Fagfellevurdert

Å måle skriving som grunnleggende ferdighet

Å måle elevenes skriveferdigheter har vært faglig komplekst og kostbart. Artikkelen gjør rede for hvordan prøvene ble utviklet, hva som har kjennetegnet dem og hvilke endringer som har skjedd med dem i løpet av denne perioden, og belyser derved denne kompleksiteten.

Innledning

På begynnelsen av 2000-tallet ble skriving løftet fram som en av basiskompetansene i skolen. I 2006 ble skriving gjennom læreplanreformen Kunnskapsløftet (LK06) en av fem grunnleggende ferdigheter. Dette innebar en annerkjennelse av at skriving er et sentralt verktøy for læring og for vurdering av elevenes kom-petanse i fagene i skolen. Med skriving som grunnleggende ferdighet fulgte et behov for lærere og samfunnet for øvrig for å kartlegge elevers skrivekompetanse.

Å måle skrivekompetanse er imidlertid vanskelig, og skriving er gjerne omtalt som problembarnet i vurderingsklassa. En årsak til dette er at skrivekompetanse er et komplekst kulturelt og kognitivt fenomen som ikke kan måles gjennom enkeltoppgaver. Andre årsaker har å gjøre med målingas instabilitet: elever presterer svært ulikt når de skriver forskjellige oppgaver, og det er krevende å oppnå akseptabelt samsvar mellom lærere som vurderer elevers skriving gjennom elevtekster ().

Trass i vanskelighetene med å måle skriving som grunnleggende ferdighet har det blitt gjort , henholdsvis nasjonale prøver i skriving, og nasjonale utvalgsprøver og læringsstøttende prøver i skriving. Nasjonale prøver i skriving ble gjennomført i 2005, men ble stoppet allerede i 2006, nettopp på grunn av problemer med å oppnå akseptabelt samsvar mellom lærerne som vurderte prøvene. I 2009 begynte arbeidet med å utvikle læringsstøttende prøver i skriving. Disse prøvene ble stoppet i 2016, men denne gangen av budsjettmessige årsaker.

Formålet med denne artikkelen er å løfte fram og samle noen av de sentrale innsiktene fra arbeidet med utvikling av nasjonale og læringsstøttende prøver i skriving. Vi gjør rede for hvordan prøvene ble utviklet, hva som har kjenne-tegnet dem, og hvilke endringer som har skjedd med dem i utviklingsperioden 2003–2016. Dette løfter fram hvilke utfordringer som har vært forbundet med det å måle elevers skriving som grunnleggende ferdighet gjennom skriveprøver. Forskingsspørsmålene er derfor:

  • Hvilke sentrale utfordringer var forbundet med utviklinga av skriveprøver?
  • Hvilke forandringer gjennomgikk skriveprøvene for å møte disse utfordringene?

Artikkelen er bygd opp på følgende måte: Først greier vi ut om skriving og om skriving som grunnleggende ferdighet. Deretter tegner vi en kort historikk over skriveprøver i Norge. Etter dette følger en gjennomgang av relevant litteratur om skrivevurdering gjennom en modell som gir oversikt over sentrale aspekter ved vurdering av skriving. Noen elementer fra modellen blir brukt i den resterende delen av artikkelen, som presenterer de fire dimensjonene ved skriveprøvene som gjennomgikk de største forandringene. Ei kort drøfting avslutter presentasjonen av hver dimensjon.

Skriving

Skriving kan med utgangspunkt i forståes som det å komponere tekster som skal leses av noen som ikke er til stede i skriveøyeblikket. Skriving kan også være komposisjon av en tekst som man selv leser i framtida.

Skrivekompetanse kan forståes som det å ha kapasitet til å skape tekster som realiserer ulike formål som er kulturelt og sosialt situerte (f.eks. ). Skriving er ikke en naturlig aktivitet, og utvikling av skrivekompetanse tar opp til 20 år () og foregår i forskjellige stadier (). Med hjelp av skriveopplæring vil et barn gjerne gå fra å kunne forme bokstaver og formulere enkle og korte tekster til å kunne lage tekster basert på refleksjoner over hvordan en kan utforme ideer i skrift med tanke på mottaker og relevans for skrivesituasjonen (). Skriving består av mangefasetterte kognitive prosesser (), og i takt med at skriverne utvikles, lærer de med ordene til ) å «bruke mentale ressurser (oppmerksomhet, minne og prosessering) i vekselspillet mellom ideer og intensjoner på den ene siden og ulike formuleringer og tekstutforminger på den andre siden». Disse prosessene krever modning, kognitiv utvikling og ikke minst erfaringer med skriving.

) mente at skriveutvikling ikke er mulig å skille fra sosialt konstruerte måter å kommunisere på:

Once we accept that writing is a socially constructed set of ways of communicating, the notion of writing development becomes inescapably intertwined with notions of curriculum [no. undervisning]. Students will learn those genres, skills, and strategies with which they are given experience through their school, and are much less likely to learn those that the schools ignore, reject, or simply postpone for attention in later years.

Implikasjonene av resonnementet til Applebee er altså at skriveutvikling er avhengig av skriveopplæring og de skriveerfaringer elever får gjøre gjennom utdanningsløpet. Skriveutvikling er med ordene til noe som henger sammen med verdier, sosiale interaksjoner og kulturelle konvensjoner og derfor er kontekstuell heller enn universell. En annen implikasjon av dette resonnementet er at skriving som «problembarnet i vurderingsklassen» ikke bare har med måletekniske utfordringer å gjøre, men også med utfordringer med å lage oppgaver som på en gyldig måte tar hensyn til nettopp kontekstuelle faktorer ved skriveutvikling.

Det finnes mange teoretiske modeller som utgår fra skrivingas og skriveutviklingas kulturelle aspekter. Disse modellene kan for eksempel fokusere på skriveres kommunikative intensjoner innenfor en gitt situasjons- og kulturkontekst (), eller fokusere på hva som utmerker tekster som oppfyller kulturens forventinger (). En tredje modellering er nasjonale eller regionale standarder nedfelte i læreplaner eller andre styringsdokumenter for skolen (. Slike standarder beskriver implisitt hva skriving og tekstkvalitet er, gjennom å angi hva en skriver forventes å kunne gjøre med skrift. Standardene beskriver dessuten eksplisitt en tenkt progresjon i skriveutviklinga.

Vurdering av skriving i Norge – en kort bakgrunn

I begynnelsen av 2000-tallet ble det gjennomført omfattende utredningsarbeid om utdanningssystemet og innholdet i opplæringa i skolen. Arbeidet resulterte i flere NOU’er, stortingsmeldinger og lovforslag (f.eks. )). Tre av de viktigste resultatene i vår sammenheng var 1) innføring av nasjonale prøver, 2) innføring av nye læreplaner (Kunnskapsløftet), og 3) innføring av grunnleggende ferdigheter.

Hensikten med nasjonale prøver var å gi politisk og byråkratisk ledelse i utdanningssektoren informasjon om elevenes læring og utvikling av grunnleggende ferdigheter, men også å gi foreldre og elever «bedre grunnlag for å stille krav og/eller medvirke til forbedringer i opplæringen» (). Prøvene skulle gi en indikasjon på om opplæringa la til rette for elevenes utvikling av grunnleggende ferdigheter, altså at opplæringa skulle bli tilpasset den enkelte elevens behov ().

I Norge er det hovedsakelig norskfaget som har og har hatt ansvaret for måling av elevers skrivekompetanse. Den viktigste målinga har vært eksamen i norsk, som har vært den offisielle operasjonaliseringa av læreplanen i norsk. Norskeksamen har blitt gjennomført i flere ulike format (; ; ). I sitt seneste format består eksamen av et teksthefte og et batteri med oppgaver der elevene skal besvare noen av dem. Oppgavene ber som regel elevene om å ta utgangspunkt i tekstheftet for å utføre ei skrivehandling, og oppgavene kan kategoriseres som integrerte (dvs. måling av lesing, skriving og norskfaglig kunnskap), noe som er rimelig med tanke på at prøva ikke bare skal måle skrivekompetanse, men en helhetlig norskfaglig kompetanse.

Det har blitt gjennomført få validitetsstudier av norskeksamen, men noen studier har undersøkt reliabiliteten (f.eks. , b; ), og stort sett har denne vært problematisk lav, selv om , s. 109) konkluderte med at nivåene var rimelige for visse teksttyper i avgangsprøva i norsk hovedmål. Andre mer kvalitativt innretta undersøkelser har vist hvordan tekstlingvistiske trekk har sammenheng med karakter (f.eks. ), og oppgavene har blitt undersøkt ut fra et danningsperspektiv ().

Ved siden av norskeksamen er det henholdsvis nasjonal prøve i skriving og utvalgsprøver i skriving som har undersøkt elevers skrivekompetanse i Norge. I 2005 var prøva ei «populasjonsprøve» der de fleste elevene på 4., 7. og 10. årstrinn deltok. Også elever i Vg1 skulle delta, men en boikott medførte at bare fire prosent av elevene gjennomførte prøva ().
Fra 2010 ble skriveprøva gjennomført som ei utvalgsprøve med to hovedformål. Det første formålet var å utvikle grunnlaget for læringsstøttende prøver i skriving. Utvalgsprøvene bidro til at det var mulig å utvikle oppgave-sett, mestringsnivåbeskrivelser og eksempeltekster. De læringsstøttende prøvene skulle være, og er, prøver som er fritt tilgjengelige for lærere som vil få informa-sjon om egne elevers skriveferdigheter (se www.skrivesenteret.no). Det andre formålet med utvalgsprøvene var å gi informasjon om hvordan elever mestrer skriving som grunnleggende ferdighet.

Forsking på utvalgsprøvene i skriving har inkludert undersøkelser av de teoretiske utgangspunktene for konstruktdefinisjonen (; ), prøvegjennomføring og tekniske kvaliteter (; ; ), spørsmål rundt tolkingsfellesskap (; ) og betraktninger over politiske og byråkratiske prosesser rundt prøvene (f.eks.).

Å måle skriving

Kompleksiteten i vurdering av skriving tydeliggjøres når vi tar i betraktning de interaksjonene og komponentene som inngår i typiske vurderingsprosesser. Følgende modell (; ) viser hvordan en elevs skriving og en lærers vurdering av en elevtekst kan bli et skrive-vurderingsresultat:

Figur 1. McNamaras (1996) modell for språkprøver, etter Skar og Aasen (2016).


I midten av modellen står teksten, produktet av skrivinga. Nederst i modellen står eleven som, for å skulle produsere en tekst, må fortolke ei skriveoppgave og gjennomføre skriveprosessen som har teksten som produkt. Oppgava er det avgjørende leddet mellom eleven og den teksten som blir skrevet. Øverst står vurdereren som vurderer teksten med hjelp av en eller annen form for skala, gjerne en vurderingsmatrise. Skalaene er avgjørende for vurdererens lesing av teksten og er det instrumentet vurdereren har for å sortere tekster i kvalitetsnivåer. I de kommende avsnittene ser vi nærmere på oppgaver, skalaer og vurderere/vurdering for å ytterligere belyse kompleksiteten som ligger i måling av skrivekompetanse. Vi sier imidlertid først noe om utgangspunktet for utvikling av oppgaver og skalaer, nemlig konstruktdefinisjonen.

Konstruktdefinisjon

Skrivehjulet () er en modell som har ligget til grunn for nasjonale prøver og læringsstøttende prøver i skriving i Norge. Den ligner på modeller som beskriver språk- og skrivekompetanse ut fra et funksjonelt eller kommunikativt perspektiv (f.eks. ; ; ; ). Felles for disse modellene er at de skiller mellom kunnskap om språk og kunnskap om å anvende språk. For eksempel identifiserer den ofte siterte modellen til Bachman for kommunikativ språkkompetanse (; ) to komponenter: språkkunnskap og strategisk kunnskap. Språkkunnskap deles i modellen opp i organisatorisk kunnskap, noe som her betyr å kunne anvende skrift for å skape en (forståelig) tekst, og pragmatisk kunnskap, noe som her viser til de funksjonelle aspektene ved språket, for eksempel sjangerkunnskap. Den strategiske kunnskapen kommer til uttrykk i de valg en skriver tar i en gitt kommunikasjonssituasjon for å oppnå kommunikative mål med et relevant innhold.

Skriveoppgaver

Ei skriveoppgave skal ideelt sett være ei operasjonalisering av konstrukt-definisjonen. Problemet med denne forutsetninga er at konstruktdefinisjoner som fanger bredde og helhet i skrivekompetanse, vil kunne realiseres på utallige måter. Derfor blir det krevende å gi en generell definisjon på hva ei god skrive-oppgave er for noe. Det finnes mange ulike typer oppgaver, og de kan være forskjellige på ulike måter. Noen eksempler på dimensjoner ved oppgaver som påvirker rammene for å skrive tekster, er:

  • spesifisering av sjanger, teksttyper og skrivehandlinger. Disse aspektene relaterer til det å skrive i ulike situasjoner, f.eks. om ulike kunnskaps-objekter og ulike måter å utvikle og kommunisere kunnskap på. Dette medfører videre at ulike fag har ulike konvensjoner for skriftlig medi-ering, med andre ord ulike sjangre eller ulike måter å realisere samme sjanger på i ulike fag ().
  • retorisk spesifisering (), dvs. om oppgava konstruerer en kommunikasjonssituasjon eller ikke. Noen oppgaver angir mottaker og publiseringssted, og i visse tilfeller er dette autentiske sammenhenger med faktiske lesere, mens i andre tilfeller er det tale om fiktive sammenhenger der den faktiske mottakeren, vurdereren, ikke er nevnt som mottaker. Høg retorisk spesifisering krever skrivere som aksepterer en dobbel kontrakt; den ene med fiktive lesere (f.eks. lesere av ei avis) og den andre med de faktiske leserne (læreren, vurderere).
  • vilkår for å løse oppgava som tid, sted, hjelpemiddel. Det er f.eks. for-skjell på å skrive til skriveoppgaver under kraftig standardiserte forhold (tester, eksamen osv.) og skriveoppgaver der elevene får skrive hjemme.

Den viktigste dimensjonen er kanskje likevel innhold. Innholdsdimensjonen vil i høg grad bidra til mangfoldigheten i skriveoppgaver: Det er stor forskjell på å skrive til ei oppgave om prosesser i naturen versus ei oppgave om hva man har gjort i sommerferien. Det finnes studier som tilsier at forskjell i innhold har like stor påvirkning som forskjell i sjanger eller teksttype (); det kan for eksempel være like krevende å skrive beskrivende som det å skrive argumenterende om to forskjellige temaer. Dessuten er det slik at hvis eleven ikke har noe å skrive om, vil hun ikke kunne bruke sin kompetanse innenfor områder som tekstoppbygging, syntaks og tegnsetting. Det at eleven i det hele tatt kan generere et innhold, vil ha mye å si for hva slags tekst eleven skriver, men også for kvaliteten på teksten ().

Vurderingsskalaer

I skrivevurdering består skalaer av vurderingskriterier som beskriver nivåer av tekstkvalitet. Hvilke kriterier som inngår i skalaen, er bestemt av hvilke egen-skaper ved skrivekompetansen man ønsker å måle. Ved såkalt analytisk vurder-ing har man flere skalaer, eller vurderingsområder, for ulike egenskaper ved tekstene. Ved såkalt holistisk vurdering er hvert kvalitetsnivå kopla til kriterier som beskriver teksten som helhet (; ).

Vurdereren

Skrivekompetanse er ikke mulig å observere direkte, men krever at en leser vurderer kvaliteten til tekster for så å gjøre inferenser om denne kompetansen. Det finnes to hovedtyper av utfordringer forbundet med vurdering av elevtekster. For det første innebærer selve vurderinga en kompleks kognitiv prosess. Oppgava for en vurderer er å identifisere de kriteriene som best mulig beskriver elevteksten. Men når ei gruppe elever skriver tekster til ei oppgave, så vil de løse oppgava på svært ulike måter, altså vil elevtekstene se svært forskjellige ut. Det vil derfor finnes flere typer elevsvar som representeres av ett og samme kriterium. Dette krever god tekst- og lesekompetanse der vurdererne må fortolke elev-tekstene i lys av sin forståelse av kriteriene.

En annen utfordring ved vurdering er at ulike vurderere vil bruke vurderings-verktøyene på ulike måter. Det finnes flere eksempler på dette (se for en uttømmende liste). Det kan være vanskelig for vurderere å skille ulike vurderingsområder, noe som for eksempel betyr at vurdereren i møte med en tekst med mange skrivefeil lar dette trekket farge vurderinga på andre områder. En annen utfordring kan være at ulike vurderere bruker skalaen ulikt; for eksempel vil noen foretrekke trinn på midten av skalaen mens andre i større grad bruker ytterdelene av skalaen. Et tredje eksempel på utfordring er at vur-derere skiller seg i strenghet. Og til sist kan det være en utfordring at vurderere har ulike forestillinger om formålet med vurderinga, for eksempel om den skal bidra til å motivere eleven til revisjon eller om den skal gi en sann representa-sjon av elevtekstens kvaliteter ().

Reliabilitet og validitet

En vanlig problematikk i vurdering av skriving er hvorvidt reliabilitet eller validitet skal prioriteres. Reliabilitet kan defineres som konsistens i vurderinga, noe som innebærer at resultatet ikke varierer avhengig av for eksempel hvem som vurderer eller hvor/når prøva gjennomføres. Validitet innebærer at det er mulig å tolke testresultatet på en meningsfull måte i forhold til konstrukt-definisjonen, og dessuten at anvendelsen av testresultatet er rimelig i forhold det man har hatt som intensjon å måle (). Hva som prioriteres vil få konsekvenser for hvordan skrivekompetanse måles. Enten kan man måle skrivekompetanse indirekte gjennom oppgaver der elevene for eksempel skal identifisere grammatiske feil (altså «interlinear exercises», ), eller direkte gjennom oppgaver der elevene oppfordres til å skrive tekster. Valget mellom indirekte eller direkte måling av skrivekompetanse har ofte, forenklet sagt, vært et valg mellom å prioritere reliabilitet eller begrepsvaliditet (); indirekte måling har den fordelen at den eliminerer vurderervariasjon, mens direkte måling har den fordelen at elevene får utføre de handlingene som man er interessert i å måle.

Flere validitetsforskere har vært sterkt kritiske til skillet mellom reliabilitet og validitet. illustrerte i sin viktige artikkel om validering av såkalt «performance assessment» at det å kunne gjøre ekstra-poleringer fra et testresultat til et måldomene (f.eks. at resultatet på eksamen i norsk gir grunnlag for å trekke slutninger om elevenes norskfaglige kompe-tanse), ikke bare krever at oppgava speiler handlinger i måldomenet, men også krever generaliserbare resultat. I så fall skal resultatet bli det samme uavhengig av hvem som vurderer teksten eller hvilke oppgaver i et utvalg av lignende oppgaver som eleven har gjennomført. Derfor er reliabilitet en forutsetning for validitet.

Endringer i nasjonale prøver 2003–2016

I resten av artikkelen rettes fokuset mot endringene fra nasjonale prøver i skriving til utvalgsprøvene i skriving som la grunnlaget for utvikling av lærings-støttende prøver. Med utgangspunkt i modellen til McNamara gir tre dimensjo-ner ved vurdering av skriving inngangene til undersøkelsen: oppgaver, skalaer og vurdering av tekster. Vi innleder imidlertid med konstruktdefinisjonen. For hver dimensjon er framstillinga bygd opp slik at vi først presenterer aspekter ved prøva i 2005, deretter innslag fra den evalueringa som den eksterne gruppa med eksperter gjennomførte etter innføringa av nasjonale prøver, og til sist viser vi hvordan prøva ble endret fra 2005 til 2016. I forbindelse med hver dimensjon presenterer vi en drøfting. Framstillinga bygger til stor del på oppdragsbrevet fra og tekniske rapporter (; ; ; ).

Fra Skrivekompetansehjulet til Skrivehjulet

Da de nasjonale prøvene skulle utvikles på begynnelsen av 2000-tallet, fantes det ingen «offisiell» norsk definisjon av skrivekompetanse, selv om norsk-eksamen indirekte definerte hva skriving er og hvordan skriving skulle vurderes. Innenfor andrespråksforskinga fantes flere definisjoner. Der hadde man siden 1980-tallet fokusert på kommunikative språkkompetanser, og man hadde gått fra modeller som fokuserte på språkets formside til modeller der det å kunne anvende språket kommunikativt kom mer i sentrum (). Gruppa som lagde nasjonale prøver i skriving, mente at det var viktig med en modell som kunne beskrive funksjonell skriving, og derfor konstruerte de det såkalte Skrivehjulet. I utgangspunktet i 2005 ble denne modellen kalt Skrivekompe-tansehjulet, og den bestod av

  • skrivekompetanser, f.eks. det å kunne overtale noen
  • handlinger og formål, f.eks. det å kunne uttrykke meninger
  • skriftlig mediering, dvs. det å skape tekster ved hjelp av tegn (f.eks. bokstaver og bilder)
  • skriveprosesser, f.eks. revisjon av tekst

Ifølge var skrivekompetanser det samme som «grunn-leggende meningsskapingsoperasjoner», og skrivehandlinger og skriveformål var det samme som «bruken» av skriving. Et eksempel var skrivekompetansen «kunnskapslagring og strukturering» som var kopla til handlinga og formålet «bruke skrift som st[ø]tte for kognitive operasjoner». Hensikten var å lage et instrument som gjorde det mulig å måle hvordan en elev gjennomfører en grunnleggende funksjon, heller enn å måle elevens evne til å skrive innenfor rammene til bestemte sjangrer. Like fullt ble distinksjonene mellom kompe-tanser, handlinger, formål, skriftlig mediering og skriveprosesser vurdert å ikke være tydelige nok, noe som førte til at modellen ble kraftig revidert i perioden 2010–2012 ().

I presenteres den seneste versjonen av modellen (se figur 2), som nå består av tre lag: et ytre som beskriver «skrivehandlinger», et mellomlag som beskriver «skriveformål» og et indre som beskriver «skrivingens verktøy». Skrivehandlingene som inngår i modellen er å samhandle, å reflek-tere, å beskrive, å utforske, å forestille seg og å overbevise. Disse kan enklest forståes som typiske tekster (se f.eks. ), og opphavsmennene bak modellen viser for eksempel til arbeidstegning som en typisk manifestasjon av skrivehandlinga å beskrive. En skrivehandling er i sin tur et uttrykk for både intensjoner om å skape mening og kommunikative formål.

Drøfting av konstruktdefinisjonen. Et viktig poeng med Skrivehjulet er at måling av skriveferdighet forutsetter at en skriver testes i å skrive på en rekke forskjellige måter som er tilpasset ulike situasjoner og dermed ulike formål. Skrivehjulet er altså lagd for å fange både dybden (handling, formål og medi-ering) og bredden (ulike formål og skrivehandlinger) i skriveferdighet. Ulike skrivehandlinger resulterer i ulike tekster; det vil for eksempel være forskjeller mellom en tekst som skal reflektere over dialektvariasjon i Norge og en tekst som skal argumentere for dialektvariasjon.

Til forskjell fra andre modeller beskriver ikke Skrivehjulet typiske trekk ved ulike tekster, og dette er en av styrkene til modellen; svært ulike tekster kan bli vurdert som gyldige svar på éi oppgave. På den annen side er dette også en av utfordringene til modellen; den presenterer ikke tydelige distinksjoner mellom skrivehandlinger, noe som fører til at det er vanskelig å hevde at en elev behersker ei skrivehandling og ikke ei anna. Videre er det åpenbart at modellen prosesser, strategier, skriverens forestillinger om seg selv som skriver, og skriverens motivasjon og holdninger. Derfor var det rimelig å gå bort fra kompetansebegrepet i modellen og heller fokusere på handlinger og formål.

I den første evalueringa av de nasjonale prøvene i 2005 ble Skrivehjulet introdusert som en landvinning, både som teoretisk konstrukt og som peda-gogisk potensial:

Den store styrken til skriveprøven er at den representerer et pedagogisk verktøy, utviklet ved hjelp av en grundig teoretisk analyse av hva skrivekompetanse består av. [...] Gjennom dette utviklingsarbeidet har man fått et begrepsapparat og et viktig verktøy i arbeidet med å heve vurderingskompetansen i skriving i norsk skole. ()

Skrivehjulet fortsatte å være konstruktdefinisjonen for prøvene etter 2005.

Figur 2. Skrivehjulet. Fra Solheim og Matre (2014).


Fra integrerte oppgaver til prompt-baserte oppgaver

To viktige spørsmål ved utvikling av skriveoppgaver er: Hva skal elevene skrive om, og hvor skal stoffet de skriver om hentes ifra? I 2005 valgte man ei løsning med integrerte skriveoppgaver der alle elever i grunnskolen skulle skrive svar på to oppgaver med temaet «planeten Mars». Elevene fikk tilgang til informasjon om dette temaet gjennom et hefte med tekster som på ulikt vis tematiserte planeten Mars. Dessuten skulle elevene skrive to oppgaver der de gjennomførte to forskjellige typer skrivehandlinger (se vedlegg 1). Den nye konstrukt-definisjonen bygde jo på en forståelse av at kompetanse i skriving ikke kan måles gjennom éi oppgave, men helst gjennom flere ulike skriveoppgaver som lar elevene gjennomføre ulike skrivehandlinger.

Som vi kan se i oppgavene i vedlegg 1, ble elevene bedt om å utføre to skrivehandlinger og skape tekster, og i motsetning til eksamen i norsk var ikke oppgavene sjangerbaserte. Dessuten inneholdt oppgavene en viss grad av retorisk spesifisering (), det vil si spesifisering av kommunikasjons-situasjon og mottakere. Dette var en forutsetning for at det skulle være mulig å vurdere om elevene kunne tilpasse tekstene sine til kommunikative sammen-henger.

Verken prøvekonstruktørene eller eksterne granskere uttrykte noen egentlig skepsis til oppgavene, men i evalueringa av prøvene ble det notert at den andre oppgava «ber om ikke mindre enn en refleksjon rundt et av de store spørsmål, meningen med livet, etikk og estetikk, hvem er jeg osv.» ().
Da arbeidet med skriveprøver startet opp igjen i 2010, var prøveformatet endret. For å rendyrke målinga av nettopp skriving som grunnleggende ferdighet og redusere forberedelsesarbeidet, fikk Skrivesenteret i oppdrag å utvikle såkalte «impromptu-oppgaver» (). Disse innebar at elevene skrev tekster som svar på oppgaver som ikke forutsatte at de skulle lese andre tekster. Argumentene for denne forandringa var praktisk fundert og relatert til validitet; å minke forberedelsestid var positivt for det praktiske arbeidet med å gjennom-føre prøva, og å utelukke andre ferdigheter (som lesing) hadde betydning for mulighetene for å argumentere for validiteten til prøveresultatene. Prøva skulle avdekke elevenes ferdigheter til å kommunisere med hjelp av skrift, ikke om de var gode lesere og så videre.

I det nye formatet skulle ei oppgave leses høgt for elevene og etterfølges av ei lærerledet 15 minutter lang muntlig idémyldring før elevene skulle skrive en tekst. Se vedlegg 2 for et eksempel på ei oppgave.

Oppgavene etter 2010 bestod av en prompt, altså et skriveoppdrag, som var basert på ei av skrivehandlingene i Skrivehjulet. Den viktigste forskjellen mellom skriveoppgavene i 2005 og de etter 2010 hadde med innholdsdimen-sjonen å gjøre: Oppgavene etterspurte innhold som elevene trolig hadde kunn-skap om, for eksempel det å være elev i norsk skole, slik at prøvene kunne gjen-nomføres uten forberedelseshefter eller annet materiale som stilte krav til elevenes leseferdigheter.

Drøfting av oppgavene. Det er minst tre aspekter ved de oppgavene som inngår i prøvene i skriving som grunnleggende ferdigheter, som fortjener en drøfting.

For det første var oppgaveformatet ei utfordring. På eksamen i norsk og i de nasjonale prøvene i 2005 ble det utviklet integrerte oppgaver, altså oppgaver som er basert på tekster som elevene leser, og disse skal ideelt sett bidra til at alle elever har noe å skrive om, det vil si at de har tilgang til relevant informasjon som grunnlag for å generere innhold. Dessuten ligner disse opp-gavene i vesentlig grad oppgaver i skolen forøvrig; fra tidlig alder skriver elevene korte og lengre tekster basert på leste tekster. Men med integrerte opp-gaver vil lesekompetansen til elevene føre til ulike muligheter for å tilegne seg materialet for å anvende det i sine egne tekster. Dermed risikerer man å måle andre ferdigheter enn skriveferdigheten, noe kaller konstrukt-irrelevant varians.

Med det oppgaveformatet som ble innført i 2010, økte man sjansen for at alle elever hadde noe å skrive om, og slik forsøkte man å unngå å teste andre ferdigheter enn skriving (som for eksempel lesing). Prisen for dette valget var en type oppgave som lå langt fra skolevirkeligheten. Selv om temaet for oppgavene med enkelthet kunne knyttes til læreplaner i fag, er det mulig at oppgave-formatet i begrenset grad speilet skriving som forekom i de enkelte fagene i skolen. Dette vil i seg selv representere en trussel mot validiteten, men nå i den forstand at ekstrapoleringsmulighetene blir svakere ().

På den ene siden har det vært nødvendig å standardisere prosedyrer for gjennomføring av prøvene, det vil si at prøva blir gjennomført på samme måte i alle klasserom for at elevtekstene skal være sammenlignbare, noe som er en forutsetning både for å utvikle mestringsnivåbeskrivelser og for å kunne ha pålitelig informasjon om hvordan elever presterer nasjonalt (nasjonale nivå). På den andre siden tilsier forsking innen skrivedidaktikk at elevene bør lære å skrive / skrive for å lære i prosesser der de får støtte og veiledning av lærere før og underveis i skriveprosessen. Sagt på en annen måte: For at det skal være mulig for lærere å dra nytte av mestringsnivåbeskrivelsene og muligheten til å sammenligne lokale resultater mot nasjonale resultater, må skriveprøva gjen-nomføres med prosedyrer som ikke modellerer det som ellers kan betegnes som god skriveopplæring. Likevel ble det gitt forrang til hensynet til at alle elever gjennomførte prøva under samme forhold, og dette var også en forutsetning for at det skulle være mulig å sammenligne tekster.

Et tredje aspekt var relatert til antallet oppgaver. I tråd med konstruktdefini-sjonen inngikk ikke bare flere aspekter av skriving (skriver-leser-interaksjon, innhold, tekststruktur osv.), men også flere skrivehandlinger i prøva. I 2005 skrev elevene som tok prøva to oppgaver, i perioden 2010–2015 besvarte elev-ene bare éi oppgave, og igjen i 2016 svarte alle elever som tok prøva på to opp-gaver. I alle prøver før 2016 svarte den ene delen av utvalget på ei oppgave som var basert på éi skrivehandling, og den andre delen av utvalget på ei anna skrive-handling. Det at prøvene i et år ikke inkluderte alle skrivehandlingene, men bare to skrivehandlinger, innebar at prøva, i strikt forstand, hadde begrensede muligheter til å si noe om tilstanden i landet og om prestasjonen til den enkelte eleven. I 2016 inngikk flere skrivehandlinger, slik at det nasjonale nivået repre-senterer bredden i norske elevers skrivekompetanse. Av praktiske grunner forble det imidlertid umulig å la den enkelte eleven svare på oppgaver tilsvarende alle skrivehandlingene i Skrivehjulet.

Fra forventningsnormer til mestringsnivåbeskrivelser

Den nasjonale prøva i skriving som grunnleggende ferdighet i 2005 skulle gjen-nomføres av elevenes lærere, og lærerne skulle vurdere tekstene fra egne elever. I prøvepakka inngikk veiledninger for hvordan de skulle vurdere tekstene. Veiledninga inneholdt sju vurderingsområder (figur 3): generelt førsteinntrykk, kommunikasjon, innhold, tekstoppbygging, språkbruk, rettskriving og tegn-setting, og bruk av skriftmediet (). Disse områdene ble valgt for å dekke de mest sentrale dimensjonene ved elevtekster, med unntak av det første området som dreide seg om lærerens holistiske forståelse.

Vurderinga av elevtekstene skulle følge prinsippet for analytisk vurdering, noe som innebar at hver tekst skulle få seks resultat (generelt førsteinntrykk skulle ikke rapporteres videre). For hvert vurderingsområde var det tre skala-nivåer, der det midterste tilsvarte «omtrent som man kan forvente av de fleste elevene på årstrinnet», og nivåene over og under tilsvarte «mye over forventet nivå» og «mye under forventet nivå». I vurderingsskjemaet (, vedlegg 4) fantes fire såkalte ledespørsmål, for eksempel til området språkbruk: «Har teksten ordvalg og setningsstrukturer som passer i en faglig beskrivelse [...]?» Dessuten hadde prøvekonstruktørene utviklet «Trinnvise mål for utvikling av skriveferdighet gjennom utdanningssystemet» (), som var en norm som skalaen skulle forholdes til; en besvarelse som samsvarte med de beskrevne målene skulle vurderes til «omtrent som man kan forvente av de fleste elevene på årstrinnet» (se også figur 3).

Vurderingsområde Ledespørsmål Vurderingsskala
Førsteinntrykk    

* Kommunikasjon

* Innhold

* Tekstoppbygging

* Språkbruk

* Rettskriving og tegnsetting

* Bruk av skriftmediet

f.eks.: Har teksten en passende rettskrivning?
  • Mye over det en kan forvente
  • Omtrent som en kan forvente av de fleste elever på årstrinnet
  • Mye under det en kan forvente
Trinnvise mål
Eksempeltekster med kommentar

Figur 3. Vurderingsverktøy år 2005. Verktøyet inneholdt 6 + 1 vurderingsområder, spørsmål til respektive områder og tre nivåer. Som fundament for redskapet lå trinnvise mål, dvs. beskrivelser av hva som var rimelig å forvente av elever på årstrinnet. Videre fantes illustrasjoner på vurderings-verktøyet gjennom vurderte elevtekster med kommentarer.

Skalaen skulle altså ideelt sett generere informasjon som kunne anvendes av både læreren, skoleeier og utdanningsmyndigheter. Førstnevnte kunne få over-sikt over hvor mange elever som plasserte seg på ulike sider av forventet nivå. De sistnevnte kunne få et overblikk over lokale resultater målt mot nasjonalt nivå. I tillegg ønsket man at skalaen skulle gjøre det mulig å sammenligne resul-tater fra år til år (). I evalueringa av de nasjonale prøvene i skriving ble det rettet kritikk mot at midtkategorien i skalaen var for stor og at det var for mange vurderingsområder (). En stor midt-kategori gjorde at få lærere fikk nyansert informasjon om elevenes skrivekompe-tanse. Den tekniske rapporten fra prøva viste at de fleste besvarelsene ble plassert i midtkategorien: i gjennomsnitt, uavhengig av årstrinn og vurderings-område, ble denne kategorien anvendt i 74,7 % av tilfellene. Prøvekonstruk-tørene var enige i at skalaen var for kort, og dessuten hadde man indikasjoner på at skalaen ikke samsvarte med læreres forståelse av typiske vurderingsskalaer i skolen. Lærerne var, i følge prøvekonstruktørene, vante til ordinalskalaer, mens den tredelte skalaen i de nasjonale prøvene kunne oppfattes som en dikotom-skala, altså forventet nivå eller ikke forventet nivå ().

Etter at prøvevirksomheten gjenoppstod i 2010, ble vurderingsverktøyet betydelig endret. Prøvene skulle ha seks vurderingsområder: kommunikasjon, innhold, tekststruktur, språkbruk, rettskriving og tegnsetting, og skalaene skulle være av ulik lengde på de ulike årstrinnene. På 5. årstrinn skulle skalaen bestå av tre nivå og på 8. årstrinn fem nivå. Oppdragsbrevet tilsa også at prøvegruppa skulle utvikle mestringsnivåbeskrivelser for hvert av vurderingsområdene, i alt 18 beskrivelser for 5. årstrinn og 30 beskrivelser for 8. årstrinn. Dette innebar at skalaene var mer tydelige og konkrete enn skalaene fra 2005: for å plassere en tekst på et visst nivå skulle man, i stedet for å ta stilling til om teksten var som forventet av elever på årstrinnet, heller finne den nivåbeskrivelsen som best passet med trekk i elevteksten.

Utviklinga av mestringsnivåbeskrivelser bygde på materialet fra utvalgs-prøver i skriving. Det ble opprettet grupper med vurderingsforskere og ansatte ved Skrivesenteret som hadde ansvar for hvert sitt vurderingsområde. Gruppene vurderte og rangerte et utvalg tekster på fem nivå, og deretter ble tekstene analy-sert for å finne trekk i tekstene som svarte til det enkelte nivået. Denne tilnær-minga innebar på den ene siden at mestringsnivåbeskrivelsene var empirisk fundert i egenskaper ved faktiske elevtekster. På den andre siden innebar denne tilnærminga en risiko for at tekstegenskaper som ikke forekom i materialet, ikke ble fanget opp og beskrevet i mestringsnivåbeskrivelsene.
Da Utdanningsdirektoratet lanserte de læringsstøttende prøvene i 2014, fun-gerte dessuten mestringsnivåbeskrivelsene som «nasjonale nivå», men uten at det ble publisert resultater for hvordan elevresultater ble fordelt på de ulike nivåene. Derimot beskrev det høgste nivået innen det enkelte vurderingsområdet for respektive trinn et teoretisk maksimum for elevprestasjoner. Denne ordninga gjorde det umulig for lærere og andre interesserte å vite hvor vanlig det var at elevtekster ble vurdert til å samsvare med det øverste nivået i skalaen. Ordninga gjorde det også umulig å la utvalgsprøvene si noe om elevers skriveutvikling over tid. To år senere ble denne ordninga omgjort, og i 2016 publiserte Utdan-ningsdirektoratet oversikter som viste hvordan resultater fordelte seg blant elever på femte og åttende årstrinn ().

I forkant av lanseringa av de læringsstøttende skriveprøvene i 2017 ble vurderingsredskapene ytterligere justert.2 Det ble utviklet en felles skala for femte og åttende årstrinn gjennom ei lignende tilnærming som lå til grunn for utvikling av skalaene i prøvene fra 2014 (). Den siste ver-sjonen av vurderingsredskapet hadde fem vurderingsområder på fem nivåer og ble komplettert med ei liste med begrepsdefinisjoner (se vedlegg 3).

Drøfting av vurderingsskalaene. Vurderingsskalaer og andre vurderings-verktøy (som f.eks. kommenterte elevtekster) har ei avgjørende betydning for både begrepsvaliditet () og for hvilken informasjon ei prøve gene-rerer. Dessuten fungerer skalaer i vurdering av skriving som den viktigste og tydeligste operasjonaliseringa av et testkonstrukt (). Samtidig av-slører vurderingsskalaer noe om forhåpningene om hva skalaen skal kunne gjøre. I 2005 var det meninga at skalaene skulle kunne anvendes for å komme med direkte og substansielle påstander om elevenes skriveferdigheter, for eksempel at 82,2 % av elevene på 4. årstrinn inkluderte relevant innhold i tekstene sine. Det var også meninga at det skulle være mulig å sammenligne resultatene fra år til år.

I 2017 var tolkninga av resultatene betydelig mindre direkte. For det første inneholdt ikke prøva forventningsnormer av samme type som i 2005, det vil si normer som uttrykte hva slags skrivekompetanse samfunnet forventet at elever utvikler i løpet av de første fire og sju årene på skolen. For det andre var det enkelte resultatet vanskeligere å tolke; selv om resultatet kunne si noe om egenskapene til en elevtekst på et visst nivå (beskrevet i mestringsnivå-beskrivelsene), var det krevende for lærere å trekke slutninger om hva dette betydde i et større perspektiv. Spørsmålet prøva ikke kunne svare på, var hvordan resultatene på prøva (f.eks. fordelinger av elever på ulike mestrings-nivåer) relaterte til samfunnets forventninger om hva elever bør kunne mestre på bestemte årstrinn.

For å utnytte hele det potensialet som ligger i å ha nasjonale skriveprøver, skulle det trolig være hensiktsmessig å normere skalaen også ut ifra samfunnets forventninger til elevers skriveutvikling ved visse årstrinn etter normal skrive-undervisning. At lærere og andre interessenter kjenner til hvilke nivåer som er forventet ved visse tidspunkter i skoleløpet, skulle kunne være et viktig supple-ment til den empiriske fordelinga av elevsvar på ulike nivå.

Fra konsensusrasjonale til Rasch-analyse

Den største forandringa som skriveprøvene gikk gjennom i tida mellom 2003 og 2016 var utvilsomt gjennomføringa av vurderingene. Som nevnt ovenfor, var det kvaliteten på vurderingene som medførte at skriveprøvene ble skrinlagt mellom 2006 og 2010. Ordninga med at kun én lærer vurderte elevenes tekster (og i tillegg sine egne elever) var i strid med resultater fra mange års forsking som hadde vist at vurderere sjelden kommer fram til samme resultat (f.eks. ; ; ; ). Også en norsk studie () hadde påvist lav reliabilitet i vurdering av skriving, i dette tilfellet i sensuren av norskeksamen. Beslutninga om å la elevenes lærere vurdere prøva kunne sammenfattes i en modell som ser slik ut: X = T, der X er observert poeng og T er det sanne poenget (med T som i «true score»). Ifølge en slik modell er det alltid perfekt samsvar mellom det resultatet en elev får på ei prøve og elevenes «sanne» resultat. På mange måter passet denne modellen også til de skalaene som ble konstruert; gjennom prøva skulle man oppnå et direkte og meget presist estimat på hvor mange elever som befant seg under, på og over forventet nivå.
I evalueringa av de nasjonale prøvene i skriving () ble en annen og mer anerkjent modell brukt, nemlig modellen i den klassiske test-teorien: X = T + E, der X og T er det samme som tidligere og E er en feilterm (med E som i «error»). I den sistnevnte ligger for eksempel reliabilitetsproblem som lav vurderersamstemmighet og lav oppgavereliabilitet. Evalueringa viste at interbedømmerreliabiliteten var altfor lav, på det laveste Cohen’s kappa = 0,11 og som høgest Cohen’s kappa = 0,37. Konklusjonen av reliabilitetsunder-søkelsen var at resultatet var upålitelig, og det innebar at resultatene på prøvene var meningsløse.

Da prøva gjenoppstod i 2010, gikk man ut fra den klassiske testteori-modellen. Målet var å redusere E-termen til et minimum gjennom delvis å la hver elevtekst bli vurdert flere ganger og delvis å etablere et såkalt tolkings-fellesskap. Begrepet «tolkingsfellesskap» ble introdusert av og ble senere anvendt av og for å betegne ei gruppe med vurderere som deler oppfatning av hvordan skriving skal vurderes og hvilke tekstegenskaper som kan relateres til ulike kompetansenivåer.

Man så for seg at to tolkingsfellesskap skulle etableres. På kort sikt skulle et fellesskap oppstå blant de 40–100 lærerne som var del av det nasjonale vurderer-panelet, altså det panelet som vurderte tekster fra utvalgsprøvene i skriving. På lengre sikt skulle arbeidsmåten i panelet kunne overføres til alle lærere slik at alle norske lærere skulle utgjøre et tolkingsfellesskap ().

Det nasjonale vurdererpanelet ble samlet ca. to ganger i året og gikk gjennom omfattende skolering som bestod av forelesninger om vurdering av elevtekster og, framfor alt, omfattende parvurdering (se f.eks. , for inngående redegjørelser). Parvurdering, som hadde mye til felles med eksamens-sensur, innebar at hver vurderer først vurderte et visst antall tekster for så å diskutere og bli enige om vurderinga sammen med en vurderingspartner. Sammensetninga av vurdererpar ble utført gjennom et rotasjonsprinsipp for at hver vurderer skulle eksponeres for så mange vurderingspartnere som mulig. Hver tekst ble lest av fire vurderere, men ettersom det var vurdererparets opp-gave å bli enige om et resultat, fikk hver tekst bare to resultat. Det var disse to resultatene som ble anvendt for å estimere reliabiliteten. Den var ikke tilfreds-stillende. I 2010 ble reliabiliteten målt til ICC = 0,46 () og i 2014, det siste året med samme modell, til ICC = 0,59 ().

På våren 2014 ble det gjennomført ei ny utprøving, men denne gangen ble det innført en ny statistisk modell, nemlig den mangefasetterte Rasch-modellen (; ; ). I følge denne modellen var elevens resultat avhengig av vanskelighetsgraden til oppgava og vurderernes strenghet. Denne modellen åpnet for at elevresultatene ble justert for de faktorene som inngikk i modellen, noe som innebærer at en elevtekst som ble vurdert av en streng vurderer, kunne få et høgere skalapoeng enn råpoeng. Slik sett representerte modellen et paradigmeskifte; i stedet for å minimere feiltermen (E) skulle man estimere den og aktivt anvende den for å justere elevresultat. Modellen innebar også at man gikk vekk fra idealet om et nasjonalt tolkingsfellesskap.

Drøfting av vurderingene. Da prøvevirksomheten ble avsluttet i desember 2016, hadde man redusert usikkerheten rundt resultatenes reliabilitet. Samtidig hadde man gått fra en tanke om at et tolkingsfellesskap var til stede, eller var mulig å styrke gjennom skolering og samvurdering, til en vesentlig annerledes forståelse av hva tolkingsfellesskap blant norske lærere kan være. I et slikt fellesskap er ikke lærere utbyttbare med hverandre, men kompletterer hverandre, det vil si at ulike læreres kompetanse og normer brytes mot hverandre. Og hver gyldige vurdering vil kreve flere uavhengige lesere. Gyldig vurdering krever også estimering av hvordan lærere bruker vurderingsverktøyene forskjellig, og endelig justering som tar høgde for dette. De tradisjonelle verktøyene (som f.eks. kriterier og eksempeltekster) bør derfor suppleres med statistiske verktøy i vurdering der mye står på spill.

Avslutning

Formålet med denne artikkelen har vært å løfte fram og samle noen av de sentrale innsiktene fra arbeidet med utvikling av nasjonale og læringsstøttende prøver i skriving. Vi har gjort det gjennom å presentere og drøfte sentrale utviklingstrekk i arbeidet med prøvene.

Artikkelen har pekt på fortsatte utfordringer med å ha oppgavesett som fanger bredden og dybden i konstruktdefinisjonen og som gjenspeiler god skrivedidaktikk. Dessuten har vi vist at de nye skalaene for så vidt kunne brukes for å vurdere elevenes skrivekompetanse, men at meninga i et gitt testresultat ikke var helt klar på grunn av manglende kopling til samfunnets forventinger (dvs. offisielle normer for skriveutvikling gjennom hele skoleløpet). I artikkelen har vi videre vist at prøveutviklerne lyktes med å definere et testkonstrukt som fanget bredden i skriving, og vi har også vist at prøveutviklerne lyktes med å løse problemet med lavt samsvar mellom de som vurderte tekstene ved å innføre en Rasch-analytisk tilnærming.

Innledningsvis snakket vi om at skriving gjerne kan bli omtalt som problem-barnet i vurderingsklassa; det er vanskelig å måle elevers skrivekompetanse på en gyldig måte. Selv om vi har gjort rede for noen utfordringer ved utvikling av skriveprøver, har flere av problemene i skriveprøvenes tidlige fase blitt løst. Alternativene til skriveprøver vil være enten å måle skrivekompetanse indirekte gjennom for eksempel grammatikkprøver, noe som vil føre til en snever forståelse av hva skriving er, eller å ikke skaffe informasjon om elevers skrive-kompetanse i det hele tatt, noe som vil føre til at skriving risikerer å bli ned-prioritert i skolen. En slik forsnevring og nedprioritering bryter med anerkjen-nelsen av at skriving er et sentralt verktøy for læring og for vurdering av elevenes kompetanse i fagene i skolen. Med den kompetansen som fagmiljøer i Norge har i dag, og som denne artikkelen viser, vil det være mulig å utvikle bedre skriveprøver i framtida enn hva man kunne for bare 15 år siden.

Vedlegg 1

Vedlegg 2

Vedlegg 3

 

Forfatterbilde

Gustaf Bernhard Uno Skar

Gustaf Bernhard Uno Skar er førsteamanuensis i norskdidaktikk ved Norges teknisk-naturvitenskapelige universitet. Hans forskningsinteresser omfatter blant annet vurdering og skrivevurdering.

For tiden leder han forskningsprosjektet ”Funksjonell skriving i de første skoleårene”, som har støtte fra NFR. Institusjonstilknytning: Nasjonalt senter for skriveopplæring og skriveforsking, Norges teknisk-naturvitenskapelige universitet, NTNU ILU, 7491 Trondheim. E-post: gustaf.b.skar@ntnu.no

Forfatteravatar

Arne Johannes Aasen

Arne Johannes Aasen (dr.art.) er leder for Nasjonalt senter for skriveopplæring og skriveforsking (Skrivesenteret) ved Høgskolen i Sør-Trøndelag. Han har undervisningserfaring som norsklærer fra videregående skole, universitet og allmennlærerutdanning. Han forsket på den første lese- og skriveopplæringen på barnetrinnet, utvikling av multimodal tekstkompetanse på ungdomstrinnet (i skrift, digitale fortellinger, dataspill m.m.) og vurdering av skriving.

Litteraturhenvisninger

Weigle, S. C. (1998). Using FACETS to model rater training effects. Language Testing, 15(2), 263–287. doi: http://doi.org/10.1177/026553229801500205

Solheim, R. & Matre, S. (2014). Forventninger om skrivekompetanse. Perspektiver på skriving, skriveopplæring og vurdering i «Normprosjektet». Viden Om Læsning, 8(15), 76–88.

Skar, G. B., Evensen, L. S. & Iversen, J. M. (2015). Læringsstøttende prøver i skriving 2014. Teknisk rapport. Trondheim: Nasjonalt senter for skriveopplæring og skriveforsking.

Messick, S. (1996). Validity and washback in language testing. Language Testing, 13(3), 241–256. doi: http://doi.org/10.1177/026553229601300302

Anderson, S. (2015). Lang dags ferd fra tradisjon til fornyelse. Hentet 15.06.2018 fra http://udirbeta.udir.no/wp-content/uploads/2015/08/Lang-dags-ferd_-Sissel_Anderson_blogg-00000002.pdf

Bachman, L. F. (1990). Fundamental Considerations in Language Testing. Oxford: Oxford University Press.

Bachman, L. F. & Palmer, A. S. (2010). Language assessment in practice: developing language assessments and justifying their use in the real world. Oxford: Oxford University Press.

Barkaoui, K. (2014). Multifaceted Rasch analysis for test evaluation. I A. J. Kunnan (red.), The Companion to Language Assessment (s. 1301–1322). Chichester, West Sussex: Wiley-Blackwell.

Bazerman, C., Applebee, A. N., Berninger, V. W., Brandt, D., Graham, S., Matsuda, P. K., … Schleppegrell, M. (2017). Taking the Long View on Writing Development. Research in the Teaching of English, 51(3), 351–360.

Bereiter, C. & Scardamalia, M. (1987). The psychology of written composition. Hillsdale, New Jersey: Lawrence Erlbaum Associates.

Berge, K. L. (1996). Norsksensorenes tekstnormer og doxa: en kultursemiotisk og sosiotekstologisk analyse. Doktoravhandling, Norges teknisk-naturvitenskapelige universitet, Trondheim.

Berge, K. L. (2002). Hidden Norms in Assessment of Students’ Exam Essays in Norwegian Upper Secondary Schools. Written Communication, 19(4), 458–492. doi: http://doi.org/10.1177/074108802238011

Berge, K. L. (2005a). Skriving som grunnleggende ferdighet og som nasjonal prøve – ideologi og strategier. I A. J. Aasen & S. Nome (red.), Det nye norskfaget (s. 161–188). Bergen: Fagbokforlaget.

Berge, K. L. (2005b). Studie 3: Skriveprøvens pålitelighet. I K. L. Berge, L. S. Evensen, F. Hertzberg & W. Vagle (red.), Ungdommers skrivekompetanse. Bind I: Norsksensuren som kvalitetsvurdering (s. 101–113). Oslo: Universitetsforlaget.

Berge, K. L. (2007). Appendiks. Hvorfor ble de nasjonale prøvene i skriving et mislykket prosjekt? Historien om et kvalitetssikringsnotat om de nasjonale skrivprøvene rettet til statsråd Kristin Clemet. I S. Tveit (red.), Elevvurdering i skolen: grunnlag for kulturendring (s. 245–248). Oslo: Universitetsforlaget.

Berge, K. L. (2015). Skrivevurdering – tradisjon og fornyelse. Paper presented at the First Nordic Symposium on Testing and Assessing Writing (NTAW), Trondheim, Norway, September 20–29, 2015.

Berge, K. L., Evensen, L. S. & Thygesen, R. (2016). The Wheel of Writing: a model of the writing domain for the teaching and assessing of writing as a key competency. The Curriculum Journal, 27(2), 172–189. doi: http://doi.org/10.1080/09585176.2015.1129980

Björnsson, C. H. (1960). Uppsatsbedömning och uppsatsskrivning. Stockholm: Almqvist & Wiksell.

Bouwer, R., Béguin, A., Sanders, T. & van den Bergh, H. (2015). Effect of genre on the generalizability of writing scores. Language Testing, 32(1), 83–100. doi: http://doi.org/10.1177/0265532214542994

Breland, H. M., Bridgeman, B. & Fowles, M. E. (1999). Writing Assessment in Admission to Higher Education: Review and Framework. New York: College Entrance Examination Board.

Camp, H. (2012). The psychology of writing development—And its implications for assessment. Assessing Writing, 17(2), 92–105. doi: http://doi.org/10.1016/j.asw.2012.01.002

Dagsland, S. (2018). Om å jakte på heffalomper: Et metalingvistisk perspektiv på antatt reflekterende og antatt utforskende skriving i norsk og matematikk. Doktoravhandling, Norges teknisk-naturvitenskapelige universitet, Trondheim. Hentet fra https://brage.bibsys.no/xmlui/bitstream/handle/11250/2494191/SindreDagsland_PhD.pdf?sequence=1&isAllowed=y

Edgeworth, F. Y. (1890). The Element of Chance in Competitive Examinations. Journal of the Royal Statistical Society, 53(3), 460–475, 644–663.

Evensen, L. S. (2010). En gyldig vurdering av elevers skrivekompetanse? I J. Smidt (red.), Rammer for skriving: om skriveutvikling i skole og yrkesliv (s. 13–31). Trondheim: Tapir akademisk forlag.

Fasting, R. B. (2011). Nasjonale utvalgsprøver i skriving som grunnleggende ferdighet. Vurdererfellesskap og reliabilitet ved vurdering av skriving. Upublisert. Trondheim: Nasjonalt senter for skriveopplæring og skriveforsking.

Fasting, R. B., Thygesen, R., Berge, K. L., Evensen, L. S. & Vagle, W. (2009). National Assessment of Writing Proficiency Among Norwegian Students in Compulsory Schools. Scandinavian Journal of Educational Research, 53(6), 617–637. doi: http://doi.org/10.1080/00313830903302117

Fish, S. (1980). Is There a Text in This Class? The Authority of Interpretive Communities. Cambridge, Mass.: Harvard University Press.

Flower, L. & Hayes, J. R. (1981). A Cognitive Process Theory of Writing. College Composition and Communication, 32(4), 365–387. Hentet fra http://www.jstor.org/stable/356600

Huot, B. & Perry, J. (2009). Toward a New Understanding for Classroom Writing Assessment. I R. Beard (red.), The Sage handbook of writing development (s. 423–435). Los Angeles: SAGE.

Jeffrey, J. V., Elf, N., Skar, G. B. & Wilcox, K. (u.u.). Writing Development and Education Standards in Cross-national Perspective. Writing & Pedagogy.

Jølle, L. (2014). Pair assessment of pupil writing: A dialogic approach for studying the development of rater competence. Assessing Writing, 20, 37–52. doi: http://doi.org/10.1016/j.asw.2014.01.002

Jølle, L. (2015). Vurderingsdialogen. En undersøkelse av tekstvurderingspraksis ved nasjonal læringsstøttende prøve i skriving. Doktoravhandling, Norges teknisk-naturvitenskapelige universitet, Trondheim. Hentet fra https://brage.bibsys.no/xmlui/bitstream/handle/11250/298034/Lennart_Jolle.pdf?sequence=3

Jølle, L. & Skar, G. B. (u.u.). “Digging for Gold” or “Sticking to the Criteria”: Teachers’ Rationales When Serving as Professional Raters. Scandinavian Journal of Educational Research.

Kane, M. T. (2013). Validating the Interpretations and Uses of Test Scores. Journal of Educational Measurement, 50(1), 1–73. doi: http://doi.org/10.1111/jedm.12000

Kane, M., Crooks, T. & Cohen, A. (1999). Validating Measures of Performance. Educational Measurement: Issues and Practice, 18(2), 5–17. doi: http://doi.org/10.1111/j.1745-3992.1999.tb00010.x

Kellogg, R. T. (2008). Training writing skills: A cognitive development perspective. Journal of Writing Research, 1(1), 1–26. doi: http://doi.org/10.17239/jowr-2008.01.01.1

Knoch, U. (2009). Diagnostic Writing Assessment: The Development and Validation of a Rating Scale. Frankfurt am Main: Peter Lang.

Knoch, U. (2011). Rating scales for diagnostic assessment of writing: What should they look like and where should the criteria come from? Assessing Writing, 16(2), 81–96. doi: http://doi.org/10.1016/j.asw.2011.02.003

Krogh, L. C. (2016). Kreativitet og ambivalens : en undersøkelse av variasjoner i vurdering og kjennetegn ved sprikvurderte tekster fra eksamen i norsk hovedmål 2015. Masteroppgave, Høgskolen i Sørøst-Norge. Hentet fra http://hdl.handle.net/11250/2412785

Lie, S., Hopfenbeck, T., Ibsen, E. & Turmo, A. (2005). Nasjonale prøver på ny prøve. Oslo: Institutt for lærerutdanning og skoleutvikling, Universitetet i Oslo.

Linacre, J. M. (2017). A user’s guide to FACETS. Rasch-model computer programs. Program manual 3.80.0. Hentet 25.05.2017 fra http://www.winsteps.com/a/Facets-ManualPDF.zip

McNamara, T. F. (1996). Measuring second language performance. New York: Longman.

Myford, C. M. & Wolfe, E. W. (2003). Detecting and Measuring Rater Effects Using Many-Facet Rasch Measurement: Part I. Journal of Applied Measurement, 4(4), 386–422.

Norendal, A. (2016). Danningsperspektiver i grunnskolens eksamensoppgaver i norsk. Acta Didactica Norge, 10(3), Art. 4.

NOU 2002:10 (2002). Førsteklasses fra første klasse – Forslag til rammeverk for et nasjonalt kvalitetsvurderingssystem av norsk grunnopplæring. Oslo: Utdannings- og forsknings-departementet. Hentet 09.12.2018 fra https://www.regjeringen.no/no/dokumenter/nou-2002-10/id145378/

Otnes, H. (2015). Skriveoppgaver under lupen. I H. Otnes (red.), Å invitere elever til skriving (s. 11–27). Bergen: Fagbokforlaget.

Purpurra, J. E. (2010). Assessing communicative language ability: models and their components. I E. Shohamy & N. H. Hornberger (red.), Encyclopedia of language and education. Vol. 7, Language testing and assessment (s. 53–68). New York: Springer.

Purves, A. C., Gorman, T. P. & Takala, S. (1988). The Development of the Scoring Scheme and Scales. I T. P. Gorman, A. C. Purves & R. E. Degenhart (red.), The IEA Study of Written Composition I: The International Writing Tasks and Scoring Scales (s. 41–58). Oxford: Pergamon.

Rasch, G. (1980). Probabilistic Models for Some Intelligence and Attainment Tests. Chicago: The University of Chicago Press.

Rijlaarsdam, G., Van den Bergh, H., Couzijn, M., Janssen, T., Braaksma, M., Tillema, M., Van Steendam, E. & Raedts, M. (2012). Writing. I K. R. Harris, S. Graham, T. Urdan, A. G. Bus, S. Major & H. L. Swanson (red.), APA educational psychology handbook, Vol 3: Application to learning and teaching (s. 189–227). Washington: American Psychological Association. doi: http://doi.org/10.1037/13275-009

Rose, D. (2016). New Developments in Genre-Based Literacy Pedagogy. I C. A. MacArthur, S. Graham & J. Fitzgerald (red.), Handbook of writing research (2nd ed.) (s. 227–242). New York & London: The Guilford Press.

Shanahan, T. & Shanahan, C. (2008). Teaching Disciplinary Literacy to Adolescents: Rethinking Content-Area Literacy. Harvard Educational Review, 78(1), 40–59. doi: http://doi.org/10.17763/haer.78.1.v62444321p602101

Skar, G. B. (2017). The Norwegian National Sample-Based Writing Test 2016: Technical Report. Trondheim: Nasjonalt senter for skriveopplæring og skriveforsking. Hentet fra http://www.skrivesenteret.no/uploads/files/Skriveproven2017/NSBWT2017.pdf

Skar, G. B., Evensen, L. S. & Iversen, J. M. (2015). Læringsstøttende prøver i skriving 2014. Teknisk rapport. Trondheim: Nasjonalt senter for skriveopplæring og skriveforsking.

Skar, G. B. & Iversen, J. M. (2016). Teknisk rapport: Pilotering av oppgaver til den nasjonale utvalgsprøven i skriving 2016. Trondheim: Nasjonalt senter for skriveopplæring og skriveforsking.

Skar, G. B. & Jølle, L. (2017). Teachers as raters: Investigation of a long term writing assessment program. L1 Educational Studies in Language and Literature, 17(Open Issue), 1–30. doi: http://doi.org/10.17239/L1ESLL-2017.17.01.06

Skar, G. B. U. & Aasen, A. J. (2016). Risikotrekk og skjulte kvalitetar i elevtekstar. Nordic Journal of Literacy Research, 2(1), 1–20. doi: http://doi.org/10.17585/njlr.v2.199

Skjelten, S. M. (2013). Jakta på kvalitetsforskjellar i elevane sine tekstar. Kva skil gode tekstar frå middels gode? Doktoravhandling, Universitetet i Oslo.

St.meld. nr. 30 (2003–2004). Kultur for læring. Oslo:Utdannings- og forsknings-departementet. Hentet 10.12.2018 fra https://www.regjeringen.no/contentassets/988cdb018ac24eb0a0cf95943e6cdb61/no/pdfs/stm200320040030000dddpdfs.pdf

St.prp nr. 1, Tillegg nr. 3 (2002–2003). Oslo: Kunnskapsdepartementet. https://www.regjeringen.no/no/dokumenter/stprp-nr-1-tillegg-nr-3-2002-2003-/id435850/

Thygesen, R., Evensen, L. S., Berge, K. L., Fasting, R. B., Vagle, W. & Haanæs, I. R. (2007). Nasjonale prøver i skriving som grunnleggende ferdighet. Sluttrapport. Nasjonalt senter for leseopplæring og leseforskning, Universitetet i Stavanger.

Utdanningsdirektoratet (2014). Signert avtale om utvikling av læringsstøttende prøver i skriving, Bilag 4: Rammeverk for skriveprøver, 28.05.2014.

Weigle, S. C. (1998). Using FACETS to model rater training effects. Language Testing, 15(2), 263–287. doi: http://doi.org/10.1177/026553229801500205

Weigle, S. C. (2002). Assessing writing. Cambridge: Cambridge University Press.

White, E. M. (1984). Holisticism. College Composition and Communication, 35(4), 400–409. Hentet fra http://www.jstor.org/stable/357792

Aasen, A. J. & Skar, G. B. (2018). Developing Scales and Investigating Writing Proficiency Among Fifth- and Eighth-Grade Students in Norway. Presentert på Annual Meeting of the American Educational Research Association, New York City, 13–17.04.2018.

Foreslåtte artikler