五套國際大型評比，十個項目
每一套評比的主辦單位、施測年齡與測驗取向都不同，把它們放在一起看，臺灣的輪廓才完整。上方的資料庫篩選可以只保留你要看的那一套。
選擇資料庫
點任一張卡片即可只保留該資料庫的分析分頁。
三個輪次，一百七十四萬名學生
資料取自 OECD 公開使用檔。每一個估計值都同時處理兩種變異來源：複雜抽樣設計，以及能力值本身是推估而非實測。
跨輪次比較必須納入連結誤差
連結誤差反映的是「同一道量尺在不同輪次之間對齊」本身的不確定性。它與樣本大小無關，再多的樣本也消不掉。數值取自 PISA 2022 技術報告 Annex Table 14.A.19。
臺灣三輪表現
括號內為標準誤。2018 是三輪中的低點，選哪一年當基期會講出完全不同的故事。
兩端同時擴大
加權描述統計
PISA 依學校規模與抽樣機率賦權，未加權的統計描述的是樣本，不是母體。以下每一張圖都以最終學生權重計算。
各輪平均分數與 95% 信賴區間
陰影帶為 95% 信賴區間。區間重疊不等於差異不顯著，正式檢定請看「連結誤差」分頁。
全部國家的逐輪數值
點欄位標題可排序。標星號者代表該變化在納入連結誤差後仍達統計顯著。
打開開關，看結論如何翻盤
兩輪次的差異檢定，標準誤應為 √(SE₁² + SE₂² + 連結誤差²)。漏掉第三項會低估不確定性，把不顯著的差異判成顯著。
會下錯結論的比較
下列每一組，忽略連結誤差時判為顯著，正確計算後並不顯著。
連結誤差對照表
PISA 2022 技術報告 Annex Table 14.A.19。空格表示該領域在該輪次尚非主測領域，OECD 明示不可比較。
注意 2006 年的閱讀連結誤差高達 8.56 分。以 2006 為基期談閱讀趨勢時，十五分的差距未必顯著。
PISA 2022 各國平均與信賴區間
完整數值表
點欄位標題可排序。臺灣以底色標示。
成績高，不代表分配公平
成績差異有多少來自「讀哪一所學校」
學生的成績差異可以精確拆成兩塊：同一所學校之內的差異，與學校之間的差異。後者占比越高，代表教育機會越取決於就讀的學校而非個人。
各國數值
點欄位標題可排序。臺灣以底色標示。
兩種估計標的，不該混為一談
同一份臺灣 2022 數學資料，本平台的設計基礎分解得 ICC = 0.405，Mplus 的兩層隨機效果模型得 0.422（預設權重縮放）或 0.455（不縮放）。三者並非彼此矛盾，而是在估計不同的量。
設計基礎分解回答的是描述性問題：在全體 15 歲學生的成績變異中，有多少比例落在學校之間。它使用完整抽樣權重，且校間與校內恆等相加為總變異。OECD 報告中的「校間變異百分比」採此定義。
模型基礎的變異成分是階層模型中的潛在參數，其總和不必等於觀測變異，且會隨權重縮放方式改變。Mplus 的 TYPE = TWOLEVEL 預設會在叢集內重新縮放權重。
迴歸係數的一致性則高得多：Mundlak 分解在 R 得校內效應 20.8、學校組成效應 131.6；Mplus 兩層模型得 19.9 與 125.0。差異來自 Mplus 僅用單一個推估值，且校層採隨機效果設定。
Mplus 空模型的校間殘差變異自 5,537 降至 1,485，即學校社經組成解釋了 73.2% 的校間差異；本平台的加權 R² 對同一問題給出 71.2%。兩條獨立路徑收斂到同一結論。
創造思考、財金素養與數學分測驗
PISA 2022 除了數學、閱讀、科學，還有兩個選考領域與數學的八個分測驗。這些資料與核心領域一起發布，卻很少被使用。
各國數值
TIMSS 2023
TIMSS 測的是各國課程實際教過的內容，四年級與八年級各抽一批獨立樣本。與 PISA 的差異不只在測什麼，抽樣與計分設計也不同：5 個合理推估值搭配 JK2 折刀法，直接套用 PISA 的程式會得到錯誤的標準誤。
各國數值
學生、教師與校長怎麼說
TIMSS 除了成就測驗，還向學生、教師與校長各發一份問卷。這些量表以 IRT 量尺化，國際平均 10、標準差 2，而且一律「高分＝較有利」——包括「被霸凌」「課堂秩序」這類反向構念，本平台已逐一實測確認方向。
各參與者數值
量表的方向不能用猜的
「學生被霸凌」（BSBGSB）這個量表，分數高代表被霸凌得多還是少？從名稱看不出來，而猜錯會讓整張圖的意思顛倒。本平台的作法是查對應的分類版（IDX）各類別的連續分數平均：BSDGSB 的類別「幾乎從不」對應的 SCL 平均為 11.75，「幾乎每週」為 6.90——高分代表較少被霸凌。
同樣的檢查套用到每一個反向構念：「數學課秩序混亂」類別「很少或沒有」對應最高分 13.17，「教學受資源短缺影響」類別「未受影響」對應最高分 12.62。結論一致——IEA 的合成量表一律將高分設為較有利的一端。本平台因此把中文標籤全部改寫成正向說法（「免於霸凌」「數學課堂秩序」「數學教學資源充足度」），讓圖表的「往右＝較好」在每一列都成立。
這次檢查也抓出一個標錯：PIRLS 的 ASBGERL 起初被寫成「入學前識字能力」，實際的官方標籤是 STUDENTS ENGAGED IN READING LESSONS，即閱讀課的投入程度，與入學前無關。
PIRLS 2021
PIRLS 測四年級學生的閱讀素養，分為兩個閱讀目的（文學經驗、獲取資訊）與兩個理解歷程（提取與直接推論、詮釋整合評鑑）。這是臺灣在十項評比中相對位置最低者之一。
各參與者數值
四份問卷：學生、家長、教師、校長
PIRLS 是本平台涵蓋的評比中唯一附有家長問卷者，能問到入學前的家庭讀寫活動——這正好落在臺灣相對弱的閱讀項目上。臺灣的家長問卷回收率 99.4%，全體中位數 89.6%，因此以下結果不是低回收造成的選樣偏誤。
各參與者數值
ICCS 2022
ICCS 測八年級學生的公民與公民素養知識。這是臺灣在十項國際評比中相對位置最高的一項，與創造思考的第 16 名形成強烈對比——同樣不是數理科目，結果卻南轅北轍。
各參與者數值
公民態度的 30 個量表
ICCS 除了公民知識測驗，還有 30 個公民態度與參與意向的量表（IRT 量尺，國際平均 50、標準差 10）。臺灣在其中 11 個排第 1、6 個排第 2——這個結果本身值得警覺，因為它也可能來自作答傾向而非實質差異。
各參與者數值
排名第 1 有兩種可能
臺灣在 30 個公民態度量表中有 11 個排第 1、6 個排第 2，而且整體平均 52.91 是 24 個參與者之冠。這有兩種解讀：一是臺灣學生的公民態度確實普遍較正向；二是存在應答風格——對 Likert 式的正向敘述較容易表示同意。單看原始分數無法區分這兩者。
本平台採用的檢查是國內置中（ipsatization）：把每個參與者的各量表分數減去該參與者在 30 個量表上的平均，只留下「相對於自己的強弱」。這個轉換會把整體作答傾向消掉，代價是也消掉了真實的整體差異——因此它是穩健性檢查，不是更正確的答案。
結果具有診斷力。臺灣在「在校的公民學習經驗」「對移民的正向態度」「對同學互動的觀感」「對師生關係的觀感」四項置中後仍是第 1，這些不能只用作答傾向解釋。但「預期參與合法抗議」「校外討論政治社會議題」「預期積極政治參與」「以數位媒體參與公共議題」四項置中後全部落到第 24——原本的中段名次是被整體偏高的作答傾向撐起來的。
另有一項自動攔截：S_NISB（家庭社經地位指標）的各國加權平均全距為 0.000，因為它在各國內部標準化，本來就不能跨國排名，已排除於所有圖表之外。
臺灣拿第 1，有一部分是別人掉下來
ICCS 2022 的 24 個參與者中，有 15 個也參加了 2016 年。把兩輪並排看，臺灣 2022 年的第 1 名有了不同的意義。
各參與者的變化
這裡的標準誤比 PISA 那一頁寬鬆
本平台在 PISA 的趨勢分析中示範過：跨輪次比較必須把連結誤差納入標準誤，否則會把不顯著的差異判成顯著（PISA 的 396 組比較中有 16 組因此翻轉）。同一個要求也適用於 ICCS，但本平台目前沒有取得 ICCS 2022 的連結誤差數值，因此此頁的標準誤只含兩輪各自的抽樣與推估變異，是低估的。
這對結論的影響是可以評估的：挪威 −34.5、丹麥 −30.4 這類幅度遠超過任何合理的連結誤差，方向與顯著性不會改變；而臺灣 +1.9 分在目前的寬鬆標準下就已經不顯著，加入連結誤差只會讓它更不顯著。真正受影響的是中間地帶——立陶宛 −8.9 與荷蘭 −14.6 這種量級的判定應視為暫定。
態度量表的跨輪比較還多一層不確定：兩輪的量尺是否完全等價，本平台未能驗證。兩輪的整體平均（2016 年 50.23、2022 年 49.72）接近，顯示量尺沒有大幅漂移，但這只是必要條件而非充分條件。態度趨勢圖因此標示為型態參考，不作為效果量的精確估計。
TALIS 2024 與 2018
TALIS 問的不是學生，而是教師與校長。它沒有成就測驗，因此也沒有合理推估值——量表分數直接由題項合成。變異數以 Fay 平衡重複半樣本法估計，100 組重複權重（PISA 為 80 組）。
臺灣參加 2018、未參加 2024
TALIS 2024 的 55 個參與者含日本、韓國、新加坡與越南，但沒有臺灣，該輪結果為國際脈絡。臺灣參加的是 TALIS 2018，樣本為 202 位國中校長（校長問卷；各量表有效樣本 199–200 位），故本頁的臺灣數值全部來自 2018 輪。兩輪的量表題項與計分不同，不可跨輪比較。
各國數值
Fay 係數是從資料判定的
TALIS 的技術文件說明變異數以平衡重複半樣本法估計，但傳統 BRR 與 Fay 法的縮放係數不同，用錯會讓標準誤系統性偏誤。本平台不倚賴文件記載，而是直接檢查重複權重與最終權重的比值：取值集中於 0.5 與 1.5，對應 Fay 係數 k = 0.5（若為傳統 BRR 會集中於 0 與 2）。
驗證時另有一個容易踩的坑：以 survey 套件比對時，其預設 mse = FALSE 會把離差取自 100 個重複估計值的平均，而技術報告要求取自全樣本估計值。設為 mse = TRUE 後，本平台的實作與其差異為 5.55 × 10⁻¹⁷，即浮點運算的雜訊。預設值下則會有約 2% 的差距。
不是每一個量表都能拿來排名
TALIS 2018 的 20 個校長量表中，有 7 個算出來的各國加權平均幾乎完全相同。以「校園違規與暴力」（T3PDELI）為例，個體分數在 2.277 至 20.323 之間有充分變異，未加權的各國平均也介於 6.763 至 7.440，但加權後 47 個參與者的平均全部落在 6.8500 至 6.8504——全距僅 0.001。
這不是程式錯誤。本平台先以手算的 Σxw / Σw 逐國核對，結果與估計核心完全一致，確認計算無誤後才回頭查量表本身。答案寫在變數標籤裡：這些量表標示為 Configural 或 Metric，即僅達構形或metric不變性。TALIS 對未達純量不變性（scalar invariance）的量表會在各國內部進行中心化，各國平均因而被設計成相等，比較平均數等同於比較捨入誤差。
若不查標籤直接排名，會得到「臺灣校園違規程度為 47 個參與者中第 3 高」這樣的結論——分數差距在小數點第四位，卻被排成名次。本平台因此只採用實質有變異的九項量表（學校自主五項、資源短缺三項、多元文化信念一項，全距 1.1 至 2.8，相異值 43–47 個）繪製上方圖表。其中「多元文化信念」對部分國家群僅達構形不變性，惟其 47 個參與者呈現 47 個相異值，未見中心化的聚集現象，故予保留並單獨標示。連標示為部分純量不變的「教學領導」（T3PLEADS，全距 3.206）也被排除，因為 47 個參與者僅有 12 個相異值，代表多數國家仍被中心化，名次不可靠。
TALIS 2024 的量表標籤未帶不變性限定詞，且實際變異充分（教師自我效能感 7.14–12.04，55 個參與者 55 個相異值），故本頁 2024 輪的跨國比較不受此問題影響。
教師與人工智慧
「哪一個大型數據有 AI 問卷？」本平台把手上五套評比的變數字典逐一搜過，答案是只有 TALIS 2024 的教師問卷——28 個題目，涵蓋使用經驗、用途、不使用的原因、對助益與風險的信念，以及專業發展。校長問卷沒有，其餘四套評比也沒有。
跨單位的中位數與計數一律以 53 個不重複計算的單位為基礎：TALIS 的參與單位不全是主權國家，比利時同時以整體與兩個語言社群出現，三者樣本重疊（比利時整體 1,663 人＝荷語區 798＋法語區 865），逐單位的長條圖仍列出全部 55 個以利與官方報告對照。
臺灣未參加 TALIS 2024
這代表在目前唯一一份跨國、具代表性抽樣的教師 AI 使用資料裡，沒有臺灣。以下全部為國際脈絡。臺灣參加的是 TALIS 2018，該輪早於生成式 AI 普及，問卷中沒有任何 AI 題目（僅 11 題 ICT）。
五套評比逐一搜過的結果
搜尋字串為 artificial intelligence、AI、chatbot、machine learning、generative、ChatGPT、large language，比對範圍是各檔案的完整變數標籤，不是變數名稱。ICT 欄為對照組，用來確認搜尋本身有效——PISA 2022 學生問卷有 136 題 ICT 但 0 題 AI，不是搜尋失靈，是題目確實不存在。
各參與者數值
三分之一的教師沒答，這不是缺失
AI 模組的有效作答只有 62,763 人／194,521 人（32.3%）。這個數字乍看像嚴重的無回應，實際上是輪換題本設計：55 個參與者全部施測，但每位教師只拿到三份題本之一，AI 模組落在其中一份。各國的作答比率一致落在 0.289 至 0.334 之間，正是三分之一。
判斷依據不只是比率整齊。答題者與未答題者的平均權重為 28.18 與 28.11，幾乎相同，確認分派與教師特徵無關。因此沿用 TCHWGT 即為母體的不偏估計，代價只是有效樣本約為三分之一、標準誤較大。若誤把它當成無回應而去做加權調整，反而會引入偏誤。
三種題目的分母不同，混用會得到無法解釋的數字。「是否使用過 AI」的分母是全體作答者；「用 AI 做什麼」只有使用者作答，本平台換算成全體教師的比率（未使用者計為 0），因此各項可直接相互比較；「不使用的原因」只有未使用者作答，分母即為未使用者，且可複選，各項合計超過 100%。
參與單位不全是主權國家。比利時同時以整體與兩個語言社群出現於資料庫，三者的樣本重疊——比利時整體的模組作答為 1,663 人，荷語區 798 加法語區 865 亦為 1,663，同一批教師被計入兩次。本頁的中位數、全距與計數因此一律以 53 個不重複計算的單位為基礎（保留比利時整體、排除兩個語言社群），逐單位的長條圖與表格則仍列出全部 55 個，以利與官方報告對照。上海（中國）、加拿大亞伯達省與比利時兩個語言社群屬次國家層級的參與實體，與主權國家並列比較本身仍有其限制。
還有一個資料設計上的限制：「已接受的專業發展含 AI」與「對 AI 技能的需求」落在不同的輪換題本上，兩者的個體層次重疊為 0。這代表無法回答「想學 AI 的人是不是正在用 AI」這類問題——不是本平台沒做，是資料設計上就答不了。上方那張供需圖是國家層次的兩個比率並列，不是個體層次的交叉。
最後，AI 模組沒有官方的合成量表。本平台因此一律以是非題的加權比率呈現，不自行建構李克特平均——理由見 ICCS 那一頁關於作答風格的討論：自建量表分數要面對跨國可比性的問題，而比率的分母講得清楚、也相對穩健。
還有兩個來源，一個現有、一個未來
ICILS 2023（IEA 國際電腦與資訊素養調查）在校長問卷中加了一組生成式 AI 的選答題。但這組題目是在北半球資料蒐集開始之後才追加的，北半球國家只能以另一次補收的方式施測，南半球國家則可直接納入——因此各參與者的可得性與時點並不一致。本平台目前未納入 ICILS，若要使用須先確認每個參與者的施測狀況。
PISA 2029 規劃了「媒體與人工智慧素養」（Media & Artificial Intelligence Literacy, MAIL）創新領域。PISA 2025 的主測領域是科學並新增外語評量，不含 AI 素養評量。
跨評比對照
不同主辦單位、不同施測年齡、不同測驗取向。單看一套評比得到的結論，換一套未必成立——所以要放在一起看。
各資料庫的設計差異
把 PISA 的程式直接套到 TIMSS 上不會報錯，但會得到錯誤的標準誤——推估值個數與變異數估計法都不同。本平台為 IEA 系列另寫 lib_timss.R，為 TALIS 另寫 lib_talis.R，並各自以獨立實作驗證：TIMSS 臺灣八年級數學 602.430（SE 3.074），ICCS 臺灣 583.060（SE 2.303），兩者皆與 r-stats 的 survey_mean 逐位數一致。
臺灣本土資料庫
TASA（國家教育研究院臺灣學生學習成就評量資料庫）與 TEPS／TEPS-B（中央研究院）都需要申請取得，無法自動下載。本平台已寫好接入骨架，資料到位後把檔案放進指定目錄即可沿用同一套估計程序。
TASA 線上申請，需檢附研究計畫書與 IRB 核可文件。抽樣為分層叢集設計，提供學生權重與複本權重。
TEPS／TEPS-B 向學術調查研究資料庫（SRDA）申請。這是所有資料庫中唯一的追蹤設計，自 2001 年起追蹤同一批學生——因此也是唯一能做個人成長軌跡、交叉延宕模型與個體固定效果的資料。其餘皆為重複橫斷，每輪抽取不同學生，只能做群體層次的趨勢比較。
PISA 能不能做縱貫分析
不能，至少不是一般意義的縱貫分析。PISA 是重複橫斷設計，每三年抽一批新的 15 歲學生，沒有任何學生被重複測量。2022 年的受測者與 2018 年的受測者是完全不同的人。
可以做
- 國家或群體層次的表現趨勢
- 分布變化：低成就比率、高成就比率、分數離散程度
- 關係強度的變化，例如社經梯度斜率是否變陡
- 世代比較：1999 年出生世代對比 2006 年出生世代
不能做
- 個人成長軌跡
- 潛在成長模型、成長混合模型
- 交叉延宕模型、隨機截距 CLPM
- 個體層次的固定效果模型
若研究問題非談個人成長不可，PISA 本身做不到。可考慮臺灣教育長期追蹤資料庫（TEPS、TEPS-B），或部分國家對 PISA 樣本所做的後續追蹤研究。
複雜抽樣與權重
PISA 採兩階段叢集抽樣：先依規模機率抽學校，再在校內抽學生。學生被抽中的機率並不相同，因此每一筆資料都帶有權重。
W_FSTUWT最終學生權重，幾乎所有分析都用這個SENWT參議院權重，把各國權重總和標準化為相同值，只在跨國合併且希望各國等權時使用W_FSTURWT1–80重複權重，只用於變異數估計，不可拿來算點估計W_SCHGRNRABWT學校層級分析用
用錯權重的後果不是稍有偏差，而是估計值本身沒有意義。以 PISA 2022 數學為例，80 個國家與經濟體中，加權與未加權平均的差異中位數為 2.07 分，最大達 20.6 分（泰國），臺灣則是 13.1 分。
兩個變異來源
抽樣變異
以 Fay 平衡重複半樣本法估計，80 組重複權重，Fay 係數 0.5：
V_抽樣 = 1 / (80 × (1 − 0.5)²) × Σ (θᵣ − θ)² = (1/20) × Σ (θᵣ − θ)²
推估變異
學生能力不是實測值，而是從後驗分配抽出的 10 個合理推估值。依 Rubin 規則合併：
V_推估 = (1 + 1/M) × (1/(M−1)) × Σ (θₘ − θ̄)², M = 10
總標準誤為兩者相加後開根號。只用單一個推估值、或把 10 個推估值平均後當成觀測值，都會低估標準誤。
三方驗證
本平台的估計核心經過三種獨立實作交叉驗證，結果完全一致：自建的 lib_pisa.R、R 套件 intsvy、以及 r-stats MCP 的 survey_mean。以臺灣 PISA 2022 數學為例，三者皆得平均 547.09、標準誤 3.778，其中抽樣成分 3.728、推估成分 0.611。臺灣 2015 年三領域的估計亦與 OECD 公布值一致。
跨輪次可比性的硬限制
各領域最早可與 2022 比較的輪次
每個領域最早只能回溯到它首次成為主測領域的那一輪：閱讀到 2000、數學到 2003、科學到 2006、財金素養到 2012。超出此範圍不是「誤差比較大」，而是沒有共同量尺。
施測模式改變
2015 年起主要改為電腦施測，此前為紙筆。OECD 已在量尺連結中處理模式效應，但跨越 2015 這條線的比較，不確定性本質上高於 2015 之後各輪之間的比較。
ESCS 只能回溯到 2012
ESCS 在 2022 年重新校準過，各輪原始 ESCS 不可直接跨輪比較。OECD 另發布 trend ESCS，把 2012、2015、2018 三輪重新計算到 2022 的量尺。
PISA 2022 的特殊情況
2022 年施測期間橫跨 COVID-19 疫情，部分國家延後施測或調整樣本。解讀 2018 到 2022 的變化時，教育政策效果與疫情衝擊難以分離。
從 OECD 檔案伺服器到本頁圖表
本頁所有圖表都是 R 的輸出，不是網頁重畫的。分析在持續的 R 工作階段中執行（透過 r-stats MCP），估計函式與終端機分析共用同一份 lib_pisa.R。
目錄結構
從零重建一行完成：Rscript -e 'source("~/PISA/R/00_config.R"); rebuild_all()'
APA 第七版報告
頁面上的每一張圖與每一個表，都可以一次打包成 Word 檔。
報告內容
每一張圖與每一個表都附編號、斜體標題（置於上方）與研究結果說明（置於下方的「註」），並包含研究方法、描述統計、趨勢、各國比較、公平性、學校層級、選考領域、IEA 系列評比、結論與研究限制等章節。
- 中文字體標楷體，西文與數字 Times New Roman，12 pt
- 兩倍行高，內文左右對齊
- A4 版面，上下左右邊界 2.54 公分
- 表格採 APA 體例：僅頂線、標題列下方線與底線，無直線
APA 第七版正文原訂靠左對齊、右側不齊；本報告依需求改為左右對齊，此為刻意的體例調整。
資料範圍與限制
已納入
PISA 2015、2018、2022 的學生檔與學校檔，以及 2022 年的創造思考（63 國）與財金素養（20 國）選考領域。合計 174 萬名學生。
三個容易踩的坑
- 越南 2018 OECD 未將其合理推估值放進主學生檔，另以獨立檔案發布。不處理的話越南 2018 的所有估計都是空值。
- 創造思考檔沒有權重 認知檔只有推估值與試題反應，權重在主學生檔，必須以學生編號併回。
- 財金素養壓縮檔內有三個資料檔 只有問卷檔含推估值與權重，試題檔兩者皆無。
2012 以前無法自動取得
OECD 於 2024 年改版官網，舊的檔案網址全部失效，新的資料集頁面啟用了人機驗證。這部分需要以瀏覽器手動下載，且提供的是 ASCII 定寬檔加上 SPSS 讀取語法。
PISA 2025
首波結果預定 2026 年 9 月 8 日發布。屆時在來源清單加一列網址、重跑流程、更新連結誤差表即可納入。