教育评价赋能未来学校转型

李葆萍 陶丹

【摘 要】为适应智能时代人才培养的需求，当前的学校教育体系需要进行全方位、深层次的变革。为克服变革过程中教育系统运作的惯性影响，本文提出以构建智能时代的教育评价体系赋能未来学校转型。智能时代的教育评价应当聚焦于学生核心素养发展规律来构建评价的认知模型;借助智能技术以真实场景下的表现性评估手段来测量和诊断学生的高阶能力发展水平并探索其培养规律;用“以评促教”的理念改变教育评价模式，构建课程、教学、评价一体化的闭环模型，发挥教育评价的导向、诊断和改进功能，进而促进未来学校转型。本文还对教师跨学科教学能力、人工智能技术素养、数据素养和评价素养等新型教师专业发展能力在推动教育评价赋能未来学校转型中的潜在价值进行了分析。

【关键词】未来学校 教育评价 人机交互教育评价 教学研一体化模式

一、智能时代教育面临的挑战

学校教育具备其固有的社会功能，学校教育体系需要和社会生产生活方式的转变保持一致。在工业化时代，各行各业对从业人员的技能需求相对稳定，对应的教育体系只需要传授给学生相应的知识和技能。放眼今天，世界步入智能时代，知识与技术创新加速，部分领域知识更新周期由20世纪的40～50年急剧缩短至16～18个月[1]。随着知识更新和淘汰周期的加速，新行业和技术产品层出不穷[2]。然而，现实中的教育系统仍然延续工业化时代的体系，各级各类学校以培养专业型、工匠型人才为主要目标，学校转变的速度远远跟不上知识与产业更新的步伐。同时，在通信技术和交通技术的助力下，跨国、跨区域的经济文化交流空前便捷，多元文化、不同观念间的融合与冲突无处不在，未来充满了巨大的不确定性。这些挑战对整个教育系统和各级学校教育提出了新的需求。

为了应对这些挑战和需求，未来人才培养的目标需要有新的定位。2016年，教育部发布了中国学生发展核心素养框架，框架以培养“全面发展的人”为核心，将核心素养分为文化基础、自主发展、社会参与三个方面。作为社会人才培养的主要机构，学校必须完成从工业化人才培养模式向智能化人才培养模式的深层次转型。以“培养学生”这个学校的核心业务为例，学校的课程内容将从分科式的组织方式转向学科融合的方式，指导学与教的理论基础将从以知识传递为目标转向以深层次的理解和知识创造为核心，评估学习者学习效果的指标也将从以言语、数理逻辑为代表的传统智能转向多元智能和德智体美劳五育并举。为了响应这些转变，各级教育系统的教师教学技能、管理组织架构等都需要做出相应的调整。未来学校转型的具体策略和路径会有所不同，但可以预见的是，这个过程一定会受学校已有运作体系庞大惯性的影响。

二、新型教育评价赋能未来学校转型

教育评价是通过规范的教育研究设计和步骤，系统收集和分析数据，对特定的教育实践确定其价值的过程[3]。对整个教育系统而言，教育评价的内容和标准就是教育活动规划和组织的指挥棒。鉴于工业化的教育评价体系不能满足新的教育理念以及智能时代的人才培养诉求，欧盟、经合组织等陆续发布政策引导国家教育评价体系在评价内容、评价手段以及评价的功能等方面进行变革。2020年，我国颁布的《深化新时代教育评价改革总体方案》也同样站在重塑智能时代教育体系的高度上，对于评价改革的方向和整体路径进行了全面的规划。概括来说，新型教育评价赋能未来学校转型主要体现在以下几个方面。

1. 以学生全面发展和终身学习教育评价内容推动育人观念转变

传统学校教育所提供的知识和技能无论在内容上还是形式上均无法满足个人进入社会生产生活领域的需要。学生获取和应用知识的能力的重要性胜过学生掌握具体的内容，单纯评估学生知识内容掌握的教育评价体系极有可能会误导学校教育活动的组织和开展。目前固定年龄阶段在固定场所的常规学校学习方式也无法适应快速发展社会的需求，自主学习、终身学习和职场中的学习将成为新的学习方式和学习场景，教育评价需要引导学校教育适应校内外融合体系下的学习模式。基于最新的研究总结，教育评价在内容组织层面呈现如下趋势[4]：

（1）教育评价设计和开发所依据的认知模型突破分科教学的模式，包含整合的核心知识、技能以及彼此之间的关联。教育评价的范围扩展到学生的复杂思维、问题解决能力以及隐性知识评估。2006年，欧盟启动的教育与培训领导的未来十年发展规划项目发现，在核心素养的培养目标的指导下，欧盟各国的课程改革实现了分科知识的课程向核心素养跨学科课程的转变;综合评价问题逐渐成为评价改革的焦点，如阿姆斯特丹大学开发用于评价15～16岁学生跨学科素养的测试方法等。

（2）教育评价关注学习者知识建构的贯通性，致力于为课程、教学和评价提供一种跨越不同年龄阶段的、贯通的认知发展模型。这方面比较典型的做法就是将“学习进阶”的理念引入学科核心大概念的学习中。学习进阶是基于实证研究中学生的认知发展过程开发出来的一条“假定的”学习路径，其核心假设在于学生对于同一核心概念的理解是随着年级的升高而逐渐深入的[5]。用学习进阶的模型指导教育评价的设计和开发，可以关注到学生深层次理解的发展过程，从而为学生的具体学科核心概念的理解和发展提供相应的建议。

（3）关注学生的认知、元认知、社会认知和非认知特征对个体行为和学习表现的影响。学生在学习过程中涉及的社会、情感和自我管理这些变量通常被称为非认知技能或软技能。当前教育过于关注学生的认知技能，而忽视了对非认知技能的培养。过去十年里大量的研究表明，非认知变量与学生在教育过程和后期企业生涯中取得的成绩之间存在较强的关联性[6]。因此，未来学校的教学评价设计也需要关注学习的非认知维度，以及如何将它们体现在具体的学习目标中。

2. 以智能技术支持的表现性评价推进高阶能力培养

各級教育系统也面临着如何设计和开发有效的评价项目来测量和支持包括数学能力、阅读能力、协作技能、好奇心、智力、创造力和责任心等在内核心能力和素养的培养。这些核心能力和素养通常无法被直接测量，需要寻找新的评价途径和方式。研究表明，可以根据测量对象（即学生）在特定环境中可被直接观察的语言、行为等信息来推测该对象在某项技能上的水平，如创造力的测量[7]、问题解决能力的测量[8]等。尽管教育评价的目的和应用的情境各异，但其从本质上来说就是一种通过观察学生的行为和表现生成相应的数据，以此为证据对学生的知识状态、认知状态进行合理推断的过程[9]。从这个角度出发，依据科学的理论模型设计特定的交互环境，从中准确地获取学生可被观测的言语、身体动作等信息，便可以推断出学生的某些素养和能力水平。

传统的纸笔测试环节中产生的大量的思考过程数据被忽视，且纸笔测试在创设学生应用知识和技能情境方面具有先天的不足，不适于对学生高阶思维能力的考查。计算机支持的学习和模拟可以用来创设真实的情境，让学习者在这种情境中展示出他们知道什么以及他们能够做什么。互联网、虚拟现实技术等已经被应用在如电子档案袋、计算机自适应测验等方面，为学生营造“人—机”交互的测试平台与方式，再现生活情境或模拟的情境化评价氛围，采集积累学生学习的过程数据。通过人机交互环境记录下来的学习行为使得考查学习者的学习过程成为可能[10]。如图1所示，该界面是北京师范大学未来教育高精尖创新中心研发的问题解决能力评估系统中的一个评估场景。首先，它提供了帐篷分配的规则，包括：异性不得在同一帐篷和每一个帐篷中至少有一位成年人。学生需要根据总体人数、帐篷的容量和帐篷的数量，拖拽对象进入相应的帐篷;同时，系统可以记录学生阅讀规则的时间、操作步骤、操作时间、重做次数和操作结果等。通过分析发现学生的决策模式，可以将学生的学科成绩与之关联，探查问题解决决策模式与学科学习结果之间的相互影响[11]。

借助于数据挖掘和建模技术，可以实现外部可观察行为向内部思维的映射，发现学生深层次的认知模式和策略，从而为高阶技能和核心素养的培养提供基于实证的建议。例如，对PISA 2012全球42个国家和地区3万余名学生Climate Control（气候控制）题目的日志数据行为序列分析的研究发现，学生在问题解决空间搜索过程中显现出深度优先策略、广度优先策略、混合策略和无策略等模式，且深度优先策略和混合策略表现显著优于广度优先策略和无策略模式;同时，这些模式提示不同策略运用可能与学生的工作记忆容量和认知负荷有关，这些发现就可以为学生问题解决能力的培养提供相应的教学干预证据[12]。

3. 以课程、教学和评价的一体化模式来推动教与学模式的转型

当未来学校致力于让每一个学生都能获得适合于自身特征的发展机会时，继续沿用整齐划一的标准对学生进行分层的策略是不合适的。未来学校的评价应当强调对多元价值观的包容以及评价结果对学生进一步的学习的反馈和推进作用[13]，使课程、教学和评价三者之间在价值取向上具有高度的一致性，在活动实施上具备良好的连贯性[14]。教育评价的模式上，需要转变传统教、评分离的模式，对学生能力的考查和教与学的改进形成良性的闭环，进而通过判断和解释学生获得能力过程的证据起到评价学习状态、改进教与学的作用，将评价作为激发个体能力和潜能的过程[15]。当前，主要有如下两类展示教与学模式一体化的设计思想。

（1）探索目标为导向的教学评估一体化模式。翻转课堂是当前备受关注的课堂教学模式，其最显著的特征便是将课堂教授和学生练习环节交换了顺序。对翻转课堂的讨论主要集中在技术支持课程资源的传递、学生学习主体性的确立以及知识建构水平的提升方面，然而从课程、教学和评价一体化模式上的探讨并不多，这在某种程度上影响了一线教师对翻转课堂模式的认知。因为涉及技术应用，建构式教学等对于教师来说是极具有挑战性的技能和知识，容易使其对尝试翻转课堂产生畏难情绪。从教育评价和教学活动这两类教师基本技能组合顺序而言，翻转课堂就是把以往“教—学—练—评”教评分离的模式变成了“学—练—评—教”这种教学和评价一体的模式。通过评价前置于教学，使教学有了依据。教师教学内容的选择不再依赖经验，而是以目标和学情为导向，由传输式课堂模式变成改进式课堂模式。当翻转课堂的评价内容和标准参照未来人才培养要求时，评价前置的一体化课堂模式，“评价即教学”思想下的课堂教学自然是符合未来学校发展理念的方式。

（2）支持个性发展的精准教学评价模式。因材施教、个性化教学是古往今来教育追求的目标，也是未来社会“以人为本”理念的真实体现。如前所述，借助于在线学习平台、可穿戴设备、近场红外感应等技术能够在自然交互的状态下，采集到更加丰富全面的学生学习表现数据。结合教育评价模型的进步和数据分析处理能力的加强，更加精准刻画每一位学生元认知、认知和非认知特征，进而使得为教师和学习者提供个别化精准的教和学的决策建议成为可能。累计长周期的学生学习数据后，还可以形成代表学生学习全过程的数据链条，完整展现学生的学习特征与认知规律，将这样的教育评价结果融合到课堂教学决策之中，会有效促进教师从经验型混沌的教学模式向科学化精准转型，为学生的个性化成长提供适切的教学支持。

三、新型教育评价方式下的教师素养发展

尽管新型教育评价在促进未来学校的转型过程中蕴含着强大的潜能，但教育研究者和实践者应该清楚地认识到从可能到现实之间也存在着一定的鸿沟，而教师对应专业素养的提升是跨越这一鸿沟的关键。

首先，新型教育评价依赖于学生认知模型的重构，教育评价的实施和对评价结果的解释需要和认知模型保持一致。如果教师依旧固守分科教学的模式以及割裂细碎的知识点教学等传统观念，教育评价的价值判定和指向作用将被严重削弱。未来学校需要加强教师跨学科教学能力和基于核心大概念教学能力的培训力度，推行班组群式的混龄教学模式，借助于教师教学知识和技能的更新和教学组织管理方式的变化促进教师教学观念的转变，为新型教育评价实施构建良好的环境。

其次，新型教育评价离不开教育大数据和智能技术的支持。当前智能教学系统的开发和应用还处于初级阶段，对于智能评估系统的过分依赖有可能造成对学生学习状态的误判[16]。此外，对教育数据所蕴含学生信息的不同解读，也会产生不同的教学决策，人机协同的教育评价、决策方式仍然是当前最可靠且高效的模式。教师自身的数据素养和技术素养水平也会影响智能评价技术的应用。因此，在面向未来学校的教师的培训中要重视人工智能技术素养和数据素养的相关内容，使教师能够有意识地应用如线上学习、可穿戴设备、学习档案袋等手段收集学生的学习数据，能够解读数据和学生成长发展之间的意义关联，理解各类数据图表的教育含义。同时，教师也需要清晰地认识到技术介入教育活动的边界和伦理问题，避免技术应用对于学生发展和教育活动的绑架。

最后，面向学生发展的新型教育评价，要强化形成性评价、成长性评价和增值性评价等方式。教育评价不是对学习结果的一次性、总结性评判和分等，而是贯穿于学校内外的教育教学全过程的一系列的评估活动，指向的是对于学生成长现状的了解，未来发展潜能的预测，以及教学问题的诊断和改进等活动。因此教师既要重视课堂教学能力，更要重视教育评价的能力，并将其和教研、教学活动整合为一个完整的闭环，形成教师的评价素养。教师既需要能够借助于智能技术和自身的教学知识有目的地选择最适合的评价项目，还应能够将其与后续的教学活动相结合，形成以评为导向的一体化模式。借助教师评价素养的研究和培养，可以促进教师以关注学生的核心素养和能力发展为目标，基于学习阶段性表现开展形成性评价，将学情诊断纳入教学决策和教学过程中，切实发挥教育评价的导向和反馈功能[17]。

参考文献

[1] BROWN J S. Sense-making in our post AlphaGo world：New mindset & lenses may be required[EB/OL]. （2017-04-20）[2021-09-01]. http：//www.johnseelybrown.com/SensemakingStanford.pdf.

[2] KELLY K. The inevitable：understanding the 12 technologies forces that will shape our future[M]. New York：Viking Press，2016：2.

[3] 陈春勇.试论教育评估在教育实践中的运用[J].中国教育学刊，2012（10）：79-82.

[4] RUPP A A，LEIGHTON J P. Introduction to the handbook[M]// RUPP A A，LEIGHTON J P . The handbook of cognition and assessment： Frameworks， methodologies， and applications. Oxford：Wiley Blackwell，2017：1-2.

[5] National Research Council. Taking science to school：Learning and teaching science in grades K-8 [R]. Washington， D.C.：The National Academies Press，2007：214.

[6] Psychology Wiki. Big five personality traits and life outcomes[EB/OL]. （2013-07-13）[2021-09-01] https：//psychology.wikia.org/wiki/Big_Five_personality_traits_and_life_outcomes.

[7] KIM Y J，SHUTE V J. Opportunities and challenges in assessing and supporting creativity in video games[M]// Green G ， KAUFMAN J，Video games and creativity. San Diego：Elsevier，2015：99-117.

[8] SHUTE V J，VENTURA M，KE F. The power of play： the effects of Portal 2 and Lumosity on cognitive and noncognitive skills[J]. Computers & Education，2015，80：58-67.

[9] PELLEGRINO J W. Assessment of and for learning[M]// F FISCHER， HMELO-SILVER C E ， GOLDMAN S R ，REIMANN P. International handbook of the learning sciences. New York：Routledge，2018：412.

[10] ROMERO C， VENTURA S. Educational data mining： A survey from 1995 to 2005[J]. Expert Systems with Application， 2006，33（1）：135-146.

[11] ZHANG L， YU S， LI B， et al. Can students identify the relevant information to solve a problem？[J]. Journal of Educational Technology & Society，2017，20（4）：288–299.

[12] LIU Y， YANG B， WU L， et al. Middle-school students behavior pattern and strategy selection in problem solving： a study based on data from PISA 2012[C]// So H J ， et al. Proceedings of the 28th International Conference on Computers in Education. Asia-Pacific Society for Computers in Education，2020：318-323.

[13] 張娜. 从对教育的评价到促进教育的评价——教育评价国际研究进展综述[J].基础教育，2017，14（4）：81-88.

[14] National Research Council. Knowing what students know： the science and design of education assessment[R]. Washington， D.C.：The National Academies Press，2001：294-297.

[15] ARMOUR-THOMAS E， GORDON E W. Toward an understanding of assessment as a dynamic component of pedagogy [EB/OL]. [2021-09-06]. https：//www.ets.org/Media/Research/pdf/armour_thomas_gordon_understanding_assessment.pdf.

[16] 汪琼，李文超.人工智能助力因材施教：实践误区与对策[J].现代远程教育研究，2021，33（3）：12-17+43.

[17] 李葆萍.平板电脑创新中小学教学研究[J].中国信息技术教育，2013（10）：64-66.

本文系北京市教育科学规划项目“基于信息网络技术的未来学校研究”（项目编号：CHEA20200024）和“教育部—中国移动”科研基金（2020）研发项目“在线教育发展现状分析与政策研究”（项目编号：MCM20200406）的资助项目。

（作者单位：北京师范大学教育学部）

责任编辑：孙昕

heartedu_sx@163.com