三因素 CFA（驗證性因素分析，把理論寫成可被資料反駁的模型）配適度良好，教師就能用分數判定誰「認知投入不足」嗎？Day 13 已提醒我們，信度不能替題目內容與用途背書；模型配適度也沒有補完這條推論。今天把「這份量表信效度良好」拆開，逐步檢查從反應、分數解釋到教學行動，究竟各有什麼證據。

本篇談的內部結構證據，來自這個模型：

依 2014 Standards（美國教育與心理測驗標準）與論證取向的效度觀，我們評估的是「指定用途下的測驗分數解釋」。換了用途，原有證據未必足夠；同一份題本移到另一母體、語言或決策情境時，也要重新檢查哪些推論仍成立。後文保留英文術語供查閱原文，但每次都要說清楚是在支持哪一段解釋。

從 response 走到 action 的推論鏈

我為 ENGAGE-v1 寫一條縮小的 interpretation（分數解釋）/use argument（論證）：

12 題反應
 → 依三面向評分
 → 對指定課程情境可一般化
 → 解釋為有限範圍的學習投入面向
 → 班級層級提出教材調整假設
 → 以其他資料確認後行動

這張鏈的用途是定位證據缺口。它不是 validation（效度驗證）成功證明；每支箭頭都有假設，任一處失敗都會限制後續主張。

常見證據可以放回鏈上。題目內容與專家審查主要處理構念代表性（construct representation）。作答歷程證據處理學生如何理解題意。內部結構（internal structure）處理題目關聯是否符合預定 scoring（計分）。與外部變項關係檢查 convergent、discriminant 或 criterion patterns；使用後果與公平性則回到 action。這些不是彼此獨立的「效度種類貼紙」，而是支持或挑戰一個論證的來源。

六層責任

本篇的「估計」改為評估規則，因為 target 是一組推論的可辯護程度，不是一個效度（validity） parameter。

Claude 協作：把證據清單改成論證地圖

請 Claude 整理效度證據時，若只得到內容效度、構念效度、效標效度三欄，再各填一個數字，還不能回答數字支持什麼用途。這個表可以幫助辨認文獻用語，但作為本系列的寫作骨架，還需要把每個證據接回推論鏈。

更可用的格式是四欄：推論、假設、支持證據、競爭解釋。例如從三分量表分數走到三個投入面向，假設之一是題目共變主要由預定構念產生；CFA 可提供結構證據，競爭解釋則包括相似措辭、反應風格或高階共同因素。欄位填完後，仍要逐項查核來源與資料，不能把生成的表格當成已成立的論證。

完整例題：一個可被削弱的用途論證

假設 Day 17 的三因素 CFA 達到可接受的 fit（不證明模型正確），Day 13 各分量表信度（reliability）也足以做班級摘要；這兩篇都在後面，此處只是為了走完論證而設的假設，不依賴它們的實際結果。這支持 scoring 與部分內部結構，仍缺內容、作答過程及行動證據。若認知訪談發現學生把 EE 題目理解成「喜不喜歡老師」，那麼良好 fit 也可能是共同評價方法造成，情緒投入解釋被削弱。

所以讀 fit 指標時要記得每個指標各自摘要什麼、不證明什麼：

再假設 CE 與一項深度學習行為指標呈正相關。它提供 external relation evidence（證據），但若兩者都由同一份自陳問卷取得，共同方法可能是 rival explanation（對立解釋）。加入學習歷程、作業內容或時間序列資料，才可能縮小替代解釋。validation 的工作是讓論證承受競爭故事，不是只累積顯著結果。

在使用端，教師看到班級 CE 偏低，先檢查作業是否提供比較假設的機會，再設計活動並觀察變化。若直接標記學生「認知投入不足」，就跨過班級用途與額外證據。結果數字沒有變，推論距離變遠。

反例：fit 很好，題目問錯

想像 12 題全部都以相似正向句型詢問「我是一個認真的學生」。資料可能形成整齊單因素，fit 也很好；但內容沒有覆蓋我們定義的行為、情緒、認知投入。內部結構與構念代表性可以一好一壞。

另一個 failure case（失敗案例）是 known-groups difference：A 組平均顯著高於 B 組，作者稱為 criterion 效度。若群體 measurement invariance（測量恆等性）未處理，觀察到的差異未必是潛在平均數的差異。它可能來自題目在群體中的 intercept（截距）或 threshold（切點）。這時比較的就不是潛在平均數（latent mean）。Day 18 會把這個問題寫成可檢查限制。

效度論證需要持續更新

Messick 強調分數意義（score meaning）的證據與後果，Kane 則把 interpretation/use claims（需來源支持的主張）寫成可評估的 argument。兩套論述不必在短文中被壓成同一套術語；本系列採 argument map 作為寫作工具，並用 Standards 控制專業責任。這是一種教學選擇，不宣稱終結效度理論爭論。

教師報告時，應先寫 intended interpretation/use，再說明目前取得哪些 evidence、哪些 assumptions 尚未受測、有哪些不利結果，以及用途改變時要新增什麼。validated 最好理解為持續工作，而不是量表名稱旁的勾號。

把開頭的個人標記帶回鏈上，就能看到缺口：班級摘要即使有可接受的結構證據，也沒有因此取得個人分類所需的精確度與後果證據。教師應先退回原定的教材調整用途，再決定是否值得另做研究來支持更遠的行動。

不利證據不能放進抽屜

validation plan 要事先寫什麼結果會削弱主張。若只在資料出來後蒐集支持故事，任何結果都能被解釋為「另一種效度證據」。對 ENGAGE-v1，我先列三個停止條件：題目認知訪談顯示核心詞被系統性誤解；三面向結構在合理模型間極不穩定；教材調整用途造成標記或不公平負擔。出現時，行動是縮小解釋、修題或停止使用，不是再找一個漂亮係數抵銷。

證據也有適用範圍。A 課程中的內容審查與作答歷程，不能直接搬到另一語言或另一科目；即使題目翻譯正確，學習投入的情境意義可能改變。若把量表帶到新場域，舊證據是起點，不是免重新驗證的護照。

我把 argument map 做成版本化物件。每個 inference 有 owner、support、counterevidence、status 與 update trigger。Day 17 的 CFA 會更新 internal-structure（內部結構）節點；Day 18 更新 group comparison；Day 25 檢查是否有文章把局部 evidence 誇大成整體效度。這使效度論證能和教科書同步更新。

還有一個容易忽略的界線：效度證據可以支持解釋，不替決策者免除價值判斷。是否用分數改變教材、可接受什麼誤判與負擔，仍需教學與倫理理由。數據不能單獨決定行動。

原問題的答案是：效度是證據與理論對指定分數解釋／用途的支持程度，不能由單一係數代表。基礎閱讀是 Standards 2014；發展閱讀是 Messick（1995）與 Kane（2013）；前沿閱讀可進 fairness（公平性）、consequences、作答歷程（response process）與效度論證（validity argument） evaluation。

本篇留下 ENGAGE-v1 的推論鏈，以及如何逐段列出競爭解釋的示範。讀者應能指出一項支持證據和一項仍未排除的解釋。下一篇接手內部結構：題目相關矩陣為何讓我們引入潛在因素，又為何因素不能直接等同於構念？

來源與協作揭露

• AERA, APA, & NCME (2014). Standards for Educational and Psychological Testing，Validity 章。
• Messick, S. (1995). Validity of Psychological Assessment。
• Kane, M. T. (2013). Validating the Interpretations and Uses of Test Scores。