K-12科學測評系統(tǒng)構建研究

王鼎

摘? 要：針對國家“深化教育教學改革全面提高義務教育質量”的要求，并基于當下課程設置、評價理論和實踐發(fā)展的需要，文章嘗試以K-12科學測評為載體，思考和分析相應測評系統(tǒng)在框架設計、測評和課程實踐關系處理等層面的內容。同時，就K-12測評系統(tǒng)在構建中存在的困難，如測評結果與學校教學及學生學習之間的整合、測評目標與現(xiàn)行課程標準之間的深度整合、科學評價系統(tǒng)內在一致性保證等問題進行深入分析，并嘗試尋找解決方法。該研究也期待從評價實踐角度出發(fā)，為其他學科測評系統(tǒng)的構建，以及進一步完善和提升義務教育質量，予以積極探索并提供科學的行動策略。

關鍵詞：義務教育;K-12科學測評;系統(tǒng)

一、問題的提出

1.國家新教育質量觀的確立，對評價體系構建提出新要求

2019年，中共中央國務院發(fā)布的《關于深化教育教學改革全面提高義務教育質量的意見》明確提出，建立以發(fā)展素質教育為導向的科學評價體系。由此可以看到，教育質量需求的全面性、多樣性和發(fā)展性，對義務教育質量的評價提出了更高的要求。這就要求建立相應的質量評價標準來加強對學生全面發(fā)展質量的關注與闡釋，利用指標體系說明學生全面發(fā)展的維度、具體表現(xiàn)、水平劃分，并為學生全面發(fā)展質量的評價提供具體的方法手段。

基于21世紀社會發(fā)展對人才的需求，國家構建了“中國學生發(fā)展核心素養(yǎng)”總體框架。隨之，我國高中階段課程標準以學科核心素養(yǎng)為基本理念及培養(yǎng)目標加以修訂。相應地，隨著義務教育階段課程改革的啟動和深入，特別是隨著中高考改革的深化，以素養(yǎng)和關鍵能力為主要特征的教育質量評價體系和評價標準也將逐步確立。這既是發(fā)展素質教育為導向的科學評價體系在課程層面的具體化，也是評價體系構建的新要求。

目前，雖然我國義務教育發(fā)展已有舉世矚目的成績，但仍存在過分強調分數(shù)和升學率等現(xiàn)象，并以此作為教育質量衡量的相關指標。這就需要我們不斷克服“唯分數(shù)”“唯升學率”的頑瘴痼疾，科學使用教育質量評價體系，從根本上解決教育指揮棒的問題，促進學生的全面發(fā)展，利用評價撬動與深化教學、課程、學校管理和教育行政等多領域的綜合改革。

總之，以促進學生全面發(fā)展為目標，建立、完善和實踐科學的、基于素養(yǎng)及關鍵能力的教育質量評價體系（包括質量標準建設等問題）刻不容緩。

2.課程設置為促進學生全面發(fā)展的評價，提出了客觀和全新訴求

學校教育是促進學生全面發(fā)展不可或缺的主戰(zhàn)場，其中，學校課程設置對于教育質量的實現(xiàn)和提升至關重要，也是目前評價體系構建中必須關注的領域和重要實踐載體。

目前在上海義務教育階段課程設置中，單學科和跨學科是兩種主要的課程形式。其中，單學科是傳統(tǒng)、常見的主要課程形式，占整個課程的大部分比例。除此之外，跨學科課程設置形式也同樣存在，類似自然或科學等課程設置在義務教育階段各類學校中普遍存在。

顯然，跨學科教育不是對單學科教育的補充。單學科和跨學科課程都是為了促進人的全面發(fā)展及質量提升，有著共同的目標，但是卻各有分工，相輔相成。它們是人學習發(fā)展的兩個有力支點，缺一不可。我們習慣了單學科的學業(yè)評價和測量，但是義務教育階段如何科學形成跨學科，對義務教育階段教育質量評價體系的構建以及評價標準的確立，起到非常重要的作用。結合教師的教和學生的學，立足課程設計，科學評價學生發(fā)展，力求教、評、學的一致性，在相應的評價體系構建中得以兼顧并體現(xiàn)，具有重要意義。

3.認知理論和評價本質的認識，不斷推進評價體系的重構

評價體系構建不斷發(fā)生改變。隨著近現(xiàn)代認知理論的發(fā)展和運用，教育評價領域日益關注學生認知結構的形成和發(fā)展，關注相關情境下學生認知結構的影響和變化。同時，基于結構主義的認識，“評價是基于證據的推斷”12 這一評價的本質認識越來越得到廣泛認可。如美國教育考試服務中心（簡稱ETS）基于對評價本質的認識，構建了K-12測評體系，利用相應構建的認知—觀察—解釋的三角測評框架，逐步成為國際大規(guī)模測評體系構建的理論基礎和模型設計的基石。這一發(fā)展和認識，為現(xiàn)代評價和測量的技術運用和整合提供了更加廣闊的平臺和前景。這也為評價體系的綜合性——多種技術的整合和融合、評價體系的內在一致性——體系中多個要素相互的聯(lián)系性和功能體現(xiàn)、評價體系的連續(xù)性——不同時間上縱向的可比較性，奠定了可行性基礎，也對評價體系的重構提出了新的視角和訴求。

基于上述問題，專業(yè)化考試機構面臨的問題是：如何在學科核心素養(yǎng)培養(yǎng)目標下，整合認知發(fā)展和測量技術的最新發(fā)展，從評價的角度力求全面而精準地評價學生的學習狀況，為學生的學習和教師教學提供足夠的實證支撐。在跨學科領域，特別是義務教育階段的自然科學上，相應評價系統(tǒng)的構建是一個很好的工作平臺和實踐載體。

二、科學評價系統(tǒng)框架的構建

評價是一個系統(tǒng)，系統(tǒng)的框架設計引領整個評價的目標及實施過程，對整個評價系統(tǒng)起統(tǒng)攝作用。科學評價系統(tǒng)框架的構建，需要我們對科學活動有本質理解，并基于課程實踐梳理相關框架維度。

1.對科學活動構成要素的理解

科學的發(fā)展與人類生活休戚相關，并客觀存在著相應知識和方法。這讓人們通過相關科學知識概念和規(guī)律，以及解決問題的途徑和方法，得以理性地觀察、分析和解決問題。同時，科學的探究性和系統(tǒng)性，能讓人質疑原有問題中已經確定或隱含的規(guī)律，進而發(fā)現(xiàn)新的觀念和方法，并以此解決問題。甚至可以在多次積累的基礎上，將相關經驗整理并系統(tǒng)化，演繹出更為普遍的真理。基于此，杜威（Dewey）認為，在廣義的人文意義上，科學是一種手段和工具;在思維過程的意義上，科學是一種方法;在思維的結果上，科學是一種知識體系。如果從過程的角度來看，科學的過程是知識整合并探究實踐的過程，知識、思維、方法、能力都有效整合于其中，故而施瓦布（Schwab）提出，科學應該被視作一種概念結構，它隨時可能因發(fā)現(xiàn)新的證據而被修改。3從這一角度來審視，知識的整合及探究實踐過程是科學的本質特征。

科學對于當今社會的巨大影響，直接影響著科學教育及科學課程的目標和設置，因為這涉及“培養(yǎng)什么樣的人”的問題。根據課程理念的不同，科學教育學界普遍認為，國際科學課程自二戰(zhàn)以來歷經三次改革。澳大利亞學者華萊士（J.Wallace）對這三次課程改革進行了概括：第一次改革稱為“作為學科知識的科學”，目標在于培養(yǎng)科學家，聚焦科學知識的現(xiàn)代化和結構化;第二次改革稱為“作為相關知識的科學”，目的是將科學作為改善個人和社會生活的工具，聚焦于理解科學與社會之間的關系;第三次改革稱為“作為不完善知識的科學”，目的在于縮小計劃課程與實施課程之間的差距，聚焦于個人、社會和文化對科學知識形成產生的影響。三次課程改革的重心從知識的掌握及科學精英的培養(yǎng)，轉向以知識為載體、注重知識獲取的過程和方法的運用，越來越注重科學對于人與社會的作用，體現(xiàn)社會公民科學素養(yǎng)的作用和培養(yǎng)。

正如2011年《K-12科學教育框架：實踐、跨學科概念、學科核心理念》提出的科學教育的目標那樣：（1）面向所有學生普及科學與工程教育;（2）為學生未來從事科學、工程、技術等專業(yè)領域職業(yè)奠定知識基礎，能夠進一步看出科學教育越來越注重學生的個人發(fā)展，體現(xiàn)用科學的本質觀理解和探究、解決相應實際問題。顯然，當今世界科學教育已經成為公民科學素養(yǎng)培養(yǎng)的重要途徑。

綜上所述，科學知識的整合與科學探究實踐過程，反映了科學的本質特征，亦是當前科學教育的兩個核心內容，科學素養(yǎng)的培養(yǎng)已成為當下科學教育目標的共識。

2.基于課程實踐對科學測評目標的分析

鑒于上述對于科學本質及科學教育的理解，科學測評目標應關注科學知識整合與科學探究實踐過程。為細化上述目標內容，并切合教學的實際情況，有必要對上海目前的科學教育現(xiàn)狀進行梳理。

自改革開放以來，上海的科學教育經歷了多次改革。1979年，上海率先從小學一至六年級開設了科技活動課;自1983年起，上海率先從一年級設置自然常識課和手工勞動課;自1989年起，則開始建設科學知識、方法和態(tài)度“三位一體”的學科體系。1999年，上海頒布《面向21世紀上海市中小學理科學科教育改革行動綱領》和《面向21世紀上海市小學自然學科教育改革行動綱領》，提出了“綜合—分科—綜合”的課程體系（如圖1、圖2）1，以科學素養(yǎng)（素質）為主線，從小學階段到高中階段，在知識、思想、能力和方法要求上體現(xiàn)出螺旋形上升的設計。其中，小學的科學素養(yǎng)主要表現(xiàn)出對觀察、測量、分類和聯(lián)想的能力要求，而初中階段的科學素養(yǎng)則表現(xiàn)出對實驗、類比、歸納和演繹能力的要求。

上海市于2002年和2004年分別頒布《上海市小學自然課程標準（征求意見稿）》《上海市初中科學課程標準（征求意見稿）》《上海市小學自然課程標準（試行稿）》《上海市初中科學課程標準（試行稿）》，凸顯科學素養(yǎng)培養(yǎng)，突出科學探究過程的課程理念。相應地，在課堂實踐中，基于課程標準的教學和評價日益得到重視。在教學實踐過程中，則突出體現(xiàn)課程理念和目標，注重創(chuàng)設探究情景，合理開展探究學習，創(chuàng)新課堂實驗，嘗試教評同步，力求改變“重教輕學”“重知識輕能力”和“重結論輕過程”的狀況，努力培養(yǎng)學生的創(chuàng)新精神、實踐能力和科學態(tài)度。

可以說，目前我國科學課程理念和實踐正與國際逐步接軌，關注科學過程和科學實踐，并以此作為科學課程實施的核心所在。而這從評價角度來看，則要求突破原有熟悉的以知識體系為主線的學科評價模式;同時，科學過程的復雜現(xiàn)狀和相應科學學習發(fā)展需求對現(xiàn)有評價體系提出新的挑戰(zhàn)，要求在評價理念、系統(tǒng)構建、技術整合和解釋上進行新的思考。

不論現(xiàn)狀如何，科學測評應以“促進學生個體發(fā)展，關注科學探究和實踐過程，體現(xiàn)知識的整合運用，并有效形成課程標準、課程實施及課程評價的一致性”為目標。這既是對于世界和國內科學課程發(fā)展的順應，也是對我國科學教育評價的理論和實踐層面的新探索。從評價結果的呈現(xiàn)角度，期望針對學生個體發(fā)展，在不同學年段，就共同內容領域，建立縱向量表。這一舉措有助于明確學生在不同學習段上的定位點，清晰地呈現(xiàn)學生的學習進程。從測評維度上，以整合的知識、科學探究和實踐過程為主線，構建不同學年的學生學業(yè)等級量表。

3.科學測評框架維度設計

以科學探究實踐為核心，構建科學知識的整合以及科學探究實踐過程的科學評價框架，如何落實在測評設計中？為保證測評對于課程標準與課程實施之間一致性的促進作用，首先需要分析相關課程標準的內容。這里，我們以上海科學課程標準（小學和初中，2004年版）、國家科學課程標準（小學2017年版，初中2011年版）和美國《新一代科學課程標準》（簡稱NGSS，2011年版）框架為例，比較分析如表1、表2所示。

從課程目標設置來看，國家和上海的課程標準雖然在名稱表述上有所不同，但都基本體現(xiàn)了科學知識、科學探究及情感態(tài)度價值觀三維的結構，只是個別之處做了適當?shù)恼稀Ｍ瑫r三個課程標準在科學知識領域的細化方面存在相似，包括生命科學、物質科學、地球與宇宙（空間）科學，以及科學、技術、社會和環(huán)境（NGSS中稱技術與工程）四個領域。

值得注意的是，雖然有相應領域的劃分，但課程標準體現(xiàn)了兩種整合方式，來進一步整合科學知識和技能要求，凸顯學生的認知要求和相應知識內容的核心價值。一種以主題進行分類，如上海的課程標準和國家初中的課程標準;另一種以核心概念（core idea）或主要概念進行分類，如美國NGSS和國家小學課程標準。

另外，NGSS中單列了跨課程概念（crosscutting concept），這些內容從核心理念中提煉出來，用來連接不同領域，以進一步強化科學知識領域間的聯(lián)系性，凸顯科學知識領域的整合效果，這是中國國內課程標準尚且欠缺的。

國內課標與美國NGSS在科學知識整合及科學探究實踐過程上的相似性，使得基于NGSS的CBAL科學測評可作為實踐借鑒，以期其能力模型及框架設計能為我們研究思路及方法的運用提供借鑒。1這為我們借鑒國外先進科學測評設計及相應框架奠定了基礎，也同時進一步明確在科學知識整合及科學探究實踐過程兩個維度上架構相應測評框架的設想。

三、科學評價系統(tǒng)構建實踐中面臨的問題

針對上述兩個維度評價框架的設計，在相應評價系統(tǒng)構建的過程中，評價結果與學校教學和學習的關系問題值得關注。同時在實施層面，評價目標和課程目標在實踐層面的整合問題，以及測評系統(tǒng)內在要素一致性等問題值得認真深入思考。

1.大規(guī)模測評結果與學校教學及學生學習之間的整合問題

不存在一個不考慮預設課程（如課程標準）及課程實施（如教師教學），但可與課堂教學有效銜接并對課堂教學和學生學習起到診斷和促進作用的大規(guī)模測評。為建立課程標準、課堂教學、學生學習和測評之間的聯(lián)系，提升測評結果的解釋力，國際測評界的常見做法是根據測評目標及結果需求來形成概念模型，如國際大規(guī)模測評TIMSS構建的概念模型（見圖3）。

相應地，美國CABL（Cognitively Based Assessment of， for， and as Learning，簡稱CABL）科學測評（關于、為了和作為學習的認知測評）也有自己的能力模型，其目的在于嘗試在學科標準、學習科學研究理論和實踐之間建立橋梁（見圖4）。

圖3所示模型以“輸入”“過程”及“輸出”為三要素，集中體現(xiàn)對于學生學業(yè)結果表現(xiàn)相關影響因素的體現(xiàn)，以及相應因素之間可能存在的因果關系。該模型提供了影響學生學業(yè)結果的直接效應和間接效應。從教育管理的角度來看，這些效應的分析有利于教育結果相應“變量”的調控及教育問責。而圖4所示模型相對于前者而言，更關注課堂實踐微觀層面，注重教師及學生學習在課程實施過程中的相互影響，以及測評對于兩者的直接效應作用，但該模型容易忽視可能存在的間接效應因素、學生學習的社會及家庭影響效應。基于此，CBAL建立了行動理論（見圖5）。

在基于CBAL模型的行動設計中，過程性評價和終結性評價、能力模型和專業(yè)支持作為四個重要的組成部分，針對“改善學生學習”以及對“教育效能”體現(xiàn)的預設目標，著重考慮相應的行動機制和預設的中介效應。這樣的設置，呈現(xiàn)對不同要素的考量以及相互存在關系的預設。不可否認，上述設計中目標及框架設計、測評工具開發(fā)、結果呈現(xiàn)及反饋等環(huán)節(jié)，形成了可相互印證或調整的路徑。

從科學測評系統(tǒng)構建相應概念模型中可得到啟發(fā)：通過整合測評結果呈現(xiàn)、應用和結果的影響因素，并系統(tǒng)梳理內在因素之間的聯(lián)系，為相應結果的解釋奠定基礎。

2.測評目標與現(xiàn)行課程標準（上海和國家）之間的深度整合問題

如前所述，科學的測評不以知識線索為主線，更強調科學探索和實踐過程，凸顯能力素養(yǎng)的需求。基于此思考，科學測評能力框架的設計顯得非常重要，但這對于習慣以知識線索為主線的測試設計而言，該設計工作需要重新加以思考。首先需要考慮測評所基于的課程標準，其次需要考慮測評中科學知識的有效整合問題。知識的整合性既是科學的基本特征，也是學生科學能力及素養(yǎng)體現(xiàn)的基礎之一。

如前文課程標準框架的比較分析所示，除了NGSS單列“跨課程概念”外，三者在“知識內容”和“探究實踐過程”上，存在較強的相似性。在“探究實踐過程”上，都是以探究的過程為確定要素，基本的過程描述類似。在“知識內容”上，國家課程標準和NGSS的相似性更強于國家課程標準與上海課程標準的相似性。這就要求上海的課程標準與國家的課程標準進行融合：或以國家為主，或以上海為主，或取兩者的“交集”或“并集”。

對于科學知識整合，我們同樣要注意的是，美國通過兩個層面完成了這種整合性：其一，凸顯核心理念。對于不同的知識領域，提煉相應的核心理念，并體現(xiàn)該領域內的橫跨或整合。其二，以“跨學科概念”凸顯不同領域之間的聯(lián)系或共性。這種在國外以“大概念（big idea）”標識的內容整合形式，為能力及素養(yǎng)的凸顯和測評解釋提供了基礎。這里整合的知識領域、科學探究實踐過程以及能力之間，形成如下結構圖（見圖6）。

顯然，在不同的學年階段，在相同的整合知識領域，或許存在相應科學探究實踐過程要求不同的情況，也存在著相應能力要求不同的情況。這就需要在相應整合的知識領域，或者在科學探究和實踐過程中，個體在適應環(huán)境的活動中，對事物認知及面對問題情境時的思維方式及能力表現(xiàn)在不同時間（或學段）上改變的歷程，能得以清晰地刻畫。顯然，針對相關領域中的重要概念、原理及科學探索要素，結合學生認知發(fā)展規(guī)律及基本特征，形成可供表征或解釋的內容，是框架構建中需要進一步細致處理的技術工作，而這亦是一個不斷修正、迭代的過程。

3.科學評價系統(tǒng)內在一致性保證問題

筆者試基于測評三角理論，對科學評價系統(tǒng)的內在一致性進行思考。

（1）評價的框架構建

這個問題主要解決的是科學評價的維度設計問題。框架對于整個測評系統(tǒng)具有統(tǒng)攝性，以及維度內涵的清晰性及可操作性是設計的關鍵。在知識整合與科學探究實踐兩個維度上，考慮到科學學習的整體性特征，上述兩個維度的內涵闡述具有較大的困難。在內容維度上，需要凸顯核心概念，強調知識的內在聯(lián)系，同時整合學生的學習認知。在對來自不同學科的知識進行消枝強干的同時，需突出在問題解決過程中相關概念、原理的運用。在過程維度上，需要處理學習活動過程相關要素及關鍵能力之間的關系，并需要體現(xiàn)出相應表現(xiàn)特征，以便于凸顯問題解決過程中相應影響要素對活動過程的作用。

在上述兩個主要維度內涵的處理上，不僅需要清晰明確維度的具體內容標準，還要明確相應的表現(xiàn)標準。總體而言，在問題解決過程中，思維策略的多樣性，以及知識聯(lián)系和學習認知多樣性，使得維度內涵的梳理有較大的難度。

（2）試題編制和組卷設計

對于測評框架所設計的維度，圍繞實際情境中問題的解決，試題的設計不在注重知識的再現(xiàn)和簡單運用，而在于相應問題解決活動中相關概念原理的運用和分析解釋，甚至呈現(xiàn)不同的認知層次。基于學習認知的試題編制技術，需要非常扎實的理論基礎和實證分析，這給試題編制和組卷設計帶來很大的挑戰(zhàn)。

同時，隨著計算機網絡技術的廣泛應用，基于計算機的測試極大提升了測試認知的廣度、深度和精準度。這給科學評價帶來了新的機遇和實施空間，然而也為新試題編制和組卷設計帶來了新的問題。靜態(tài)的文本走向動態(tài)的文本呈現(xiàn)，給思維空間中的可重復性和可選擇性帶來無限可能，也使相應認知描述和特征分析變得更加復雜和困難。這些問題都需要我們進一步思考和進行技術準備。

（3）結果呈現(xiàn)和解釋

這里主要是相關指標的呈現(xiàn)和解釋。科學學習的整體性和認知過程的復雜性，使得相關指標的呈現(xiàn)及解釋變得困難。這就需要對計量模型與認知模型的匹配性做出審視和分析。顯然，這里對相關測試技術的綜合性要求非常高。

針對義務教育階段教育質量評價的需求，在當前課程改革的背景下，評價正在凸顯越來越重要的作用，并被不斷賦予新的內涵和意義。科學評價系統(tǒng)的研究和思考，不僅對跨學科評價具有借鑒作用，還可以積極映射其他學科，為其他學科的系統(tǒng)性評價提供整體思路和技術方法，而這也為全面評價學生的發(fā)展提供了有力的保證。