学探究的相关过程与实践的了解，以及这些过程与实践对促进科学发展影响的评估能力。

3.阅读素养

为了实现个人发展目标、增长知识、发挥潜能并参与社会生活，而对文本的理解、运用、评价、反思和参与[8]。阅读素养包含了信息定位、文本理解、评价与反思三个子能力维度。下面是PISA2018对阅读素养三个子能力维度的描述。

（1）信息定位

按所涉及文本的数量，PISA2018将信息定位分解为扫描与定位、搜索与选择相关文本两个特定的认知过程。扫描与定位主要考查学生能否根据一段文本的阅读，准确定位到局部的特定信息，并不需要理解整个文本。搜索和选择相关文本主要考查学生能否从多个文本中根据要求选择正确的信息，为了找到所需的信息，首先需要确定相应的文本片段，这增加了此过程的复杂性。

（2）文本理解

按需要理解文本的长度，PISA2018将文本理解分解为理解字面意思、整合并产生推论两个特定的认知过程。理解字面意思主要考查学生能否正确理解句子和段落的意义。整合并产生推论主要考查学生能否正确归纳文本的整体含义及推理不同文本间的逻辑关系，可能还需要解决不同文本之间的冲突。

（3）评价与反思

PISA2018将评价质量和可信度、反思内容与形式、发现和处理冲突三个特定的认知过程归类为评价与反思。评价质量和可信度主要考查学生能否将文本中所说的内容与外围线索结合起来，正确评估文本所提供的信息质量及可信度。反思内容与形式主要考查学生能否评估文本的内容和形式是否充分表达了作者的目的和观点。发现和处理冲突主要考查学生能否通过评估消息来源的可信度及其声称的逻辑和合理性，识别文本片段之间的矛盾，决定如何最好地处理这些矛盾。

（二）阅读素养三个子能力维度间的关系

根据PISA2018对阅读素养三个子能力维度的定义，信息定位是基础能力，同时影响文本理解、评价与反思，而文本理解影响评价与反思。信息定位是日常阅读中，尤其是在数字阅读时代是必不可少的部分（obligatory component）。评价与反思要求学生在理解文本的基础上，能够超越文本的字面意义，更深层次反思文本的内容和形式，并批判性地评估其中信息的质量和有效性，是阅读能力的高水平要求。PISA测试将阅读任务和阅读子能力维度对应，从而支持在阅读子能力层面分析学生的阅读能力。一个学生可能会遇到一个初始阅读任务，其中学生必须根据搜索结果找到一个特定的文档。在第二个任务中，学生需要回答文本中明确陈述的信息的问题。最后，在第三个任务中，学生需要辨别作者在第一个文本中的观点是否与在第二个文本中相同[8]。

（三）阅读素养与数学素养和科学素养的关系

数学题目的阅读需求有高低之分：如图表题目属于低要求（low reading demand)，应用题属于高要求(high reading demand)。与单纯的计算问题相比，阅读需求相对较高的数学问题的这种关系更强。PISA的数学测试强调解决现实问题，数学任务中通常使用文本而非抽象的数学符号表达数学问题，在作答数学素养的测评题目时首先要读懂题目，这就需要阅读理解能力作为基础，因此阅读能力对PISA数学表现有不可忽视的影响。上海地区PISA2009的数据显示了阅读和数学表现的高相关[9]。Arıkan等的研究显示，PISA2012土耳其学生的阅读表现能在很大程度上预测数学表现[10]。Elisa Caponera等对4125名四年级意大利学生参加2011年TIMSS和PIRLS的数据进行重复测量方差分析，证实了阅读素养对数学成就的影响[11]。

同样，阅读能力对PISA科学表现也有着不可忽视的影响。特别是PISA科学素养中的“科学地解释现象”、“科学地解释数据和证据”均与语言能力息息相关。PISA测试中的阅读和科学表现呈现较强的相关，参加PISA2000、2003和2006年三次测试的56个国家地区的阅读和科学之间的总体平均相关为0.82，分布范围为0.63～0.90之间[12]。PISA2015中国四省市数据的结果显示，阅读能力是影响科学表现的最大因素。

对于PISA科学表现来说，数学能力的影响也不容忽视。PISA科学素养所要求的“科学地阐释数据和证据”要求学生掌握“转换数据表达方式”“分析、阐释数据得出结论”等数学基础[13]。一线教学实践中，如物理中的电学问题[14]、化学中的含碳量计算[15]、地理学科中的太阳高度角[16]等问题都需要数学思维及计算的支持。PISA的数据也显示，数学表现和科学表现之间存在高相关，例如PISA2015中国四省市数据的相关系数为0.91，OECD数据为0.88。

综上所述，对于PISA2018阅读素养的三个子能力、数学素养、科学素养间的关系可以给出如下推论：信息定位影响文本理解、评价与反思；文本理解影响评价与反思；阅读的三个子能力影响数学和科学；数学影响科学（变量间关系详见图1）。

图1 阅读子能力和数学、科学关系模型1

三、数据分析结果

（一）描述性统计结果

观察表1，各变量的偏度绝对值小于0.5，且峰度在0附近，整体上基本服从正态分布。

表1 12058名中国学生的各变量描述性统计结果

观察表2，各变量的相关系数都超过0.7的高相关标准。其中，阅读三个子能力维度之间的相关都超过0.9，科学和阅读三个子能力维度的相关系数为0.80～0.83，数学和阅读三个子能力维度的相关系数为0.75～0.79，数学和科学的相关为0.83。

表2 12058名中国学生的测验分数相关系数

（二）结构模型结果

模型1是饱和模型，因此无须考虑模型拟合度的问题。模型1的路径系数估计值如表3与图2所示。

图2 模型1的标准化路径系数结果

表3 模型1a的标准化路径系数估计表

观察表3，由于数据为12058的大样本，路径系数的估计精度较高。虽然各路径系数都达到显著水平(p＜0.001)，但信息定位指向数学的标准化路径系数估计值只有0.06，这是一个非常微弱的关联，实际意义不大。在限制信息定位指向数学的路径系数为0的条件下（模型1a）的结构方程分析结果如图3所示。

图3 模型1a的标准化路径系数结果

模型1a的绝对拟合指标良好（RMSEA=0.025，GFI=0.999，AGFI=0.996），与模型1相比，除文本理解指向数学的标准化路径系数从0.47微增加到0.50、评价与反思向数学的标准化路径系数从0.29微增加到0.31外，其他标准化路径系数没有变化。

结构模型1和1a的结果显示，在阅读子能力方面，信息定位与文本理解间的标准化路径系数为0.92，信息定位与评价反思间的标准化路径系数为0.33，文本理解与评价反思间的标准化路径系数为0.63。信息定位不仅直接影响评价与反思，同时通过文本理解间接地影响评价与反思。

PISA2018阅读的三个子能力至数学的标准化路径系数估计值分别为：文本理解0.47(0.50)、评价与反思0.29(0.31)、信息定位0.06(0)。信息定位对PISA2018数学表现的影响有相当大部分是通过文本理解、评价与反思间接影响的，特别是文本理解在阅读对数学表现的影响中起着关键作用。

PISA2018阅读的三个子能力至科学的标准化路径系数估计值分别是：文本理解为0.19，评价与反思为0.15，信息定位为0.15，差异不大。数学至科学的标准化路径系数估计值为0.45。阅读的三个子能力对科学表现的影响与其对数学表现的影响相似，文本理解在阅读对科学表现的影响中起着关键作用。同时，在阅读的三个子能力对科学表现的影响中，有很大一部分可以通过数学的路径来解释。

四、小结

从相关分析的结果（表2）可以看出，PISA2018阅读的三个子能力之间高度相关，对科学表现和数学表现都有着很大的影响。阅读的三个子能力对科学表现的影响略高于数学表现可能是由于PISA科学题目的阅读量比数学题目更大、对阅读能力的要求相对更高。数学对科学表现的影响与阅读的三个子能力对科学表现的影响程度基本相同。

从结构模型1的分析结果（表3）可以看出，文本理解是一个承上启下的关键变量。信息定位作为阅读的三个子能力中的基础能力，对文本理解具有决定性的影响；信息定位对评价与反思的影响中，很大一部分是通过影响文本理解产生的间接影响。

文本理解也是对PISA数学表现影响最大的变量，这可能是因为通过对信息的整合读懂题意是解答PISA数学题目的重要前提条件。即使刨除信息定位与文本理解的影响，评价与反思对PISA数学表现的影响也不容忽视，有助于问题解决。这个结果与数学推理与问题解决能力是PISA2018数学素养测试的重要内容相吻合。虽然信息定位与数学表现之间的路径系数接近于0，但这并不代表信息定位不影响PISA的数学表现，而是由于信息定位对数学表现的影响基本上可以通过文本理解来解释。

对于PISA科学表现，在刨除阅读的三个子能力的影响后，数学至科学的标准化路径系数依然高达0.45，这个结果与PISA2015中国四省市（B-S-J-G）学生的结果基本一致。很多科学问题的解答不仅需要读懂题意，同时需要具备逻辑思维、计算等数学能力可能是其重要原因。信息定位至科学的标准化路径系数略高于其至数学的标准化路径系数，很大可能的原因是PISA的数学题目多数比科学题目简短，需要定位的信息数量相对少于科学题目，正确解答科学题目对信息定位的要求更高一些。另外，文本理解对PISA科学表现同样起着至关重要的作用。同时，评价与反思对科学表现的影响也不可忽视，特别是正确理解并解释科学实验结果离不开评价与反思。文本理解、评价反思与科学间的路径系数低于其与数学间的路径系数，是因为前者是刨除了数学影响之后的结果，并不代表文本理解、评价与反思对科学表现的影响低于对数学表现的影响。

本研究仅将PISA2018中国学生数据中的5个变量纳入模型分析，未来研究中可以进一步引入PISA测试数据中的学生背景信息，探索背景因素对各素养及其子能力的影响机制，获取更多有价值的信息。