Bài kiểm tra xếp lớp: vì sao ngưỡng phân loại không nên đặt theo tỷ lệ phần trăm học sinh

Đầu khoá, một trung tâm cho tám mươi học viên làm bài kiểm tra xếp lớp, rồi chia thành bốn lớp hai mươi em. Cách chia: xếp điểm từ cao xuống thấp, cắt thành bốn khúc bằng nhau. Nghe hợp lý, và nó là cách gần như ai cũng làm khi lần đầu tổ chức phân lớp. Nó cũng là cách sai, và cái sai không nằm ở phép tính mà nằm ở câu hỏi mà bài kiểm tra đang trả lời.

Nỗi khó: một bài kiểm tra, hai câu hỏi rất khác nhau

Chia theo tỷ lệ phần trăm trả lời câu hỏi "em này giỏi hơn bao nhiêu phần trăm số em còn lại?" Nhưng câu hỏi mà việc xếp lớp cần trả lời là "em này học được ở lớp nào?" Hai câu ấy khác nhau, và chúng cho hai kết quả khác nhau ngay khi nhóm học viên đổi.

Hệ quả thấy được ngay: nếu khoá này tình cờ toàn người mới bắt đầu, cắt tư vẫn sinh ra một "lớp nâng cao" gồm hai mươi người mới bắt đầu khá hơn một chút. Lớp ấy sẽ được dạy giáo trình nâng cao, và cả hai mươi em cùng không theo được. Nếu khoá sau tình cờ toàn người đã học vài năm, "lớp vỡ lòng" sẽ gồm hai mươi người thấy bài quá dễ.

Cùng một điểm số, hai khoá khác nhau, hai lớp khác nhau. Đó là dấu hiệu chắc chắn rằng ngưỡng đang đo sai thứ.

Bản chất: xếp lớp là dự đoán, không phải tổng kết

Đây là phân biệt nền tảng, và nắm được nó thì phần lớn quyết định sau đó tự rõ:

	Bài kiểm tra tổng kết	Bài kiểm tra xếp lớp
Câu hỏi	Em đã học được những gì vừa dạy?	Em học được ở chương trình nào tiếp theo?
Nội dung	Đúng phần đã dạy	Trải rộng nhiều trình độ, phần lớn chưa được dạy
Chuẩn so sánh	Yêu cầu của chương trình	Yêu cầu đầu vào của từng lớp
Ngưỡng đặt theo	Thang điểm chung	Tiêu chí của lớp, không theo tỷ lệ học viên
Dải độ khó cần	Quanh mức đã dạy	Rất rộng, từ dễ nhất tới khó nhất
Sai một chút thì sao	Lệch một cột điểm	Em ngồi sai lớp cả khoá

Dòng cuối là lý do việc này đáng làm cẩn thận. Một cột điểm lệch thì học kỳ sau bù lại được. Một em ngồi sai lớp thì mất trọn một khoá — và với người học tự trả tiền, đó cũng là chuyện tiền.

Vì sao bài xếp lớp cần dải độ khó rộng khác thường

Một bài kiểm tra tổng kết tốt có độ khó tập trung quanh mức đã dạy: phần lớn câu ở dải 0,3–0,8 tỷ lệ đúng. Bài xếp lớp thì ngược lại — nó phải có câu mà nhóm yếu nhất gần như không ai làm được và câu mà nhóm mạnh nhất gần như ai cũng làm được.

Lý do: ngưỡng phân loại chỉ chính xác ở chỗ có câu hỏi ở đúng vùng độ khó ấy. Nếu bốn lớp cần ba ngưỡng, thì phải có đủ câu hỏi ở quanh cả ba vùng. Một bài toàn câu trung bình sẽ tách được nhóm giữa rất tốt và không tách nổi hai đầu — và hai đầu lại là nơi đặt sai lớp gây hậu quả nặng nhất.

Điều này cũng giải thích một chuyện nghe lạ: một bài xếp lớp tốt thường có điểm trung bình khá thấp và độ phân tán lớn. Phổ điểm trải từ 2 đến 9 là dấu hiệu tốt, không phải dấu hiệu đề khó quá.

Ngưỡng đặt theo tiêu chí: phương pháp Angoff

Nếu không đặt ngưỡng theo tỷ lệ học viên thì đặt theo gì? Câu trả lời trong tài liệu khảo thí là đặt theo tiêu chí, và phương pháp cổ điển nhất cũng đủ dùng cho một trung tâm: phương pháp Angoff.

Cách làm, gọn:

1. Tập hợp ba tới năm giáo viên đang dạy chính lớp mà ta cần đặt ngưỡng đầu vào.
2. Cùng thống nhất hình dung về một "học viên vừa đủ điều kiện" vào lớp ấy — người yếu nhất mà vẫn theo được giáo trình.
3. Với từng câu trong bài xếp lớp, mỗi giáo viên tự ước lượng: người vừa đủ điều kiện ấy có bao nhiêu phần trăm cơ hội làm đúng câu này?
4. Lấy trung bình các ước lượng cho mỗi câu, rồi cộng lại — tổng đó chính là ngưỡng điểm vào lớp.

Điều làm phương pháp này mạnh không phải phép cộng. Là bước 2 và bước 3: chúng buộc cả tổ nói ra hình dung của mình về học viên tối thiểu, và nói ra thì phát hiện được rằng mỗi người đang nghĩ một người khác nhau. Buổi làm việc ấy thường có giá trị hơn cả con số nó sinh ra.

Ngưỡng ra từ đây có một tính chất quan trọng: nó không đổi khi nhóm học viên đổi. Khoá toàn người mới thì lớp nâng cao có ít người, hoặc không có ai — và đó là kết quả đúng, không phải một vấn đề cần chữa bằng cách hạ ngưỡng.

Vùng chồng lấn: chỗ phải thừa nhận rằng phép đo không đủ chính xác

Mọi phép đo đều có sai số, kể cả một bài xếp lớp tốt. Nên quanh mỗi ngưỡng có một dải mà điểm số không phân biệt được hai bên.

Giả sử ngưỡng vào lớp B là 45 điểm. Một em được 44 và một em được 46 không thực sự khác nhau về trình độ — chênh lệch ấy nằm trong sai số của phép đo. Xử lý hai em ấy như hai trường hợp khác nhau là vờ như phép đo chính xác hơn thực tế.

Cách làm đúng là khai một vùng chồng lấn quanh mỗi ngưỡng, và với em rơi vào vùng đó thì dùng nguồn thứ hai để quyết định:

Nguồn thứ hai	Khi nào phù hợp
Phỏng vấn ngắn 5 phút	Ngoại ngữ — nghe nói bộc lộ nhanh điều bài viết không thấy
Một bài viết ngắn	Khi lớp trên đòi năng lực diễn đạt
Hỏi mục tiêu và thời gian học viên có	Trung tâm — người có ít thời gian nên xếp thấp hơn một mức
Cho học thử một buổi ở lớp cao hơn	Hiệu quả nhất, và tốn nhất

⚠️ Và một nguyên tắc đáng cân nhắc: hai chiều đặt sai lớp không tốn kém như nhau. Em bị xếp quá cao thì không theo được, mất tự tin, và hay bỏ khoá. Em bị xếp quá thấp thì thấy nhàm nhưng vẫn học được gì đó, và chuyển lên lớp trên giữa khoá là việc dễ. Vì bất đối xứng ấy, khi ở vùng chồng lấn mà không có nguồn thứ hai, xếp xuống mức thấp hơn là lựa chọn an toàn hơn — miễn nói rõ với học viên rằng chuyển lên được.

So sánh trực quan: ba cách phân lớp

	Cắt theo tỷ lệ phần trăm	Cắt theo thang điểm định sẵn	Ngưỡng theo tiêu chí + vùng chồng lấn
Ngưỡng phụ thuộc nhóm học viên	Có — đổi theo từng khoá	Không	Không
Số lớp mỗi trình độ	Luôn bằng nhau	Tuỳ phổ điểm	Tuỳ phổ điểm
Ai đặt ngưỡng	Phép tính	Người quản lý, theo cảm nhận	Tổ giáo viên đang dạy lớp đó
Xử lý em ở biên	Không có khái niệm biên	Không có	Nguồn thứ hai
Giải thích được với phụ huynh	"Em nằm trong nhóm 25% giữa"	"Em được 44, chưa đủ 45"	"Lớp B cần làm được những việc này, em chưa làm được hai trong số đó"
Chi phí thiết lập	Không	Thấp	Một buổi họp tổ, làm một lần

Dòng "giải thích được với phụ huynh" là lợi ích ít được tính mà lại dùng nhiều nhất trong thực tế. Câu trả lời ở cột ba nói về năng lực, còn hai cột đầu nói về thứ hạng — và một phụ huynh nghe con mình bị xếp theo thứ hạng sẽ hỏi tiếp, hợp lý.

Ba bước dựng bài xếp lớp cho khoá tới

Bước 1 — Viết ra yêu cầu ĐẦU VÀO của từng lớp, trước khi soạn câu nào

Đây là bước bị bỏ nhiều nhất, và bỏ nó thì không thể đặt ngưỡng theo tiêu chí.

Với mỗi lớp, viết ba tới năm câu "làm được gì" mô tả người yếu nhất vẫn theo được. Ví dụ cho lớp tiếng Anh trung cấp:

Học viên vào lớp B2 cần: đọc hiểu được một đoạn tin 150 từ về chủ đề quen thuộc; dùng đúng thời quá khứ đơn và hiện tại hoàn thành trong câu của mình; viết được một đoạn 80 từ có câu chủ đề; nghe hiểu được hội thoại hai người nói tốc độ bình thường.

Bộ câu này có ba công dụng, và cả ba đều cần: nó là căn cứ để chọn nội dung cho bài xếp lớp, là hình dung chung cho buổi đặt ngưỡng, và là câu trả lời khi có người hỏi vì sao em tôi không vào lớp B2.

Với ngoại ngữ, đừng tự nghĩ lại từ đầu — khung CEFR đã mô tả các mức bằng đúng dạng câu "làm được gì", dùng làm điểm khởi hành rồi sửa theo giáo trình của mình.

Bước 2 — Soạn bài trải rộng, và ngắn

Bài xếp lớp nên ngắn hơn bài kiểm tra tổng kết: ba mươi tới bốn mươi phút. Nó không cần bao phủ chương trình, chỉ cần định vị.

Cấu trúc dùng được cho bốn lớp:

Phần	Số câu	Độ khó nhắm tới	Tác dụng
Khởi động	5	Rất dễ, gần như ai cũng đúng	Tách nhóm chưa có nền; và để người yếu không bỏ giữa bài
Nền	10	Quanh ngưỡng lớp thấp nhất	Quyết định ngưỡng thứ nhất
Giữa	10	Quanh ngưỡng lớp giữa	Quyết định ngưỡng thứ hai
Trên	8	Quanh ngưỡng lớp cao nhất	Quyết định ngưỡng thứ ba
Tự sinh	2	Câu trả lời ngắn hoặc một đoạn viết	Bộc lộ thứ trắc nghiệm không thấy

Hai câu cuối đáng giữ dù chúng tốn công chấm: trắc nghiệm đo được nhận ra, không đo được tự sản sinh — mà phần lớn lớp học đòi năng lực tự sản sinh.

Bước 3 — Một buổi họp đặt ngưỡng, rồi khai vùng chồng lấn thành văn

Tập hợp giáo viên đang dạy các lớp, làm theo bốn bước Angoff ở trên. Một buổi chừng chín mươi phút cho một bài ba mươi lăm câu.

Xong thì khai thành văn, trước khi có học viên nào làm bài:

	Ngưỡng	Vùng chồng lấn	Xử lý trong vùng
Vào lớp B	42	39 – 45	Phỏng vấn 5 phút
Vào lớp C	58	55 – 61	Phỏng vấn 5 phút
Vào lớp D	74	71 – 77	Phỏng vấn + đoạn viết

Khai trước là chi tiết quyết định. Một ngưỡng chọn sau khi đã nhìn phổ điểm là một ngưỡng được chọn để ra số lớp mình muốn — tức lại quay về cắt theo tỷ lệ, chỉ là vòng vo hơn.

Rào cản thật: chấm và phân lớp trong vài ngày, mỗi khoá

Tám mươi bài × ba mươi lăm câu là hai nghìn tám trăm ô phải chấm, cộng với hai câu tự sinh mỗi bài, cộng với việc đối chiếu từng em với ba ngưỡng và lọc ra những em rơi vào vùng chồng lấn để hẹn phỏng vấn. Việc này dồn vào đúng vài ngày trước khai giảng, mỗi khoá.

Grade có phần kiểm tra xếp lớp riêng, tách khỏi luồng đề thi thường: phần trắc nghiệm chấm ngay khi học viên bấm nộp, còn phần tự sinh đi vào luồng chấm theo rubric. Môn ngoại ngữ dùng thang CEFR từ A1 tới C2 thay vì thang nhận thức bốn mức của các môn chung — tức mức độ của câu hỏi là một mức năng lực ngôn ngữ, đúng thứ cần để định vị.

Và bộ phân tích câu hỏi là thứ làm bài xếp lớp tốt dần lên qua các khoá: sau khoá đầu, độ khó đo được của từng câu cho biết câu nào thực ra không nằm ở vùng mình tưởng, và ngưỡng có thể điều chỉnh dựa trên số đo thay vì cảm nhận. Đây cũng là bước đi tới hình thức đắt hơn nhưng hợp nhất cho việc xếp lớp — đề tự đổi độ khó — nếu về sau trung tâm cần tới.

Kho dùng chung hiện có gần 1.500 đề công khai và hơn 28.000 câu hỏi trên 23 môn, trải nhiều mức độ, nên phần lớn câu cho bốn dải độ khó ở bước 2 không phải soạn mới.

Thầy cô và người quản lý có thể bắt đầu bằng bước 1 — chỉ cần giấy: viết ba tới năm câu "làm được gì" cho yêu cầu đầu vào của từng lớp đang có. Bộ câu ấy dùng được ngay cả khi chưa đổi gì trong bài kiểm tra. Tạo đề miễn phí trên Grade để dựng bài xếp lớp chấm tự động.

Đọc thêm: khảo thí thích ứng — xếp lớp là chỗ duy nhất trong nhà trường mà hình thức ấy thật sự đáng đầu tư, và phân tích phổ điểm theo thang Bloom để chỉnh ngưỡng sau khoá đầu.

Nguồn tham khảo

• William H. Angoff — phương pháp đặt ngưỡng theo tiêu chí, trong Educational Measurement (Thorndike chủ biên)
• Gregory J. Cizek & Michael B. Bunch — Standard Setting: A Guide to Establishing and Evaluating Performance Standards on Tests
• Khung tham chiếu ngôn ngữ chung châu Âu (CEFR) — Hội đồng châu Âu, mô tả các mức bằng câu "làm được gì"
• Tài liệu kỹ thuật về sai số chuẩn của phép đo và vùng chồng lấn quanh ngưỡng — Educational Testing Service (Hoa Kỳ)
• Chương trình giáo dục phổ thông 2018 — Thông tư 32/2018/TT-BGDĐT, Bộ GD&ĐT

Ảnh minh hoạ: Pexels.