語文學業水平考試研究的國際前沿與發展趨勢

編者按

語文學業水平考試不僅是衡量學生語文核心素養階段性發展水平的重要手段，而且是評價區域和學校教學質量、改進教學的重要參考?！读x務教育語文課程標準（2022年版）》《普通高中語文課程標準（2017年版2020年修訂）》根據核心素養立意的課程目標與課程內容，在學業水平考試部分對命題原則、規劃、要求進行了優化與升級。本期組織了三篇文章，探討語文學業水平考試的深刻變革與發展趨勢。

北京師范大學李倩、董怡雯、鄭國民從測評理念、測評設計、測評結果三個維度，梳理了語文學業水平考試研究的國際前沿成果。北京師范大學林江澤認為語文學業水平考試命題應充分體現情境性、綜合性和探究性，通過理論和實例分析，闡釋了這三個特性的內涵及其在命題中的表現。北京師范大學楊磊通過梳理既有研究結果，結合學業水平考試評分現實情況，總結適應核心素養背景下語文學業水平考試評分標準變革的關鍵因素，并嘗試設計一套評分模式。希望這三篇文章為評估學生核心素養發展水平、促進“教—學—評”一體化提供有益參考。

【關鍵詞】語文學業水平考試；測評理念；測評設計；測評結果

以教育考試評價理念和實踐的變革加速課程內容和教學方式的變革，是國際課程改革的重要實踐經驗。［1］在《義務教育語文課程標準（2022年版）》中，根據核心素養立意的課程目標與課程內容，學業水平考試部分對命題原則、規劃、要求進行了優化與升級。變革語文學業水平考試的迫切性，不僅源于教育測評和評價自身理論、實踐的優化與迭代，更是由核心素養這一育人目標的特殊性決定的。相比于知識和技能，核心素養內在結構復雜程度高、構成要素之間的關聯性強。［2］這一屬性對已有的教育考試和評價實踐經驗提出了新的挑戰。近年來，以經濟合作與發展組織（OECD）、國際教育成就評價協會（IEA）為代表的國際教育組織和研究團隊，力圖在設計理念、理論假設、試題設計等方面開展創新性探索。為此，本研究立足語文學業水平考試變革的現實需求，聚焦國際核心素養測評理論和實踐研究，從“測評理念”“測評設計”“測評結果”三個維度，梳理并探究語文學業水平考試研究的國際前沿和發展趨勢。

一、測評理念：強調終結性與過程性評價理念的融合

終結性評價和過程性評價構成了語文課程評價。前者強調以特定階段的學業水平考試成績來評價語文教和學的成效，后者則重視課堂教學以及日常學習中的過程性學業表現和成果的價值，以此作為提升和改進教學的客觀依據。在教學實踐中，終結性評價與過程性評價往往呈現出涇渭分明的狀態，且其某一方面的特點被逐漸強化、放大，致使對評價的片面化認識愈加突出，如將終結性評價簡化為學業水平考試，過度關注其量化傾向和價值判斷功能；將課堂評價視作過程性評價的唯一方式，忽視其優化學生學習的功能價值。事實上，區分兩種評價模式的關鍵并非評價工具的類型，更非評價結果的形態，而是評價結果的使用及其同教和學之間的互動關系。換言之，無論是終結性評價，還是過程性評價，其根本目的在于促進課程目標的有效實現，推動教學進程的深化。從這一角度出發，任何教育評價的設計和實施都應著眼于課程評價的系統性與整體性，既要關注不同評價模式之間的區別，更要推動彼此之間的互動與關聯。近年來，在價值取向和設計理念方面，越來越多國際教育測評項目開始強調“評價觀的一致性”“終結性與過程性評價理念的融合”。

所謂“評價觀”，是指對評價的基本內涵、價值、功能的基礎性認知與理解。隨著教育測量和評價理論的不斷革新，對“評價是什么”這一核心問題的認識，不過度強調終結性或過程性的差異，而是強調對“評價”本質屬性認識的一致與統一。受心理測量學的影響，教育考試評價往往被視為客觀測量和精準丈量學生內在穩定特質或屬性的過程。這與教育發展的客觀現實存在著本質性的矛盾和沖突。學生核心素養的形成、發展是一個動態變化的過程，會受到課程、教師、學習同伴、家庭等諸多因素的影響。考試評價應隨學習進程的變化來測量、觀察、記錄學生的變化和發展，以此推測并解釋學生學習進程的變化趨勢和影響因素。因此，教育考試評價是以特定的教育目標為出發點，運用科學有效的工具，系統搜集與分析不同類型證據，并作出推理與判斷的過程。［3］這個對評價的核心認識成為語文教育考試和評價設計的重要認識論基礎。美國教育考試服務中心研發的“認知視角的學習評價、促進與作為學習工具的評價系統”（CognitivelyBased Assessment of，for，and as Learning），其設計依據為以證據為中心的測評理論，強調“基于證據開展推論”的核心思想。［4］從本質上來看，測評是以搜集與觀察到的學生真實學習表現為基礎，推測其發展情況或水平的過程。［5］因此，有效采集與分析證據是教育評價實踐的關鍵。據此，英語語言藝術考試評價的設計至少要包括學生模型（闡述“評價什么”）、任務模型（描述“運用怎樣的任務開展評價”）、證據模型（說明任務模型如何為學生模型提供證據）等部分。值得關注的是，除了作為認識論基礎，這一思想還影響著測試數據的搜集。國際閱讀素養進展研究（Progress in International ReadingLiteracy Study，簡稱PIRLS）強調要通過拓展與學生閱讀素養表現密切相關的證據。［6］具體而言，除學生閱讀素養測試外，還會以調查問卷的方式，搜集學生所在國家的閱讀課程政策、家庭閱讀環境、教師閱讀教學行為、學生個人閱讀投入等相關信息，以此追蹤與系統刻畫全球范圍內學生閱讀素養的發展趨勢。

要想打破終結性與過程性評價之間的絕對壁壘，即在設計學業水平測試過程中，有意識地吸納與嵌入過程性評價的觀念。兩種評價模式的“融合與整合”，鮮明地體現在“如何搜集證據”“搜集哪些證據”兩個方面。一般而言，學業水平測試中“問題”或“任務”的設置往往會關注學生了解與掌握的語文學科知識和技能。顯然，這與“評價促進學習”目標存在一定的距離。在測評任務設計上，還應體現學生為什么會這樣思考問題，他們的理解和想法是如何產生的。換言之，要充分體現學生理解與解決語文學科關鍵問題的過程和結果，要給予學生立體而全面地呈現自身語文學習經驗的空間和條件。以英國普通中等教育畢業考試（General Certificateof Secondary Education）為例，經典文學作品的閱讀與理解是其重要考查內容。因其選擇的作品多為篇幅較長、體量較大的整本書，測試任務的設計并未聚焦于主要內容、關鍵人物、重要情節的淺層理解，而是通過設置指向作品深度閱讀的系列化問題，評估學生的閱讀質量。以文學作品《安妮塔和我》為例，主要設計了三道試題：（1）通過閱讀選段內容，你對主人公納尼亞有哪些認識？用原著選段中的證據來支撐你的答案。（2）解釋選段中作者是如何用語言來呈現安妮塔的演講和行為的。用原著選段中的證據來支撐你的答案。（3）在選段中，涉及了一些不同文化的元素。嘗試說明在小說中的其他部分，不同文化的重要性。在你的回答中，你必須考慮到展示不同文化的事件，這些差異如何影響到那些涉及不同文化的內容。從問題的具體內容可知，除了學習成果，學生還要展現作品閱讀過程中的方法、策略、結構化思考等。此外，在學業水平考試中，借助數字化測評技術與手段，記錄學生過程性的行為與表現，以此作為推論學生學業成就表現水平的重要依據。以美國教育考試服務中心的寫作在線測試為例，數字化測試記錄了學生寫作過程中的按鍵數據，主要包括停頓時間長短、文本刪除與無序性文字編輯、不間斷文字編輯。［7］借助過程性表現的分析，綜合判斷學生寫作素養的內在特點與發展水平。

二、測評設計：探索教育數字化賦能測評設計和實施

數字技術的深入發展為核心素養測評擺脫現實困境提供了諸多可能。以信息網絡平臺與人工智能技術為基礎，越來越多的國際教育測評實踐從紙筆測試逐漸轉向數字化在線測試。2015 年，PISA（國際學生評估項目）測試開始大規模使用計算機自適應測試系統；由國際教育成就評估協會組織實施的PIRLS 閱讀素養、TIMSS 數學素養測試，分別于2016 年、2019 年將數字化評估作為可選擇性的方式，并擬定于2023 年、2026 年實現數字化評估的全面覆蓋。同時，澳大利亞全國讀寫與算數能力評價項目，自2008 年開始推動數字化測試改革，并于2022 年實現所有監測學科的數字化轉型。

所謂“數字化教育測評”是指以教育目的與目標為根本出發點，利用信息科技、大數據分析與人工智能的技術優勢等，建立動態性搜集與分析數據的自動化平臺，為教育決策的制定與調整提供客觀依據。需要強調的是，數字化教育測評并非數字化技術與教育測評“形式”層面的簡單相加，更非媒介或手段等測評呈現形態的改變，而是以對教育測評、核心素養、教學和學習規律的深刻反思為基礎，進行在“設計理念”“測評形式”等多層面的創新性探索。當前，計算機自適應測試是數字化教育測評的核心實踐成果。該測試以項目反應理論為基礎，構建包含不同難度水平的題庫，根據學生展現出的內在能力水平自動匹配難度適宜的題目，最終綜合估計學生的真實能力水平。與常態化紙筆測試相比，其優勢集中體現在以下三個方面。

首先，展現真實而復雜的語文學習生態系統。紙筆測試往往遵循的是“問題—個體—反應”的模式，即以問題的形式檢驗學生對某一知識或特定技能的掌握程度。僅從測評角度來看，其優勢在于可直接借助學生的作答反應作出價值判斷。若立足于課程、教學、評價的互動關系，其背后的隱患和風險則不言自明。對學生而言，語文學習是由多元主體、多種要素互動協作的復雜動力系統，不僅包含與文本材料、學習問題的互動，還必然包括與教師、學習伙伴、文化情境等多種要素的相互作用。針對這一現實，計算機在線測試嘗試以“問題—人際互動—個體—人際互動—行為”的模式表征語文學習的真實形態，力圖實現“評價反映教學，促進教與學”的理念。以美國教育考試服務中心研發的“為了理解而閱讀”在線測試系統為例，測試單元“建設綠色校園網站”圍繞“如何借助主題網站的建設，幫助社區民眾了解綠色校園”這一核心學習問題，呈現了以小組合作學習為主要形式的測試題目。在“ 撰寫綠色校園簡介”任務中，參加測試的學生要在學習同伴完成的內容基礎上，進一步補充完善相關內容。綜合來看，每一個測試單元包含學習主題、文本材料、合作學習小組、學習任務等要素，以此來綜合評估學生閱讀素養的表現特征和發展水平。

其次，設置連續、立體的語文學習情境。情境是指學習行為和實踐活動所依托的真實環境［8］，是學生核心素養形成和發展的必要條件。當前，語文紙筆測試已在情境主題類型、表征形式等方面作出了諸多探索。但是，從測試效果來看，仍存在“與問題解決過程無實質性關系”“與現實生活邏輯存在矛盾”等方面的問題。［9］針對這一現狀，計算機在線測試更為關注情境的連續性，即強調問題源于情境、情境內所包含的要素持續參與問題解決的過程。此時，數字化測試中的“情境”至少能夠取得兩個方面的效果：一是為學生提供解決問題的立場、目的、條件等，充分提高學生的參與度和積極性，為全面了解學生真實核心素養發展水平提供堅實的基礎；二是促進學生學習觀和知識觀的轉變，幫助學生在語文學習與現實生活之間建立合理的聯系。美國國家教育進展評估項目中，寫作素養的評估是借助計算機在線測試系統開展的。以說明類寫作試題為例，該試題要求學生寫一篇即將投稿給大學管理委員會的介紹信息科技的文章，闡釋說明科學技術對自身生活的重要性。在該試題中，情境是由若干要素構成的整體，具體包括視頻資料、真實的交際目的和對象、預期效果等。視頻資料主要展示了當下青少年在生活中是如何使用現代科學技術的；交際的目的是說服他人接受自己的觀點，對象為大學管理委員會；預期取得的交際效果為使學校管理委員會關注科學技術的重要價值，并重視科學技術與學校管理的深度融合。上述要素展現了寫作的主題，也深度參與了學生構思與撰寫文章的全過程。

最后，設置人機交互式測試模式?！敖换ァ睆娬{的是主體與客體之間的交流互動。在紙筆測試中，測試內容和任務往往以靜態、線性的方式呈現，學生與其的交流互動難以可視化。相反，以計算機網絡平臺為依托的數字化測試，通過“虛擬代理”預設腳本的方式［10］，創設真實的測試情境，設置扮演不同角色的學習同伴，引導學生按照特定的路徑和流程［11］，展現自己對問題的認識和理解。在測試過程中，學生通過角色扮演、點擊超鏈接、多媒體播放、文本拖拽等方式，真實地投入問題解決的過程中。以2021 年ePIRLS 閱讀素養測試為例，測試情境為“課堂專題探究”，探究的核心問題是“為了生存，以斑馬和羚羊為代表的野生動物每一年是如何完成遷徙的”。整個測試包含兩個虛擬角色，一個是“教師”，其角色功能在于介紹專題探究的內容、引導學生遵循特定的流程完成探究任務；另一個角色是“學生”，通過瀏覽文本、點擊超鏈接文本等相關操作，展現自己對文本、問題的理解與認識。

三、測評結果：加強測評、教學、學習之間的有效關聯

在一項測評實踐結束后，測評結果所代表的絕對意義往往備受矚目。這種現象背后隱含的思想觀念是“測評即是對學生學習成果、教師教學成果的價值評判”。然而，教育測評的設計和實施應首先滿足“教育性”這一條件，即立足測評與教學、學習的良性互動關系，充分發揮測評工具、測評結果對提升教育質量、改進優化教學實踐的正向促進作用。換言之，教育實踐者追求的不應是量化結果的排序和比較，而是深度挖掘、分析數據背后的意義。以此為基礎，結合教育實踐的觀察和分析，及時捕捉教育教學發展中的關鍵問題，制訂具有改進和提升功能的行動方案。在這一觀念的影響下，越來越多的國際教育測評嘗試在“測評”“教學”“學習”三者之間建立有效的關聯互動。

根據測評結果的作用對象，可以將其價值和功能概括為三種類型，分別為“宏觀把控國家教育政策的實施效果”“有效解決學校教學實踐的現實困境”“及時診斷學生學習過程中的問題”。

首先，在國際教育大規模測評中，測評結果往往反映的是特定國家教育政策的實施效果。通過對學生在特定領域測試結果的分析，以及與不同層面影響因素的關聯，能發現全球教育發展背景下教育教學的“最佳模式”和“關鍵問題”，從而形成分析診斷全球教育問題的專業報告，并據此對排名靠后的國家提供教育援助和支持。［12］以PIRLS 和PISA 閱讀素養測試為例，借助教育國際排名和影響因素的調查結果，能夠發現2018 年盡管我國四省市參測學生的閱讀表現位居全球第一位，但達到水平5與水平6 的比例之和為21.7%，明顯低于新加坡（25.8%）［13］；同時，與英國、澳大利亞、芬蘭等國家相比，社會經濟地位對學生閱讀素養表現水平具有較強的預測作用［14］。此類數據不僅能幫助我們認識到自身課程政策的優勢和問題，也為未來課程、教學的改革明確了方向。

其次，學校是落實教育變革理念的主要實踐主體。借助測評數據客觀反映學校教育教學狀況，對促進國家教育政策的實施具有重要意義。然而，抽樣方式的特點，使大規模教育測評難以直接反映學校教育教學的現實情況。因此，以學校為測評及改進單位的實踐項目逐漸興起。近來，經濟合作組織推出“基于PISA 的學校測評”項目，其測評目標主要包括三個部分：一是衡量學生閱讀素養及其21 世紀核心素養的發展水平；二是通過搜集學生社會經濟背景、學習動機等相關數據，為學校教育教學的建設與發展提供客觀依據；三是借助測評數據的分析，為學校管理者和教師改進行動提供證據。該項目主要包括測評、拓展、行動三個方面。以閱讀素養測試為例，測評部分主要是以學校報告的方式呈現學生閱讀、社會情感能力等方面的整體表現，并將其與全球、國家平均水平進行比較；拓展方面，為學校提供全球范圍內閱讀素養培養的優質實踐框架，以學生數據來指導教師教學實踐和學生的個體學習，為學校學習環境的營造提供輔助信息；行動部分，幫助學校明確提升學生閱讀素養的起點和方向，為學校提供向國際同行學習的機會。

最后，測評數據源自學生的真實表現，它不僅可以作用于國家教育、學校教學層面的改進提升，還可以幫助學生發現自身學習過程中的優勢和問題。在大規模測試中，教師較為關注具有典型性和代表性的群體特征，并以此作為調整教學進程的重要依據。在這種情況下，學生個性化的學習問題往往會被忽略，并成為阻礙學習不斷深化的因素。為了幫助學生準確分析診斷學習困境，越來越多的測評系統注重個性化的“診斷”“反饋”功能。2022 年，香港考試及評核局正式推出香港中學文憑考試診斷回饋系統，以建立“為教學和學習提供反饋”測評系統。教師可根據學生或教學需要，組合不同類型的試卷并分配給不同的學生，進而根據學生作答結果的分析，制訂相應的教學改進計劃。在完成測試后，學生可獲得包含整體表現水平、分內容和認知領域的表現水平、錯題表現、題目的學習提示等相關內容。借助這些內容，學生可改進自身的學習方法，優化學習效果。

總體而言，核心素養這一育人目標的確定，不僅改變了課程組織形態和教學實踐方式，也促進了教育測量和評價設計理念、實施方式的深刻變革。當前，針對核心素養的復雜性、綜合性特點，國內外研究者已在測評理念和形式、統計分析方法、測評結果自動化分析等方面作出了諸多探索與嘗試。本研究僅呈現了對國際學業水平考試國際前沿的階段性理解與認識，未來應聚焦語文課程核心素養的特點，在上述方面作出更深入的探究。