परीक्षण, मापन और मूल्यांकन I: शारीरिक शिक्षा और खेलों में उनके प्रकार और महत्त्व, मूल्यांकन के सिद्धांत और प्रक्रियाएँ, परीक्षण के चयन के मानदंड और परीक्षण कार्यक्रम का प्रशासन, परीक्षण के प्रकार और मानक ज्ञान तथा कौशल परीक्षणों का निर्माण, और बैडमिंटन, बास्केटबॉल, फ़ुटबॉल, हॉकी, टेनिस तथा वॉलीबॉल के खेल कौशल परीक्षण

परीक्षण वह उपकरण, साधन या तकनीक है जिससे ऐसी प्रतिक्रिया प्राप्त की जाती है जिससे किसी गुण का आकलन हो सके: 50 मीटर स्प्रिंट, सिट-एंड-रीच बॉक्स, प्रश्नावली। मापन परीक्षण द्वारा सूचना एकत्र करने और उसे मात्रात्मक रूप में, एक संख्या के रूप में, व्यक्त करने की प्रक्रिया है: 7.2 सेकंड, 28 cm। मूल्यांकन उस सूचना के मूल्य या उपयोगिता को किसी मानक या उद्देश्य के सापेक्ष आँकने की प्रक्रिया है: "7.2 सेकंड उसकी आयु के मानक से ऊपर है" या "इकाई का उद्देश्य पूरा हुआ"। अतः परीक्षण उपकरण है, मापन परिमाणीकरण और मूल्यांकन निर्णय; मूल्यांकन अमापित सूचना, जैसे अवलोकन, का भी प्रयोग कर सकता है।

मूल्यांकन स्थापन (आरंभ में, विद्यार्थियों को समूहित करने या उन्हें सही स्तर पर रखने हेतु), नैदानिक (विशिष्ट कमज़ोरियों और उनके कारणों की पहचान हेतु), निर्माणात्मक (निर्देशन के दौरान, प्रतिपुष्टि देने और शिक्षण तथा अधिगम सुधारने हेतु) या योगात्मक (किसी इकाई, सत्र या पाठ्यक्रम के अंत में, समग्र उपलब्धि आँकने और श्रेणियाँ देने हेतु) हो सकता है। यह मानक-संदर्भित हो सकता है, किसी प्रदर्शन की तुलना एक संदर्भ समूह के प्रदर्शन से करते हुए (शततमक, T-अंक, कक्षा में क्रम), या मानदंड-संदर्भित, उसकी तुलना एक निश्चित मानक से करते हुए (स्वास्थ्य-संबंधी स्वस्थता मानक जैसे "स्वस्थ फ़िटनेस क्षेत्र", या "50 मीटर तैर सकता है")। परीक्षण वस्तुनिष्ठ या व्यक्तिनिष्ठ, मानकीकृत या शिक्षक-निर्मित, और निष्पादन, लिखित या मौखिक हो सकते हैं। शारीरिक शिक्षा में मापन और मूल्यांकन अभिप्रेरणा, वर्गीकरण और समूहन, निदान और उपचारात्मक कार्य, श्रेणीकरण और प्रतिवेदन, टीमें चुनने, कार्यक्रमों और शिक्षण के मूल्यांकन, प्रदर्शन के पूर्वानुमान, शोध और मार्गदर्शन हेतु महत्त्वपूर्ण हैं।

शारीरिक शिक्षा में मूल्यांकन के सिद्धांत हैं कि यह कार्यक्रम के उद्देश्यों पर आधारित हो; सतत और व्यापक हो, शारीरिक, गामक, संज्ञानात्मक और भावात्मक क्षेत्रों को आच्छादित करे; विविध वैध और विश्वसनीय तकनीकों का प्रयोग करे; निष्पक्ष और पूर्वाग्रह-मुक्त हो; केवल श्रेणी देने के बजाय अधिगम और शिक्षण सुधारने हेतु प्रयुक्त हो; विद्यार्थियों को आत्म-मूल्यांकन में शामिल करे; और अभिलिखित तथा सार्थक रूप से व्याख्यायित हो। इसकी प्रक्रिया है उद्देश्यों की पहचान करना, किस साक्ष्य की आवश्यकता है यह तय करना, उपयुक्त परीक्षण चुनना या बनाना, उन्हें ठीक से प्रशासित करना, परिणामों का अंकन और विश्लेषण करना, मानकों या मानदंडों के सापेक्ष उनकी व्याख्या करना, और निष्कर्षों का प्रयोग तथा प्रतिवेदन करना।

अच्छे परीक्षण के वैज्ञानिक मानदंड वैधता, विश्वसनीयता और वस्तुनिष्ठता हैं, जिन्हें मानक और प्रशासनिक व्यवहार्यता सहारा देते हैं। वैधता वह मात्रा है जिस तक कोई परीक्षण वही मापता है जिसे मापने का वह दावा करता है। विषयवस्तु (तार्किक, आभासी) वैधता इस आधार पर आँकी जाती है कि परीक्षण प्रासंगिक सामग्री या कौशल का प्रतिदर्श लेता है या नहीं; मानदंड-संबंधी वैधता किसी स्वीकृत मानदंड से सहसंबंध द्वारा, या तो उसी समय (समवर्ती वैधता, जैसे प्रयोगशाला VO2max के सापेक्ष क्षेत्र परीक्षण) या भविष्य में (पूर्वानुमानात्मक वैधता); और रचना वैधता इस आधार पर कि परीक्षण अंतर्निहित सिद्धांत के पूर्वानुमान के अनुसार व्यवहार करता है या नहीं, उदाहरणार्थ कुशल और अकुशल खिलाड़ियों में भेद करके। विश्वसनीयता अंकों की संगति है: परीक्षण-पुनर्परीक्षण विश्वसनीयता उसी परीक्षण के दो प्रशासनों का सहसंबंध निकालती है; समानांतर-रूप विश्वसनीयता दो समतुल्य रूपों का; अर्ध-विभाजन विश्वसनीयता एक परीक्षण के दो अर्धों का, जिसे स्पीयरमैन-ब्राउन सूत्र r = 2r½ ÷ (1 + r½) से पूरी लंबाई तक सुधारा जाता है, अतः 0.6 का अर्ध-परीक्षण सहसंबंध 1.2 ÷ 1.6 = 0.75 देता है; और आंतरिक संगति कूडर-रिचर्डसन सूत्रों या क्रॉनबाख़ अल्फ़ा से। वस्तुनिष्ठता समान प्रदर्शन का अंकन करने वाले भिन्न परीक्षकों के बीच सहमति है, अर्थात् अंतर-निर्णायक विश्वसनीयता।

वैध परीक्षण का विश्वसनीय होना आवश्यक है, पर विश्वसनीय परीक्षण का वैध होना आवश्यक नहीं: एक स्टॉपवॉच सिट-एंड-रीच को संगत रूप से माप सकती है जबकि वह लचीलेपन के बारे में कुछ नहीं मापती। वैज्ञानिक मानदंडों के अलावा परीक्षण के पास परखे जाने वाले समूह के अनुकूल मानक (आयु, लिंग और स्तर के अनुसार) होने चाहिए; वह समय, लागत और उपकरणों में मितव्ययी हो; प्रशासित करने और अंकित करने में आसान हो; विषयों की आयु, लिंग और क्षमता के अनुकूल और सुरक्षित हो; शैक्षिक मूल्य और रुचि रखे; और खिलाड़ियों में भेद करे। परीक्षण कार्यक्रम का प्रशासन तीन चरणों में चलता है। परीक्षण से पहले: परीक्षण चुनना, क्रम नियोजित करना (ऊँचाई, भार और लचीलेपन जैसे न थकाने वाले परीक्षण पहले और दूरी दौड़ जैसे थका देने वाले परीक्षण अंत में), सुविधाओं, उपकरणों और अंक-पत्रों की व्यवस्था, सहायकों को प्रशिक्षित करना, निर्देश तैयार करना, विषयों को सूचित करना और उनकी स्वास्थ्य जाँच करना। परीक्षण के दौरान: मानक निर्देश और प्रदर्शन देना, वार्म-अप देना, कार्यविधियों का ठीक-ठीक पालन करना, सभी विषयों को समान रूप से प्रेरित करना, सुरक्षा सुनिश्चित करना और अंक सावधानी से अभिलिखित करना। परीक्षण के बाद: अंकों की जाँच और संकलन, उनका विश्लेषण और व्याख्या, विद्यार्थियों और अभिभावकों को परिणाम बताना, और शिक्षण तथा नियोजन हेतु उनका प्रयोग।

ज्ञान परीक्षण नियमों, तकनीकों, रणनीति, इतिहास, स्वास्थ्य और गतिविधि के वैज्ञानिक आधार की समझ मापता है। इसका निर्माण नियोजन से आरंभ होता है: उद्देश्य बताना और विनिर्देश तालिका (नीलपत्र) तैयार करना जो विषयवस्तु क्षेत्रों और संज्ञानात्मक स्तरों (ज्ञान, बोध, अनुप्रयोग) को मदें आवंटित करती है। फिर मदें लिखी जाती हैं: वस्तुनिष्ठ प्रकार (सत्य-असत्य, बहुविकल्पीय, मिलान, पूर्ति) और निबंधात्मक प्रकार, नियमों का पालन करते हुए जैसे प्रति मद एक स्पष्ट विचार, विश्वसनीय विकर्षक और शब्दों में कोई संकेत नहीं। प्रारूप की विशेषज्ञ समीक्षा होती है, लक्ष्य समूह जैसे प्रतिदर्श पर उसका परीक्षण होता है, और मद-विश्लेषण होता है। कठिनाई सूचकांक सही उत्तर देने वालों का अनुपात है, p = (RU + RL) ÷ (NU + NL) जब उच्च और निम्न समूहों (प्रायः शीर्ष और तल के 27 प्रतिशत) का प्रयोग हो; विभेदन सूचकांक D = (RU − RL) ÷ N है, जहाँ N हर समूह का आकार है। यदि उच्च समूह के 30 में से 24 और निम्न समूह के 30 में से 12 किसी मद का सही उत्तर दें, तो p = 36 ÷ 60 = 0.6 और D = (24 − 12) ÷ 30 = 0.4। मध्यम कठिनाई (लगभग 0.3 से 0.7) और अच्छे विभेदन (लगभग 0.3 या अधिक) वाली मदें रखी जाती हैं; शून्य या ऋणात्मक विभेदन वाली मदें संशोधित या त्याग दी जाती हैं। अंत में विश्वसनीयता और वैधता स्थापित की जाती है, और मानक तथा निर्देश पुस्तिका तैयार की जाती है।

कौशल परीक्षण किसी खेल के मूलभूत कौशलों के निष्पादन की क्षमता मापता है। इसका निर्माण समान चरणों का पालन करता है: खेल के आवश्यक कौशलों की पहचान हेतु उसका विश्लेषण (विशेषज्ञ मत और साहित्य से); ऐसी परीक्षण मदें चुनना या बनाना जो हर कौशल को खेल-जैसे पर मानकीकृत रूप में अलग करें; उपकरण, क्षेत्र, कार्यविधि, प्रयासों और अंकन हेतु सटीक निर्देश लिखना; व्यवहार्यता हेतु प्रायोगिक अध्ययन; विश्वसनीयता (प्रायः परीक्षण-पुनर्परीक्षण) और वैधता (प्रायः खेलने की क्षमता की निर्णायक रेटिंग से सहसंबंध द्वारा, या भिन्न स्तर के खिलाड़ियों की तुलना करके) स्थापित करना; मदों को बैटरी में जोड़ना, प्रायः बहु-प्रतिगमन से भारों सहित; और मानक तैयार करना। अच्छे कौशल परीक्षण सरल, सुरक्षित, खेल-जैसे होते हैं, एक समय में एक कौशल मापते हैं, कौशल स्तरों में भेद करते हैं और वस्तुनिष्ठ अंक देते हैं।

इनमें से अधिकांश परीक्षण कुछ ही अभिकल्पों को साझा करते हैं। दीवार-वॉली परीक्षण (बैडमिंटन में लॉकहार्ट-मैकफ़र्सन, फ़ुटबॉल में मैकडॉनल्ड, टेनिस में डायर, वॉलीबॉल में ब्रैडी) निर्धारित समय में दीवार के विरुद्ध वैध प्रहारों की संख्या गिनते हैं, गेंद या शटल को बार-बार नियंत्रित करने की सामान्य क्षमता मापते हुए। लक्ष्य परीक्षण (फ़्रेंच सर्व और क्लियर परीक्षण, ब्रोअर-मिलर ड्राइव, वॉलीबॉल बैटरियों की सर्विस मदें) इस आधार पर सटीकता का अंकन करते हैं कि वस्तु अंकित लक्ष्य क्षेत्र में कहाँ गिरती है। गति और बाधा परीक्षण (बास्केटबॉल, फ़ुटबॉल और हॉकी में ड्रिबलिंग) किसी निर्धारित पथ के चारों ओर कौशल के निष्पादन का समय मापते हैं। बैटरियाँ कई मदों को खेलने की क्षमता के एक अंक में जोड़ती हैं। जब कोई परीक्षण प्रयुक्त हो, तो उसके प्रकाशित निर्देशों, अंकन और मानकों का ठीक-ठीक पालन करना चाहिए, क्योंकि संशोधित परीक्षण उसके लिए स्थापित वैधता और विश्वसनीयता खो देता है।