学生社会情感学习能力评估工具比较-基于2024年CASEL评估体系文献

学生社会情感学习能力评估工具比较——基于2024年CASEL评估体系文献超越分数：学生社会情感学习能力评估工具的效能、伦理与整合路径跨国比较研究——基于2024年学业、社交与情感学习协作组织评估体系与全球实践的元分析摘要与关键词本研究旨在系统梳理与比较当前国际主流的、应用于基础教育阶段的学生社会情感学习能力评估工具，深入探讨其理论基础、应用效能、操作特性及伦理挑战，并探索其在现代教育评估体系中的优化整合路径。社会情感学习日益成为全球教育变革的核心维度，其科学、有效且合乎伦理的评估是推动课程实施、教学改进与政策支持的关键。本研究以学业、社交与情感学习协作组织于2024年更新的社会情感学习评估体系指导框架及相关文献为分析基准，结合对近五年内发表于权威期刊、覆盖北美、欧洲、东亚及大洋洲等不同文化区域的四十八项系统性评估工具研究文献的元分析。研究发现：第一，当前社会情感学习评估领域呈现出“多维结构主导”与“文化适应性挑战”并存的格局。学业、社交与情感学习协作组织倡导的五大核心能力（自我认知、自我管理、社会认知、人际交往技能、负责任决策）已被大部分工具采纳为核心维度，但其具体内涵、行为指标和测量方式在不同文化背景下存在显著差异和调适需求。第二，主流评估工具的效度证据与操作特性存在明显光谱。基于学生、教师、家长等多源信息的“表现性评估”（如档案袋、观察量表、情景判断测试）在生态效度和捕捉复杂行为方面优势显著，但实施成本高、评分者信度挑战大；而标准化的“自陈式量表”虽高效经济、便于大规模施测，但易受社会称许性反应、自我认知偏差及低龄儿童表达能力制约。新兴的数字化嵌入式评估工具（如通过教育游戏、在线协作平台数据进行间接测量）展现出过程性、低侵扰性的潜力，但其成熟度和数据隐私伦理问题亟待解决。第三，评估应用的伦理考量日益凸显，主要集中在评估目的的工具性与发展性矛盾（用于问责筛选还是支持成长）、数据使用的隐私与保密、避免标签化与刻板印象、以及确保评估公平（避免文化、语言、能力偏见）等方面。第四，评估工具的效能高度依赖于清晰的实施目标、充分的专业人员培训、以及与学校课程和日常教学实践的深度整合。研究指出，未来的发展方向在于构建“多层嵌套、多源互补”的整合性评估生态系统，它应包含用于系统监测的大规模轻度评估、用于校本改进的中度深度评估、以及用于个体干预支持的深度个性化评估。评估本身也需从外部测量工具，逐步内化为教师教学素养和学校支持性文化的一部分，实现评估与学习的真正融合。关键词：社会情感学习；评估工具；学业社交与情感学习协作组织；表现性评估；自陈式量表；评估效能；评估伦理；教育测量；跨文化比较引言二十一世纪的教育目标正经历深刻变革。在全球知识经济和复杂社会挑战的背景下，培养具备良好学业基础的同时，也具备坚韧品格、合作精神、情绪管理能力和负责任决策能力的全面发展的人，已成为各国教育体系的共识性追求。这一转变的核心载体，即是社会情感学习。社会情感学习通常被定义为儿童和成人获取并有效运用知识、态度和技能以理解和管理情绪、设定并达成积极目标、感受并展现同理心、建立并维持积极关系、以及做出负责任决策的过程。大量研究表明，高质量的社会情感学习不仅能显著提升学生的学业成就、改善校园氛围、降低问题行为，更能为其未来职业成功、公民参与和个人幸福奠定坚实基础。随着社会情感学习在全球教育政策与学校实践中的重要性日益凸显，一个随之而来的关键挑战浮出水面：如何科学、有效、且合乎伦理地评估学生的社会情感学习能力？准确评估不仅是为了验证社会情感学习项目的成效、为政策制定提供证据，更是为了服务于教学与学习本身——帮助教师了解学生需求、调整教学策略、提供个性化支持，并帮助学生进行自我反思与成长。然而，与社会情感学习能力的复杂性相比，其评估工作面临着独特而严峻的困境。社会情感学习能力通常是内隐的、情境依赖的、多维度的、且随年龄发展而变化的。它不像数学或阅读能力有相对明确、外显的知识体系与技能标准。这导致了社会情感学习评估领域的多样性与争议性，各种评估工具在理论基础、测量方法、操作可行性和文化适宜性上差异巨大。学业、社交与情感学习协作组织作为全球社会情感学习研究与推广的领军机构，其工作对社会情感学习领域的发展具有深远影响。2024年，该组织对其评估体系与指导框架进行了重要更新，反映了该领域研究与实践的最新进展。这一更新为我们审视当前社会情感学习评估工具的发展现状、核心争议与未来方向提供了一个权威的参照点与系统的分析框架。结合该框架，对全球范围内广泛使用或正在开发的主要社会情感学习评估工具进行系统的比较分析，有助于厘清：在理论和实践的交汇处，什么样的评估工具能够更好地平衡科学严谨性与教育实用性？不同文化背景下的教育系统在社会情感学习评估上面临哪些共性与独特的挑战？在数据驱动的教育时代，如何设计和使用评估工具，既能保护学生的权益与隐私，又能真正赋能他们的成长？尽管社会情感学习评估研究已积累了大量文献，但现有研究仍存在一些可以拓展的维度：第一，许多研究聚焦于单一工具的心理测量学属性验证或特定项目评估，缺乏基于统一分析框架（如学业、社交与情感学习协作组织2024年框架）对主流工具进行系统性横向比较与效能图谱绘制的研究。第二，对评估工具的讨论多集中于技术效度（信度、效度），而对“应用效度”——即工具在学校真实情境中如何被教师理解、使用并产生实际教育影响——关注相对不足。第三，对评估实践中日益尖锐的伦理困境（如数据使用、标签化、文化偏见）的系统性梳理与解决方案探讨不够深入。第四，对新兴的数字化、嵌入式评估技术的潜力、风险及其与传统方法的关系，需要基于最新实践进行前瞻性分析。第五，对于如何将多样化的评估工具整合入一个支持学校持续改进的多层级评估生态系统，尚缺乏清晰的路线图。因此，本研究以2024年学业、社交与情感学习协作组织评估体系更新为背景，结合对近五年全球相关研究文献的元分析与综述，旨在对当前学生社会情感学习能力评估工具进行一次全面而深入的比较研究。本研究试图回答以下核心问题：第一，学业、社交与情感学习协作组织2024年评估框架提出了哪些新的指导原则与核心考量，如何影响我们对评估工具效能的理解？第二，当前国际上广泛应用或具有代表性的学生社会情感学习能力评估工具主要有哪些类型？它们在理论基础、核心维度、测量方法、信效度证据以及操作特性（如耗时、成本、适用年龄、实施者要求）上各有何优势与局限？第三，不同文化或区域（如北美、欧洲、东亚）背景下的评估工具或应用实践，在处理社会情感学习能力的文化普适性与特殊性方面有何差异与探索？第四，社会情感学习评估在实践中面临哪些主要的伦理挑战？现有的工具如何设计以应对或未能充分考虑这些挑战？第五，面向未来，构建一个促进而非阻碍学生社会情感发展的有效评估体系，需要在工具开发、实施策略、专业发展与政策支持方面进行哪些系统性的变革？通过对这些问题的探究，本研究期望在理论层面，为社会情感学习理论、教育测量学以及评估伦理学的交叉领域贡献一个整合性的分析视角，深化对“如何评估非认知能力”这一世纪难题的理解。在实践与政策层面，为教育管理者、课程开发者、学校领导、教师以及评估工具开发者提供一份基于最新国际实践的、兼具批判性与建设性的“评估工具导航图”与“实践指南”，帮助他们在纷繁的工具选择与复杂的应用场景中做出更明智、更负责任的决定，真正让评估服务于每一位学生的社会情感成长。文献综述社会情感学习评估作为一个新兴且快速发展的领域，其文献基础源于教育心理学、心理测量学、课程与教学论以及教育政策研究的交叉。相关进展可梳理为几个关键脉络。社会情感学习的概念框架与能力维度。这是评估的起点与依据。学业、社交与情感学习协作组织提出的五大核心能力框架（自我认知、自我管理、社会认知、人际关系技能与负责任决策）在全球影响力最大，是许多评估工具内容设计的蓝本。其他有影响力的框架包括经合组织的“社会与情感技能”研究项目框架（涵盖任务表现、情绪调节、协作、开放思维、与他人交往等维度），以及各种整合了品格教育、公民素养等元素的综合框架。这些框架定义了评估“什么”，但其具体操作化定义（即哪些行为、态度或知识代表该能力）存在差异，并可能被批评带有文化特定性。社会情感学习评估的方法论演进与工具类型。主要评估方法沿袭了心理测量学传统，并尝试创新。第一类是“自陈式量表”，即由学生自己报告其感受、信念或行为频率。这是最常用、最经济的方法，尤其适用于大样本调查，如学业、社交与情感学习协作组织推荐的社交技能评估系统。但其局限性明显：社会称许性偏差（学生报告他们认为“好”的答案）、自我认知能力限制（尤其对低龄儿童）、以及报告与真实行为可能脱节。第二类是“他评量表”，通常由教师或家长填写，基于对儿童的日常观察。这能提供外部视角，但受评者偏见、观察机会不均等以及不同评价者标准不一致等因素影响。第三类是“表现性评估”，包括直接观察（在结构化或自然情境中记录特定行为）、情境判断测试（呈现社交困境，让学生选择或解释如何应对）、档案袋评估（收集学生作品、反思日志等证据）。这类方法生态效度高，能捕捉复杂能力，但实施和评分成本高昂，对评价者培训要求高，评分者间信度是挑战。第四类是混合或多源评估，结合上述多种方法，以提高信息的全面性和准确性，是目前公认的最佳实践方向。技术赋能的嵌入式评估。随着教育技术发展，出现利用数字工具进行社会情感学习评估的新兴方法。例如，通过学生在协作学习平台上的互动模式数据（如发言频率、回应他人、冲突解决记录）分析其协作技能；通过教育游戏中面对挑战和失败的反应模式评估其坚毅性；利用自然语言处理分析学生写作或讨论中的情感词汇和认知复杂度。这类方法能提供过程性、低侵扰性数据，潜力巨大，但也面临算法透明度与偏见、数据隐私与安全、以及数据解读的教育意涵等严峻挑战。社会情感学习评估的效度论证。与传统认知能力测试一样，社会情感学习评估工具需要严格的效度证据支持。这包括内容效度（题目是否充分代表目标构念）、结构效度（因子分析等统计方法验证维度结构）、效标效度（与理论相关的其他变量，如同伴提名、学业成绩、行为记录的相关性）、以及长期预测效度（能否预测未来重要的生活结果）。此外，对于社会情感学习评估，增量效度（在控制认知能力或先前行为后，对社会情感学习能力的评估能否提供额外的预测信息）和应用效度（评估信息能否被有效用于改善教学和学生发展）越来越受到重视。跨文化与社会文化视角下的评估挑战。社会情感学习能力的定义、表达和重要性可能因文化而异。例如，对“自我表达”的重视在个人主义文化中可能更高，而在集体主义文化中，“群体和谐”与“尊重权威”可能更受强调。直接将基于一种文化开发的评估工具翻译并使用于另一种文化，可能产生测量偏差，无法捕捉当地重要的社会情感能力，或误读学生的反应。这要求评估工具必须经过严格的文化适应过程，包括翻译与回译、认知访谈、心理测量学指标的跨文化等值性检验，甚至进行本土化修订或开发。评估的伦理与公平性问题。社会情感学习评估因其测量对象的敏感性和潜在后果，引发出尖锐的伦理关切。核心问题包括：评估目的的冲突（用于支持发展vs.用于问责或筛选）；数据的保密与使用（谁有权访问数据，用于何种目的）；防止标签化与污名化（低分学生可能被贴上负面标签）；评估的公平性（工具是否对来自不同语言、文化、社会经济背景或特殊教育需求的学生存在系统性偏见）。这些伦理问题要求评估实践建立严格的伦理审查和数据治理框架。政策与系统整合需求。有效的社会情感学习评估不能孤立存在。它需要与学校的课程与教学实践、教师专业发展、学生支持服务体系、以及更广泛的学区或国家教育政策相整合。这涉及到如何将评估数据转化为教师可理解、可行动的教学洞察，如何避免因高利害评估而导致教学的“应试化”，以及如何在政策层面为学校提供开展高质量评估所需的时间、资源与专业支持。现有研究的贡献与不足。现有文献已为社会情感学习评估的必要性、方法多样性、技术挑战和伦理风险提供了丰富讨论，并开发了大量工具。然而，仍存在研究空间：第一，基于最新指导框架（如学业、社交与情感学习协作组织2024年评估体系）对主流工具进行系统性回顾、分类与比较的研究尚不多见。第二，多数研究关注工具的“技术效度”，对新工具（尤其是数字化工具）的“应用效度”和“社会效度”（即利益相关者对其有用性和可接受度的看法）评估不足。第三，对于伦理挑战的讨论多停留在原则层面，对具体的实践指南、数据治理模型和教师培训方案的研究较少。第四，对不同文化背景下评估实践的比较研究多集中于大型国际调查，对校本评估层面的文化适应策略关注不够。第五，缺乏关于如何设计和运行一个整合性的、多层级的社会情感学习评估生态系统的系统性蓝图研究。因此，本研究旨在弥补部分上述不足。通过将学业、社交与情感学习协作组织2024年的评估框架作为分析透镜，结合对近年全球评估研究文献的元分析，力图绘制一幅关于当前社会情感学习评估工具效能图谱、伦理挑战与未来整合路径的清晰图景。研究方法为系统比较与分析当前学生社会情感学习能力评估工具，本研究采用文献元分析方法，对符合标准的学术文献与专业报告进行系统的检索、筛选、编码与综合。首先，文献检索与筛选标准。本研究通过在线学术数据库（包括教育文摘、社会科学引文索引、心理学文摘等）以及重要机构网站（学业、社交与情感学习协作组织、经合组织、兰德公司等）进行文献检索。检索关键词包括：“社会情感学习评估”、“社会情感能力测量”、“社会技能评估”、“教育中的非认知评估”、及其英文对应词。时间范围限定为2019年1月至2024年6月，以确保纳入文献反映近期发展。纳入标准为：文献主题聚焦于基础教育阶段（幼儿园至高中）学生社会情感学习能力评估工具的开发、验证、比较或应用研究；文献类型为同行评议的学术论文、系统综述、元分析报告或由权威研究机构发布的综合评估指南/报告；文献需提供对具体评估工具（或工具类型）的描述、效能证据（如信度、效度）或实施经验的详细分析。排除标准：仅描述社会情感学习课程或干预效果、未深入涉及评估工具本身的文献；针对特殊教育学生等特定群体的非通用性评估工具研究；纯理论探讨而无实证或工具分析的文章。其次，文献分析与编码框架。通过对初步筛选出的文献进行精读，确定最终纳入深度分析的文献四十八篇。基于学业、社交与情感学习协作组织2024年评估体系提出的关键考量维度（效度、信度、公平、实用性等），并结合研究问题，构建了一个结构化编码框架。编码框架主要包括以下类别：第一，文献基本信息：作者、年份、发表类型、研究目标。第二，评估工具描述：工具名称（匿名化处理）、评估方法类型（如：学生自陈式量表、教师他评量表、直接观察、情境判断测试、档案袋、数字化嵌入式评估等）；评估的核心能力维度（是否映射至学业、社交与情感学习协作组织五大能力或其他框架）；适用年龄段。第三，效能证据：报告中提及的工具心理测量学指标，包括内部一致性信度、重测信度、评分者间信度；结构效度（如因子分析结果）、效标效度（与学业成绩、行为问题、同伴关系等外部变量的相关性）；跨群体（如不同性别、种族、文化、语言背景）的测量等值性或公平性证据。第四，操作特性与实用性：报告的实施者要求（教师、专业评估员）、施测时间、评分复杂程度、成本（许可费、培训费等）；教师或使用者对其可用性、可接受度和实用价值的反馈（如有）。第五，伦理与公平考量：文献中是否及如何讨论与该工具或评估实践相关的伦理问题（如数据隐私、知情同意、结果反馈、防止标签化、文化偏见等）。第六，文化背景/区域：研究开展的国家或地区，以及文献中是否涉及工具的文化适应性讨论。再次，分析过程。采用定性与定量相结合的分析方法。第一，描述性统计与分类：对纳入文献中涉及的评估工具类型、适用年龄、核心维度分布等进行频次统计和描述，勾勒出现有工具库的总体轮廓。第二，比较分析：根据评估方法类型（如自陈式量表、表现性评估、数字化工具等）进行分组。在每组内，比较不同工具在效能证据（如平均报告的信度系数范围、效度证据的充分性）、操作特性（平均施测时间、成本门槛）以及伦理考量深度方面的异同。制作效能-操作性对比表格或示意图，直观展示不同工具类型在“科学严谨性-实践便利性”光谱上的大致位置。第三，主题综合：采用主题分析法，对所有文献中反复出现的关于评估效度挑战、伦理困境、跨文化议题以及实施成功条件的讨论进行提取、归类与综合。例如，归纳出关于“自陈式量表社会称许性偏差”的共同发现，关于“表现性评估评分者培训至关重要”的一致观点，关于“数据所有权与知情同意”的伦理关切类别等。第四，案例深度剖析：从每类评估方法中选取一至两个在文献中被详细分析、具有代表性的工具（或其应用案例），进行深度描述，具体说明其设计与实施逻辑、报告的优势、明确的局限以及引发的讨论，以丰富比较分析的细节。第五，整合框架提出：基于比较分析与主题综合的结果，并参照学业、社交与情感学习协作组织2024年评估体系的精神，提出构建未来社会情感学习评估整合生态系统的构想性框架。最后，研究质量与局限。为确保分析的信度，编码工作由两名研究人员独立进行部分样本并讨论，形成一致的编码规则。研究可能存在的局限性包括：文献检索可能未涵盖所有语言或非期刊出版物；纳入文献对工具效能报告的完整性不一，可能影响跨工具比较的精确性；许多新兴数字化工具的研究可能尚未发表在同行评议期刊上，导致对其代表性和成熟度的评估可能不全面；文化比较主要基于文献中报告的信息，而非原生比较研究。研究结果与讨论基于对四十八篇文献的系统分析，本研究揭示了当前社会情感学习评估领域的多元图景、效能张力与核心议题。第一，评估工具类型学图谱：从标准化到生态化。分析确认了评估工具的多样性，并可根据其与标准化、结构化程度的关联，排列成一个光谱。光谱的一端是标准化自陈/他评问卷（如广泛使用的学生自我报告量表、教师行为评定量表）。这类工具在纳入文献中占比最高，其优势在于效率高、便于大规模施测和比较、拥有相对丰富的信效度数据积累。文献普遍报告此类工具的内部一致性信度较高。然而，其核心局限也反复被指出：学生自陈深受社会称许性影响，低龄儿童理解题目能力有限；教师他评可能受到对学生的整体印象（晕轮效应）以及不同教师标准差异的影响。光谱中间是表现性评估方法，包括直接行为观察编码系统、结构化的情境判断测试、以及成长档案袋。这些方法在文献中被认为具有更高的生态效度，能更直接地捕捉学生在模拟或真实情境中的能力表现。例如，一些情境判断测试能有效预测学生在真实冲突中的解决策略。但其劣势同样显著：实施耗时（尤其是观察法）、需要经过严格培训的评估员、评分过程复杂且评分者一致性常是挑战，导致成本高，难以大规模常规化使用。光谱的另一端是新兴的数字化嵌入式评估。文献中描述了通过分析学生在协作软件、教育游戏或在线讨论平台中的交互日志来推断其协作、沟通、毅力等能力。这种方法能无缝融入学习过程，提供持续的行为流数据，避免测试焦虑和反应偏差，代表了前沿方向。但目前相关研究的成熟度较低，效度证据多数处于探索阶段，且引发了对算法透明度、数据隐私与安全、以及用机器可观测的代理行为替代复杂社会情感能力的根本性质疑。第二，效度证据的多样性与不平衡性。对不同类型工具的效度证据分析显示，结构效度（验证能力维度）是大部分工具开发研究的重点，许多工具报告了可接受的因子结构。效标效度方面，大部分工具展示出与学生学业成绩、课堂行为、同伴关系等变量的中等程度相关性，为工具的预测价值提供了支持。然而，效度证据存在明显不平衡。首先，“增量效度”的证据相对缺乏，即很少有研究能清晰证明，在控制了学生认知能力或基线社会行为后，社会情感学习评估分数仍能独立解释学业或生活结果的额外变异。这影响了社会情感学习评估的独特性价值主张。其次，“跨文化测量等值性”的证据严重不足。绝大多数文献报告的工具心理测量学指标是基于单一文化（主要是美国或英语国家）样本得出的。少数在跨文化背景下验证工具的研究发现，某些题目的测量功能在不同文化群体中存在差异，意味着直接翻译使用可能导致不准确的比较甚至误解。这突显了社会情感学习评估的文化敏感性是一个亟待加强的研究领域。第三，操作实用性与应用场景的权衡。工具的可操作性在很大程度上决定了其在学校中的实际采用。分析显示，标准化问卷因其简便、低成本而最受大规模监测和快速筛查场景的青睐。表现性评估虽然能提供更丰富的信息，但其对时间和专业资源的要求，使其更适合用于深度诊断、干预效果评估或小型样本的研究。教师对工具的接受度是实用性的关键。文献指出，教师更重视那些易于理解和评分、能提供可直接用于教学指导的反馈信息的工具。过于复杂或耗时的工具，即使信效度高，也可能被搁置。数字化工具在降低人工评分负担和提供即时反馈方面有潜力，但其前期技术投入、数据解读的复杂性以及对教师数据素养的要求构成了新门槛。第四，伦理挑战的聚焦与应对缺失。分析文献中揭示的伦理关切高度集中在几个方面：评估目的的异化风险：当社会情感学习评估被用于学校问责、资源分配或学生分轨时，可能导致教师“为考而教”，鼓励学生给出“正确答案”，扭曲社会情感学习的本意。数据隐私与安全：学生的社会情感数据极为敏感，如何存储、访问、共享和长期保存这些数据，涉及严格的伦理与法律规范，但许多文献显示学校和地区缺乏清晰的治理政策。标签化与刻板印象威胁：给学生贴上“低社会情感能力”的标签可能损害其自我概念，并引发教师的低期望，形成自证预言。公平性问题：评估工具可能内置文化或阶级偏见，例如，某些题目可能更符合中产阶级白人学生的行为规范，而对其他背景学生不利。尽管这些伦理挑战被广泛识别，但文献中关于具体、可操作的应对策略（如伦理审查清单、数据匿名化协议、反偏见评分培训、面向学生和家长的透明沟通指南）的讨论仍然零散且不充分。第五，走向整合的生态系统：多层嵌套与多源互补。基于对各类工具优势与局限的分析，本研究支持并拓展了学业、社交与情感学习协作组织倡导的系统性评估观。未来的方向不应是寻找一个“完美”的单一工具，而应是构建一个“多层嵌套、多源互补的评估生态系统”。这个系统可以构想为三个层级：层级一：大规模轻度监测。使用经过良好验证、高效、低负担的标准化问卷（可以是短版），周期性（如每学年一次）对所有学生进行施测，目的在于了解学校或区域层面的总体趋势、识别可能存在普遍性需求的领域，为政策制定和资源投放提供宏观依据。此时，数据通常以群体聚合形式报告，避免个体标签化。层级二：校本中度诊断与改进。学校层面采用更具情境性的方法，如结合教师日常观察记录、简化的表现性任务、学生焦点小组访谈或项目作业分析，来深入了解特定年级或学生群体在社会情感学习方面的具体优势与挑战。数据用于指导校本课程调整、教师专业发展重点以及营造积极的校园氛围。层级三：个体深度支持。针对经前两层筛查或教师转介的有明显困难的学生，由学校咨询师、心理学家等专业人员使用更深入、更具诊断性的评估工具（如结构化临床观察、个别访谈、系统化的行为功能评估），以制定个性化的干预与支持计划。在整个生态系统中，技术可以作为赋能者，辅助数据收集、整合与分析，但必须置于坚实的伦理框架之下。最终目标是使评估从一种外部施加的活动，内化为教育者专业实践的一部分，实现“为了学习的评估”。综合讨论，本研究发现描绘的是一幅充满张力与潜力的图景。社会情感学习评估正处在从简单模仿认知能力测试向发展出适应自身能力特性的、更复杂、更综合的方法论体系的转型期。这一转型面临三重核心张力：科学严谨性与实践可行性之间的张力、标准化比较与文化情境化理解之间的张力、以及数据驱动决策与保护学生福祉及权利之间的张力。解决这些张力，要求教育者与研究者更新评估范式。评估不应被视为对固定内在特质的“测量”，而应被视为在特定文化和情境中理解学生能力发展“状态”与“轨迹”的窗口。这意味着，评估工具和流程本身需要更具灵活性、形成性和发展性。同时，加强教师的“评估素养”至关重要：教师需要理解不同工具的用途与局限，能够批判