胡智丹 田娜 王萌

摘  要：普通话水平测试“命题说话”项的计算机评测，技术难度要大大高于其他三项题型，其评测质量直接关涉考试信度。采用抽样统计的方法，对比人工评测和人机评测的组内初评数据、人机评测的组内复审数据，并对复审案例进行复听，试图通过人机数据互证来考察计算机评测的质量。研究结果显示，计算机评测总体达到人工评测水平，评分稳定性优于人工评测，但尚存在因信息处理能力欠缺而导致的少量误判、漏判现象。具体表现为对某些语言材料的识别不够精准，对不同水平考生的评分尺度难以高度一致。

关键词：普通话水平测试;命题说话;计算机评测;统计;评价

普通话水平测试是一项大规模的国家级通用语口语测试。2007年之前，该测试全程采用人工评测;2007年起，计算机辅助普通话水平测试开始试行[1]（P108）。这一时期的计算机辅助测试仅实现了“读单音节字词”“读多音节词语”“朗读短文”三项内容的自动评测，第四项“命题说话”（以下简称“说话”）仍然由测试员评定分数[2]。2017年，“说话”项计算机辅助评测开始试点，本文调查的考点采用一名测试员和计算机合作评分的模式（以下称“人机评测”）。与前三项不同，“说话”项属于无固定文本参照的语音评测，评测内容不仅涉及语音，还涉及词汇语法、语言流畅度、内容相关性、缺时等多个方面，其性质决定了自动评测的技术难度要高于前三项。“说话”项计算机评测的质量究竟如何？……