Evaluación basada en estándares

En lugar de usar computadoras para registrar las respuestas a las pruebas de opción múltiple, las rúbricas para las evaluaciones estatales, como en Carolina del Norte ^{[ 13 ],} piden a los calificadores que revisen todo el documento y emitan juicios. Los calificadores no pueden contar errores, y las rúbricas no contienen medidas numéricas de cuántos errores de ortografía o gramática constituyen un "1" o un "2". La sección de Escritura Analítica del examen GRE se califica utilizando una escala holística de seis puntos en incrementos de medio punto. ^{[ 14 ]} La calificación holística es una de las principales razones de desacuerdo entre los calificadores, pero por esta razón algunas pruebas se califican más de una vez para verificar la concordancia.

• Los estudiantes son comparados con un estándar que todos pueden alcanzar, en lugar de ser clasificados artificialmente en una curva de campana donde algunos estudiantes deben ser considerados fracasados ​​y solo a unos pocos se les permite tener éxito.
• Los seres humanos, no las computadoras, pueden evaluar el valor total de una respuesta en lugar de imponer un criterio estricto de correcto o incorrecto que no admite interpretación.
• Las preguntas de respuesta libre se utilizan y evalúan para el pensamiento de orden superior , lo cual es importante en la mayoría de los nuevos estándares educativos .
• Se ha demostrado que las pruebas de opción múltiple calificadas por computadora tienen efectos perjudiciales para las minorías, negándoles injustamente oportunidades.
• Solo una prueba basada en estándares está alineada con la reforma educativa basada en estándares, que se fundamenta en la creencia de que todos los estudiantes pueden tener éxito, no solo unos pocos.
• Aprobar el examen de décimo grado y obtener un Certificado de Dominio Inicial garantiza que todos los estudiantes se gradúen con las habilidades necesarias para tener éxito en la economía de primer nivel del siglo XXI.
• Los estudiantes ya no serán engañados al pasar al siguiente grado sin haber adquirido los conocimientos y habilidades que todo niño de ese nivel debe poseer.
• Cuando todos los estudiantes aprueben todos los estándares, como es la premisa central de la reforma educativa basada en estándares , todos los estudiantes, independientemente de su origen socioeconómico, obtendrán la misma puntuación en las pruebas, eliminando así la misteriosa brecha de rendimiento que, según se ha demostrado, existe entre todos los grupos en todas las pruebas. Sin embargo, hasta 2006, ninguna evaluación basada en estándares había alcanzado este objetivo optimista (que los críticos podrían considerar imposible), aunque muchas mostraban puntuaciones en aumento.

En comparación con una prueba de opción múltiple con referencia a normas , una prueba basada en estándares se puede reconocer por:

• Se establece una puntuación mínima para cada nivel de rendimiento. No existen puntuaciones mínimas para las pruebas estandarizadas. No hay una puntuación mínima para suspender el examen SAT . Cada universidad o institución establece sus propios criterios de admisión o concesión de becas.
• Se establecen diferentes niveles de desempeño. Por lo general, estos son: Por encima del estándar, Cumple con el estándar, Por debajo del estándar. Estos niveles se suelen definir en un proceso de evaluación comparativa, aunque dicho proceso no tiene en cuenta si los ítems de la prueba son apropiados para el nivel de grado.
• Las pruebas se califican de forma integral en función de una respuesta escrita libre, a menudo con imágenes, en lugar de calificarlas como correctas o incorrectas entre varias opciones.
• Debido a esto, la corrección de los exámenes resulta más costosa, generalmente entre 25 y 30 dólares por examen, en comparación con los 2 a 5 dólares, sin incluir el costo de desarrollar el examen, que suele variar cada año en cada estado.
• Las pruebas son más difíciles de calificar porque normalmente se califican comparándolas con un número reducido de ejemplos, con no más de uno o dos exámenes de muestra en cada nivel de calificación. No pueden ser calificadas por computadora.
• Las pruebas son menos fiables. Un grado de concordancia de entre el 60 y el 80 por ciento en una escala de 4 puntos puede considerarse preciso.
• Los correctores no necesitan credenciales docentes, solo una licenciatura en cualquier campo, y normalmente cobran entre 8 y 11 dólares por hora por un trabajo a tiempo parcial.
• Las tasas de reprobación, que alcanzan entre el 80 y el 95 por ciento, no solo no son inusuales, sino que se esperan y se anuncian a la prensa local cuando se presentan los programas de evaluación. Según los criterios de graduación tradicionales, los afroamericanos habían logrado tasas de graduación nacionales muy cercanas a las de los blancos. En 2006, la superintendente Terry Bergeson prometió a tres cuartas partes de los afroamericanos que reprobaron el WASL que no recibirían un diploma si no aprobaban las repeticiones del examen en dos años, a pesar de que anteriormente había prometido que "todos los estudiantes" obtendrían un diploma de primer nivel.
• Las tasas de fracaso para las minorías y los estudiantes de educación especial suelen ser de dos a cuatro veces más altas que para los grupos mayoritarios, ya que las preguntas de respuesta extendida son más difíciles de responder que las de opción múltiple.
• El contenido suele ser difícil de responder rápidamente incluso para los adultos, incluso en niveles escolares tan bajos como cuarto grado, especialmente en matemáticas. El profesor Don Orlich calificó la WASL de "desastre", ya que las pruebas de matemáticas y ciencias se sitúan muy por encima del nivel de desarrollo normal de los estudiantes en muchos niveles escolares.
• Las matemáticas tienen una alta proporción de estadística y geometría, y un bajo contenido de aritmética simple.
• Las escuelas obtienen una puntuación de cero para los estudiantes que no realizan la prueba.
• Aprobar una prueba de este tipo en el décimo grado suele considerarse un requisito para graduarse de la escuela secundaria.
• Aprobar dicha prueba, en lugar de alcanzar el percentil 50, se define como un rendimiento acorde al nivel de grado .
• Una pregunta con una respuesta correcta puede ser calificada como incorrecta si no muestra cómo se llegó a ella. Una pregunta con una conclusión numérica incorrecta no necesariamente será calificada como errónea. ^{[ 15 ]}
• El primer año de la prueba CLAS en California no permitía calificaciones altas de matemáticas de '4', ni siquiera en las escuelas con las puntuaciones más altas, para dejar margen de mejora ^{[ 16 ].}
• El proyecto de escritura de Carolina del Norte otorgó calificaciones ejemplares de '4' a menos del 1 por ciento de los trabajos. Dichos trabajos empleaban vocabulario y conocimientos a un nivel que a veces superaba el de los evaluadores de graduados universitarios, y muy por encima del público objetivo de una graduación de bachillerato. ^{[ 17 ]} Este nivel sería incluso más difícil que obtener una puntuación en el SAT suficiente para ingresar a una universidad privada de la Ivy League.
• Las puntuaciones suelen aumentar mucho más rápido que las de las pruebas estandarizadas como NAEP o SAT administradas durante el mismo período de tiempo. ^{[ 18 ]}