相対評価（そうたいひょうか）、もしくは集団準拠評価（しゅうだんじゅんきょひょうか、英語:norm-referenced Evaluation / Assessment）は、測定される特性に関して、あらかじめ定義された母集団における受験者の位置の推定値を提供する試験（テスト）、成績評価、または評価の一種である。
マーキング・オン・ア・カーブ（イギリス英語）、またはグレーディング・オン・ア・カーブ（アメリカ英語、カナダ英語）（カーブ・グレーディング、ベル・カービング、またはグレーディング・カーブの使用とも呼ばれる）と表現されることがある。これは、正規分布（ガウス分布とも呼ばれる）などの特定の平均および偏差特性を持つ、あらかじめ指定された成績の分布を得る、またはそれに近づけるようにクラスの学生に成績を割り当てる方法である。「カーブ（曲線）」という用語は、正規分布の確率密度をグラフィックで表現したベルカーブ（釣鐘曲線）を指すが、この方法は、一様分布など、任意の望ましい成績分布を達成するためにも使用できる。この推定値は、テストのスコアや、母集団から抽出された標本からの関連データの分析から導き出される。つまり、このタイプのテストは、受験者が他の受験者よりも良い成績を収めたか悪い成績を収めたかを特定するものであり、特定の目的に必要な内容を受験者がどれだけ知っているかを特定するものではない。準拠する母集団が受験者の同輩である場合、規範的評価（normative assessment）という用語が使用される。
集団準拠評価は、目標準拠評価および個人内評価（イプサティブ評価）などの絶対評価と対比される。目標準拠評価では、スコアは受験者が与えられた課題で良い成績を収めたか悪い成績を収めたかを示すものであり、他の受験者との比較を示すものではない。一方、個人内評価のシステムでは、受験者は自身の過去の成績と比較される。それぞれの方法は、同じテスト用紙の採点に使用することができる。
日本の学校教育で2000年頃まで行われていた成績評価である5段階相対評価のほか、コメの食味官能試験のような製品評価でも相対評価の手法が使われている。AとBを比較してどちらが良いか悪いかを判定していく一対評価法、A・B・Cを比較して順位をつけていく順位法などがある。
他との比較によらず何らかの指標や尺度を用いるものは絶対評価となり、製品評価を例とすると、A・B・Cを比較して良いと感じる順に順位付けするのは相対評価だが、他と比較することなくAを良いと感じるか否かや10点満点中の何点と思うかなどと問うものは絶対評価となる。
集団基準準拠テスト 相対評価、もしくは集団準拠評価を行うテストのことを、集団基準準拠テスト（しゅうだんきじゅんじゅんきょテスト、NRT：norm-referenced test）という。ロバート・グレイザーは、「集団基準準拠テスト」および「目標基準準拠テスト」という用語を最初に考案した。
多くの大学入学試験や全国規模で使用される学校のテストでは、集団準拠テストが用いられている。SAT、GRE（Graduate Record Examination）、およびウェクスラー児童知能検査（WISC）は、個々の学生の成績を規範的標本の成績と比較するものである。受験者は集団準拠テストで「不合格」になることはない。なぜなら、各受験者はテストを受けた他の受験者と自分を比較するスコア（通常はパーセンタイルで表される）を受け取るからである。これは、許容されるスコアの範囲が広く、誰がより優れた成績を収めたかを把握することが目的である場合に役立つ。
知能検査（IQテスト）は、受験者の知能を順位付けすることを目的としているため、集団準拠テストである。中央値のIQは100に設定されており、すべての受験者はそのレベルと比較して上下に順位付けされる。
方法 曲線上で成績を評価する一つの方法は、以下の3つのステップを使用する。
学生に数値スコア（または十分にきめ細かい順序尺度上のスコア）が割り当てられる。スコアの順序がコース内の各学生の相対的な成績と一致している限り、絶対値の重要性は低い。 これらのスコアはパーセンタイル（または分位点などの他のシステム）に変換される。 パーセンタイルの尺度が間隔に分割され、各成績の間隔の幅がその成績の望ましい相対度数を示すように、パーセンタイル値が成績に変換される。
たとえば、特定の大学のコースにA、B、C、D、Fの5つの成績があり、Aが上位20%、Bが次の30%、Cが次の30〜40%、DまたはFが残りの10〜20%に割り当てられているとする。この場合、パーセンタイル間隔が0%から10〜20%のスコアはDまたはFの成績となり、11〜21%から50%のスコアはCの成績となり、51%から80%のスコアはBの成績を受け取り、81%から100%のスコアはAの成績を獲得する。
上記の例と一致するように、成績評価曲線により、教育機関は特定の成績評価値（GPA）のしきい値全体にわたる学生の分布を確保することができる。多くの教授はコースの平均をCにすることを目標に曲線を設定するため、対応する成績評価値の同等値は、ほとんどの北米の大学で採用されている標準的な4.0スケールで2.0となる。同様に、4.0スケールで3.0の成績評価値は、その学生がクラスの上位20%以内にいることを示す。成績評価曲線はこれらの数値にさらなる意義を持たせる役割を果たし、採用される特定の分布は教育機関によって異なる場合がある。
利点と限界 集団準拠テストの主な利点は、テストにおける個人の成績が参照グループの他の人々と比較してどうかという情報を提供できることである。
集団準拠テストの深刻な限界は、参照グループが関心のある現在の母集団を代表していない可能性があることである。オレゴン研究所の国際パーソナリティ項目プール（IPIP）のウェブサイトで指摘されているように、「現在のサンプルが代表的なサブセットとなるような母集団を見つけることができるかどうかは明らかではないため、出来合いの『規範』を使用することには非常に慎重であるべきである。ほとんどの『規範』は誤解を招くため、使用すべきではない。はるかに正当性があるのは、自ら開発するローカルな規範である。たとえば、クラスの学生にフィードバックを与えたい場合、各個人のスコアを、クラス自体から導き出された平均値および標準偏差と関連付けるべきである。情報量を最大化するために、これらのローカルな規範に基づいて、各尺度の度数分布を学生に提供し、個々の学生がこれらの関連する分布上で自分のスコアを見つける（そして丸で囲む）ことができるようにするとよい」とされる。
集団への準拠は、テストが妥当であること（つまり、測定することを意図した構成概念を測定していること）を保証するものではない。
集団準拠テストのもう一つの欠点は、母集団全体の進歩を測定することはできず、全体の中で個人がどこに位置するかを測定することしかできない点である。すべての学生の成績向上を目指す教育改革プログラムの成功を測定する場合などには、むしろ固定された目標に対して測定を行う必要がある。
集団準拠テストでは、学年レベルは伝統的にスコアの中間50パーセントによって設定されたレベルセットに置かれていた。対照的に、全米児童読書財団（National Children's Reading Foundation）は、ほぼすべての子供が小学3年生までに学年レベル以上の読書力を確実に身につけることが不可欠であると考えているが、この目標は集団準拠で定義された学年レベルでは達成できない。
規範は自動的に基準（スタンダード）を意味するわけではない。集団準拠テストは、受験者が何を知っているべきか、何ができるべきかという期待を強制しようとするものではない。それは、受験者を同輩と比較することによって受験者の現在のレベルを測定する。順位に基づくシステムは、どの学生が平均的なレベルで成績を収め、どの学生がより優れており、どの学生が劣っているかを示すデータのみを生成する。雇用やさらなる教育に受け入れられるレベルで、どの受験者が課題を正しく遂行できるかを特定するものではない。
成績評価曲線の最終的な目的は、同じコースの異なるインストラクター間のばらつきの影響を最小限に抑えるか排除し、どのクラスの学生も同輩と相対的に評価されるようにすることである。これはまた、特定の試験の複数のバージョンを利用することに関連する問題を回避する。この方法は、クラスのセクション間でテストの実施日が異なる場合によく採用される。実際の難易度か認識上の難易度かにかかわらず、難易度の違いに関係なく、成績評価曲線は学業成績のバランスのとれた分布を保証する。
しかし、曲線による成績評価は学生間の競争を激化させ、クラスにおける教員の公平性に対する学生の感覚に影響を与える可能性がある。学生は一般的に、曲線が使用されなかった場合に受け取ったであろう成績と比較して、曲線によって成績が下がった場合に最も不満を抱く。これが起こらないようにするため、教師は成績評価曲線を使用する意図がある場合、テスト自体を十分に難しくするよう努力するのが通常である。これにより、平均的な学生が曲線で平均として使用される意図のあるスコアよりも低い素点を取ることを予想し、すべての学生が曲線の恩恵を受けられるようにする。したがって、曲線の成績評価を盲目的に使用することはできず、目標準拠評価などの代替案と比較して慎重に検討し、熟考する必要がある。さらに、曲線の成績評価を絶えず誤用すると、設計の不十分なテストの成績を調整することになりかねないが、評価は本来、インストラクターによって設定された学習目標を正確に反映するように設計されるべきである。
日本の教育分野での使用 日本の教育分野では、第二次世界大戦後の教育改革で指導要録に導入された5段階相対評価による成績評価法を指して相対評価ということが多い。生徒の成績が学習集団全体のどのあたりの位置にあるかで評価しようとするものであり、集団内の成績分布は正規分布に近づくという仮定のもと、テストの平均値や中央値を基準に、最上位の「5」に属する生徒は7%、「4」に属する生徒は24%、「3」に属する生徒は38%、「2」に属する生徒は24%、最下位の「1」に属する生徒は7%と割合を決めて、生徒の評価をするものだった。
集団内での相対的な位置づけを示すものであるため、同じ学力を持っていてもどの集団に属するかによって評価が異なってくる。1969年の通信簿論争で評価の不合理性が批判されて以降、到達度評価の導入を含め見直しが進み、2001年（平成13年）の指導要録改訂によって廃止された。
その他の評価
個人内評価 個人内評価では、個人の成績は自分自身の過去の成績とのみ比較される。たとえば、減量のためのダイエットをしている人は、自分の現在の体重が理想の体重や他人の体重と比べてどうかではなく、自分自身の過去の体重と比べてどう変化したかによって判断される。
目標準拠評価
期待される行動または望ましい行動に従って成績が判断される場合、テストは目標準拠評価（基準準拠テスト）となる。設定された基準（例：全員が1キロメートルを5分未満で走れる必要がある）に基づいて受験者を判断するテストは、目標準拠テストである。目標準拠テストの目標は、個人が他の走者よりも速いか遅いかを知ることではなく、テスト実施者が求める速さで個人が走れるかどうかを知ることである。アメリカの基準準拠評価に基づく教育改革は、目標準拠テストに焦点を当てている。このモデルでは、すべての受験者が合格することも、すべての受験者が不合格になることもあり得る。
出典
関連項目 偏差値 教育評価 成績評価 目標準拠評価 個人内評価 目標基準準拠テスト 横浜国立大学附属鎌倉中学校内申書事件 横浜市立中学校成績談合問題
外部リンク
A Comprehensive Look at Types of Curves A Brief Note about Grade Statistics or How the Curve is Computed How to Create a Bell Curve in Excel