Prueba estandarizada

La evidencia más antigua de pruebas estandarizadas se encuentra en China , durante la dinastía Han , ^{[ 6 ]} donde los exámenes imperiales abarcaban las Seis Artes , que incluían música, tiro con arco, equitación, aritmética, escritura y conocimiento de los rituales y ceremonias tanto públicos como privados. Estos exámenes se utilizaban para seleccionar empleados para la burocracia estatal.

Posteriormente, se añadieron a las pruebas secciones sobre estrategias militares, derecho civil, ingresos y tributación, agricultura y geografía. De esta forma, los exámenes se institucionalizaron durante más de un milenio.

En la actualidad, las pruebas estandarizadas siguen utilizándose ampliamente, sobre todo en el sistema Gaokao .

Las pruebas estandarizadas se introdujeron en Europa a principios del siglo XIX, siguiendo el modelo de los exámenes de mandarín chinos, ^{[ 7 ]} gracias a la promoción de los administradores coloniales británicos, el más "persistente" de los cuales fue el cónsul británico en Guangzhou, China , Thomas Taylor Meadows . ^{[ 7 ]} Meadows advirtió del colapso del Imperio Británico si las pruebas estandarizadas no se implementaban en todo el imperio de inmediato. ^{[ 7 ]}

Antes de su adopción, las pruebas estandarizadas no formaban parte tradicionalmente de la pedagogía occidental. Basándose en la tradición escéptica y abierta del debate heredada de la Antigua Grecia, la academia occidental favorecía las evaluaciones no estandarizadas mediante ensayos escritos por los estudiantes. Por ello, la primera implementación europea de pruebas estandarizadas no tuvo lugar en Europa propiamente dicha, sino en la India británica . ^{[ 8 ]} Inspirados por el uso chino de las pruebas estandarizadas, a principios del siglo XIX, los directivos de empresas británicas las utilizaban para la contratación y los ascensos, con el fin de garantizar la imparcialidad del proceso y evitar la corrupción o el favoritismo. ^{[ 8 ]} Esta práctica de pruebas estandarizadas se adoptó posteriormente a finales del siglo XIX en Gran Bretaña continental. Los debates parlamentarios que siguieron hicieron numerosas referencias al «sistema mandarín chino». ^{[ 7 ]}

Las pruebas estandarizadas se extendieron desde Gran Bretaña no solo por toda la Commonwealth británica , sino también a Europa y luego a América. ^{[ 7 ]} Su difusión fue impulsada por la Revolución Industrial , donde el aumento en el número de estudiantes escolares como resultado de las leyes de educación obligatoria disminuyó el uso de evaluaciones abiertas, que eran más difíciles de producir en masa y evaluar objetivamente.

Durante la Segunda Guerra Mundial, se desarrollaron pruebas estandarizadas, como las Juntas de Selección del Ministerio de Guerra, para el Ejército Británico con el fin de seleccionar candidatos para la formación de oficiales y otras tareas. ^{[ 9 ]} Estas pruebas evaluaban las capacidades mentales, las habilidades mecánicas, la capacidad de trabajar en equipo y otras cualidades de los soldados. Los métodos anteriores habían adolecido de sesgos y habían dado como resultado la selección de soldados inadecuados para la formación de oficiales. ^{[ 9 ]}

Las pruebas estandarizadas han formado parte de la educación en Estados Unidos desde el siglo XIX, pero la dependencia generalizada de estas pruebas en las escuelas estadounidenses es en gran medida un fenómeno del siglo XX.

La inmigración a mediados del siglo XIX contribuyó al crecimiento de las pruebas estandarizadas en los Estados Unidos. ^{[ 10 ]} Las pruebas estandarizadas se utilizaban cuando las personas ingresaban por primera vez a los EE. UU. para evaluar los roles sociales y determinar el poder y el estatus social. ^{[ 11 ]}

El College Entrance Examination Board comenzó a ofrecer pruebas estandarizadas para la admisión a universidades y colegios en 1901, que abarcaban nueve materias. Esta prueba se implementó con la idea de crear un proceso de admisión estandarizado para las universidades de élite del noreste de Estados Unidos. Originalmente, la prueba también estaba destinada a los mejores internados , con el fin de armonizar el currículo entre las escuelas. ^{[ 12 ]} Inicialmente, la prueba estandarizada consistía en ensayos y no estaba pensada para una aplicación generalizada. ^{[ 12 ]}

Durante la Primera Guerra Mundial , se desarrollaron las pruebas Army Alpha y Beta para ayudar a ubicar a los nuevos reclutas en asignaciones apropiadas según sus niveles de inteligencia evaluados. ^{[ 13 ]} La primera edición de una prueba estandarizada moderna para el CI , la Prueba de Inteligencia Stanford-Binet , apareció en 1916. El College Board diseñó el SAT (Scholar Aptitude Test) en 1926. La primera prueba SAT se basó en las pruebas de CI del Ejército, con el objetivo de determinar la inteligencia, las habilidades de resolución de problemas y el pensamiento crítico del examinado . ^{[ 14 ]} En 1959, Everett Lindquist ofreció el ACT (American College Testing) por primera vez. ^{[ 15 ]} A partir de 2020, el ACT incluye cuatro secciones principales con preguntas de opción múltiple para evaluar inglés, matemáticas, lectura y ciencias, además de una sección de escritura opcional. ^{[ 16 ]}

En la década de 1970, los estados comenzaron a evaluar a un gran número de niños y adolescentes a través de sus sistemas escolares públicos. Para la década de 1980, las escuelas estadounidenses realizaban evaluaciones a nivel nacional. ^{[ 17 ]} En 2012, 45 estados pagaron un promedio de $27 por estudiante, y $669 millones en total, por pruebas académicas anuales a gran escala. ^{[ 18 ]} Sin embargo, los costos indirectos , como el pago a los maestros para preparar a los estudiantes para las pruebas y el tiempo de clase dedicado a administrarlas, superan significativamente el costo directo de la prueba en sí. ^{[ 18 ]}

La necesidad del gobierno federal de realizar comparaciones significativas en un sistema de educación pública altamente descentralizado (controlado localmente) impulsó el uso de pruebas estandarizadas a gran escala. La Ley de Educación Primaria y Secundaria de 1965 exigió algunas pruebas estandarizadas en las escuelas públicas. La Ley Que Ningún Niño Se Quede Atrás de 2001 vinculó aún más algunos tipos de financiación de las escuelas públicas a los resultados de las pruebas estandarizadas. Bajo estas leyes federales, el currículo escolar seguía siendo establecido por cada estado, pero el gobierno federal exigió a los estados que evaluaran qué tan bien las escuelas y los maestros enseñaban el material elegido por el estado mediante pruebas estandarizadas. ^{[ 19 ]} Los resultados de las pruebas estandarizadas a gran escala se utilizaron para asignar fondos y otros recursos a las escuelas, y para cerrar las escuelas con bajo rendimiento. La Ley Cada Estudiante Triunfa reemplazó a la NCLB a finales de 2015. ^{[ 20 ]} Para entonces, estas pruebas estandarizadas a gran escala se habían vuelto controvertidas en Estados Unidos, no necesariamente porque todos los estudiantes realizaban las mismas pruebas y eran calificados de la misma manera, sino porque se habían convertido en pruebas de alto riesgo para los sistemas escolares y los maestros. ^{[ 21 ]}

En los últimos años, muchas universidades y facultades estadounidenses han abandonado el requisito de presentar puntuaciones en pruebas estandarizadas a los solicitantes. ^{[ 22 ]}

El programa nacional de evaluación de Australia – Alfabetización y Matemáticas (NAPLAN), una prueba estandarizada, fue iniciado en 2008 por la Autoridad Australiana de Currículo, Evaluación e Informes, una autoridad independiente "responsable del desarrollo de un currículo nacional, un programa nacional de evaluación y un programa nacional de recopilación e informe de datos que apoya el aprendizaje del siglo XXI para todos los estudiantes australianos". ^{[ 23 ]}

Las pruebas incluyen a todos los estudiantes de los cursos 3.º, 5.º, 7.º y 9.º de las escuelas australianas, quienes serán evaluados mediante pruebas nacionales. Las materias que abarcan estas pruebas son Lectura, Escritura, Ortografía, Gramática y Puntuación, y Matemáticas.

El programa presenta informes individuales de los estudiantes, diseñados para que los padres puedan observar el progreso de sus hijos a lo largo de su trayectoria escolar y para ayudar a los docentes a mejorar las oportunidades de aprendizaje de cada alumno. Los datos de los estudiantes y de las escuelas también se proporcionan al sistema educativo correspondiente, con la condición de que se utilicen para dirigir apoyos y recursos específicos a las escuelas que más los necesitan. Los docentes y las escuelas utilizan esta información, junto con otra información relevante, para determinar el rendimiento de sus estudiantes e identificar las áreas que requieren asistencia.

El concepto de evaluar el rendimiento estudiantil no es nuevo, aunque el enfoque australiano actual puede considerarse que tiene su origen en las estructuras de política educativa vigentes en Estados Unidos y el Reino Unido. Existen varias diferencias clave entre el NAPLAN australiano y las estrategias del Reino Unido y Estados Unidos. Las escuelas con bajo rendimiento en Australia recibirán asistencia financiera conforme a la política actual del gobierno federal.

En 1968 nació el Instituto Colombiano de Evaluación de la Educación (ICFES) para regular la educación superior. Se implementó el sistema de evaluación pública previo para la autorización de funcionamiento y el reconocimiento legal de instituciones y programas universitarios.

Colombia cuenta con varias pruebas estandarizadas que evalúan el nivel educativo del país. Estos exámenes son administrados por el ICFES.

Los alumnos de tercer, quinto y noveno grado realizan el examen "Saber 3°5°9°". Esta prueba se presenta actualmente en computadora en muestras controladas y censales.

Al finalizar la secundaria, los estudiantes presentan el "Saber 11", que les permite ingresar a diversas universidades del país. Los estudiantes que estudian en casa pueden presentar este examen para graduarse de la secundaria y obtener su certificado y diploma.

Los estudiantes que finalizan sus estudios universitarios deben realizar el examen "Saber Pro".

Canadá deja la educación, y por consiguiente las pruebas estandarizadas, bajo la jurisdicción de las provincias. Cada provincia tiene su propio régimen de pruebas estandarizadas a nivel provincial, que varía desde la ausencia de pruebas estandarizadas obligatorias para los estudiantes en Saskatchewan hasta exámenes que representan el 40 % de la calificación final de la escuela secundaria en Terranova y Labrador. ^{[ 24 ]}

Por lo general, un examen académico importante incluye secciones calificadas tanto por personas como por computadora.

Una prueba estandarizada puede estar compuesta de preguntas de opción múltiple, preguntas de verdadero o falso, preguntas de ensayo, evaluaciones auténticas o casi cualquier otra forma de evaluación. Las preguntas de opción múltiple y de verdadero o falso se suelen elegir para pruebas que realizan miles de personas porque se pueden administrar y calificar de forma económica, rápida y fiable mediante hojas de respuestas especiales que pueden ser leídas por un ordenador o mediante pruebas adaptativas por ordenador . Algunas pruebas estandarizadas incluyen componentes de respuesta corta o redacción de ensayos a los que asignan una puntuación evaluadores independientes que utilizan rúbricas (reglas o directrices) y documentos de referencia (ejemplos de documentos para cada puntuación posible) para determinar la calificación que se debe otorgar a una respuesta.

Cualquier tema

No todas las pruebas estandarizadas consisten en responder preguntas. Una evaluación auténtica de habilidades atléticas podría consistir en correr durante un tiempo determinado o driblar un balón durante una distancia específica. Los profesionales de la salud deben aprobar pruebas que demuestren su capacidad para realizar procedimientos médicos. Los aspirantes a obtener una licencia de conducir deben aprobar una prueba estandarizada que demuestre su habilidad para conducir un automóvil. La Prueba Estandarizada Canadiense de Aptitud Física se ha utilizado en la investigación médica para determinar el nivel de aptitud física de los participantes. ^{[ 25 ] [ 26 ]}

Desde finales del siglo XX, las pruebas estandarizadas a gran escala se han visto influenciadas, en parte, por la facilidad y el bajo costo de la calificación de exámenes de opción múltiple mediante computadora. La mayoría de las evaluaciones nacionales e internacionales no son evaluadas completamente por personas.

Las personas están acostumbradas a calificar elementos que no pueden ser calificados fácilmente por una computadora (como los ensayos). Por ejemplo, el Examen de Admisión a Estudios de Posgrado (GRE) es una evaluación adaptativa por computadora que no requiere calificación humana, excepto para la sección de redacción. ^{[ 27 ]}

La calificación humana es relativamente costosa y a menudo variable, por lo que se prefiere la calificación por computadora cuando es factible. Por ejemplo, algunos críticos afirman que los empleados mal pagados calificarán mal las pruebas. ^{[ 28 ]} El acuerdo entre los calificadores puede variar entre el 60 y el 85 por ciento, dependiendo de la prueba y la sesión de calificación. Para pruebas a gran escala en escuelas, algunos administradores de pruebas pagan para que dos o más calificadores lean cada examen; si sus calificaciones no coinciden, el examen se pasa a calificadores adicionales. ^{[ 28 ]}

Aunque el proceso es más difícil que calificar exámenes de opción múltiple electrónicamente, los ensayos también pueden ser calificados por computadora. En otros casos, los ensayos y otras respuestas abiertas son calificados según una rúbrica de evaluación predeterminada por calificadores capacitados. Por ejemplo, en Pearson, todos los calificadores de ensayos tienen títulos universitarios de cuatro años, y la mayoría son maestros en activo o antiguos. ^{[ 29 ]}

El uso de una rúbrica busca aumentar la imparcialidad en la evaluación del desempeño del examinado. En las pruebas estandarizadas, el error de medición (un patrón constante de errores y sesgos en la calificación) es fácil de determinar. Cuando la calificación depende de las preferencias individuales de los evaluadores, las notas de los examinados dependen de quién califica la prueba.

Las pruebas estandarizadas también eliminan el sesgo del evaluador en la evaluación. Las investigaciones muestran que los maestros crean una especie de profecía autocumplida en su evaluación de los examinados, otorgando puntuaciones más altas a quienes anticipan que tendrán éxito y calificaciones más bajas a quienes esperan que fracasen. ^{[ 30 ]} En la evaluación no estandarizada, los evaluadores tienen mayor discreción individual y, por lo tanto, es más probable que produzcan resultados injustos debido a un sesgo inconsciente .

Existen dos tipos de interpretaciones de puntuaciones de pruebas : una interpretación de puntuación referenciada a normas o una interpretación de puntuación referenciada a criterios . ^{[ 4 ]}

• Las interpretaciones de puntuaciones referenciadas a normas comparan a los examinados con una muestra de pares . ^{[ 4 ]} El objetivo es clasificar a los examinados como mejores o peores que los demás. Las interpretaciones de puntuaciones referenciadas a normas se asocian con la educación tradicional . Quienes obtienen mejores resultados que los demás aprueban la prueba, y quienes obtienen peores resultados la suspenden.
• Las interpretaciones de puntuaciones referenciadas a criterios comparan a los examinados con un criterio (una definición formal del contenido), independientemente de las puntuaciones de los demás examinados. ^{[ 4 ]} También pueden describirse como evaluaciones basadas en estándares , ya que están alineadas con el movimiento de reforma educativa basado en estándares . ^{[ 31 ]} Las interpretaciones de puntuaciones referenciadas a criterios se centran únicamente en si la respuesta de este estudiante en particular es correcta y completa. En los sistemas referenciados a criterios, es posible que todos los examinados aprueben la prueba o que todos la suspendan.

Cualquiera de estos sistemas puede utilizarse en pruebas estandarizadas. Lo importante en las pruebas estandarizadas es que a todos los estudiantes se les hagan las mismas preguntas, en circunstancias razonablemente iguales, y que se les califique según los mismos criterios.

Una evaluación normativa compara a cada persona que realiza la prueba con otras personas que la realizan. Una prueba con referencia a la norma (PRN) es un tipo de prueba, evaluación o valoración que proporciona una estimación de la posición del individuo evaluado en una población predefinida. Esta estimación se deriva del análisis de las puntuaciones de la prueba y otros datos relevantes de una muestra extraída de la población. Este tipo de prueba identifica si el evaluado obtuvo mejores o peores resultados que otras personas que realizaron la prueba. Una prueba de CI es una prueba estandarizada con referencia a la norma.

Comparar con otros hace que las pruebas estandarizadas con referencia a normas sean útiles para los procesos de admisión en la educación superior, donde una institución busca comparar estudiantes de todo el país o del mundo. La estandarización garantiza que todos los estudiantes sean evaluados en igualdad de condiciones, y la referencia a normas permite identificar a quienes obtienen mejores o peores resultados. Ejemplos de estas pruebas de referencia internacionales incluyen el Estudio Internacional de Tendencias en Matemáticas y Ciencias ( TIMMS ) y el Estudio Internacional de Progreso en Alfabetización Lectora ( PIRLS ).

Una prueba con referencia a criterios (CRT, por sus siglas en inglés) es un tipo de prueba que utiliza las puntuaciones para mostrar el desempeño de los examinados en una tarea determinada, no su desempeño en comparación con otros examinados. La mayoría de las pruebas y cuestionarios elaborados por profesores son de este tipo. En este caso, el objetivo es simplemente comprobar si el examinado puede responder correctamente a las preguntas. El examinador no suele comparar el resultado de cada persona con el de otros examinados.

En el campo de la psicometría , las Normas para las Pruebas Educativas y Psicológicas ^{[ 32 ]} establecen estándares sobre validez y fiabilidad, así como errores de medición y cuestiones relacionadas con la adaptación a personas con discapacidad . El tercer y último tema principal abarca las normas relacionadas con las aplicaciones de las pruebas, la acreditación , además de las pruebas en la evaluación de programas y las políticas públicas .

En el campo de la evaluación , y en particular la evaluación educativa , el Comité Conjunto de Normas para la Evaluación Educativa ^{[ 33 ]} ha publicado tres conjuntos de normas para evaluaciones. Las Normas de Evaluación del Personal ^{[ 34 ]} se publicaron en 1988, las Normas de Evaluación del Programa (2.ª edición) ^{[ 35 ]} se publicaron en 1994 y las Normas de Evaluación del Estudiante ^{[ 36 ]} se publicaron en 2003.

Cada publicación presenta un conjunto de estándares para su uso en diversos entornos educativos. Los estándares proporcionan directrices para el diseño, la implementación, la evaluación y la mejora de la forma de evaluación identificada. Cada estándar se ha ubicado en una de cuatro categorías fundamentales para promover evaluaciones educativas adecuadas, útiles, factibles y precisas. En estos conjuntos de estándares, las consideraciones de validez y confiabilidad se abordan en el tema de precisión. Las pruebas están diseñadas para proporcionar información sólida, precisa y creíble sobre el aprendizaje y el desempeño; sin embargo, la mayoría de las pruebas académicas (estandarizadas o no) ofrecen información limitada sobre el rendimiento. Al basarse en una visión limitada y centrada en lo académico, el rendimiento no representa completamente el potencial de éxito de una persona (por ejemplo, al no evaluar las habilidades interpersonales o blandas ). ^{[ 37 ]}

Una de las principales ventajas de las pruebas estandarizadas a gran escala es que los resultados pueden documentarse empíricamente; por lo tanto, se puede demostrar que las puntuaciones de las pruebas tienen un grado relativo de validez y fiabilidad , así como resultados generalizables y replicables. ^{[ 38 ]} Esto suele contrastarse con las calificaciones en un expediente académico escolar, que son asignadas por cada profesor. Al observar las calificaciones asignadas individualmente, puede ser difícil tener en cuenta las diferencias en la cultura educativa entre las escuelas, la dificultad de las tareas de un profesor determinado, las diferencias en el estilo de enseñanza, la presión para inflar las calificaciones y otras técnicas y sesgos que afectan a la calificación.

Otra ventaja es la agregación. Una prueba estandarizada bien diseñada evalúa el dominio de un individuo en un área de conocimiento o habilidad, información que, al agregarse, resulta útil. Es decir, si bien las evaluaciones individuales pueden no ser lo suficientemente precisas para fines prácticos, las puntuaciones promedio de clases, escuelas, sucursales de una empresa u otros grupos pueden proporcionar información valiosa gracias a la reducción del error que se logra al aumentar el tamaño de la muestra.

Una prueba de alto riesgo es aquella que ofrece una recompensa por un buen desempeño. ^{[ 4 ]} Algunas pruebas estandarizadas, incluidas muchas de las que se utilizan para la admisión universitaria en todo el mundo, son pruebas de alto riesgo. La mayoría de las pruebas estandarizadas, como los exámenes de clase habituales, son pruebas de bajo riesgo. ^{[ 4 ]}

La excesiva dependencia de las pruebas estandarizadas de alto impacto para la toma de decisiones suele ser controvertida. Una preocupación común con estas pruebas es que miden el desempeño durante un solo evento (por ejemplo, el desempeño durante una sola audición), cuando los críticos creen que sería más apropiada una evaluación más holística. Los críticos suelen proponer enfatizar medidas acumulativas o incluso no numéricas, como las calificaciones de clase o breves evaluaciones individuales (redactadas en prosa) de los docentes. Quienes las apoyan argumentan que las puntuaciones de las pruebas proporcionan un estándar claro y objetivo que sirve como un valioso control de la inflación de calificaciones . ^{[ 39 ]}

Una prueba con referencia a normas es aquella diseñada y calificada de manera que algunos examinados obtengan mejores o peores resultados que otros. ^{[ 4 ]} La clasificación proporciona información sobre la posición relativa, lo cual es útil cuando el objetivo es determinar quién es el mejor (por ejemplo, en la admisión a universidades de élite). ^{[ 4 ]}

Una prueba con referencia a criterios es más común y práctica cuando el objetivo es saber si los examinados han aprendido el material requerido. ^{[ 4 ]} Por ejemplo, si el objetivo es saber si alguien puede estacionar en paralelo , entonces una prueba de manejo estandarizada hace que la persona estacione el automóvil y mide su desempeño según si lo hizo de manera correcta y segura.

Sin embargo, algunos críticos se oponen a las pruebas estandarizadas no porque se opongan a que los estudiantes realicen la misma prueba en condiciones razonablemente similares y califiquen las respuestas de la misma manera, sino porque se oponen al tipo de material que suelen evaluar las escuelas. Para usar el ejemplo de la prueba de manejo, un crítico podría decir que no es necesario saber si el estudiante de manejo puede estacionar en paralelo. En un entorno educativo, los críticos podrían desear que se evalúen habilidades no académicas o habilidades blandas . Aunque existen pruebas estandarizadas para atributos no académicos como las Pruebas de Pensamiento Creativo de Torrance , las escuelas rara vez aplican pruebas estandarizadas para medir "iniciativa, creatividad, imaginación... curiosidad... buena voluntad, reflexión ética o una serie de otras disposiciones y atributos valiosos". ^{[ 40 ] [ 41 ]} En cambio, las pruebas aplicadas por las escuelas tienden a centrarse menos en el desarrollo moral o del carácter, y más en habilidades académicas individuales identificables, como la comprensión lectora y la aritmética .

Algunas personas se ponen ansiosas al hacer un examen. Entre el diez y el cuarenta por ciento de los estudiantes experimentan ansiedad ante los exámenes. ^{[ 42 ]} La ansiedad ante los exámenes se aplica tanto a las pruebas estandarizadas como a las no estandarizadas.

La ansiedad ante los exámenes puede aparecer en cualquier situación en la que la persona crea que está siendo juzgada por otros, especialmente si cree que es poco probable que reciba una evaluación favorable. ^{[ 43 ]} Este fenómeno es más común en exámenes de alto impacto que en exámenes de bajo impacto. Los exámenes de alto impacto (ya sean estandarizados o no estandarizados) pueden causar ansiedad ante los exámenes . Los niños que viven en la pobreza tienen más probabilidades de verse afectados por la ansiedad ante los exámenes que los niños de familias más adineradas. ^{[ 44 ]}

Algunos estudiantes afirman ser "malos para los exámenes", lo que significa que se ponen nerviosos y pierden la concentración durante las pruebas. Por ejemplo, durante un examen práctico de manejo estandarizado, el estudiante puede estar tan nervioso que comete errores. Por lo tanto, si bien el examen es estándar y debería ofrecer resultados justos, quienes lo realizan alegan estar en desventaja en comparación con quienes se ponen menos nerviosos.

Un examen de opción múltiple presenta al examinado preguntas acompañadas de una lista predeterminada de posibles respuestas. Es un tipo de pregunta cerrada . El examinado elige la respuesta correcta de la lista.

Muchos críticos de las pruebas estandarizadas se oponen al formato de opción múltiple, comúnmente utilizado para pruebas económicas y a gran escala, y que no resulta adecuado para ciertos fines, como evaluar la capacidad de redacción de un párrafo. Sin embargo, las pruebas estandarizadas pueden utilizar cualquier formato, incluidas las preguntas abiertas , siempre que todos los participantes realicen la misma prueba, en condiciones razonablemente similares, y sean evaluados de la misma manera.

La enseñanza orientada al examen consiste en limitar deliberadamente la instrucción para centrarse únicamente en el material que se evaluará en la prueba. Por ejemplo, si el profesor sabe que un próximo examen de historia no incluirá preguntas sobre la historia de la música o el arte, podría "enseñar para el examen" omitiendo el material del libro de texto sobre música y arte. Los críticos también afirman que las pruebas estandarizadas fomentan la " enseñanza orientada al examen " a expensas de la creatividad y la cobertura profunda de temas que no se evalúan. Los críticos sostienen que la enseñanza orientada al examen perjudica el aprendizaje de orden superior; transforma lo que los profesores pueden enseñar y limita considerablemente la cantidad de información adicional que los estudiantes aprenden a lo largo de los años. ^{[ 45 ]} Si bien es posible utilizar una prueba estandarizada sin que su contenido determine el currículo y la instrucción, con frecuencia, lo que no se evalúa no se enseña, y la forma en que se evalúa la materia a menudo se convierte en un modelo para la enseñanza de la misma.

Las pruebas impuestas externamente, como las creadas por un departamento de educación para los estudiantes de su área, incentivan a los docentes a limitar el formato curricular y a enseñar para la prueba. ^{[ 46 ]}

La remuneración basada en el desempeño es la idea de que los docentes deberían recibir un salario mayor si los estudiantes obtienen buenos resultados en las pruebas y menor si obtienen malos resultados. ^{[ 45 ]} Cuando los docentes o las escuelas son recompensados ​​por un mejor desempeño en las pruebas, estas recompensas incentivan a los docentes a " enseñar para la prueba " en lugar de proporcionar un currículo amplio y enriquecedor. En 2007, un estudio cualitativo realizado por Au Wayne demostró que las pruebas estandarizadas limitan el currículo y fomentan una instrucción centrada en el docente en lugar de un aprendizaje centrado en el estudiante . ^{[ 47 ]} El gobernador de Nueva Jersey, Chris Christie, propuso una reforma educativa en Nueva Jersey que presiona a los docentes no solo para "enseñar para la prueba", sino también para que sus estudiantes obtengan buenos resultados, con el riesgo potencial de perder su salario y seguridad laboral. La reforma exigía una remuneración basada en el desempeño que dependiera del rendimiento de los estudiantes en las pruebas estandarizadas y de sus logros educativos. ^{[ 48 ]}

Los críticos sostienen que el uso excesivo e indebido de estas pruebas perjudica la enseñanza y el aprendizaje al restringir el currículo. Según el grupo FairTest , cuando las pruebas estandarizadas son el factor principal de rendición de cuentas, las escuelas las utilizan para definir de forma restrictiva el currículo y centrar la instrucción. La rendición de cuentas genera una enorme presión para obtener buenos resultados, lo que puede conducir al uso indebido y la mala interpretación de las pruebas estandarizadas. ^{[ 49 ]}