计算每个学生在内容上的获益值，以及过程上的获益值。具体算法以具体案例为例。如有个学生在PISA数学测评和中考数学测评上不同维度的logistic值如表7-12所示。这里先要将PISA数学不同维度上的值转换为logistic值，具体公式如下。
① OECD.PISA 2012 Tichnical Resport.［M］.OECD Publications， 2014：253.
其中L表示logistic值，S表示现有分值，以此获得PISA数学测评原始结果的logistic值。
表7-12 某学生在中考和PISA数学测评各维度上的结果
（续表）
利用中考数学测评在PISA数学测评内容领域上的分布比例，计算该学生的中考内容领域得分：
（-0.12×20%）+（-0.09×42%）+（-0.36×32.7%）+（0.13×5.3%）=-0.17。
利用中考数学测评在PISA数学测评过程维度上的分布比例，计算该学生的中考过程维度得分：
（-0.04×87.5%）+（-0.15×12.5%）=-0.054。
利用PISA数学测评在内容领域上的分布比例，计算该学生的PISA数学测评内容领域得分：
1.21×25%+0.32×25%+（-0.35×25%）+0.65×25%=0.46。
利用PISA数学测评在过程维度上的分布比例，计算该学生的PISA数学测评过程维度得分：
0.35×32.1%+0.73×42.9%+0.04×25%=0.436。
该学生在内容领域上的获益值为：
中考内容领域得分-PISA内容领域得分=-0.17-0.46=-0.63。
该学生在过程维度上的获益值为：
中考过程维度得分-PISA过程维度得分=-0.054-0.436=-0.49。
无论是内容获益值还是过程获益值，实质上都是学生在两个测评的内容领域和过程维度上的差异性指标。相应的描述性统计，包括与中考和PISA数学测评成绩的相关性统计，结果如表7-13所示。
表7-13 过程及内容获益值的描述性统计量及相关性指标的描述性统计量
相关性
（续表）
*在0.05水平（双侧）上显著相关；
**在0.01水平（双侧）上显著相关。
首先，过程获益值和内容获益值存在高相关性。其次，这两个指标与中考数学测评成绩的相关性明显大于与PISA数学测评成绩的相关性。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
