教育評價的幾大問題及發展方向

/教育評價的幾大問題及發展方向【摘要】文章探討教育評價必須面對的幾大問題，包括教育目標的多重性、教育評價的完整性、教育目標的非兼容性及矛盾性，以及教育目標的個性化等。這些問題是教育評價中不可避免但又必須恰當處理的。因此，教育評價的發展方向應該是更加關注長期的教育性目標，減少對短期的教學性目標評價的依賴；更加注重個性化評價，找出個體學生的價值和發展方向。【關鍵詞】教育評價；教育目標與教學目標；個性化教育；認知與非認知；社會情感能力

教育評價改革在世界各地都是一個熱門的話題。究其原因，大約有四個方面。第一，第四次工業革命即將為社會帶來巨大的變化。在三次工業革命之后，以人工智能、大數據等為核心的新一代技術所帶來的革命毫無疑問會重新定義知識和技能的價值。過去有價值的知識和技能在全新的智能機器時代可能變得毫無價值，而以前沒有價值的知識和技能反而會增值，成為社會最需要的(Zhao，2018c)。那么教育就必須幫助受教育者獲取這些知識和技能。提倡21世紀技能的有關文獻汗牛充棟，已經被廣為接受(Duckworth&Yeager，2015；Zhao，2016a)。第二，現有評價方法的弊端日益明顯。單一的評價方法已經不能夠全面掌握學生的學習情況，更不能完整體現學生身心發展狀況，而且會對某些背景的學生造成傷害(Emler，Zhao，Deng，Yin，&Wang，2019；Levin，2012)。第三，近年來對非學科知識技能的重視讓人們重新思考教育的目的。教育絕不應該僅僅看重學生的學習，而必須關注學生的身心健康和健全發展，因此學生的社會情感能力(SocialandEmotionalLearning)、身心健康開始受到廣泛關注(OECDBetterLifeInitiative，2017；Zhao，2020)。但傳統教育評價并不關心學生的身心健康，因此必須改革。第四，新冠肺炎對世界教育的沖擊在現代教育史上沒有先例，它導致全球十多億學生一段時間無學可上(UNICEF，2020)，同時也讓無數的大規模教育評價終止。為此，不少人呼吁就此放棄大規模教育評價，尋求全新的教育評價體系和方法。 教育評價改革由于不同的原因而產生了不同的方法。有的是增加教育評價科目，比如OECD的PISA近年來增加了語文、數學和科學以外的國際化能力(globalcompetence)、解決問題的能力(problemsolvingskills)和創造力(creativity)評價，也開始報告學生的幸福感和對生活的滿意度等。有的是微改革，比如澳大利亞的新南威爾士州、維多利亞州、昆士蘭州和堪培拉地區的教育廳最近發布的對其國家教育考試NAPLAN的評價報告認為該考試應該繼續，只需要微調一下考試年級、反饋時間以及增加一項批判能力考試(McGaw，Louden，&Wyatt-Smith，2020)。 教育評價改革無論如何改都必須解決幾大問題。這些問題不是教育評價的技術問題，而是本質的哲學問題，是社會、政府必須考慮的問題，但同時也涉及教育的科學性問題。這幾個問題關乎教育評價的目標與發展方向，也關乎教育評價的實施和應用。本文就這幾個問題展開討論，并希望引起各界的重視。 一、教育目標的多重性 教育評價，無論是評價教師、學校、教育體系或者是學生，都離不開教育目標。一切評價都必須以是否或者在多大程度上達到教育目標為基本判斷標準。說一個學校如何應該看它是否完成了教育目標，完成度如何。評價一個教師也是看他所教的學生是否或者在多大程度上成為我們想要的人。當然，評價學生更是要看其在多大程度上完成了教育目標。 但有個問題一直妨礙教育評價全面公正地進行，即教育目標的多重性。除了短期有目的的培訓外，教育是為多重目標服務的。我們開展教育的目的是為了讓孩子德智體美勞全面發展。德智體美勞就是多個目標。沒有一個教育或者教學只是為一種目標服務的。比如我們常說的“教書育人”就至少有兩個目標：希望學生學會讀書并成為“人”。韓愈《師說》講老師“傳道授業解惑”也包含多個目標。就現代教育來說，我們的教育目標就更多了，包含認知目標(掌握知識、習得技能)和非認知目標(也稱為情感性目標，如好奇心、自我認知、信心等)。 我們可以從不同角度來看待教育目標的多重性。首先，教育的目標具備多學科性，也就是說教育不是只教一門學科，它需要學生掌握多方面的知識和技能，因此學校教育必須包含不同的學科。從小學開始就有語文、數學、音樂、美術、體育以及相應的自然科學和社會科學，加上各個國家和地區的政治和社會組織以及相應的價值觀和社會道德等。其次，教育學科的多重性也包含培養能力的多重性。每門學科有自己的知識和能力，但同時也培養超越學科的素養。比如全球化能力、個人品格、創造力、創業能力、溝通能力、合作能力、批判性思維能力等。 雖然世界各國的課程有一定差異，但毫無疑問，它們追求的教育目標都是多元的。例如由美國幾十家科技公司和有關教育機構所推出的21世紀技能(21[st]CenturySkills)包含關鍵學科、跨學科，還包含解決未來問題的4C，即創造與創新能力(creativityandinnovation)、批判性思維與解決問題能力(criticalthinkingandproblemsolving)、溝通交流能力(communication)和合作能力(collaboration)。除此之外，還有信息技術、媒體和技術能力，還包括如何生活的能力(Partnershipfor21stCenturySkills，2007)。 與此類似，歐洲議會和歐盟理事會在2016年發布了關于歐盟公民為“實現個人目標、成為積極的公民、凝聚整個社會以及實現就業所需的核心能力”(TheEuropeanParliament&TheCounciloftheEuropeanUnion，2006)。除了學科之外，他們還提出8種主要能力。這些能力融合了“知識、技能與現實情況相適應的觀念和態度”(p.13)。此外，歐盟還強調其他關鍵能力，如批判性思維、創新能力、自我啟發能力、解決問題能力、風險評估能力、決策能力以及積極調整自我情緒的能力等。再比如，澳大利亞的國家課程包括八大學習領域和八大超越學科的能力(AustralianCurriculumAssessmentandReportingAuthority，2010)。 二、教育評價的完整性 教育目標的多重性給教育評價帶來了巨大的挑戰。首先，如何評價才能保證評價的完整。如果我們承認教育目標的多重性，承認教育需要照顧多個教育目標，那么我們就必須評價所有目標完成的情況。然而，在現有教育評價中，我們并沒有評價所有的教育目標，而是只評價一小部分目標。 單純從學科來看，絕大部分地區的教育評價基本上是評價語文(閱讀寫作)、數學和科學。比如PISA作為全球最大的教育評價項目，每三年一次，但其考核的教育目標是很有限的。雖然增加了其他能力的評價，但基本科目還是沒超越語文、數學以及科學。許多國家的大規模考試也基本局限于語文和數學。比如美國各州對學校的教育測評也是以語文、數學為主，基本不考慮其他學科。美國的教育質量追蹤考試(NAEP)也是以語文和數學為主。澳大利亞的國家年度考試(NAPLAN)考的也是語文和數學。各國更重要的升學考試也基本是考語文和數學，可能再加上外語。其他學科的評價基本上由教師上課評分執行，沒有納入大規模的統一考試。 教育目標中所提到的能力基本沒有評價。在現有教育評價體系里面，除了PISA的批判性思維能力、全球化能力和已提出并即將開展評價的創造力之外，沒有一個國家和地區有大規模關于能力的評價。加拿大不列顛哥倫比亞省(BritishColumbia)雖然將創造力、合作能力、溝通交流能力等列為關鍵能力，而且有比較靈活的課程支持這些能力的培養，但也沒有完整的評價這些能力的系統。 可以說，到目前為止沒有一個教育系統對所有教育目標的評價是完整的，許多教育體系開展的評價只是關注了教育目標中很少一部分知識技能，而且用這很少一部分的評價對學生、老師和學校進行很重要的判斷，導致教育評價的狹隘化，進而導致教育活動的狹隘化。因為考試的指揮棒作用，所考的才是所教的所學的，所以即使一個教育體系將許多學科和能力納入教育目標，但如果評價的范圍有限，教育活動也會因此受到極大的影響。 教育評價的狹隘性出自幾方面的原因。第一個原因是評價的成本。教育評價是需要極大成本的。成本包括研發評價工具、實施評價、給出結論的直接經濟成本，還包括學生、教師等參與評價的時間和精力成本等。如果將所有學科所有能力都納入正規的統一評價，那么成本必然大幅增加，可能增加到一個教育體系不可承擔的程度。因此，許多教育體系就選擇了看似容易執行的小范圍評價。第二個原因是評價技術。到目前為止，許多學科和能力并沒有科學的被大家廣泛接受的評價工具。比如，藝術、體育、道德、公民等學科并沒有統一的評價工具，創造力、批判性思維能力和交流溝通能力等也沒有相應的評價工具。雖然有不少努力，但從評價的科學性來看，不少學科和能力的評價工具都與語文和數學相差甚遠。從另一個角度來說，今天的教育評價基本被評價工具主宰，不是我們想評價什么就評價什么，而是我們能評價什么就評價什么。第三個原因是教育評價決策者的決定。也許有不少決策者認為教育評價只需要看主要的學科，在他們看來，也許語文和數學之外的學科和能力本身并不重要，因此就不考慮評價其他目標。最后，教育目標本身也許“太狡猾”，不容易評價或者本身說起來好聽，但其本質我們并沒有認識清楚，因此無法進行評價。比如公民與社會能力、道德能力等本身就是非常復雜的概念，而且沒有統一標準，難以描述，就更難以制定標準，開展評價了。 教育評價的狹隘性是現有教育評價的最大的問題。它導致了許多教育體系對學生的誤判，對教育質量的錯誤追求以及對教學的誤導。教育評價改革要改的問題之一就是不能再讓狹隘的教育評價繼續下去，要改變政策和發展方向，要全面完整地評價所有教育目標。 三、教育目標的非兼容性 要全面完整地對所有教育目標進行評價的一大問題是教育目標的不兼容。決策者在設計教育目標的時候思考的是所有學生都應該學習所有的學科、掌握所有的能力，都能達到預設的目標。然而，現實情況并非如此，因為不是所有教育目標都是相互支撐的，它們之間甚至會發生沖突。也就是說在追求某一個教育目標的時候，可能對另外的目標有反作用。或者說一種教學方法、一個教育體制有利于某一些教學目標，但對實現另外的目標有害。也有可能某一種教學方法或教育體制對某些學生實現目標有利，但對另外的學生則有害(Zhao，2018d)。 (一)學科之間的矛盾 首先，最明顯也是最容易理解的非兼容性存在于學科之間。這個道理非常明顯，就是說各個學科之間的發展是有矛盾的，這個矛盾的最大來源就是時間。時間對每一個學生來說都是一個恒量，一個不可能變化的量。如果一個學生每天花4個小時學習數學，那么這4個小時就不可能用來學語文。同理可推，她如果花2小時學英語就不可能再把那2小時用來學音樂(Zhao，2018d)。 一個教育系統設定的是學生要掌握好幾個學科的知識和技能，這項要求可以有幾個層次。第一是全部掌握，就是要求所有學生掌握課程的所有內容。第二是掌握最基礎的一部分，就是要求學生掌握課程的基礎部分，達到及格的水平。第三是超越要求，允許部分學生超越課程內容，達到更高的水平。 教育評價的目的也是多樣化的。從國家層面來看，也許要求的是第二項，也就是所有學生達標及格就可以，在這種要求下，學科之間的矛盾還可以處理，因為課程安排的時間基本能夠讓學生掌握各學科的基本內容。但是，如果是要用教育評價來選拔學生，那么要求的就是第一和第三項。在選拔性的教育評價中，所有學生相互競爭，都要考出一個好成績，那么對他們的要求就變得很高了，要對學科內容全部掌握甚至超越所學的內容。為了達到這個目的，學生就必須花時間在相應的學科上，因此就會產生學科之間時間上的沖突，由此學生就必須放棄一些選拔性考試不考的科目而把時間放在必考科目上。其結果就是教育目標不可能全部實現，這就是由許多考試導致的對一些學科重視而侵占其他學科時間現象發生的原因，致使教育目標失衡。 (二)學科成績與情感發展的沖突 迄今為止絕大部分教育評價考核的都是學科內容和學科能力。雖然有不少國家和地區都把學生的情感發展作為教育目標的一部分，但從現有的國際性考試來看，學科成績與情感發展是有沖突的。PISA和世界數學科學國際測試(TIMSS)都提供了足夠的證據。 2006年，美國布魯金斯研究所研究員TomLoveless在一份關于美國學生學習情況的報告中指出了一個特別有意思的現象。在2003年的TIMSS中(表1)，各國學生的考試成績與他們對學科的信心和享受程度成反比。也就是說，考分越高的教育體系的學生對數學和科學越沒有信心，也不如考分低的學生享受學習(Loveless，2006)。這一現象一直持續。到2011年的測評中(表2)，東亞教育體系，比如韓國、日本、新加坡以及中國臺灣、中國香港的學生成績遠遠高于美國、英國、澳大利亞，但這些國家(地區)學生的信心和喜愛學科的程度遠遠低于美國、英國和澳大利亞(Zhao，2016b)。 表1TIMSS成績與信心和享受課程的關系<tableborder=1align="center"><tr><td></td><td>等級</td><td>相關</td><td></tr><tr><td>信心</td><td>4</td><td>-0.58</td><td></tr><tr><td></td><td>8</td><td>-0.64</td><td></tr><tr><td></td><td>4</td><td>-0.67</td><td></tr><tr><td>享受課程</td><td>8</td><td>-0.75</td><td></td></tr></table> 資料來源：Loveless，2006 表2TIMSS2011數學成績與信心比較<tableborder=1align="center"><tr><td>國家地區</td><td>數學分數</td><td>信心(％)</td><td>看重數學(％)</td><td></tr><tr><td>韓國</td><td>613</td><td>3</td><td>14</td><td></tr><tr><td>新加坡</td><td>611</td><td>14</td><td>43</td><td></tr><tr><td>中國臺灣</td><td>609</td><td>7</td><td>13</td><td></tr><tr><td>中國香港</td><td>586</td><td>7</td><td>26</td><td></tr><tr><td>日本</td><td>570</td><td>2</td><td>13</td><td></tr><tr><td>美國</td><td>509</td><td>24</td><td>51</td><td></tr><tr><td>英國</td><td>507</td><td>16</td><td>48</td><td></tr><tr><td>澳大利亞</td><td>505</td><td>17</td><td>46</td><td></td></tr></table> 世界上的另一大教育評價項目PISA也發現存在同樣的情況(表3)，即PISA考試成績與情感發展水平成反比。例如，PISA2010年的考試成績與學生的創業信心有顯著的負相關，同時也與各國的創業活動有顯著的負相關，也就是說，PISA成績越高的國家和地區的人口創業信心越低，創業活動也越少(Zhao，2012)。 這一現象在多年的PISA測試中都是存在的。從最近一次PISA測試，也就是2019年發布的測試結果來看，這個負相關現象依然存在。例如，2019年的PISA結果表明，學生對生活的滿意度與PISA分數成負相關，PISA成績越好的國家和地區其學生對生活的滿意度越低，而考分低的國家和地區學生的滿意度越高。此外，2019年PISA還發現，害怕失敗的心理與PISA考分成正相關。即學生越是害怕失敗，其分數越高；不害怕失敗的學生分數越低。而教育的目的是讓學生追求成功，不是害怕失敗。 表3PISA2010成績與創業活動相關系數<tableborder=1align="center"><tr><td></td><td>PISA閱讀</td><td>PISA數學</td><td>PISA科學</td><td></tr><tr><td>感知能力(PerceivedCapabilities)</td><td>-0.595**</td><td>-0.586**</td><td>-0.608**</td><td></tr><tr><td>新生創業率(NascentEntreRate)</td><td>-0.693**</td><td>-0.636**</td><td>-0.678**</td><td></tr><tr><td>新企業擁有率(NewBizOwnspRate)</td><td>-0.371*</td><td>-0.374*</td><td>-0.392*</td><td></tr><tr><td>早期創業活動總量(TotalEarlyStageEntreActivity)</td><td>-0.658**</td><td>-0.620**</td><td>-0.658**</td><td></td></tr></table> 數據來源：PISA2010和2010國際創業活動研究 考試分數學業成績與情感發展不一定是同期的，也就是說，學業成績完全可能妨礙情感的正常發展，也可以說情感發展可能妨礙學習成績。二者不一定是同期同等發展的。那么教育評價就必須考慮二者的輕重，這就取決于決策者本身的價值觀。也就是說一個教育體系應該對教育目標作出相應的判斷，我們追求的是情感發展還是考試分數，是成績重要還是信心和興趣重要。 (三)短期與長期教育目標的矛盾 教育目標也可以分為長期和短期。在教學中，我們既希望學生可以很快掌握所學的知識和技能，也希望這些知識和技能可以留下來，為后面的學習和工作服務。也就是說，學習可以遷移(transfer)，學到的知識和技能不是馬上忘記而是長期有用。然而，這兩種目標不一定是一致的，有可能沖突。有些教學方法有助于短期目標，讓學生可以很快掌握要學的知識和技能，但有可能這種掌握是表面的、記憶性的，而沒有經過深度學習，對長期目標沒有太大的意義。 在美國教育界爭論極大的直接教學法(DirectInstruction)就是一個很好的案例。直接教學法有兩類。一類是指所有以教師為中心，嚴密安排教學內容和教師直接講授的教學法。另一類是大寫的直接教學法(DirectInstruction)，特指一種專門的直接教學法，這種方法起源于19世紀60年代。其主要方法也是以教師為中心，對學生有嚴密的管理辦法，教學內容很細，也是教師直接講授。和直接教學法相對的是以學生為中心的探究式學習(inquiry-basedlearning)或者是當前大為流行的項目教學法(project-basedlearning)。對這兩種教學方法從20世紀70年代到今天已經有了成千上萬的不同研究，就研究的結果而言就是發現了教學的短期和長期目標的矛盾(Zhao，2018d)。 卡內基梅隆大學心理學教授DavidKlahr和匹茲堡大學應用研究與評估中心主任MilenaNigam的一項研究可以作為佐證。他們的實驗對比了使用直接教學法和探究式學習法的三年級和四年級的孩子學習變量控制策略的結果。他們發現，在學習后的第二天，測量的結果顯示兩種方法沒有明顯差異，也就是說兩種教學法的效果是一致的。因此他們的結論是直接教學法優于探究式學習，因為效果一樣而直接教學法花的時間遠遠少于探究式學習(Klahr&Nigam，2004)。但這個結論很快就受到了挑戰。哥倫比亞大學心理學教授DavidDeanJr.和DeannaKuhn做了一項與Klahr和Nigam幾乎一模一樣的研究，只是延長了時間。他們發現在第11周測評時，直接教學法的效果開始消失，在第17周時更是如此。使用直接教學法的學生在第11周和第17周時表現遠遠低于對照組。因此，他們認為完全不必要去追求直接教學法的短期結果，因為發現式學習最終會讓學生達到短期的學習目標，而且其影響更加深遠，學生學得牢，還能靈活運用，達到學習遷移的目標(DeanJr&Kuhn，2007)。 Kapur把直接教學法短期的成功歸為“失敗的成功”(unproductivesuccesses)。這種成功就是短期教學目標得到極大滿足，但對長期教學目標并沒有太大的幫助。“可以讓學生在記憶和執行解決問題的程序上表現很好，但學生對他們自己在干什么沒有相應的理解”(Kapur，2016，p.290)。Kapur做了一系列實驗驗證他的假設。在一項實驗中，他將學生分為兩個組。一個組采用直接教學法，另一個采用探究式學習法。結果是直接教學法組的學生在開始時采用傳統標準方法解決傳統標準的問題，成績優異，但到后面要創造性地解決問題時就大大落后了。 1979年PenelopePeterson在綜述了200多篇文章后得出的結論是：使用直接教學法或者傳統教學法的學生在學業考試上有一些優勢，但是他們在抽象思維考試，比如創造力和解決問題方面略差一些。與此相反，使用開放式教學法的學生學業考試成績差一些，但創造力和解決問題能力要強一些。此外，開放式教學法在幫助學生樹立對學校和老師的積極態度、培養學生的獨立性和好奇心方面優于直接教學法(Peterson，1979，p.47)。 短期和長期教育目標的不一致，甚至沖突給教育評價帶來極大的挑戰。因為如果注重短期評價，比如一堂課或者一學期的課，那么就有可能受短期目標的影響而忽略長期目標。既然某些教學方法對促進短期目標作用很大，但損害長期目標，那么這樣的評價就有可能失之偏頗；而如果只看著長期目標，又有可能失去對短期目標的檢測。因此，教育評價必須要有所側重，對長短目標應有通盤考慮。 (四)創造力與短期學習目標的沖突 創造力和與其相關的好奇心是21世紀許多人士都認為特別重要的教育目標。但是，短期的教育目標，比如掌握一定的知識和技能，可能會極大地破壞創造力和好奇心的發展。有研究證明，創造力與學習成績不成正相關，也就是說學習成績的好壞對創造力本身沒有影響。但加州大學伯克利分校的心理學教授ElizabethBonawitza的研究表明，過多的教會傷害創造力和好奇心(Bonawitzaetal.，2011)。 這項研究包括兩個實驗。在第一個實驗中，任務是玩一個新玩具。研究者們把85個年齡48-72個月的孩子隨機分為教學組、中斷組、幼稚組和基礎組4個小組。教學組的活動和直接教學法非常相似，實驗員就像一位老師，她舉著玩具，告訴孩子們：“大家看著，這是我的玩具，我要教你們我的玩具如何玩。大家看著。”然后，她給孩子們演示了如何玩這個玩具。中斷組的活動和教學組基本一致，只不過實驗員在演示一結束就離開了現場。幼稚組接近于探究式學習。實驗員假裝剛剛發現有這個玩具而且不知道如何玩這個玩具。她一邊玩，一邊對孩子們說：“你們看見沒有，讓我來試試。”她演示了玩具的玩法，但假裝是偶然發現的。在基礎組，實驗員沒有演示玩具的玩法，只是說了一句話讓孩子們注意到了玩具：“你們看這個玩具，看看。”為了保證和其他組的時間一致，她花了2分鐘看玩具，然后就把玩具放回桌子上。在所有組中，實驗員在介紹結束后都鼓勵孩子們玩這個玩具并找出這個玩具的原理，然后就讓孩子們玩。研究小組用錄像對所有小組孩子們的活動進行了記錄并對比了各組玩玩具的總時長、獨特行為的次數、花在重復實驗員演示行為上的時長和發現玩具功能的次數。其數據表明：教限制了孩子們的探索和發現。那些被教過的“教學組”孩子更少地體驗玩具的功能也更少地發現了玩具的其他功能。第二項實驗證明了第一項實驗的發現，而且發現小孩能夠猜測教學目的。即，他們在沒有明確教學的情況下及時猜測到老師要教而且他們就應該聽老師的。另一項對兒童的研究的結果與此類似。研究發現當實驗員直接給出指令的時候，幼兒園的孩子們更容易模仿實驗員，而不愿意自己探索找出新奇的答案(Buchsbauma，Gopnika，Griffithsa，&Shaftob，2011)。 這兩項研究表明如果追求知識的掌握，教學的確有用，但是過早掌握傳統知識和解決問題的方法有可能讓孩子們失去好奇心和創造力，讓他們聽話，讓他們養成聽成人和老師的指導和教學的習慣，而失去自己把握事物探尋世界的興趣。那么在21世紀，創造力和好奇心成為重要教育目標的時代，教育評估是否需要跳出單純評估知識掌握這個圈子而要更多地評估孩子的好奇心和創造力呢? (五)認知與非認知的矛盾 前面提到學業成績，比如PISA和TIMSS成績，與學生的情感發展不一致。這其實涉及學生的生活情緒感受之外的另一個大問題，那就是認知能力(cognitiveskills)與非認知能力(non-cognitiveskills)的關系。一般說來，學業成績考核的是一個人的認知能力，比如記憶力，按要求完成任務的能力，以及使用信息解決問題的能力。它關注的是一個人能否解決問題，但不關注非認知能力，也就是一個人是否想解決問題。 能干但不想干不敢干就涉及個體的非認知能力，涉及比如動機、個性、信心、堅韌、興趣等許多與知識和技能沒有直接關系的因素。非認知因素不是一個簡單的概念也不是一項技能。它包含許多至今沒有完全被所有個體接受的概念。總體來看，人們提的比較多的有堅韌性(grit)、成長性思維(growthmindset)、動機(motivation)、自我決定(self-determination)、自我控制(self-control)、情商(emotionalintelligence)、社交能力(socialintelligence)、感恩(gratitude)、信心(confidence)、好奇心(curiosity)以及開放心態(open-mindedness)等。這些因素在現有的教育評估里面基本沒有測試。但有關研究證明它們有助于個人社會情感發展，促進有目的的活動，幫助個體作出有意義的判斷和決定，并與個人終身成就有極大關系(Brunello&Schlotter，2010；Duckworth&Yeager，2015；Levin，2012)。這也是單純的學業考試成績不能預測個人或國家成功的主要原因(Baker，2007；Goleman，1995；Tienken，2008；Zhao，2016；Goleman，1995；Tienken，2008；Zhao，2016b)。 認知能力的發展和非認知能力的發展不一定完全一致。PISA和TIMSS數據說明了這一點。專門注重培養學生的非認知能力或社會情感技能的教學并不能提升學生的學業成績也是一個反證。近年來社會情感能力教學(socialandemotionallearning)雖然風行一時，也有不少研究試圖證明其效果。然而結論就是除了能對相對應的社會情感能力有一定促進外，對學習成績沒有顯著效果(Durlak，Weissberg，Dymnicki，Taylor&Schellinger，2011；Hart，DiPerna，Lei&Cheng，2020；Wigelsworthetal.，2016)。 在我們日常教學中常見有的學生考試成績很好，但對學科本身并沒有興趣。還有的學生成績不一定好，但對學科卻有濃厚的興趣。或者有學生學習成績不好，但卻有獨到的思維方式，或者特別有人緣，善于處理人際關系等。總而言之，我們不能將認知與非認知混為一談，而且要清晰地認識到它們之間可能的矛盾。而且，教育評估也必須同時考慮到認知能力與非認知能力評估。 四、多重教育目標的個性化 教育評價如何對待教育目標的多重性和不兼容性是兩個大的問題。教育評價還有一大問題，就是學生的個體差異。由于先天和后天的相互作用，學生之間存在極大的個體差異，但是教育評價往往看重的是學生在某一個時間的表現，基本上忽略了學生先天的差異和與學校無關的因素，因此雖然測試的結果是學生先天、家庭、所處社區等因素加上學校學習共同作用的結果，但教育評價的結果往往被單純地認為是學校教育的結果，從而誤導對教育評價結果的理解。 (一)先天和后天的交互作用 人的發展是先天和后天交互作用的結果(Ridley，2003；Lewontin，2001)。一個人天生具有不同的可能性，一般稱為智力(intelligence)或者天賦(giftedness)。傳統的心理學對人的天性測試就是智力測試，得出的結論以智商來表示。后來人們對智商或者智力產生了懷疑，因為人不可能只具備一種智力。哈佛大學的HowardGardner在20世紀80年代提出了多元智能理論(multipleintelligencetheory)(Gardner，1983)。耶魯大學的RobertSternberg也提出過類似于多元智能的理論并做了相關研究(Sternberg，1988)。到今天為止，多元智能理論基本為大家所接受。雖然對多元的具體內容以及多元智能的開發實證尚有爭議，但是就人天生就具備不同的學習潛力這一點基本上達成一致了。有的人對光對顏色更敏感，那么如果后天機會得當，他們也許就有可能成為藝術家。有的人天生對數字或者數字模型敏感，如果有機會，他們就有可能在數學方面做出成績。 除了多元智能以外，人天生的追求也不一樣。前俄亥俄州立大學心理學教授StevenReiss提出的多元追求理論指出，從整體來看，人類可能有16種追求，但每個人的追求是不一致的。比如，某人可能極度追求權力，想影響別人。對其來說，可能80％的追求與權力有關，而其他的需求很小，也許就20％；而對另一個人來說，其追求的是知識，是認識世界，是探索未知，那么他的追求也許80％與好奇心有關。還有人特別追求家庭生活，另外的人可能看重安靜的經歷(Reiss，2004；Reiss，2000)。 此外，人的性格也有極大的差異，這些差異也與遺傳有關。現代心理學所總結的人類五大性格類型就說明了人的性格的極大差異(John，Robins&Pervin，2008)。這五大性格類型，也稱為人格，包括開放性(openness)、責任心(conscientiousness)、外傾性(extraversion)、宜人性(agreeableness)和神經質性(neuroticism)。在這五個方面，每個人所具備的特征是不一樣的。比如外傾性方面，有的人特別外向，而有的人特別內向。在開放性上也是如此，有的人特別具備想象力，特別追求新東西，而有的人則很守舊，不愿意參與新經歷、新活動。 人先天遺傳的智能追求以及性格與后天經歷相互作用，從而形成不同的人。后天經歷對先天因素產生的作用主要在于提供發展的機會或者壓抑先天的發展。例如，一個具備音樂天賦的孩子如果沒有聽到過音樂或者經歷音樂的訓練是基本不可能成為一個音樂家的。人類歷史上出現過的狼孩就是典型例子。他們都具備語言天賦，但出生后沒有和其他人打交道，沒有模仿使用語言的機會，因此也就不會使用語言了。后天經歷也可以張揚一個人的天賦。比如一個有音樂天賦的人生在一個音樂世家，生下來就能接觸音樂，而且還有父母給予的音樂熏陶，那么他就可能成為一個音樂家。 后天經歷對人格和追求起的作用也十分相似，可以壓抑或者擴展一個人先天的追求和人格。一個追求權力的人如果有機會體驗權力帶來的快感，而且有機會抓住權力，那么就有可能更加追求權力。相反，如果在其后的經歷中沒有享受權力帶來的快感，這種追求就可能弱化。人格也是如此，一個先天開放的人，如果后天的經歷讓其享受到開放追求新事物的積極結果，那么他可能更開放。如果他生在一個保守的社會，那么其開放性有可能慢慢下降。 但是后天不可能徹底改變先天。人人都可以學會畫畫，但不是每個人都可以成為畢加索。先天對后天的學習有極大的影響。一個具備天賦的人學習速度和最后可以達到的水平，在同樣的后天經歷下會遠遠高于一個不具備天賦的人。如果花的時間一樣、教師一樣，而且經歷一模一樣的話，具備天賦的人可能成為一位卓越的專家，而不具備天賦的人就是一個平庸的掌握了相關知識和技能的人。 由于先天和后天的交互作用，學生之間既有先天差異，后天的經歷也大不一樣，那么他們在進入學校時就已經有了很大差異。每個孩子都有自己的優勢和弱勢，有自己的強項和弱項，有自己的追求，有自己的性格。這些差異從其本身來看無所謂好壞，只是差異，不是差別。但是，一旦進入教育系統這些差異就會變為差別。因為每個教育系統都有自己的教育目標，而這些教育目標又是學校開展教學的最基本要求，也是教育評價最根本的出發點。 (二)個性化與教育評價 在教育目標的指導下，教育評價就是對學生的差異性做出價值上的判斷。符合教育目標的能力、知識、行為、性格、興趣就是有價值的，有用的。反之，不符合教育目標的就是沒有價值的，沒用的。而且教育目標直接決定學校開設的課程和看重的行為。因此學生的差異極大地影響每個孩子與教師、課程和課堂的關系。進入學校時，有的孩子由于先天加后天的原因對要學的內容以及課堂環境和老師都很熟悉，而且已經具備了一定的能力，他們就是特別優秀的孩子；而另外一些孩子的天賦和家庭經歷讓他們對學校的一切都很陌生，其能力可能與學校要教的課程沒有關系，因此看起來特別差。當然還有一些孩子可能居中，不太差也不太好。 但是需要注意的是那些很差的或者中等的孩子，其實是很有自己的長處和追求的。只不過他們的長處、能干的事情和其喜歡的事情不是教育評價當時所關注的，而教育評價所測評的又正好不是他們的長處。許多學生因為這一點而失去了真正發展自己的機會，被迫放棄自己的優勢，轉而接受學校所教的課程和所看重的知識和行為。然而，他們的優勢并非學校教育所要求的，這些學生有可能永遠落后于那些恰好具備符合教育目標的能力和興趣的學生而成為社會的底層。 教育評價是為檢測教育目標實現的程度而服務的。如果教育目標改變了，教育評價可以改變。但教育目標是否有可能改變呢?其實教育目標應該而且確實在改變。不同的社會需要有不同的教育目標。人類社會進入第四次工業革命時代，我們的教育目標應該擴大，擴大到可以包容不同的人才，讓每個人的天賦和興趣都得到承認和發揮。這是教育目標制定者和教育評價需要考慮的。 (三)學習與教育評價 教育評價要考核的是教育的作用和效果，因此評價的是學生在評價時刻的狀態，而且要從這個狀態中找出教育教學的作用，要看到學生的進步。然而從學生的先天與后天的交互作用來看，任何時候測評到的學生狀態必然是在以前的基礎上成長起來的，也就是有先天的作用和后天的努力。那么教育評價就必須想辦法找到從某一個時間點到另一個時間點的教育教學的作用。增值性教育評價(value-addededucationmeasurement或者value-addedassessment)是方法之一。增值性教育評價本來是一種對教師的評價，其方法是用現有學生的成績對比以往學生的成績以及同一年級學生的成績，從中找出差異，這差異就可認定為教師的貢獻及增值。增值性教育評價在美國以及其他國家的教育評價中獲得了不少支持，因為它似乎可以更公平地展現學生在一段時間內的成長而且可以與其他群組進行對比，也可以消除過去其他因素的影響。但是，研究證明增值性教育評價本身的效果與想象的效果差別很大，并沒有想象的公平和準確。2019年美國國家經濟研究署(NationalBureauofEconomicResearch)發表的一篇論文說明了這一點(Bitler，Corcoran，Domina&Penner，2019)。該研究的主要目的是驗證增值性評價的效度。研究者們采用常用的增值評價模型來預測一個教師不可能改變的結果——學生身高。他們分析了紐約市學生的數據后發現教師對學生身高的影響達到了對數學和語文成績的影響程度，從而引起了對增值評價效度的懷疑。他們發現影響學生成績的因素遠遠超越教師這一單一因素。 增值性教育評價也可以是評價個體學生在某一個時間段以內的成長情況。比如我們可以測評學生三年級開始到三年級結束之間的成長情況，并從中看到一個學生的進步。這個進步可以歸結于學生的努力、教師的工作、課程的作用以及學校和家長的共同作用。但是問題在于，我們如何看待他一年級之前的情況。一年之間的學習似乎與前面的情況沒關系，但其實關系很大。首先，先天因素可以大大影響后天的學習速度。在學科上有天賦的孩子學習速度可以遠遠高于在該學科不具天賦的孩子。其次，入學前學生已經養成的習慣和已經掌握的知識可以極大地影響后面的學習。具備一定知識和有關習慣的孩子學習可能是“加速度”而不具備這些條件的孩子可能需要更多的時間。再次，學生的天賦、已有知識技能和習慣可能與這一年中的學習經歷產生巨大沖突或者特別適合，因此產生的學習效果會大大不一樣。 因此要評價教育教學對學生的影響、教師對學生的影響、學校對學生的影響以及課程對學生的影響就極其困難。尤其是當想用單一簡單的評價工具評價學生的成長和學習時，這個問題就更明顯。因此在實施教育評價時，我們必須考慮到學生的天賦、興趣、人格、追求及其后天所有的環境。更重要的是，開展教育評價之后，我們更需要關注學生個性化教育，幫助每一個孩子順應他們的天性而學習。 五、未來教育評價的方向 教育評價的目的很多。大規模教育評價可以統一監測一個國家或地區(一個教育體系)的教育狀況，可以看到與現有教育目標的差距，也可用于觀察一個教育體系的運作，還可以用于選拔學生，考察學校和教師等。小型的教育評價可以用于測評學生對知識和技能的掌握，可以用于分班、制定教學計劃、檢測學生的進步和成長，也可以用于對教師和學校的考察。但從宏觀上看，教育評價的目的有兩大類：選拔和促進學習。 (一)選拔 教育評價的選拔目的非常明確。任何一個教育體系都有一套用于選拔的評價工具，因為每一個教育體系在提供教育之外的主要功能就是為社會選拔其所需要的人才。任何一個社會都需要人才，而且任何一個社會都不可能滿足所有人的需求，因此必須要有一個選拔工具讓一些學生享有更好的社會資源和機會。這些資源和機會在不同的社會以不同的方式出現，往往是以更高的就學機會和相應更好的工作為代表。所以，利用教育評價為高中、大學以及研究生等教育選拔學生是各國都有的現象。 選拔性教育評價基本是常模參照性測試(normreferencedtest)，也就是必須進行比較。它不在乎某個學生是否掌握了要求的知識和技能，而是對比學生考分的高低。因為任何資源和機會都是有限的，無論怎樣的評價，最終都是將學生進行對比，選出和資源及機會相匹配的人。 以選拔為目的的教育評價還必須對評價標準和評價內容有一定的限制。目的不同，選拔標準就不同。比如美國的大學升學選拔以統考(SAT和ACT)分數、學生學業成績(GPA)、學生其他表現(推薦信)以及學生的經歷和特長(自我描述)等為主要內容。SAT和ACT考試提供的是學生的排名，也就是相對于其他考生的位置。GPA提供的是學生高中階段的成績和相對于其他學生的排名。推薦信和自我描述提供的是該生的獨特性，以反映考試以及GPA不能提供的情況。 然而，美國的“高考”其實問題很大。經過大量研究發現，SAT和ACT并不能預測學生進入大學后的學習情況。加州大學系統追蹤了該校從1996到1999年入學的78000名學生后發現SAT分數只能解釋大一學生成績的13.3％(Geiser&Studley，2001)。大學理事會(CollegeBoard)，就是SAT的提供者，也對SAT以及大學成績做了大量的分析。其中一項是對1980到2000年諸多研究的元分析，結果發現最好的結果是SAT可以解釋10％的畢業情況差異，也就是說一個人能否大學畢業只有10％的原因與SAT分數有關(Kobrin，Patterson，Shaw，Mattern&Barbuti，2008)。ACT成績對大學生學習的影響也差不多。美國國家經濟研究署的一項研究發現，ACT能解釋的大一成績的差異是13％(Bettinger，Evans&Pope，2011)。由此可見，“高考”分數對大學生學業的影響其實很低。因此，美國大學開始摒棄SAT和ACT的做法。2014年Bates學院對來自30多所把SAT或ACT成績作為選項，也就是對學生可以不提供成績的不同類型大學的123000學生的大學成績分析表明，沒提供考試成績的學生大學成績不低于提供了成績的學生(Hiss&Franks，2014)。由于SAT和ACT不能預測大學學習，也就是它們并沒有測試到大學生學習所需要的能力，美國已經有近一半的大學開始不要求標準化考試成績(FairTest，2018)。高中學業成績對大學的影響，單獨來看和SAT以及ACT差不了太多，只能解釋大學成績的極小一部分差異。 由于傳統升學評價的缺陷，美國中學開始了尋找更科學的評價范式。從2014年的一所學校開始到今天的300多所學校參與的MasteryTranscriptConsortium(MTC)就是案例之一(MasteryTranscriptConsortium，2020b)。MTC是一個以中學為成員的非盈利組織，一開始由美國有名有地位的私立中學組成，后來公立學校開始參與。MTC的主要目的是創立一種新型的學業評價模式，供大學招生使用。與傳統的學業評價只給一個學業綜合成績(GPA)不同，這個模式的最大特點就是用電子化手段全面展現每一個學生的學業情況和自身優勢與弱勢，并提供相應的證據證明學生達標的情況以及個體優勢，從而讓大學清楚地看到每個學生的學習情況和所掌握的知識與技能，明確每個學生的強弱點。MTC一個虛擬的學生學業成績報告單如圖1所示(MasteryTranscriptConsortium，2020a)。 MTC已經開始給大學提供類似的成績單，而且效果也不錯。該組織發展迅速，2017年4月正式發布時參加學校是50家，到2020年已經超過300家。新冠疫情以后，疊加美國大學對SAT和ACT的放棄，SAT和ACT考試都受到了極大沖擊，越來越多的學校不得不至少暫時放下對SAT和ACT的要求。可以說美國學生選拔性評價已經開始發生巨大變化，而且這種變化會越來越大，其特點如下。 第一個變化是個性化。隨著對學生的能力、追求、人格的個性化認識加深，對先天和后天交互作用的認識加深，對學生個體發展的不一致性的認識加深，對現有教育評價難以完整全面地測評學生的個性發展的認識加深，人們開始尋求個性化的教育評價。而且個性化的教育評價似乎也更適合像升學之類的選拔性評價，因為大學學習經歷本身就是多樣化的。首先大學層次本身就多樣化。一個大學體系包含研究型、教學型、實踐型等，而且還有4年、3年等不同的學制。一個研究型大學對于要招的學生所具備的能力知識要求可能完全有別于一所實踐型大學。其次，大學的專業千差萬別，所要求的知識能力和興趣也因此千差萬別。可以想象戲劇專業應該和物理專業對學生有不同的要求。同理，數學專業對學生的要求應該不同于文學專業。因此不可能有某一個單一的標準可以為所有學校所有專業挑選人才。應該采用的辦法就是使用能夠展現學生個性的評價手段讓學校和專業尋找適合的人才。 圖1MTC學生成績單 第二個變化是能力化，也就是擺脫學科本身的知識，而尋求知識之上建立的能力(competence)。比如MTC考核的科學與數學能力包括統計推理、代數推理、幾何推理、科學實驗推理、科學解釋等。它的通用能力包括自我管理、生產解決方案、評估信息、綜合信息、運用知識等。MTC還含有國際公民等能力。知識的能力化可以擺脫傳統學科的約束，評價的不是掌握某一學科的知識，而是掌握這些知識后能夠達到的能力，而這些能力可以通過活動和跨學科的學習來培養。 第三個變化是真實性、作品性。新的教育評價越來越看重的是學生做過什么，有什么作品，而慢慢疏遠于學過什么。MTC收集提供學生的經歷和作品用以支撐他們所達到的能力，而不僅