在告別信度及其所有的欣喜若狂之前，您還需要了解測驗信度的另一個方面。到目前為止，我們所探討的都是學生群體測驗分數(shù)的信度類型。在下面的幾段文字中，我們把目光轉(zhuǎn)到學生個體成績的一致性上來。在教育測量中，我們把某一學生個體成績的一致性稱之為測量的標準誤（standard error of measurement, SEM）。

如果對某人反復施測同一測驗，那么測量的標準誤反映的就是這些測驗分數(shù)的一致性。然而在現(xiàn)實中，我們不可能對同一個學生進行無數(shù)次同樣的測驗，因為進行過多的測驗，學生對此會感到厭煩甚至因筋疲力盡而產(chǎn)生暈厥。（如今，除了在電視節(jié)目中，暈厥現(xiàn)象已很少發(fā)生了。）因此，我們只能姑且認為可以對同一個體施以多次測驗，然后對其變化進行估計。測量的標準誤與當今媒體中頻繁報道的各種全國性的民意測驗的“抽樣誤差”十分類似。比如，我們被告知“有89％的電話受訪者認為在蛋糕中放竹筍芽是令人厭惡的”，誤差為±3％。

在其他條件相同的情況下，測驗的信度越高，測量的標準誤就越小。所有的商業(yè)性測驗都應附上一個技術手冊，上面標明測驗的標準誤。如果您有機會翻閱測驗手冊，您會發(fā)現(xiàn)一些測驗的標準誤大大出乎您的意料。正如調(diào)查的抽樣誤差一樣，您也期望測量的標準誤會小一些。

現(xiàn)實生活中，很多情況都是越大越好，人們都喜歡巨額的銀行存款、喜歡寬敞的大房子、喜歡籃球明星的蓋帽。但對測量的標準誤而言，情況恰恰相反。測量的標準誤越小，則表明測驗越精確。

我不想讓您覺得測量的標準誤是通過某種神秘的方式計算出來的，下面就是計算測量的標準誤所采用的公式。然而，如果您不在意測量的標準誤是否產(chǎn)生于神秘主義的大山的話，只要跳過下面的公式以及解釋性的段落就好了。

式中，S_e=測量的標準誤

S_x=測驗分數(shù)的標準差

r_xx=測驗的信度

仔細觀察這個公式，您將發(fā)現(xiàn)測量的標準誤（S_e）的大小主要取決于兩個因素：第一個因素是測驗分數(shù)的標準差（S_x），它主要是指測驗分數(shù)的離散程度。測驗成績的離散程度越大，測驗分數(shù)的標準差就越大。第二個影響因素是測驗的信度系數(shù)（r_xx）?，F(xiàn)在，我們具體分析一下這個公式，您會發(fā)現(xiàn)，測驗分數(shù)的標準差越大，測量的標準誤也就越大。與此相反，信度系數(shù)越小，則測量的標準誤就越大。因此，一般而言，如果一個測驗的標準差不大或者測驗的信度較高，那么測量的標準誤就很小。正如前面所講的，測量的標準誤越小，表明學生的成績越能精確地反映學生的真實水平⁽²⁾。

測量的標準誤是一個非常重要的概念，因為它提醒教師：學生的測驗成績并不能完全準確地反映學生的真實水平。新教師通常把這種不完全的精確性歸因于學生的測試結(jié)果。至今我仍能清晰地記得，自己初為人師時也犯過類似的錯誤。在閱讀我的第一批學生的檔案時，一位叫薩利·帕爾默（Sally Palmer）的學生引起了我的注意。薩利·帕爾默參加過智力測驗（當時智力測驗非常流行），其得分是126。第二年時，我不僅完全相信薩利的智力確實遠遠高過平均水平，而且我堅信她的智商的確是126。我對測量是如此無知，以至于我沒有意識到薩利所參加的智力測驗可能存在相當大的測量標準誤。薩利真實的智商可能高于或低于該測驗分數(shù)?，F(xiàn)在，我甚至懷疑，如果薩利再參加10次同樣的智力測驗，可能沒有一次恰好得到126分。然而，令我很高興的是薩利的智力會在126這一中心點附近。測量的標準誤提醒教師：學生在商業(yè)性測驗或課堂測驗中獲得的成績并不是完全準確無誤的。

教師可以發(fā)現(xiàn)測量的標準誤的一個重要用途，它與學生在全國NCLB測驗中的表現(xiàn)方式直接相關。按照法律，州政府至少要把學生的測驗成績分為三個層級：基礎的、精通的、高深的。在大多數(shù)情況下，基于學生的測驗成績，學生都會被貼上三個（或更多）層級中的某一個標簽。例如，在含有60道題目的NCLB數(shù)學測驗中，可能會采用如下的分類方案：

現(xiàn)在，我們假設您的一個學生的得分恰恰處于州NCLB測驗分類的邊緣。為了便于解釋，我們假設您的學生答對了60道題目中的53道，那么根據(jù)分類的標準，這個學生應歸為“精通的”一類。然而，如果NCLB測驗的測量標準誤相當大，那么您意識到歸為“精通”這一層級的學生實際可能屬于“高深”層級，因為測驗的不準確性，可能造成“臨界點”的不準確性。您可以把這些信息傳遞給學生及其家長。當然，在這樣做之前，您至少應該了解測驗的標準誤是如何產(chǎn)生的、又是怎么發(fā)生作用的。