Test Method Facet and the Construct Validity of Listening Comprehension Tests

در حيطه آزمون سازي و اندازه گيري، ارزيابي مهارت هاي شنيداري، عليرغم اهميت بالاي آن ، كمتر مورد توجه و درك متخصصين قرار گرفته و از پيشرفت كمتري نسبت به آنها برخوردار بوده است. اهميت اين حيطه بيشتر ريشه در تاثيرات بازگشتي آن روي تمرين هاي كلاسي دارد. با توجه به نقش شايان توجه آزمون هاي شنيداري در اندازه گيري معلومات زباني فراگيرندگان، از آن ها انتظار ميرود كه از روايي سازه اي بالايي برخوردار باشند. پژوهش حاضر به منظور بررسي روايي سازه اي سه نوع متفاوت از آزمون هاي شنيداري شامل آزمو ن هاي چهار جوابي، پر كردن جاي خالي در خلاصه متن، و پر كردن در متن دست نخورده با هدف اندازه گيري مهارت شنيدن فراگيران زبان انگليسي به عنوان يك زبان خارجي انجام شد. براي دستيابي به هدف تحقيق، سه متن با سطح دشواري نسبتا يكسان براي ساخت نه آزمون شنيدن براي درك مفهوم مورد استفاده قرار گرفتند. سپس اين آزمون ها بر اساس طرح موازنه اي به 91 زبان آموز همگون داده شدند. تحليل آماري داده ها نشان داد كه آزمون چهارجوابي از بالاترين ميزان روايي سازه اي برخوردار بود. بعلاوه، بعد از مقايسه ي نتايج آزمون ها با استفاد هاز آزمون ANOVA يكطرفه، نتيجه گرفته شد كه آزمون پر كردن جاي خالي در متن دست نخورده از همه ي آزمون ها دشوارتر و آزمون چهارجوابي از همه ي آن ها براي شركت كنندگان در پژوهش آسان تر بود.

The assessment of listening abilities is one of the least understood, least developed and, yet, one of the most important areas of language testing and assessment. It is particularly important because of its potential wash-back effects on classroom practices. Given the fact that listening tests play a great role in assessing the language proficiency of students, they are expected to enjoy a high level of construct validity. The present study was dedicated to investigating the construct validity of three different test formats, namely, multiple-choice, gap filling on summary (also called listening summary cloze), and fill-in-the-blank, used to evaluate the listening comprehension of EFL learners. In order to achieve the purpose of the study, three passages with relatively similar readability levels were used for the construction of 9 listening tests, that is, each appeared in three formats. Following a counter-balanced design, the tests were administered to 91homogeneous EFL learners divided into three groups. The statistical analysis of the results revealed that the multiple-choice test enjoyed the highest level of construct validity. Moreover, a repeated measure one-way ANOVA demonstrated that the fill-in-the-blank task was the most difficult with the MC test as the easiest for the participants.