前沿洞察：沙特比沙大学医学院三年实证 —— 医学教育选择题质量深度剖析

为解决医学教育中 MCQs 质量评估问题，沙特比沙大学医学院研究人员开展相关主题研究，发现多数 MCQs 区分度优、难度可接受，70.2% 的干扰项有效。此研究为优化医学教育评估提供参考，值得科研读者一读。

　　

沙特阿拉伯比沙大学医学院（University of Bisha College of Medicine，UBCOM）的 A. M. S. Eleragi 等人在《BMC Medical Education》期刊上发表了名为 “Evaluating the multiple-choice questions quality at the College of Medicine, University of Bisha, Saudi Arabia: a three-year experience” 的论文。这篇论文对于医学教育领域的评估体系完善有着重要意义，它聚焦于医学教育中常用的选择题（Multiple Choice Questions，MCQs）质量评估，为提升医学教育质量提供了关键参考，有助于优化教学评估方式，促进医学教育的发展，让教育者能更精准地衡量学生知识掌握程度，从而培养出更优秀的医学人才。

研究背景

在医学教育中，评估是推动和塑造学生学习的核心工具，而选择题是其中应用最为广泛的一种形式。选择题由题干（带有或不带有情景）、引导问题以及多个选项构成，其中一个为正确答案，其余为干扰项（distractors）。它在评估大量知识方面具有显著优势，精心设计的选择题甚至能够考察学生在应用、分析和综合等更高知识领域的能力，而且还能实现自动评分，方便快捷。

然而，选择题也存在一些局限性。一方面，其构建过程相对困难且耗时，容易出现提示信息、技术错误等问题；另一方面，部分学者认为选择题只是 “多重猜测题”，仅能考察事实性信息，并不适合测试更高层次的知识领域。但也有研究表明，通过多步骤精心编制的选择题可以评估临床知识的应用、综合和解释等高层次能力。

选择题的质量可以通过项目分析（Item Analysis，IA）来评估，项目分析通过对学生考试作答情况进行统计分析，能为学生和出题者提供考后反馈。其参数包括信度（reliability，通过 KR20 评估，反映考试内部一致性）、难度指数（Difficulty Index，DIF，衡量题目难易程度）、区分度指数（Discrimination Index，DI，判断题目区分高分和低分学生的能力）以及干扰项有效性（Distractor Effectiveness，DE）。具备合适难度指数、可接受区分度指数和有效干扰项的题目，有助于提高考试的信度和效度；反之，难度不合理或干扰项无效的题目会影响考试质量。因此，通过项目分析审视评估工具，对发现问题、编辑题目和提升质量至关重要。本研究旨在通过对沙特阿拉伯比沙大学医学院《疾病原理》（Principal of Diseases，PRD）课程三年期末考试选择题进行项目分析，评估其质量，为医学教育评估提供参考。

研究方法

本研究采用横断面、基于机构的研究设计，在比沙大学医学院开展。研究选取了 PRD 课程 2016 - 2019 学年期末考试的理论部分，该课程面向二年级 MBBS（Bachelor of Medicine and Bachelor of Surgery，医学学士和外科学士）学生，每年第二学期开设。期末考试题目依据课程和评估委员会批准的考试蓝图设计，由学科专家构建并审核技术瑕疵，且选择题占理论考试权重的 80%，2016 - 2017、2017 - 2018、2018 - 2019 学年期末考试的选择题数量分别为 80、70、60 道，共计 210 道。

考试结束后，学生的答卷通过 Apperson DataLink 3000 测试扫描仪进行电子评分，该扫描仪内置软件可生成标准的项目分析数据。在数据分析方面，运用 SPSS 25.0 软件进行处理，将研究变量以频率表和均值标准差呈现，通过 Pearson 相关分析和 ANOVA 确定 DI、DIF 和 DE 之间的关联，以span data-custom-copy-text="\(P0.05\)"为具有统计学意义。

研究结果

1. 评估测试的特征：从各学年考试的基本情况来看，2016 - 2017 学年有 80 道题、40 名考生，最高得分 97.5%（78 分），最低得分 43.8%（35 分），班级平均分为 69.4%（55.5 分），班级中位数为 70%（56.0 分），KR20 值为 0.906；2017 - 2018 学年有 70 道题、46 名考生，最高得分 88.6%（62 分），最低得分 28.6%（20 分），班级平均分为 52.92%（37 分），班级中位数为 50.0%（35 分），KR20 值为 0.856；2018 - 2019 学年有 60 道题、38 名考生，最高得分 80.0%（48 分），最低得分 36.7%（22 分），班级平均分为 56.8%（34.1 分），班级中位数为 55%（33.0 分），KR20 值为 0.804。
2. 区分度指数（DI）：在 210 道题目中，119 道（56.7%）题目区分度优秀，45 道（20.9%）良好，29 道（13.8%）较差，18 道（8.6%）为有缺陷题目。需要储存（用于后续考试）的题目占 78.1%（164 道），需要丢弃或修订的题目占 21.9%（46 道）。三年间 DI 没有显著差异。这表明大部分题目能够有效区分不同水平的学生，只有少部分题目区分能力欠佳。
3. 难度指数（DIF）：研究期间，具有可接受难度的题目有 106 道（50.5%），较易题目 79 道（37.6%），较难题目 25 道（11.9%），DIF 均值为 59.99（± 23.5 STD）。各学年可接受难度题目的比例分别为 2016 - 2017 学年 40%（32/80）、2017 - 2018 学年 64.3%（45/70）、2018 - 2019 学年 48.3%（29/60）。大部分题目难度处于可接受范围，且三年间可接受难度题目呈现出相似的主导模式（）。这说明整体考试难度控制较为合理，但仍有部分题目难度需要调整。
4. 干扰项有效性（DE）：研究中干扰项总数为 630 个，其中功能性干扰项（Functional Distractor，FD）有 442 个（70.2%），各学年分布为 2016 - 2017 学年 52.9%（127/240）、2017 - 2018 学年 82.9%（174/210）、2018 - 2019 学年 78.3%（141/180）。没有非功能性干扰项（Non-Functional Distractor，NFD）的题目有 95 道（45.2%），没有题目存在 3 个 NFD。各学年功能性干扰项数量存在显著关联（）。这意味着大部分干扰项能够发挥作用，吸引学生选择，增强题目难度和区分度。
5. DI、DIF 和 DE 之间的相关性：DI 与 DIF 呈正相关，大部分优秀和良好的题目出现在可接受难度的范围内（Pearson 卡方检验， ）；DIF 与 DE 也呈正相关，多数没有 NFD 和只有 1 个 NFD 的题目处于可接受难度类别（Pearson 卡方检验， ）。这表明题目难度、区分度和干扰项有效性之间存在紧密联系，相互影响。

研究结论与讨论

本次研究对 210 道选择题进行评估后发现，多数题目具有优秀的区分度和可接受的难度，70.2% 的干扰项能够正常发挥作用，三次考试的信度在 0.804 - 0.906 之间，说明这些题目质量较高。这一结果对于比沙大学医学院的教学评估有着重要意义，证明了当前使用的选择题在一定程度上能够有效区分学生的知识水平，为教学提供有价值的反馈。

比沙大学医学院是一所新兴的医学院校，采用以学生为中心、基于问题、整合、社区导向、选修和系统（SPICES）的课程体系，致力于培养知识渊博、技能娴熟且具有社会责任感的医学人才。在这种背景下，选择题作为理论考试的主要组成部分（占 80%），其质量至关重要。

研究中考试的信度（通过 KR20 衡量）处于 0.804 - 0.906 之间，虽然高于 Downing 提出的理想范围 0.70 - 0.89，但这表明考试结果较为可靠，能够稳定地反映学生的知识掌握情况。区分度方面，大量优秀（56.7%）和良好（20.9%）区分度的题目有利于选拔不同水平的学生，而对于占比 22.4% 的较差和有缺陷题目，则需要进行修订或舍弃，以避免影响考试效度，因为这些题目可能会导致低能力学生猜对答案，而高能力学生因怀疑题目简单而答错。

难度指数均值为 59.99（± 23.5 STD），处于可接受的 30 - 70% 范围内，且多数题目（50.5%）难度合适。然而，对于较难的题目，可能会导致学生分数偏低，降低区分能力，需要对语言、语法、表述以及答案准确性进行审核和更新；较易的题目可能存在非功能性干扰项，容易使学生得分虚高，影响低分段学生的学习积极性，也需要进行优化。

干扰项有效性方面，70.2% 的功能性干扰项比例较高，但仍有部分题目存在较多非功能性干扰项（26.2% 的题目有 2 个或 3 个 NFD），这反映出教师在设计合理干扰项时可能存在困难，需要进一步改进，例如去除或替换这些干扰项，以提高题目质量。

此外，本研究也存在一定局限性，仅考察了单一课程的期末考试，且数据来源于单一机构，这可能会影响研究结果的普适性。尽管如此，研究通过三年的纵向数据分析，利用先进的统计工具，在学科专家参与确保题目相关性和准确性的基础上，揭示了选择题质量评估的重要信息。这为医学教育者和机构提供了宝贵经验，强调了定期进行项目分析、系统开展选择题质量评估、加强教师培训以及建立有效题库的重要性，有助于改进医学教育的评估方法，提升教育质量，培养出更符合社会需求的医学专业人才。