標準化テスト：能力の公正な尺度か、それとも機会への不当な障壁か？

標準テストは、生徒のあらゆる側面を捉えるからではなく、広く使われている他のどの指標も提供できないもの、すなわち、共通の、独立して採点された基準を提供するからこそ必要なのである。成績は学校、教師、コースの難易度、採点方針によって劇的に異なる一方、推薦状や課外活動のプロフィールは主観的な判断や不平等なアクセスに弱い。適切に設計されたテストは、生徒が同等の条件下で、不可欠な読解力、作文力、数学のスキルを習得したかどうかを明らかにするのに役立つ。

テストはまた、説明責任を生み出す。一貫した評価データがなければ、州や家庭は生徒を落としている学校を特定するのに苦労し、成績の甘さの陰に達成度の格差が隠され、政策立案者は支援が最も必要とされている場所についての証拠を欠くことになるだろう。点数の格差は、測定が不平等を招く証拠ではない。しばしば、それらは社会が対処しなければならない不平等な教育機会を露呈する。測定をなくしても、根本的な格差がなくなるわけではない。むしろ、その格差を見えにくくするのだ。

したがって、標準テストは、唯一の能力の定義として扱われるのではなく、成績、コースワーク、個人的な背景情報と併用されるべきである。無料の準備、アクセスしやすいテスト、複数の機会、文脈に応じた点数評価などの指標は、不平等を減らすことができる。責任ある解決策は、客観的な証拠を破棄することではなく、それを他の情報と組み合わせることである。個々の状況を認識しながら共通の基準を維持することは、しばしば富、コネ、学校の評判を優遇する主観的なシステムに完全に依存するよりも、公平で説明責任のあるものである。

標準化されたテストは客観性を約束しますが、実際には、実力よりも特権をより確実に測定します。証拠は圧倒的です。SATとACTのスコアは、家庭の収入とほぼ同じように上昇します。裕福な家庭の生徒は、個別指導、数千ドルもする対策講座、複数回の再受験が可能ですが、低所得の生徒は、資源の乏しい学校に通った後、しばしば一度だけ、ぶっつけ本番で試験を受けます。これを公平な競争の場と呼ぶのは、ランナーの一部がトラックの中間地点からスタートするレースを公正と呼ぶようなものです。テストは、スコアの最も強力な予測因子が、生徒自身がコントロールできない変数、すなわち親の富である場合、能力の客観的な基準にはなり得ません。第二に、高リスクのテストは教育そのものを積極的に劣化させます。学校がテストの結果に基づいて評価され、資金提供されると、教師はテスト対策を教えることを強いられます。数週間にわたる指導時間が、多肢選択式の戦略や丸暗記の練習に費やされ、芸術、音楽、プロジェクトベースの学習、開かれた探求は排除されてしまいます。現代の生活や仕事で最も重要な創造性、協調性、忍耐力、批判的思考といったスキルは、まさにこれらのテストでは捉えられないスキルなのです。私たちは、学ぶ価値のあるものよりも測定しやすいものを最適化する説明責任システムを構築してしまいました。第三に、才能を見つけるためにこれらのテストは必要ありません。テスト任意校からの大規模な研究を含む数十年にわたる研究は、4年間の持続的な努力を反映する高校のGPAが、大学での成功を、3時間の一度のストレスの多い朝に受ける単一の試験と同等かそれ以上に予測することを示しています。テストの要件を廃止した何百もの大学は、学生の成績が同等であり、同時に志願者層がより多様で、社会経済的にもより代表的になったことを見出しています。ゲートキーピングのツールが予測値はほとんどないのに、不利な立場にある才能ある学生を体系的に排除するのであれば、それを維持することは厳格さではなく、慣性です。説明責任は重要ですが、それはポートフォリオ、コースワーク、サンプリングされた低リスクの評価、および包括的なレビューといった、より豊かで公正な尺度に基づいているべきです。高リスクのゲートキーパーとしての標準化されたテストは、廃止または大幅に軽視されるべきです。なぜなら、受け継いだ優位性を学術的な実力と混同するシステムは、学生と社会の両方に失敗をもたらすからです。

相手は準備の不平等さを正しく指摘していますが、テストによって明らかになった不平等さを、テストが作り出した不平等さと混同しています。家庭の収入は、GPA、コースの厳しさ、課外活動へのアクセス、エッセイの指導、推薦状、学校の評判にも影響を与えます。これらは、透明性の高いスコアに影響を与えるよりも、しばしばより目に見えにくい形で影響を与えます。標準化されたテストを廃止しても、公平な競争の場は生まれません。それは、裕福な家庭が作り上げることができ、入学担当者が主観的に解釈しなければならない指標へと権力を移行させるだけです。

収入との相関関係が、テストが主に富を測定している証拠であるとも言えません。収入がスコアを予測する一因となっているのは、教育機会が著しく不平等であるためです。共通の評価は、学校や地区を横断するそれらの格差を明らかにし、リソースや介入を的確に配分することを可能にします。恵まれない学生が不可欠な数学や読み書きのスキルを奪われているのであれば、その証拠を隠すことは公平ではありません。より良い対応策は、無料の準備コースの提供、学校でのテスト実施、受験料の免除、合理的な再受験機会の提供、そしてスコアの文脈に基づいた解釈です。

「テストのための学習」という批判は、テストのデザインや説明責任に関するポリシーに関するものであり、共通の評価が存在すること自体に関するものではありません。質の悪いテストは反復練習を促す可能性がありますが、よく設計された評価は、分析力、証拠に基づいた読解力、量的推論能力、そして応用力を評価することができます。低頻度のテストは、芸術、プロジェクト、協調性、創造性に十分な余地を残します。スコアに基づく資金配分の歪みを防ぎ、学生がコアスキルを習得しているかどうかの外部チェックを維持するために、評価を改善すべきです。

GPAは価値がありますが、学校間で比較できるものではありません。ある学校での厳しい学習が、成績インフレ、コースの利用可能性、または基準の違いにより、別の学校での弱い習熟度を表す可能性があります。テスト任意のアドミッションは、選択的なスコア提出を生み出す可能性もあり、テストに付加価値がないことを確立するものではありません。共通のスコアは、名門校の応募者に対して、無名またはリソースの少ない学校の優秀な学生が準備ができていることを証明するのに役立ちます。

責任ある支持者の誰も、一つの試験が人のすべてを測定すると主張しません。主張しているのは、標準化されたテストを成績、コースワーク、文脈、そしてより広範な業績と併用することです。そのバランスの取れたモデルは、不平等な機会に対処しながら、客観的な証拠を維持します。それを完全に、より主観的で指導しやすい指標に置き換えることは、格差を隠蔽し、教育上の意思決定をより説明責任のあるものにするのではなく、より説明責任のないものにするでしょう。

私の対戦相手の主張は三つの主張に基づいている：テストは成績が提供できない共通のベンチマークを提供する、テストはさもなければ消えてしまう説明責任（アカウンタビリティ）を生み出す、そして改革は不平等を是正できる。これらの主張はいずれも精査に耐えない。

第一に、「共通のベンチマーク」という議論は、形式の均一性と測定の公平性を取り違えている。確かにすべての生徒が同じ問題に答えるが、試験に臨む条件は比較できるものではない。一方の生徒が3年間の個別指導、5回の模擬受験、カリキュラムに組み込まれたテスト対策を受けている間に、別の生徒は家族を支えるために夜勤をして唯一の本試験を受けるなら、同一の試験用紙は比較可能な情報を生み出さない。むしろそれは特権を業績のように見せかける、精密に見える数値を生み出すに過ぎない。私の対戦相手は成績が不完全であることを認めるが、不完全ではあるものの4年間にわたって蓄積された局所的な知見のほうが、ある朝の歪んだスナップショットよりも有益である。注目すべきは研究がこれを裏付けていることである：高校のGPAは、相手が懸念するような採点基準のばらつきにもかかわらず、大学修了を一貫して、テストスコアと同等かそれ以上に予測する。

第二に、アカウンタビリティの議論は主張するほどのものではない。私は測定に反対しているのではなく、高い賭けがかかった門番的運用（ハイステークスのゲートキーピング）に反対しているのだ。政策担当者が困窮している学校を特定し、学力格差を明らかにしたいのであれば、NAEPが米国で既に行っているように、入学の結果や資金ペナルティを個々の子どものスコアに結びつけることなく、低い重みづけの抽出型診断評価を使えばよい。そのアプローチは相手が重視するシステムレベルのデータを提供しつつ、歪んだインセンティブを排除する。教師が豊かな授業を放棄してテスト対策に走らざるをえなくするのは、測定そのものではなくハイステークスだからだ。相手はこの点に答えていない：カリキュラムを狭め、丸暗記的な戦略を報いるような説明責任システムは教育を高い基準に保っているのではない。それは基準を実際に引き下げながら、その破壊の痕跡に関するデータを生んでいるだけである。

第三に、相手が提示する改革案――無料の対策、複数回の受験、文脈を考慮した評価――を考えてみよ。これらは現行のテストが不公正であるという認めだ。しかし同時に不十分でもある。無料のオンライン対策は何年も前から存在しているが、所得とスコアの相関はびくともしなかった。なぜなら富の優位性は対策講座だけに由来するわけではないからだ；少人数クラス、安定した住居、幼稚園時代からの家庭教師、資金危機に直面したことのない学校などがあるからである。そして「文脈評価」は、賛成側の立場の前提そのものをひそかに放棄している：もし1300というスコアを生徒の背景に応じて異なった意味で解釈しなければならないのなら、そのスコアは相手が約束したような文脈に依存しない客観的で自明なベンチマークなどではなかった。テストの価値が文脈を除いた比較可能性にあると主張しておきながら、あとから文脈を加えて救済することはできない。

最後に、相手はテストを廃止すれば格差が見えなくなると警告する。しかし、入試で試験提出が任意の大学や試験不要の大学が数百校規模でこの実験を行っており、結果は明らかだ：学生の成果は維持される一方で、志願者層はより多様になった。格差が見えなくなったのではなく、人工的な障壁が見えなくなったのだ。フィルターを取り除くと合格する人が変わるが成功する人が変わらないのであれば、そのフィルターは決して能力を測っていたのではない。それは金を測っていただけである。だからこそ、標準化された試験は擁護されるべきではなく、その重要性を低めるべきなのである。

相手は教育機会の不平等を示しましたが、標準化されたテストを廃止しても評価がより公平になるとは示していません。富は、学校の質や個別指導を通じた成績、時間や資金を通じた課外活動、コーチングを通じたエッセイ、そして人脈を通じた推薦状など、あらゆる入学審査の尺度に影響を与えます。これらの不透明な利点とは異なり、標準化されたスコアは独立して評価され、比較可能であり、学生の状況と合わせて解釈することができます。

比較可能性と文脈の間には矛盾はありません。テストは共通の尺度で同じ中核スキルを測定しながら、評価者は各学生がそれらを習得するためにどのような機会を得たかを考慮することができます。実際、その組み合わせは、学校の評判、洗練された活動、または一貫性のない成績評価では見過ごされがちな、資源の乏しい、または馴染みのない学校の優秀な学生が、準備ができていることを示すのに役立ちます。

また、テスト任意の結果がスコアの価値がないことを証明するわけでもありません。そのような方針は、誰がスコアを提出するかにおいて自己選択を生み出し、入学を許可された学生の安定した平均値は、不合格となったすべての応募者が同等に成功したであろうことを確立するものではありません。GPAは重要ですが、成績インフレ、コースの厳しさ、そして基準は学校によって大きく異なります。したがって、最も強力な意思決定は、教室での持続的なパフォーマンスと外部のベンチマークの両方を使用し、どちらか一方が単独で十分であると偽ることを避けます。

相手はまた、選択肢を、ハイステークステストか、サンプリングされたシステムレベルの評価かのいずれかに誤って限定しています。サンプリングされたテストは広範な傾向を記述できますが、どの個々の学生が支援を必要としているかを特定したり、配置のために習熟度を確認したり、学校間で持ち運び可能な学術的シグナルを提供したりすることはできません。悪いインセンティブ、過度のテスト、そして資金ペナルティは改革されるべきであり、健全な測定を排除する理由にはなりません。

標準化されたテストは創造性、性格、または粘り強さを測定するものではなく、決して唯一の関門であってはなりません。しかし、それらは重要な学術スキルを測定し、達成度の格差を露呈し、主観的な偏見を抑制し、共通の期待を維持します。公平なシステムは、成績、コースワーク、業績、そして社会経済的文脈と並んで、適切に設計された限定的なテストを使用するべきです。相手の代替案は、より不透明な方法で富を優遇する尺度にさらに依存するために、目に見える修正可能な尺度を削除します。したがって、標準化されたテストを改革することは、それを放棄するよりも公平であり、より説明責任があります。

この討論を通じて、私の対立者は着実に後退を余儀なくされており、その後退はどちらの主張がより強力であるかをすべて物語っています。当初は客観的で文脈に依存しないベンチマークと公平な競争条件が約束されていました。しかし、反駁の段階になると、その約束は譲歩のリストへと姿を変えました。すなわち、スコアは文脈に応じて解釈されなければならない、準備は補助されるべきである、再受験は保証されなければならない、資金提供のペナルティは撤廃されなければならない、そしてテスト自体が再設計されなければならない、というものです。不利な立場にある学生に害を及ぼすのを避けるためにこれほど多くの足場を必要とするツールは、能力の客観的な尺度ではありません。それは、擁護者でさえ、それが価値があると主張した特質を静かに放棄することによってしか救えない、壊れた道具なのです。文脈に依存しない比較可能性を売りにしながら、文脈を再導入することによってそれを救うことはできません。その矛盾が私の対立者の主張の中心にあり、決して解決されませんでした。

未解決のまま残っていることを考えてみてください。私は、NAEPのような低リスクでサンプリングされた診断評価が、私の対立者が重視するシステムレベルの説明責任データを提供していることを示しました。それは、10代の若者の人生における単一の朝に人生を変えるような結果を結びつけることなく、また教室を空虚にするような歪んだインセンティブなしにです。私の対立者は、システムに関する良いデータではなく、なぜ説明責任に高リスクが個人に必要とされるのかを説明しませんでした。私は、無料の準備リソースは何年も前から広く利用可能であったにもかかわらず、所得とスコアの相関関係は少しも変化していないことを示しました。なぜなら、富の利点は準備本ではなく、より少ないクラス数、安定した住居、そして十分に資金提供された学校での生涯にわたる経験だからです。私の対立者の改革案は、病気を手付かずのままにして、症状に対処しています。そして私は、実際の実験がすでに大規模に行われていることを示しました。数百のテスト任意またはテスト不要の大学は、学生の成功は安定したままであり、同時にクラスはより多様になったことを見出しました。フィルターを取り除くことで、誰が入学するかが変わるが、誰が成功するかが変わらない場合、そのフィルターは能力を測定していなかったのです。

私の対立者の残された最も強力な議論は、成績もまた特権によって形成され、不均一にインフレしているというものです。これは真実であり、だからこそ私は一つの欠陥のある単一の指標を別のものに置き換えることを提案しなかったのです。4年間の持続的なパフォーマンス、ポートフォリオ、コースワークの厳密さ、そして全体的な評価は、成績やテストのスコア単独よりも、学生の能力をはるかに良く三角測量します。そして予測研究は、そのすべての不完全さにもかかわらず、GPAがテストスコアに匹敵するかそれを上回ると一貫して示しています。選択肢は、客観的なテストと主観的な混沌の間にあるのではありません。それは、長年にわたる豊富な証拠に基づいた入学システムと、親の所得の最も強力な相関関係を持つ3時間の試験に過大な力を与えるシステムとの間の選択なのです。

最後に、高リスクのテストが学校の中で何をするかを思い出してください。それは教育をテスト準備に変換し、芸術、探求、創造性を排除し、スコアリングしやすいもの、学習に値するものよりも、スコアリングしやすいものを最適化します。私の対立者はこれを設計上の問題と呼びましたが、数十年にわたる再設計の後も、そのパターンは続いています。なぜなら、リスクそのものが歪みを生み出すからです。学習を狭め、受け継がれた優位性を能力の外観に洗浄するシステムは、公平性と基準の両方で失敗します。証拠、論理、そしてテスト任意入学の実際の経験はすべて同じ方向を指しています。高リスクのゲートキーパーとしての標準化テストは、排除されるか、大幅に重要視されなくなるべきです。私の対立者は、改革が到着するのを待つために、その障壁を維持するように求めました。私は、すでにここにある証拠に従うように求めます。