半个分数段就是一个标准误：IELTS 信度，2024-2025

IELTS 以半个分数段为步长报告每个单项的分数，这让一个分数段看起来像是尺寸固定的测量单位。该考试自己公布的 2024-2025 年信度统计并不支持这一印象。听力的测量标准误为 0.43 个分数段，相当于成绩公布所用 0.5 步长的 0.86。本报告解读 IELTS 为 2024-2025 考试年度公布的信度与精度数据，涵盖单项信度、考官评分一致性，以及针对整套考试的合成分数估计。这些数字是在各试卷版本上汇总得出的，仅为公布的人群统计量，不涉及任何单个考生。

主要发现

1. 听力单项分数的测量标准误为 0.43 个分数段，学术类阅读为 0.36，培训类阅读为 0.47，因此没有任何一个输入型单项的精确度优于约三分之一个分数段。
2. 信度很高且区间很窄：Cronbach's alpha 在听力单项为 0.83 至 0.95，平均 0.90；学术类阅读为 0.87 至 0.94，平均 0.92；培训类阅读为 0.88 至 0.93，平均 0.91。
3. 由考官评分的技能依赖评分者之间的一致性，而非内部一致性：重新评分得到的评分者间系数为口语 0.90、写作 0.92。
4. 将 4 个单项合并后，学术类与培训类的合成分数信度估计均为 0.97，合成标准误分别为 0.17 和 0.19 个分数段。

背景

分数段成绩概括的是一次表现，而这类分数都带有误差。更具体的问题是：印在成绩单上的分数，与同一个人在同一个单项的另一份试卷上可能得到的分数，能够相差多远。这正是测量标准误（SEM）所回答的问题，也是 IELTS 如今与其信度系数一同公布的内容。

这两个统计量不可互换。信度描述的是一个单项在参加该考试的考生群体中测量其所测内容时的一致性程度。SEM 则利用观测到的分数离散程度，把信度换算成分数段上的点数，因此同一个系数在不同单项上可能得出不同的 SEM。对考生而言，实际后果是：小于测量误差的变化无法与偶然因素区分开；而这一误差是否小到可以忽略，取决于成绩公布的精细程度。

数据与方法

来源与时间窗口。上述数字来自 IELTS 考试统计页面上公布的 2024-2025 考试年度信度与精度统计，以及该次发布中的表 1，后者报告了各单项的均值、标准差与测量标准误 [1]。

样本。IELTS 依据 2024-2025 年间实际投入使用的试卷版本以及参加这些考试的考生得出上述估计。该报告公布的是跨版本的区间与平均值，而非逐版本表格，也不公布考生层面的记录：此处的每一个数字都是对试卷版本及参加考试的考生所作的汇总估计。分析单位是试卷版本与单项，而非个人。

定义。Cronbach's alpha 报告为 40 题单项的内部一致性。测量标准误按标准差乘以 1 减信度之差的平方根计算。半个分数段是单项分数在满分 9 的量表上报告时所用的 0.5 步长。合成分数估计将 4 个单项合并，输入型单项使用 alpha，考官评分单项使用评分者间系数，依据 IELTS 所引用的 Feldt 与 Brennan（1989）。

派生数字。本报告中把标准误换算为分数段表述的每一步，都是对已公布数字所做的算术运算，并记录在随附的数据文件中：SEM 除以 0.5 得到半分比，SEM 乘以 1.96 得到 95% 区间。除保留一位小数外，未对任何数字重新取整。

结果

在有公布信度数字的三个单项中，听力是精确度最低的一个。其均值为 6.45，标准差为 1.36，SEM 为 0.43。由于半个分数段等于 0.5 个分数段，该测量误差相当于成绩公布所用最小步长的 0.86。学术类阅读更紧凑：均值 6.32，标准差 1.26，SEM 0.36，即半个分数段的 0.72。培训类阅读比两者都更松散，均值为 6.05，标准差为 1.56，SEM 为 0.47，即半个分数段的 0.94。

用区间来表述，听力分数周围的 95% 范围在正负两个方向上各约为 0.84 个分数段，这意味着在半个分数段的网格上，印出的 6.5 与 5.5 至 7.5 之间的任何成绩都不矛盾。对学术类阅读而言，同一区间约为 0.71 个分数段，因此从 6.0 到 6.5 的变动小于这两个分数各自周围的误差带。

支撑这些数字的信度系数很高，且彼此接近。听力 alpha 在均值 0.90 附近从 0.83 到 0.95，学术类阅读在 0.92 附近从 0.87 到 0.94，培训类阅读在 0.91 附近从 0.88 到 0.93。

由考官评分的单项运作方式不同，因为其误差来自评分者，而非一组题目。IELTS 报告口语的评分者间系数为 0.90，写作为 0.92，其数据来自那些单项分数与考生听力、阅读表现明显不符而触发自动重新评分的案例。

合成分数估计是这项考试看起来最精确的地方。将 4 个单项合并后，学术类与培训类的信度均为 0.97，合成 SEM 分别为 0.17 和 0.19，因此在 95% 置信水平下学术类合成分数落在约 0.33 个分数段之内。整套考试的分数段比任何单项分数都稳定得多，这在意料之中：各单项的独立误差在合并时会部分相互抵消。

图 1. 三个有公布数字的 IELTS 单项的测量标准误，以分数段计，对照 0.5 的半分报告步长。n = 2024-2025 全部试卷版本。来源：IELTS，Test statistics 2024-2025，表 1。

局限性

有四点限制。第一，测量标准误是群体的属性，而不是某一个分数的属性。它说明的是在考生与试卷版本之间，分数围绕真值波动的幅度，无法告诉某位具体考生：其 6.5 究竟是运气好时的 6.0 表现，还是运气差时的 7.0 表现。第二，alpha 假定一个单项的 40 道题一致地测量单一维度。这是关于内部一致性的陈述，而非关于内容覆盖、难度或公平性的陈述；一个单项可能在内部一致的同时，只测到构念的狭窄一角。第三，合成信度是由各单项系数构建的基于模型的估计，而非让同一批人两次参加整套考试的实测重测，因此它继承了该模型化组合对单项间独立性所做的一切假设。第四，IELTS 公布的是跨版本的区间与平均值，不发布逐版本的细分结果或底层考生数据，因此这些数字无法用于比较不同考试日期，考生所参加的那一具体版本的可靠性也无从得知。

这对学习者意味着什么

有用的解读是：单个单项分数是一件粗糙的仪器，而整套考试的分数段则更精细。听力或口语上半个分数段的变动落在测量误差之内，把它当作进步或退步，就是把噪声读成信号。当某个决定取决于一个单项时，目标应设在要求之上留有余量，而不是卡在边界上。

第二个推论关乎练习。如果一个单项分数无法可靠地区分 6.0 与 6.5，那么要判断某套练习方法是否有效，就得反复测量同一项技能，看多次尝试的整体走向，而不是只看一次。练习反馈不是官方分数，Hibay 也不发放分数。

常见问题

单个单项上提高半个分数段有意义吗？ 在听力上，这小于 0.43 个分数段的测量标准误，而分数周围的 95% 区间在正负两个方向上各约为 0.84 个分数段。因此 0.5 的变动落在单次重考可能凭偶然产生的范围之内，只有多次尝试中反复出现的模式才携带信息。

哪个 IELTS 单项分数最精确？ 在有公布标准误的三个单项中，学术类阅读最精确，为 0.36 个分数段，听力为 0.43，培训类阅读为 0.47。整套考试的合成分数比其中任何一个都更精确，学术类为 0.17。

0.97 的合成信度意味着我的分数段是精确的吗？ 不是。它意味着该合成估计在其所计算的群体中是一致的，其标准误为 0.17 个分数段，在 95% 置信水平下仍会在两侧各留下约三分之一个分数段的范围。分数段仍然是一个估计值，按最接近的半分报告。

为什么听力的标准误比学术类阅读更大？ 两个已公布的输入项朝着不同方向推动。听力的误差更大，为 0.43 对 0.36，尽管其分数离散程度更小（标准差 1.36 对 1.26），因为其信度略低。更窄的离散度与更低的系数共同产生了更大的误差。

如何引用

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

文中数字来自下列公开来源，可注明出处后引用。

参考文献

1. IELTS (British Council, IDP IELTS, Cambridge University Press & Assessment). Test statistics: test performance 2024-2025, including reliability of Listening and Reading sections and Table 1. https://ielts.org/researchers/our-research/test-statistics. Accessed 2026-11-04.