Nửa band là một sai số chuẩn: Độ tin cậy của IELTS, 2024-2025

IELTS báo cáo điểm của từng phần theo các bước nửa band, khiến một band trông giống như một phép đo có kích thước cố định. Các thống kê độ tin cậy 2024-2025 của chính bài thi lại cho thấy điều ngược lại. Phần Listening có sai số chuẩn của phép đo là 0.43 band, tức 0.86 của bước 0.5 mà điểm số được in ra. Báo cáo này đọc các số liệu về độ tin cậy và độ chính xác mà IELTS công bố cho năm khảo thí 2024-2025, bao gồm độ tin cậy của từng phần, mức đồng thuận giữa các giám khảo và một ước lượng tổng hợp cho toàn bài thi. Các số liệu được tổng hợp trên nhiều phiên bản bài thi và chỉ gồm những thống kê quần thể đã công bố, không liên quan đến bất kỳ thí sinh cụ thể nào.

Các phát hiện chính

1. Điểm phần Listening có sai số chuẩn là 0.43 band, trong khi Academic Reading là 0.36 và General Training Reading là 0.47, nên không phần kỹ năng tiếp nhận nào đạt độ chính xác dưới khoảng một phần ba band.
2. Độ tin cậy cao và được giới hạn chặt: Cronbach's alpha nằm trong khoảng 0.83 đến 0.95 với trung bình 0.90 cho các phần Listening, 0.87 đến 0.94 với trung bình 0.92 cho Academic Reading, và 0.88 đến 0.93 với trung bình 0.91 cho General Training Reading.
3. Các kỹ năng do giám khảo chấm phụ thuộc vào mức đồng thuận giữa những người chấm hơn là vào tính nhất quán nội tại: việc chấm lại tạo ra hệ số giữa các giám khảo là 0.90 cho Speaking và 0.92 cho Writing.
4. Kết hợp cả 4 phần, ước lượng độ tin cậy tổng hợp là 0.97 cho cả Academic và General Training, với sai số chuẩn tổng hợp lần lượt là 0.17 và 0.19 band.

Bối cảnh

Một điểm band tóm tắt một lần thể hiện, và mọi điểm số kiểu đó đều mang theo sai số. Câu hỏi hẹp hơn là điểm band được in ra có thể lệch bao xa so với điểm mà cùng một người sẽ nhận được ở một phiên bản khác của cùng phần thi đó. Đó là điều mà sai số chuẩn của phép đo (SEM) trả lời, và cũng là điều IELTS nay công bố bên cạnh các hệ số độ tin cậy của mình.

Hai thống kê này không thể thay thế cho nhau. Độ tin cậy mô tả mức độ nhất quán của một phần thi khi đo bất cứ thứ gì mà nó đo, xét trên các thí sinh đã dự thi phần đó. SEM chuyển độ tin cậy đó thành điểm band bằng cách dùng độ phân tán điểm quan sát được, nên cùng một hệ số có thể tạo ra các SEM khác nhau ở các phần khác nhau. Với thí sinh, hệ quả thực tế là những thay đổi nhỏ hơn sai số của phép đo không thể phân biệt được với ngẫu nhiên, và việc sai số đó có đủ nhỏ để bỏ qua hay không phụ thuộc vào độ chi tiết mà điểm số được in ra.

Dữ liệu và phương pháp

Nguồn và thời gian. Các số liệu là thống kê độ tin cậy và độ chính xác được công bố trên các trang thống kê bài thi của IELTS cho năm khảo thí 2024-2025, cùng với Bảng 1 của bản công bố đó, trong đó báo cáo điểm trung bình, độ lệch chuẩn và sai số chuẩn của phép đo theo từng phần [1].

Mẫu. IELTS tính ra các ước lượng này từ những phiên bản bài thi được sử dụng chính thức trong năm 2024-2025 và từ các thí sinh đã dự thi các phiên bản đó. Báo cáo công bố một khoảng dao động giữa các phiên bản và một giá trị trung bình, chứ không phải bảng theo từng phiên bản, và không công bố hồ sơ ở cấp thí sinh: mọi con số ở đây là ước lượng tổng hợp trên các phiên bản bài thi và các thí sinh đã dự thi. Đơn vị phân tích là một phiên bản bài thi và một phần thi, không phải một cá nhân.

Định nghĩa. Cronbach's alpha được báo cáo như là tính nhất quán nội tại của một phần thi gồm 40 câu. Sai số chuẩn của phép đo được tính bằng độ lệch chuẩn nhân với căn bậc hai của một trừ độ tin cậy. Một nửa band là bước 0.5 mà trong đó điểm các phần được báo cáo trên thang điểm chạy đến 9. Ước lượng tổng hợp kết hợp 4 phần, dùng alpha cho các phần kỹ năng tiếp nhận và hệ số giữa các giám khảo cho các phần do giám khảo chấm, theo Feldt và Brennan (1989) như được IELTS trích dẫn.

Các số liệu phái sinh. Mọi phép quy đổi sai số chuẩn sang đơn vị band trong báo cáo này đều là phép tính số học trên các con số đã công bố và được ghi lại trong tệp dữ liệu kèm theo: SEM chia cho 0.5 để ra tỷ lệ nửa band, và 1.96 nhân với SEM để ra khoảng tin cậy 95%. Không có con số nào bị làm tròn lại quá một chữ số thập phân.

Kết quả

Listening là phần kém chính xác nhất trong ba phần có con số độ tin cậy được công bố. Điểm trung bình của phần này là 6.45, độ lệch chuẩn 1.36 và SEM 0.43. Vì một nửa band là 0.5 band, sai số của phép đo bằng 0.86 của bước nhỏ nhất mà điểm số được in ra. Academic Reading chặt hơn: trung bình 6.32, độ lệch chuẩn 1.26, SEM 0.36, tức 0.72 của một nửa band. General Training Reading lỏng hơn cả hai, với trung bình 6.05, độ lệch chuẩn 1.56 và SEM 0.47, tức 0.94 của một nửa band.

Nếu diễn đạt theo khoảng, phạm vi 95% quanh một điểm Listening là khoảng 0.84 band về mỗi phía, nghĩa là trên lưới nửa band, một điểm 6.5 được in ra có thể tương ứng với bất kỳ giá trị nào từ 5.5 đến 7.5. Với Academic Reading, khoảng tương tự là khoảng 0.71 band, nên một bước nhảy từ 6.0 lên 6.5 nhỏ hơn dải sai số quanh cả hai điểm đó.

Các hệ số độ tin cậy đứng sau những con số đó đều cao và nằm sát nhau. Alpha của Listening dao động từ 0.83 đến 0.95 quanh mức trung bình 0.90, của Academic Reading từ 0.87 đến 0.94 quanh 0.92, và của General Training Reading từ 0.88 đến 0.93 quanh 0.91.

Các phần do giám khảo chấm vận hành khác đi, vì sai số đến từ người chấm chứ không từ một tập câu hỏi. IELTS báo cáo hệ số giữa các giám khảo là 0.90 cho Speaking và 0.92 cho Writing, tính từ những trường hợp điểm một phần lệch rõ rệt so với hồ sơ Listening và Reading của thí sinh và được chấm lại tự động.

Ước lượng tổng hợp là chỗ bài thi trông chính xác nhất. Kết hợp 4 phần cho độ tin cậy 0.97 với Academic và 0.97 với General Training, cùng SEM tổng hợp lần lượt là 0.17 và 0.19, nên điểm tổng hợp Academic nằm trong khoảng 0.33 band ở mức tin cậy 95%. Band của toàn bài thi ổn định hơn nhiều so với điểm của bất kỳ phần riêng lẻ nào, và điều này là đương nhiên: các sai số độc lập phần nào triệt tiêu nhau khi kết hợp các phần.

Hình 1. Sai số chuẩn của phép đo cho ba phần IELTS có con số được công bố, tính bằng band, so với bước báo cáo nửa band 0.5. n = toàn bộ các phiên bản bài thi 2024-2025. Nguồn: IELTS, Test statistics 2024-2025, Bảng 1.

Hạn chế

Có bốn giới hạn. Thứ nhất, sai số chuẩn của phép đo là thuộc tính của một quần thể, không phải của một điểm số. Nó cho biết điểm số dao động bao nhiêu quanh một giá trị thực trên toàn bộ thí sinh và các phiên bản bài thi, và nó không thể nói với một thí sinh cụ thể rằng điểm 6.5 của họ là một phần thể hiện 6.0 trong một ngày may mắn hay 7.0 trong một ngày kém may. Thứ hai, alpha giả định rằng 40 câu của một phần thi đo một chiều một cách nhất quán. Đây là phát biểu về tính nhất quán nội tại, không phải về phạm vi nội dung, độ khó hay tính công bằng, và một phần thi có thể nhất quán nội tại trong khi chỉ kiểm tra một lát cắt hẹp của cấu trúc năng lực. Thứ ba, độ tin cậy tổng hợp là một ước lượng dựa trên mô hình, được xây từ các hệ số của từng phần, chứ không phải một lần thi lại quan sát được trong đó cùng những người đó làm toàn bài hai lần, nên nó thừa hưởng mọi điều mà cách kết hợp theo mô hình giả định về tính độc lập giữa các phần. Thứ tư, IELTS công bố các khoảng và giá trị trung bình trên nhiều phiên bản và không tiết lộ bảng phân tích theo từng phiên bản hay dữ liệu thí sinh gốc, nên không thể dùng các con số này để so sánh ngày thi này với ngày thi khác, và độ tin cậy của đúng phiên bản mà một thí sinh đã làm là không xác định.

Điều này có nghĩa gì với người học

Cách đọc hữu ích là: điểm của một phần riêng lẻ là một dụng cụ thô, còn band của toàn bài thi là dụng cụ tinh hơn. Một bước nửa band ở Listening hay Speaking nằm trong phạm vi sai số của phép đo, nên đọc nó như sự tiến bộ hay sa sút chính là đọc nhiễu thành tín hiệu. Khi một quyết định phụ thuộc vào một phần thi, nên đặt mục tiêu có biên độ cao hơn yêu cầu thay vì đặt đúng ngưỡng.

Hệ quả thứ hai liên quan đến luyện tập. Nếu điểm một phần không thể phân biệt 6.0 với 6.5 một cách đáng tin cậy, thì để biết một quy trình luyện tập có hiệu quả hay không, cần đo cùng một kỹ năng nhiều lần và đọc xu hướng qua nhiều lần thử chứ không chỉ một lần. Phản hồi luyện tập không phải là điểm chính thức, và Hibay không cấp điểm chính thức.

Câu hỏi thường gặp

Một nửa band tiến bộ ở một phần thi có ý nghĩa không? Ở Listening, mức đó nhỏ hơn sai số chuẩn của phép đo là 0.43 band, và khoảng tin cậy 95% quanh một điểm là khoảng 0.84 band về mỗi phía. Vì vậy, một bước 0.5 nằm trong phạm vi mà một lần thi lại duy nhất có thể tạo ra do ngẫu nhiên, và chỉ một xu hướng lặp lại qua nhiều lần thử mới mang thông tin.

Điểm phần nào của IELTS chính xác nhất? Trong ba phần có sai số chuẩn được công bố, Academic Reading chính xác nhất với 0.36 band, so với 0.43 của Listening và 0.47 của General Training Reading. Điểm tổng hợp toàn bài chính xác hơn cả ba, ở mức 0.17 với Academic.

Độ tin cậy tổng hợp 0.97 có nghĩa band của tôi là chính xác tuyệt đối không? Không. Điều đó có nghĩa ước lượng tổng hợp là nhất quán trên quần thể mà nó được tính toán, và sai số chuẩn của nó là 0.17 band, vẫn để lại một phạm vi khoảng một phần ba band về mỗi phía ở mức tin cậy 95%. Band vẫn là một ước lượng, được báo cáo đến nửa điểm gần nhất.

Vì sao sai số chuẩn của Listening lớn hơn của Academic Reading? Hai đầu vào được công bố đẩy theo hai hướng khác nhau. Listening có sai số lớn hơn, 0.43 so với 0.36, dù độ phân tán điểm của nó nhỏ hơn (độ lệch chuẩn 1.36 so với 1.26), bởi vì độ tin cậy của nó thấp hơn một chút. Độ phân tán hẹp hơn và hệ số thấp hơn cộng lại tạo ra sai số rộng hơn.

How to cite

Hibay Product Team. (2026, November 4). Half a Band Is One Standard Error: IELTS Reliability, 2024-2025. Hibay. https://www.hibay.ai/en/news/ielts-reliability-2024-2025

Figures are from the public source listed below and may be cited with attribution.

Tài liệu tham khảo

1. IELTS (British Council, IDP IELTS, Cambridge University Press & Assessment). Thống kê bài thi: kết quả thực hiện bài thi 2024-2025, bao gồm độ tin cậy của các phần Listening và Reading và Bảng 1. https://ielts.org/researchers/our-research/test-statistics. Truy cập 2026-11-04.