Dans le vaste champ de la psychométrie contemporaine et des sciences de l’éducation, l’évaluation des apprentissages et des compétences individuelles constitue un défi méthodologique fondamental. Le test critérié (ou évaluation critériée) s’impose comme un paradigme d’évaluation qui compare la performance d’un individu non pas à celle d’un groupe de pairs, mais à un ensemble prédéterminé d’objectifs pédagogiques, de critères d’expertise ou de seuils de maîtrise rigoureusement opérationnalisés.
Test critérié
1. Définition concise
Un test critérié est un instrument de mesure psychologique ou éducatif conçu pour déterminer si un sujet a acquis des connaissances spécifiques, développé des habiletés méthodologiques particulières ou atteint un niveau de compétence prédéfini. Contrairement aux épreuves fondées sur une distribution statistique relative, son objectif premier consiste à traduire un score brut en une déclaration univoque concernant ce que l’examiné est réellement capable de faire.
Sur le plan conceptuel, ce type d’épreuve repose sur la définition explicite d’un domaine de performance. La valeur informative du score découle directement de son adéquation à un standard de contenu autonome, indépendant de la moyenne ou de l’écart-type de la cohorte d’apprenants. Le résultat d’un tel test se traduit le plus souvent par un diagnostic binaire de maîtrise (« réussi » ou « non réussi ») ou par un positionnement sur une échelle de stades de développement qualitatifs clairement circonscrits.
Cette approche accorde une priorité absolue à la validité de contenu et à la clarté descriptive des compétences. Elle s’inscrit au cœur des démarches de certification professionnelle, des bilans de compétences cliniques et des programmes pédagogiques d’apprentissage par maîtrise, où l’absolu de la compétence prime sur la comparaison sociale ou statistique des individus.
2. Étymologie et origine linguistique
L’expression française « test critérié » est un calque structural de la formule anglophone criterion-referenced test, introduite dans la littérature psychométrique par le psychologue américain Robert Glaser en 1963. Le mot « test » provient de l’ancien français test, désignant une coupelle de terre cuite utilisée par les alchimistes pour purifier l’or et éprouver les métaux précieux, lui-même dérivé du latin testum (« pot de terre »). Au fil de son adoption en anglais au XIXe siècle, le mot a pris le sens moderne d’épreuve, d’examen ou d’instrument standardisé d’investigation.
Le terme « critérié » dérive du substantif « critère », issu du grec ancien kritêrion (κριτήριον), signifiant « instrument pour juger », « tribunal » ou « règle de jugement », forgé sur la racine krinein (κρίνειν, « séparer », « distinguer », « trancher »). Le suffixe adjectival verbal indique que l’épreuve est spécifiquement articulée et ancrée sur un référentiel de critères prédéfinis.
Dans la littérature francophone spécialisée en docimologie et en psychométrie, on retrouve fréquemment des syntagmes synonymes ou connexes tels que « évaluation critériée », « test de maîtrise » ou « mesure étalonnée sur critères ». L’introduction du concept a marqué une rupture épistémologique avec la tradition dominante de la mesure des différences individuelles, centrée historiquement sur la sélection comparative.
3. Prononciation et forme grammaticale
Sur le plan phonétique, « test critérié » se prononce /tɛst kʁi.te.ʁje/ en français standard. Le terme s’emploie principalement comme un syntagme nominal masculin singulier (au pluriel : « tests critériés », prononcé à l’identique /tɛst kʁi.te.ʁje/).
La forme adjectivale « critérié » (féminin : « critériée ») s’applique également à d’autres substantifs du champ évaluatif, donnant lieu à des formulations académiques courantes comme « évaluation critériée », « notation critériée » ou « interprétation critériée des résultats ». Il convient de ne pas confondre l’adjectif « critérié » (qui décrit la modalité d’interprétation par rapport à un seuil objectif) avec la « validité de critère » (qui désigne la corrélation statistique d’un test avec une variable externe empirique).
4. Explication conceptuelle détaillée
Pour appréhender l’essence du test critérié, il est nécessaire de comprendre la distinction fondamentale établie en métrologie humaine entre la description de la compétence absolue et l’estimation de la position relative d’un individu. Dans une perspective traditionnelle de référence à la norme, la signification d’une note dépend entièrement des performances des autres candidats de la cohorte : un score de 70 % peut représenter un échec retentissant dans un groupe très fort ou un succès remarquable dans un groupe très faible. À l’opposé, le test critérié neutralise cette dépendance vis-à-vis d’autrui. La question fondamentale n’est pas « Comment Jean se situe-t-il par rapport à Pierre ? », mais « Jean est-il capable de poser un diagnostic différentiel sans erreur critique ? » ou « Peut-il résoudre une équation différentielle linéaire du premier ordre ? ».
Le cœur de l’approche critériée réside dans la spécification exhaustive du domaine d’objectifs. Les concepteurs d’un tel instrument doivent formuler des objectifs opérationnels précis, décrits en termes de comportements observables et mesurables. Cette étape suppose une analyse rigoureuse de la tâche ou de la compétence ciblée, décomposée en savoirs, savoir-faire et attitudes élémentaires. Chaque item du test est minutieusement conçu pour échantillonner un sous-ensemble représentatif de ce domaine défini, de telle sorte qu’une réussite à l’item prouve l’acquisition effective de la compétence sous-jacente.
Une dimension centrale de ce paradigme concerne la fixation du seuil de coupure (cut-off score ou seuil de passage). Ce seuil représente la frontière critique séparant l’état de non-maîtrise de l’état de maîtrise. Contrairement aux seuils arbitraires (comme la moyenne théorique d’une classe), la définition d’un seuil critérié s’appuie sur des méthodes de consensus d’experts, des études d’impact empiriques et des analyses psychométriques destinées à minimiser à la fois les faux positifs (les candidats déclarés compétents alors qu’ils ne le sont pas) et les faux négatifs (les candidats compétents déclarés en échec).
Sur le plan de la variance statistique, les tests critériés bousculent les dogmes classiques de la psychométrie galtonienne. Dans les modèles normés, une forte variance des scores est recherchée pour maximiser la fidélité et discriminer finement les individus le long d’une courbe de Gauss. Dans un test critérié administré au terme d’une intervention pédagogique ou thérapeutique hautement efficace, l’idéal théorique est précisément une variance nulle : la quasi-totalité des participants devrait obtenir un score parfait ou proche de la perfection, attestant que l’ensemble de la population cible a atteint les critères de maîtrise requis.
5. Développement historique
La genèse conceptuelle du test critérié s’articule autour des mutations pédagogiques et industrielles du milieu du XXe siècle. Durant la Première et la Seconde Guerre mondiale, la psychométrie s’était principalement construite sur des impératifs de tri, de sélection et de classification massive des recrues militaires, favorisant des épreuves étalonnées sur des normes de groupe comme l’Army Alpha Test. Toutefois, la complexification croissante des technologies d’après-guerre a exigé la formation de techniciens et de spécialistes devant impérativement maîtriser des procédures opérationnelles sans tolérance pour l’erreur aléatoire.
En 1963, le psychologue Robert Glaser publie un article fondateur intitulé Instructional Technology and the Measurement of Learning Outcomes dans la revue American Psychologist. Glaser y formalise pour la première fois la distinction nette entre les mesures avec « référence à la norme » (norm-referenced) et les mesures avec « référence à un critère » (criterion-referenced). Il démontre que les tests normatifs, en valorisant la dispersion statistique des individus, s’avèrent structurellement inaptes à guider l’action pédagogique quotidienne et à évaluer l’efficacité intrinsèque des programmes d’instruction.
Dans le sillage des travaux de Glaser, l’avènement du modèle de l’apprentissage par maîtrise (mastery learning) théorisé par Benjamin Bloom à la fin des années 1960 a offert un terreau fertile au test critérié. Bloom soutenait que la vaste majorité des apprenants peut maîtriser des compétences complexes si le temps d’apprentissage et les rétroactions pédagogiques sont adaptés à leurs rythmes individuels, ce qui postulait la nécessité impérieuse d’instruments d’évaluation diagnostiques capables de valider chaque palier d’apprentissage indépendamment du groupe.
Durant les années 1970 et 1980, sous l’impulsion de chercheurs tels que W. James Popham et Ronald Hambleton, le test critérié a acquis son armature mathématique et méthodologique formelle. Les psychométriciens ont élaboré des théories spécifiques de la fidélité adaptées aux décisions de classification et ont formalisé des protocoles rigoureux de détermination des seuils de passage, faisant entrer l’évaluation critériée dans les systèmes éducatifs nationaux et les examens de licence professionnelle à l’échelle internationale.
6. Fondements théoriques
Le test critérié repose sur un corpus théorique pluridisciplinaire combinant les sciences cognitives, la théorie du béhaviorisme opérant appliqué à l’instruction et les développements avancés de la modélisation statistique en psychométrie.
D’un point de vue épistémologique et didactique, le modèle s’appuie sur la taxonomie des objectifs éducatifs et l’ingénierie des compétences. Selon cette approche, tout apprentissage ou toute compétence clinique complexe peut être opérationnalisé en comportements manifestes et observables. Les critères ne sont pas des abstractions vagues, mais des descripteurs précis qui précisent la tâche attendue, les conditions d’exécution (par exemple, le temps accordé, le matériel autorisé) et le standard minimal d’exactitude requis. Ce cadre suppose que la compétence est un état latent modifiable par l’intervention et l’expérience, rompant avec la conception structuraliste de l’intelligence comme trait immuable et purement différentiel.
Sur le versant psychométrique, le test critérié s’articule étroitement avec la théorie moderne de la mesure, notamment la théorie des réponses aux items (TRI). Contrairement à la théorie classique des tests, qui focalise son attention sur le score total et la variance de l’échantillon, les modèles de la TRI (notamment les modèles logistiques de Rasch à un, deux ou trois paramètres) permettent de situer sur un même continuum latent la difficulté intrinsèque de chaque item et le niveau d’habileté du sujet. Dans ce cadre, le critère devient un point spécifique sur l’échelle continue d’aptitude : un individu est jugé avoir satisfait au critère si sa probabilité estimée de réussir les tâches relevant de ce niveau dépasse un seuil d’exigence statistique prédéterminé.
Enfin, la théorie de la décision statistique constitue le troisième pilier théorique du test critérié. Dans la mesure où l’objectif ultime est souvent une prise de décision catégorielle (admission, recertification, orientation, remédiation), le test est analysé comme un classificateur binaire. Les théoriciens appliquent ainsi les principes de la théorie de détection du signal pour optimiser la sensibilité et la spécificité des épreuves et minimiser les coûts psychologiques, éducatifs ou économiques associés aux erreurs de décision.
7. Composantes clés, types et dimensions
La structure d’un dispositif d’évaluation critériée comprend un ensemble d’éléments architecturaux et fonctionnels interdépendants qui garantissent son utilité diagnostique et sa robustesse métrologique :
- Le domaine de contenu ou référentiel de compétences : Délimitation exhaustive et explicite de l’univers des connaissances, habiletés et comportements soumis à l’évaluation, excluant toute ambiguïté sur ce qui est évalué.
- Les objectifs opérationnalisés : Énoncés univoques précisant l’action que le candidat doit exécuter, les conditions matérielles d’exécution et le critère de performance acceptable.
- La banque d’items alignés : Ensemble de questions, problèmes ou simulations pratiques conçus pour refléter fidèlement les objectifs sans biais de difficulté parasite.
- Le seuil de coupure (cut-off score) : Valeur numérique ou qualitative séparant les différents niveaux de maîtrise, établie sur la base d’un jugement méthodologiquement encadré.
- Les grilles d’évaluation descriptives (rubriques) : Échelles qualitatives détaillant les caractéristiques précises attendues pour chaque échelon de performance dans le cadre de tâches ouvertes ou d’observations cliniques.
On distingue généralement plusieurs déclinaisons de ces épreuves selon leur finalité décisionnelle :
- Les tests de maîtrise binaire : Conçus pour déterminer si un seuil absolu de compétence est franchi (ex. : validation d’un module de sécurité, obtention d’un permis de conduire).
- Les tests critériés à niveaux gradués : Dispositifs identifiant la progression le long d’une trajectoire de développement par paliers (ex. : les niveaux du Cadre européen commun de référence pour les langues, du niveau A1 au niveau C2).
- Les tests diagnostiques critériés : Instruments fournissant un profil analytique détaillé des forces et des faiblesses spécifiques d’un apprenant pour orienter immédiatement une remédiation ciblée.
8. Exemples et cas illustratifs
Pour illustrer concrètement le fonctionnement d’un test critérié, examinons le cas paradigmatique de l’examen pratique du permis de conduire automobile. Le candidat n’est jamais évalué dans l’optique de déterminer s’il conduit « mieux que les 50 % des candidats du mois ». L’examinateur utilise une grille critériée détaillée : vérification des angles morts, respect absolu des panneaux d’arrêt, maintien des distances de sécurité et maîtrise des trajectoires. Si le candidat omet une priorité à droite ou franchit une ligne continue, il échoue instantanément, quel que soit le niveau général des autres conducteurs testés le même jour. La décision est exclusivement régie par le respect de critères de sécurité non négociables.
Dans le domaine de la formation médicale et de la psychologie clinique, les Examens Cliniques Objectifs Structurés (ECOS) constituent une autre illustration majeure. Lors d’une station d’ECOS, un étudiant en médecine est confronté à un patient standardisé (un comédien incarnant un tableau clinique précis, comme une crise d’asthme aiguë). Deux évaluateurs notent la prestation à l’aide d’une liste de contrôle critériée : le candidat a-t-il ausculté les poumons de manière bilatérale ? A-t-il prescrit un bronchodilatateur à la posologie exacte ? A-t-il informé le patient avec empathie ? Le score final n’a de valeur que parce qu’il garantit que le futur praticien est capable d’intervenir en situation réelle sans mettre en péril la vie humaine.
En contexte scolaire primaire, un test critérié de fluence de lecture peut stipuler : « L’élève doit être capable de lire à voix haute un texte narratif inconnu de 150 mots au rythme d’au moins 90 mots par minute, avec moins de trois erreurs de décodage et en respectant la ponctuation expressive ». L’évaluation ne classe pas l’élève par rapport à ses camarades de classe, mais fournit à l’enseignant un signal diagnostique net : soit le seuil d’automatisation du décodage est franchi, autorisant le travail sur la compréhension approfondie, soit l’élève requiert un étayage phonologique supplémentaire.
9. Mesure et évaluation psychométrique
L’évaluation des propriétés métrologiques d’un test critérié obéit à des règles profondément différentes de celles de la psychométrie différentielle classique, bien qu’elle exige une rigueur tout aussi soutenue.
La validité d’un test critérié repose avant tout sur la validité de contenu et l’alignement curriculaire. Les psychométriciens mobilisent des panels d’experts pour juger systématiquement du degré d’adéquation entre chaque item et l’objectif visé. Des coefficients statistiques d’adéquation de contenu, tels que le ratio de validité de contenu de Lawshe ou les indices de concordance de Hambleton, sont systématiquement calculés pour garantir que le test couvre l’intégralité du domaine sans omissions ni éléments non pertinents.
En matière de fidélité, les coefficients classiques comme l’alpha de Cronbach sont souvent trompeurs ou inappropriés en présence d’une restriction de variance (par exemple, si tous les sujets réussissent l’ensemble des questions). La métrologie des tests critériés fait ainsi appel à des indices de fidélité de classification, conçus pour quantifier la constance des décisions de maîtrise à travers des formes parallèles ou lors de passations répétées. Les indicateurs les plus réputés sont le coefficient kappa de Cohen, le coefficient de Livingston (qui ajuste l’erreur quadratique moyenne par rapport au seuil de coupure) et les indices de Subkoviak, qui estiment la probabilité qu’un sujet soit classé dans la même catégorie lors de deux administrations indépendantes.
La fixation des seuils de passage représente l’opération psychométrique la plus sensible. Plusieurs méthodologies standardisées sont employées :
- La méthode d’Angoff : Un panel de juges experts examine chaque item du test et estime la proportion de « candidats minimalement compétents » qui répondraient correctement à l’item. La moyenne de ces probabilités définit mathématiquement le seuil de passage.
- La méthode de Nedelsky : Spécifiquement adaptée aux questions à choix multiples, elle demande aux experts d’identifier les distracteurs qu’un candidat minimalement compétent devrait être capable d’éliminer immédiatement.
- La méthode du signet (Bookmark method) : Utilisée conjointement avec la théorie des réponses aux items, cette approche consiste à ordonner les items par ordre croissant de difficulté empirique dans un livret ; les experts placent ensuite un « signet » à l’endroit exact où la maîtrise de la compétence bascule du probable à l’improbable.
10. Applications et portée pratique
Les tests critériés jouent un rôle déterminant dans une multitude de domaines stratégiques où la validation objective des compétences constitue une condition sine qua non d’efficacité ou de sécurité publique.
Dans le domaine de l’éducation et de la pédagogie universitaire, ces instruments sont le moteur de l’approche par compétences (APC). Ils permettent de remplacer la notation arbitraire et comparative par une évaluation authentique, fournissant aux apprenants des informations formatives transparentes sur leurs acquis et leurs lacunes. Les étudiants ne concourent plus les uns contre les autres pour obtenir les meilleures notes d’une courbe en cloche, mais collaborent pour que chacun atteigne les critères d’excellence requis.
Dans le milieu de l’entreprise, des ressources humaines et des organisations, les tests critériés constituent le fondement des processus de certification et d’habilitation technique. Qu’il s’agisse de la qualification de pilotes de ligne, de soudeurs sous-marins ou d’auditeurs financiers, les organisations doivent attester devant des tiers régulateurs que leurs personnels maîtrisent scrupuleusement les protocoles industriels et légaux en vigueur. La comparaison relative des candidats est ici sans intérêt : seul compte le niveau absolu d’exécution sans faille.
En psychologie clinique, en neuropsychologie et en orthophonie, les bilans diagnostiques critériés permettent de cartographier avec précision la perte ou la préservation de fonctions cognitives précises consécutivement à un accident vasculaire cérébral ou à une pathologie neurodégénérative. Par exemple, une échelle critériée d’autonomie pour les activités de la vie quotidienne évalue si un patient peut préparer un repas, gérer ses médicaments ou composer un numéro d’urgence de façon autonome, fournissant des indications immédiates pour l’aménagement thérapeutique du domicile.
11. Recherche et données empiriques
La recherche contemporaine sur les tests critériés se concentre sur l’optimisation des méthodes de standardisation des seuils, la réduction des erreurs de mesure conditionnelles au voisinage de la coupure et l’intégration des technologies numériques adaptatives.
Des recherches empiriques de grande envergure, conduites notamment par des spécialistes comme Michael Kane, ont mis en évidence la nécessité d’une approche argumentative de la validité. Kane a démontré que la validité d’un test critérié ne découle pas uniquement de ses indices statistiques internes, mais d’une chaîne logique d’inférences reliant la performance observée aux interprétations et aux décisions réelles prises à l’égard des individus. Cette perspective a conduit à une professionnalisation accrue des panels d’experts chargés de fixer les seuils, limitant substantiellement les biais cognitifs et les variations d’exigence inter-juges.
Une autre ligne de travaux prolifique concerne les tests adaptatifs informatisés critériés (variable-length computerized classification testing). Des chercheurs en psychométrie computationnelle ont montré que grâce aux algorithmes de la théorie des réponses aux items et au test du rapport de vraisemblance séquentielle de Wald, il est possible de réduire la longueur d’un test de 40 % à 60 % sans perte de précision pour les candidats dont le niveau d’aptitude est très éloigné du seuil de passage. Seuls les candidats dont les compétences oscillent très près de la limite critique reçoivent des items additionnels, maximisant ainsi l’efficience économique et la fiabilité de la décision.
12. Considérations culturelles et transculturelles
La mise en œuvre des tests critériés dans des environnements multiculturels ou lors d’adaptations internationales soulève des enjeux complexes qui dépassent la simple traduction linguistique des consignes.
La définition même de ce qui constitue une « compétence » ou une « maîtrise acceptable » est souvent imprégnée de présupposés culturels implicites. Dans les cultures valorisant l’individualisme et l’affirmation de soi, une communication clinique efficace sera par exemple opérationnalisée par le maintien d’un contact visuel direct et une franchise immédiate ; dans des contextes culturels plus collectivistes ou régis par des codes stricts de déférence hiérarchique, un tel comportement pourrait être perçu comme impoli ou incompétent. Par conséquent, les critères doivent faire l’objet d’une analyse d’invariance transculturelle approfondie pour éviter d’ériger des normes comportementales spécifiques en standards universels.
De surcroît, le fonctionnement différentiel des items (FDI) doit être rigoureusement traqué. Un item apparemment neutre peut introduire un biais systématique s’il exige des connaissances contextuelles ou des repères sociologiques dont ne disposent pas les minorités linguistiques ou culturelles, faussant ainsi l’interprétation de leur niveau de maîtrise réel du domaine ciblé.
13. Critiques, controverses et limites
Bien que le modèle du test critérié présente des atouts pédagogiques incontestables, il n’est pas exempt de critiques méthodologiques et de dérives pratiques.
La critique la plus persistante porte sur la dimension fondamentalement subjective et arbitraire de la fixation des seuils de passage. Bien que des protocoles formels (comme la méthode d’Angoff) habillent le processus d’un appareil statistique sophistiqué, la décision finale repose toujours, en dernière analyse, sur des jugements humains subjectifs quant à ce que devrait être un « niveau minimal de compétence ». Deux panels d’experts également qualifiés peuvent fixer des seuils significativement différents pour le même examen, entraînant des taux d’échec disparates pour une même population de candidats.
Un autre risque majeur réside dans la fragmentation excessive des compétences, parfois qualifiée de dérive « hyper-béhavioriste ». En cherchant à décomposer une discipline ou une profession en centaines d’objectifs comportementaux atomisés pour les rendre mesurables, les concepteurs risquent de perdre de vue la dimension intégrative, créative et holistique de l’expertise. Les apprenants peuvent exceller à valider des critères élémentaires isolés tout en étant incapables de mobiliser ces mêmes connaissances dans des contextes complexes, imprévisibles et inédits.
Enfin, sur le plan organisationnel, la création et la maintenance d’un système d’évaluation critériée rigoureux exigent des investissements financiers, temporels et logistiques considérables. La nécessité d’élaborer des référentiels exhaustifs, de former continuellement des comités d’experts, de concevoir des banques d’items fermement adossées aux compétences et d’actualiser régulièrement les seuils limite l’accessibilité de ces outils aux institutions disposant de ressources substantielles.
14. Termes connexes et distinctions
Pour dissiper toute confusion conceptuelle, il importe de distinguer précisément le test critérié d’autres notions métrologiques et docimologiques voisines :
- Test normé (norm-referenced test) : Épreuve visant à classer les individus les uns par rapport aux autres le long d’une distribution statistique (ex. : tests de quotient intellectuel, concours de recrutement à places limitées). Contrairement au test critérié, le succès ou l’échec y dépend entièrement du niveau moyen du groupe de référence.
- Test de positionnement / ipsatif : Instrument comparant les performances d’un individu à ses propres performances antérieures afin de mesurer son évolution personnelle, sans référence à une norme collective ni à un standard absolu externe.
- Évaluation formative : Démarche d’évaluation intégrée au processus d’apprentissage visant à réguler l’enseignement en continu ; bien qu’elle mobilise très souvent des outils critériés, elle se définit par sa fonction de rétroaction plutôt que par sa méthodologie de standardisation.
- Validité de critère (criterion validity) : Notion psychométrique désignant la force de la relation statistique entre le score à un test et une variable externe mesurée ultérieurement ou simultanément (par exemple, la corrélation entre un test de sélection et la performance professionnelle future). Elle ne doit pas être confondue avec le test critérié, qui est un mode d’interprétation des scores par rapport à un domaine de contenu prédéfini.
15. Résumé et points clés
Le test critérié constitue une avancée fondamentale dans la métrologie de l’apprentissage et de la compétence humaine. En s’affranchissant du classement relatif entre pairs, il ancre la signification des résultats dans la description directe de ce qu’une personne sait et sait faire.
Sa validité repose sur la clarté opérationnelle des référentiels de contenu, l’alignement précis des instruments sur les objectifs et la rigueur de la méthode de fixation des seuils de passage. Les outils statistiques contemporains, issus de la théorie des réponses aux items et de la théorie de la décision, fournissent un cadre mathématique solide pour garantir la fidélité des classifications binaires ou catégorielles opérées.
Essentiel à la certification professionnelle, à l’approche par compétences, aux diagnostics cliniques ciblés et à la sécurité opérationnelle, le test critérié déplace la finalité de l’évaluation : il ne s’agit plus de sélectionner une élite au sein d’une distribution concurrentielle, mais de s’assurer avec une rigueur irréprochable que chaque individu possède la maîtrise nécessaire pour accomplir sa mission avec succès.
Références
- Angoff, W. H. (1971). Scales, norms, and equivalent scores. In R. L. Thorndike (Ed.), Educational Measurement (2nd ed., pp. 508–600). American Council on Education.
- Bloom, B. S. (1968). Learning for mastery. Evaluation Comment, 1(2), 1–12.
- Glaser, R. (1963). Instructional technology and the measurement of learning outcomes: Some questions. American Psychologist, 18(8), 519–521. https://doi.org/10.1037/h0049294
- Hambleton, R. K., & Novick, M. R. (1973). Toward an integration of theory and method for criterion-referenced tests. Journal of Educational Measurement, 10(3), 159–170. https://doi.org/10.1111/j.1745-3984.1973.tb00793.x
- Kane, M. T. (2006). Validation. In R. L. Brennan (Ed.), Educational Measurement (4th ed., pp. 17–64). American Council on Education and Praeger.
- Popham, W. J. (1978). Criterion-Referenced Measurement. Prentice-Hall.