SAEBRS量表评分、风险分类及潜在特征稳定性研究：基于K-5学生学年追踪数据的实证分析

本研究针对学校多层级支持系统(MTSS)中社会情感行为(SEB)筛查工具SAEBRS的稳定性问题，通过追踪1253名K-5学生学年三次筛查数据，证实其原始分数具有强稳定性（r≥0.8）、风险分类呈中强稳定性（φ≥0.15），并识别出"风险/非风险"双特征模型，为教育者制定精准干预策略提供实证依据。

　　

在当今教育领域，如何早期识别学生的社会情感行为风险(SEB)已成为学校心理健康服务的核心议题。传统依赖教师主观推荐或违纪记录(ODRs)的方法存在明显偏差，而基于多层级支持系统(MTSS)的通用筛查工具SAEBRS（社会、学业和情绪行为风险筛查器）虽被广泛应用，但其评分稳定性、风险分类一致性等关键 psychometric（心理测量学）特性仍缺乏系统验证。这项发表在《Journal of School Psychology》的研究，通过追踪美国中西部两所小学1253名K-5学生整学年的筛查数据，首次全面揭示了SAEBRS在真实教育场景中的稳定性规律。

研究团队采用纵向追踪设计，收集2021-22学年秋季、冬季、春季三次SAEBRS教师评分数据。通过计算Pearson相关系数评估原始分数稳定性，使用Cohen's κ系数检验风险分类一致性，并运用潜在特征分析(LPA)和潜在转换分析(LTA)探索风险特征模式。同时纳入年级、性别、种族、特殊教育(SPED)和免费午餐(FRPL)等 sociodemographic（社会人口学）变量进行逻辑回归分析。

主要发现

1. 原始分数稳定性：总行为量表(TB)稳定性最强（r=0.82-0.87），情绪行为子量表(EB)最弱（r=0.68-0.72），符合"测量误差随间隔延长增大"的 psychometric 规律。
2. 风险分类稳定性：TB分类一致性最高（κ=0.63-0.71），EB最低（κ=0.45-0.52），约80%低风险学生维持分类，50%高风险学生发生类别转换。
3. 潜在特征模型：双特征模型（风险/非风险）最优，AIC/BIC值较其他模型降低5%-15%，且特征成员稳定性达75%-82%。
4. 社会人口学预测：非裔学生(OR=1.8)、接受特殊教育者(OR=2.3)和免费午餐资格(OR=1.6)显著预测高风险特征，女生风险概率降低40%。

这项研究首次系统验证了SAEBRS在自然教育场景中的 psychometric 特性，其三大突破尤为突出：首先，证实三次学年筛查的合理性——冬季筛查可捕捉EB子量表敏感变化，而TB适合全年稳定监测。其次，双特征模型为MTSS系统提供高效分类框架，较传统单维度筛查提升风险识别效率20%。最后，揭示的社会人口学差异为 equity-centered（公平导向）筛查提供调整依据，如建议对非裔学生EB分数设置更高临界值。这些发现不仅指导SAEBRS的优化应用，更为SEB筛查工具的稳定性研究建立了方法学范式。

值得注意的是，研究也存在样本地域局限性和未控制教师评分者效应等不足。未来研究可结合学生自评(mySAEBRS)多 informant（信息提供者）数据，并探索季节性因素对EB子量表波动的影响。这些深化研究将进一步完善学校心理健康服务的精准筛查体系。