Đọc các kỳ đánh giá học sinh quốc tế: kết quả nói gì và không nói gì

Mỗi chương trình đánh giá quốc tế có thiết kế và phạm vi riêng — đọc tài liệu kỹ thuật của chính chương trình được nhắc tới trước khi rút kết luận.

Khi kết quả một kỳ đánh giá quốc tế được công bố, các tiêu đề tập trung vào thứ hạng, và các cuộc bàn về chính sách dựa theo đó.

Phần lớn các kết luận rút ra trong những tuần đó vượt quá những gì dữ liệu cho phép — không phải vì dữ liệu kém mà vì nó được đọc sai loại.

Các kỳ đánh giá này đo gì

Điều đầu tiên cần biết: các chương trình khác nhau đo những thứ khác nhau.

Một số đo khả năng vận dụng kiến thức vào tình huống thực tế ở một độ tuổi nhất định. Một số đo mức độ nắm nội dung chương trình ở một khối lớp nhất định.

Hai loại này không so với nhau được, và việc một nước làm tốt ở loại này không suy ra được gì về loại kia.

Hệ quả thực tế: trước khi dùng một kết quả, xác định nó đo gì — vận dụng hay nội dung, ở độ tuổi hay ở khối lớp.

Chọn mẫu: nơi phần lớn hiểu nhầm bắt đầu

Các chương trình này khảo sát một mẫu học sinh, không phải toàn bộ. Ba điểm quan trọng:

Mẫu chỉ gồm học sinh đang đi học ở độ tuổi hoặc khối lớp được khảo sát. Ở các nước có tỉ lệ học sinh bỏ học sớm cao, nhóm không còn đi học không nằm trong mẫu — và họ thường là nhóm có kết quả thấp hơn.

Hệ quả: một nước có tỉ lệ đi học thấp có thể có điểm trung bình cao hơn một nước có tỉ lệ đi học cao, mà không phản ánh chất lượng giáo dục tốt hơn.

Đây là điều cần kiểm đầu tiên khi so hai nước.

Phạm vi khảo sát khác nhau. Một số nước tham gia với một vùng hoặc một nhóm thành phố chứ không phải toàn quốc. So kết quả của một thành phố lớn với kết quả toàn quốc của nước khác là so hai thứ khác nhau.

Tỉ lệ tham gia trong mẫu đã chọn. Nếu một phần đáng kể trường hoặc học sinh được chọn không tham gia, mẫu thực tế lệch khỏi thiết kế.

Bốn cách diễn giải sai phổ biến

Đọc thứ hạng thay vì đọc khoảng cách. Chênh lệch điểm giữa các nước xếp liền nhau thường nằm trong sai số. Nhảy năm bậc có thể không có ý nghĩa thống kê, trong khi tiêu đề thì nói ngược lại.

Các báo cáo kỹ thuật luôn công bố khoảng tin cậy — và đó là phần cần đọc, không phải bảng xếp hạng.

Suy từ tương quan sang nhân quả. Việc các nước có điểm cao cùng có một đặc điểm chính sách không có nghĩa là đặc điểm đó tạo ra kết quả. Có thể cả hai cùng do một yếu tố thứ ba, hoặc quan hệ đi theo chiều ngược lại.

Bỏ qua bối cảnh kinh tế xã hội. Kết quả học tập tương quan mạnh với điều kiện kinh tế gia đình. So sánh có ý nghĩa hơn khi tính tới yếu tố này — và nhiều báo cáo có sẵn phân tích đó, chỉ là nó không xuất hiện trong tiêu đề.

Đọc điểm trung bình mà bỏ qua phân bố. Hai nước cùng điểm trung bình có thể rất khác nhau: một nước đồng đều, một nước có khoảng cách lớn giữa nhóm cao và nhóm thấp. Với chính sách, thông tin thứ hai quan trọng hơn.

So sánh theo thời gian

Đây là cách dùng có giá trị nhất — nước mình đang đi lên hay đi xuống — và nó cũng có các bẫy riêng:

Kiểm xem thiết kế có đổi không giữa các kỳ. Nếu cách đo hoặc phạm vi thay đổi, hai kỳ không so trực tiếp được.

Kiểm tỉ lệ đi học có đổi không. Một nước tăng mạnh tỉ lệ học sinh ở lại trường tới độ tuổi khảo sát có thể thấy điểm trung bình giảm — trong khi đó là một kết quả tích cực về mặt tiếp cận giáo dục.

Nhìn ba kỳ trở lên. Hai điểm không thành xu hướng.

Dùng kết quả thế nào cho có ích

Ba cách dùng đúng loại dữ liệu này:

Nhìn vào các phân tích phụ, không vào bảng xếp hạng. Khoảng cách giữa các nhóm học sinh, chênh lệch giữa vùng, chênh lệch theo điều kiện gia đình — các con số này chỉ ra chỗ hệ thống đang có vấn đề.

Đọc phần dữ liệu về bối cảnh. Các chương trình này thu cả thông tin về thời gian học, về học thêm, về thái độ của học sinh, về điều kiện trường lớp. Phần này ít được nhắc và thường hữu ích hơn phần điểm số.

Dùng như một trong nhiều nguồn, không phải nguồn duy nhất. Kết quả các kỳ đánh giá trong nước, dữ liệu về tỉ lệ hoàn thành, và các nghiên cứu chuyên sâu cho bức tranh khác và bổ sung.

Điều các kỳ đánh giá này không đo

Cần nói rõ để không rút kết luận quá rộng:

Chúng đo một số lĩnh vực nhất định ở một độ tuổi nhất định. Chúng không đo phần lớn những gì một hệ thống giáo dục làm — giáo dục thể chất, nghệ thuật, giáo dục công dân, kỹ năng nghề, sự phát triển xã hội và cảm xúc.

Và chúng không đo chất lượng của giáo dục đại học, giáo dục nghề nghiệp, hay giáo dục mầm non.

Một hệ thống có thể làm tốt ở những gì được đo và kém ở những gì không được đo — và ngược lại. Việc coi kết quả các kỳ này là thước đo tổng thể của một nền giáo dục là cách đọc vượt xa thiết kế của chúng.