Sesuatu ujian sepatutnya mengukur apa yang sepatutnya diukur (Umum)

Wood (1991) menekankan bahawa kesahan adalah lebih penting daripada keboleh-percayaan tetapi bergantung semata-mata kepadanya dianggap sebagai kesahan pemerhatian.

Kesahan Kandungan (Content Validity)Kesahan Semasa (Concurrent Validity)Kesahan Ramalan (Predictive ValidityKesahan Berkaitan Kriteria (Criterian-related Validity)Kesahan Konstruk (construct validity)Kesahan muka (Face Validity)Kesahan Berkaitan Kriteria (Criterian-related Validity)Kesahan Konstruk (construct validity)Kesahan muka (Face Validity)

Item ujian merangkumi kandungan ujian yang hendak diukurmerujuk kepada objektif pengajaran yang jelas dan bahan-bahan pengajaran atau kepada bidang pengajaran.merujuk kepada objektif pengajaran yang jelas dan bahan-bahan pengajaran atau kepada bidang pengajaran.

Mewakili perkara yang hendak diukurDigunakan dalam ujian pencapaianMengukur penguasaan pengetahuan atau kemahiran bagi mata pelajaran tertentuKonstruk yang diuji mewakili setiap aspek penting pelajaran yang diajarRelevensi atau sesuai dengan tingkah laku yang ingin diperhatikan atau diketahuiPerlu memenuhi Huraian Sukatan Pelajaran, JSU dan Spesifikasi Ujian

Hubungkait antara skor ujian dengan kumpulan pelajar berdasarkan kriterian tertentuditadbir pada masa yang sama atau dalam jangka masa yang pendek.skor ujian/pep. akhir tahun bagi sampel pelajar dibandingkan dengan jangkaan guru tentang kebolehan pelajar, misalnya dalam ilmu hisab dalam pep. SPM

ditentukan dengan menilai setepat mana ramalan yang dibuat (menggunakan instrumen) masa kini dapat disahkan daripada maklumat yang dikumpulkan pada masa hadapan.Contoh:- - Maklumat dikumpul melalui ujian/ kriteria/tingkahlaku dan tunggu sehingga tingkah laku yang hendak diukur oleh ujian berlaku - Bandingkan maklumat yang dikumpul dengan skor yang diperolehi daripada pelajar yang mengambil ujian.

Perbezaan antara kesahan semasa dengan kesahan ramalan bergantung kepada prosedur tadbiran ujian:- tadbiran pada jangka masa yang singkat bagi ujian piawaian (concurrent), atau setelah masa beberapa bulan atau lebih (predictive).

Sejauh mana sesuatu ujian dapat mengukur konstruk hipotetikal berkenaan dengan sifat semula jadi & tingkah laku manusia, misalnya, kecerdasan, kreativiti, atau ketidaktentuan perasaan.

Tidak boleh diperhatikan secara langsung tetapi telahan boleh dibuat berdasarkan tingkah laku yang diperhati

Contoh:- satu ujian ditadbir kepada pelajar merangkumi julat kebolehan yang luas. Jika keputusan ujian dapat membezakan pelajar yang berkebolehan tinggi dengan berkebolehan rendah

Satu peringkat dimana ujian dilihat mengukur apa yang sepatutnya diukur.Pelajar/calon akan bertindak lebih baik kepada ujian yang mempunyai kesahan muka yang tinggi.

Meningkatkan motivasi ketika ujianMengurangkan perasaan tidak puas hati dari golongan skor rendahMenyakinkan pengguna yang berpotensi (guru, pentadbir sekolah) menggunakan ujianMemperbaiki hubungan awam, bila mana orang kebanyakan dapat melihat hubungkait antara ujian dengan pencapaian atau ciri-ciri ujian itu sepatutnya mengukur

Tahap ketekalan antara skor-skor ujian yang senantiasa tetap dengan tidak adanya ralat pengukuran (Test Style Manual, ETS, New Jersey, USA)

Merupakan satu pertunjuk bagi konsistensi skor-skor antara pemeriksa, mengikut masa, atau tugasan-tugasan yang berlainan atau item-item yang mengukur perkara yang sama (http://www.cresst96.cse.ucla.edu/glossary)

Prosedur pengujian yang baik dijangka akan menghasilkan keputusan baik Tidak semata-mata bergantung kepada satu set soalan tertentu yang digunakanMasa ujian dilaksanakan Pemeriksa ujian tersebut.Pengaruh faktor luaran (set soalan, masa, pemeriksaan kertas) yang menjejaskan sesuatu ujian dikenali sebagai skor ralat/ralat pengukuran (error measurement).

Bergantung kepada ketekalan keputusan yang dihasilkannya walaupun diulang uji beberapa kali.Kebolehpercayaan yang tinggi bagi sesuatu kumpulan itu tidak semestinya menghasilkan kebolehpercyaan yang sama bagi kumpulan lain. Jika kumpulan pelajar yang sama mendapat skor yang berlainan terhadap satu ujian maka ujian tersebut tidak mempunyai kebolehpercayaan.

Format ujian juga mempengaruhi kesukaran sesuatu item itu dan seterusnya kebolehpercayaan ujian. Arahan yang jelas, mudah difahami dan penyusunan mengikut kesukaran item boleh memberi kesan kepada kebolehpercayaan ujian. Lebih panjang sesuatu ujian, atau lebih banyak bilangan itemnya, lebih tinggi kebolehpercayaannyaKebolehpercayaan ujian objektif akan meningkat dengan meningkatnya bilangan pilihan jawapan bagi setiap item.

Jawapan dua pilihan pada item adalah paling kurang kebolehpercayaannyaItem yang terlalu sukar akan membawa kepada kebolehpercayaan yang rendahItem seharusnya mendiskriminasi antara pelajar yang pandai dengan lemahItem mestilah bebas daripada ayat-ayat yang mengelirukan atau masalah-masalah berkaitan dengan teknikal

Ditadbirkan dalam suasana yang sesuai:-Mengikut masa yang ditetapkanbebas daripada gangguan/ bisingTerdapat langkah untuk mengelakkan penipuanHad masa hendaklah memadaiKunci jawapan hendaklah senantiasa betul bagi setiap itemPerlu mempunyai dua atau lebih pemeriksa atau pemberi gred untuk menilai kertas ujian yang sama

Dorongan pelajar untuk menekaJawapan meneka menghasilkan skor yang tidak tekal.Konsep kebolehpercayaan tidak terhad kepada skor ujian, malah lain-lain jenis maklumat terhadap pelajar. Misalnya rekomen guru terhadap seseorang pelajarnya. Adakah guru yang berlainan dapat memberikan testimoni yang sama apabila mereka menilai pelajarnya?