国际大规模教育评价的逻辑反思

/国际大规模教育评价的逻辑反思【摘要】国际大规模教育评价是当前教育领域不容忽视的文化现象。作为一种教育评价形态，它在评估对象、施测范围、测评内容、测评学段、实务操作等方面呈现出其特征。方法论上，它悬置、排除和放弃抽象物，使用数据和符号作为描述教育的语言，涉及“关系”的推论，注重量化变项的评比。论述国际大规模评价的价值效应，存在科学化和非科学化两种取向分庭抗礼。但是，罔顾教育中不可测量的部分而论“好”教育是危险的。人的教育与受教育状况成为数字统计的客体、科学评价的对象，也意味着削弱人(部分人)的主体性。没有哪一个国家的教育能够成为其他国家的样板。务必警惕教育测评设计者的费边策略。透过对已有现象的概述、理证和反思，有助于理性看待国际大规模评价。【关键词】国际大规模评价；跨国教育评价；国际测评；学业成就

过去20多年，国际大规模教育评价不断升级，显著调动了各国(地区)政府、民众的热情，致使投入大量的资源，竞相追逐。新时期我国教育改革更加注意吸收世界上先进的办学经验，凭借之一正是国际大规模教育评价提供的数(证)据、排名以及政策评论。这项由少数科学家发起，旨在教育领域建立国际比较机制的创举，经国际组织的大力推动，已经从西向东、从北到南扩散，得到了全球绝大部分发达国家、发展中国家的响应，越来越成为一种不容忽视的教育文化现象。 一、文献综述 国际大规模教育评价源于西方。自20世纪90年代起，国际教育评价协会(以下简称IEA)、经济合作组织(以下简称OECD)、联合国教科文组织(以下简称UNESCO)、世界银行等国际组织开始大力实施国际教育评价项目，如国际数学和科学的学习趋势(TrendsinInternationalMathematicsandScienceStudy，TIMSS)、国际阅读素养进展研究(ProgressinInternationalReadingLiteracyStudy，PIRLS)、国际学生评估项目(ProgrammeforInternationalStudentAssessment，PISA)、国际成人能力评估项目(ProgrammefortheInternationalAssessmentofAdultCompetencies，PIAAC)、全球教育监测(GlobalEducationMonitoring，GEM)等。今天，国际大规模评价不仅在世界范围掀起了教育监测、评估的风潮，而且自身也成了一种复杂的教育文化现象，进入教育学研究视野。欧美学术界在这方面的研究较早。 研究集中在两个方面：一是测评技术和数据统计方法信效度，一般由心理学、统计学和数学等领域的研究者承担；二是某个项目的评估规则、数据解释与价值判断在文化、政治以及意识形态层面的意义。 第一方面的研究，核心是要论证说明国际大规模教育评价程序上科学，性质上是一项中性的教育调查，目的是要及时发现并修补测评漏洞。技术上，国际大规模教育评价经过近60年的发展，在测法、抽样、计分、试题转(翻)译，以及结果分析等方面，尽管还有提升空间，也已经相当先进了。这方面的研究，主要受到了两方面批评。一是以荷兰教育哲学家比斯塔(Biesta，G.)为代表的学者指出，测评了教育要素并不等于测评了关键的教育要素及其本质方面。[1]也就是说，教育是复杂的，可测的并非是最重要的，从而提出质疑国际大规模教育评价的合理性。二是美国学者梅耶(Meyer，H.D.)和本亚伦(Benavot，A.)等指出，测评虽然得出了高分和低分，但高分、低分是多种因素(教育因素和非教育因素、学校教育和校外影响)造成的结果，由此并不能推断出分高代表优质的学校系统，分低代表薄弱的学校系统。[2]也就是说，测评技术再严密，也不足以支撑国际组织利用测评结果对各国学校系统的质量作出判断、分出优劣。 第二方面的研究，集中从本体论和价值论上对国际大规模教育评价进行反思性批评。一般是以个别项目为对象展开，现以PISA项目研究为主。概括而言，具体包括四个方面。第一，探讨参与国际大规模教育评价的国家(地区)的主体多元化现象及影响。有研究者发现，从2000年起，原先只是高收入国家(地区)参加的游戏，一些中、低收入国家也开始加入，故造成测评项目的理念、定位、表现形式都多少发生了改变。[3]第二，揭示测评结果的解释由纯粹变复杂。国际组织越来越注重加强专业测评与教育政策的亲密性，利用国际大规模教育评价的结果生成一种“解释性权力”，指引全球教育发展动向。第三，力证国际测评充当国内教育决策、国际教育治理的凭借工具。澳大利亚学者林嘉德(Lingard，B.)指出，不同类型的政府、教育系统借由国际层面的大规模教育评价结成“全球化的教育问责网络”，利用它来服务于“用数据支撑政策”或“政策借鉴”[4]的决策需要，勾勒全球教育发展的蓝图，共谋教育治理命题的主次。第四，从不同立场对国际大规模教育评价进行元评价。一类是正面的评价。曾任IEA主席之职的胡森(Husen，T.)认为，国际大规模教育评价确实存在技术、方法与经费上的欠缺，但坚信它是在“开创性精神”[5]引导下的创举。另一类是负面的评价。PISA、TIMSS这些项目在世界范围内炙手可热，权赫勒(Trohler，D.)质疑其存在价值。他以PISA为例，将其放入OECD的历史背景中加以考察，把PISA和冷战文化联系起来，指出PISA正在复活“一个世界”的冷战意识形态，它存在将“集权化”“标准化”“千篇一律”“职业训练”“技术精英主义”的理念拉回全球教育领域的危险性。[6] 批评性反思目前是欧美教育理论界的研究主流。批评各个评价项目在技术、统计和方法论上的缺陷，反思它们忽视教育的文化和伦理基础、测评结果被政治误用的后果。许多学者甚至不惜公开表态，提出应彻底否定这些项目的价值。当中，影响最大的当属一份反对PISA的公开信。[7]这封信得到136名学者联合署名，强烈要求OECD终止PISA项目。 反思一事，任重道远。尽管面临众多批评，国际组织丝毫没有放弃国际大规模教育评价的念头。它们借助各式各样的国际教育评价项目之力，成功介入全球教育治理体系，牵引各国(地区)的官方教育决策、民间教育舆论甚至教育观转向。许多国家和地区教育当局对它半推半就、欲拒还迎，有时还利用国际大规模评价项目的有利证据推进国内教育改革进程。于是，国际大规模教育评价事业反而越来越升温，影响力呈增长态势。 目光回到国内，我国教育学界有关国际大规模教育评价也有不少研究，主要是对典型个案，如PISA、TIMSS进行个案研究或比较研究。概括地说，重点讨论两个问题。第一，说明不同项目在命题、取样、考务、数据统计、评分、工具转化等技术性和策略性问题，以探寻工具的本土转化。第二，分析、对比我国学生、教师在各项目中得分、排名变化的成因或经验，利用测评分数、排名对比分析不同的教学策略，以期进一步改进教育教学实践。[8]这些研究，为我们认识国际大规模教育评价提供了有用的信息，但离全面把握国际大规模教育评价现象则还有深入的空间。本文把国际大规模教育评价当作一个整体来看，按照从“看什么”到“怎么看”的认识思路，首先，回顾对象从无到有的基本事实，呈现出它从一个“试验”过渡到具有五项基本特征的一类行动；其次，从一般意义上，概述支撑其运行的主要方法论假定；最后，归纳两种取向的价值论述，并侧重从非科学化层面提出价值上的反思，求教方家。 二、基本事实 国际大规模教育评价的整体是什么呢？我们发现它在时间和空间上的边界相当模糊。理论上对其下一个定义也极其困难，因为它仍在变化之中，并未完全形成一类属性上的“共相”。所谓国际大规模教育评价是教育评价领域的一种新形态，主要是从范畴上相较于国内的教育评价，如学区教育评价、国家教育评价而言的。它可以追溯到1931-1938年，九个国家率先开启跨国评比教育的探索，在美国与欧洲之间，发动了一项跨越大西洋的“国际考试研究”项目。[9]自此，正式拉开国际大规模教育评价实践的大幕。学术论著中，除了使用“国际大规模教育评价”的概念外，还经常使用诸如“跨国教育评价”(cross-nationaleducationalevaluation)、“大型跨国评价调查”(largecross-countryassessmentsurveys)等类似表述，现在特指若干由国际组织推动实施的国际大规模教育评价项目。1959年，IEA成立。它是第一个从事国际大规模教育评价的专门机构，主导迄今为止最长寿的测评项目TIMSS。约从20世纪90年代起，主要国际组织陆续推出各自的测评项目，如OECD的PISA、UNESCO的GEM，打破IEA独占鳌头的局面。进入21世纪后，各式国际大规模教育评价项目纷至沓来，风行世界。国际组织实施国际大规模教育评价项目，其意并不限于纯粹调查教育以及对教育诸要素进行中性诊断。它们更重视以排名论高低，致力于服务政府的教育决策、绩效问责，推动区域教育治理，创设“全球教育政策空间”。[10]对参与国家(地区)来说，项目测评的结果还可能影响教育舆情，介入教育价值观生产。 回顾可见，国际大规模教育评价的整体形态呈现出几方面的特征。第一，评估对象上，既有面向学生的项目，也有面向成人、教师的项目。其中，绝大多数项目以在校学生的学业水平为目标进行设计(见下表)。半个多世纪以来，IEA一直都在从事这方面的研究，最知名的项目当属TIMSS。OECD也是如此，既推出了评估义务教育阶段学生学习结果的PISA项目，还设计了高等教育学习结果评估(AssessmentofHigherEducationLearningOutcomes，AHELO)项目。除此之外，一些项目以评估成人为目标，如有“成人PISA”之称的PIAAC项目、成人素养和生活能力(AdultLiteracyandLife-skills，ALL)调查、素养评估与监测项目(LiteracyAssessmentandMonitoringProgramme，LAMP)。还有的项目以教师的能力评估为目标，如2008年，OECD推出“教师教学国际调查”(TeachingandLearningInternationalSurvey，TALIS)项目。 第二，施测范围上，既有全球性国际教育评估项目，也有区域性教育评估项目。如在UNESCO的协助下的“南部和东部非洲教育质量监测委员会”[11]和拉丁美洲教育质量评估实验室分别组织实施的地区范围的学生学业水平测评项目。一项专门针对法语国家设计的“法语国家教育系统分析项目”，从1991年开始实施至今。 主要国际大规模教育评价项目一览表<tableborder=1align="center"><tr><td></td><td>项目名称(注a)</td><td>时间</td><td>评估科目</td><td>国家(地区)(注b)</td><td>实施的组织</td><td></tr><tr><td>1</td><td>FIMS</td><td>1964</td><td>数学</td><td>12</td><td>IEA</td><td></tr><tr><td>2</td><td>SixSubjectStudy</td><td>1966-1973</td><td>科学、阅读理解、文学教育、英语、法语、公民教育</td><td>不详</td><td>IEA</td><td></tr><tr><td>3</td><td>FISS</td><td>1970-1971</td><td>科学</td><td>14，16，16</td><td>IEA</td><td></tr><tr><td>4</td><td>FIRS</td><td>1970-1972</td><td>阅读</td><td>12</td><td>IEA</td><td></tr><tr><td>5</td><td>SIMS</td><td>1980-1982</td><td>数学</td><td>17，12</td><td>IEA</td><td></tr><tr><td>6</td><td>SISS</td><td>1983-1984</td><td>科学</td><td>15，17，13</td><td>IEA</td><td></tr><tr><td>7</td><td>ReadingLiteracyStudy</td><td>1988-1992</td><td>读写和阅读理解</td><td>32</td><td>IEA</td><td></tr><tr><td>8</td><td>SISS</td><td>1990-1991</td><td>阅读</td><td>26，30</td><td>IEA</td><td></tr><tr><td>9</td><td>IEAP</td><td>1988/91</td><td>数学和科学</td><td>6，20</td><td>ETS</td><td></tr><tr><td>10</td><td>TIMSS</td><td>1994-1995</td><td>数学和科学</td><td>25，39，21</td><td>IEA</td><td></tr><tr><td>11</td><td>IALS</td><td>1994</td><td>读写、论证和计量</td><td>7</td><td>OECD/UNESCO/ETS/StatisticCanada</td><td></tr><tr><td>12</td><td>TIMSS-R</td><td>1999</td><td>数学和科学</td><td>38</td><td>IEA</td><td></tr><tr><td>13</td><td>PISA2000</td><td>Feb-00</td><td>数学、科学和阅读</td><td>41</td><td>OECD</td><td></tr><tr><td>14</td><td>PIRLS</td><td>2001</td><td>阅读</td><td>34</td><td>IEA</td><td></tr><tr><td>15</td><td>TIMSS2003</td><td>2003</td><td>数学和科学</td><td>24，45</td><td>IEA</td><td></tr><tr><td>16</td><td>PISA2003</td><td>2003</td><td>数学、科学和阅读</td><td>40</td><td>OECD</td><td></tr><tr><td>17</td><td>PIRLS2006</td><td>2006</td><td>阅读</td><td>39</td><td>IEA</td><td></tr><tr><td>18</td><td>PISA2006</td><td>2006</td><td>数学、科学和阅读</td><td>57</td><td>OECD</td><td></tr><tr><td>19</td><td>TIMSS2007</td><td>2007</td><td>数学和科学</td><td>35，48</td><td>IEA</td><td></tr><tr><td>20</td><td>PISA2009</td><td>2009</td><td>数学、科学和阅读</td><td>65</td><td>OECD</td><td></tr><tr><td>21</td><td>PIRLS2011</td><td>2011</td><td>阅读</td><td>48</td><td>IEA</td><td></tr><tr><td>22</td><td>TIMSS2011</td><td>2011</td><td>数学和科学</td><td>52，45</td><td>IEA</td><td></tr><tr><td>23</td><td>PISA2012</td><td>2012</td><td>数学、科学和阅读</td><td>65</td><td>OECD</td><td></tr><tr><td>24</td><td>TIMSS2015</td><td>2015</td><td>数学和科学</td><td>47，39</td><td>IEA</td><td></tr><tr><td>25</td><td>PISA2015</td><td>2015</td><td>数学、科学和阅读</td><td>72</td><td>OECD</td><td></tr><tr><td>26</td><td>PIRLS2016</td><td>2016</td><td>阅读</td><td>50</td><td>IEA</td><td></tr><tr><td>27</td><td>PISA2018</td><td>2018</td><td>数学、科学和阅读</td><td>79</td><td>OECD</td></tr></table> 注：a.FIMS/SIMS:First/SecondInternationalMathematicsStudy(第一/二次国际数学研究)；FISS/SISS:First/SecondInternationalScienceStudy(第一/二次国际科学研究)；FIRS/SIRS：First/SecondInternationalReadingStudy(第—/二次阅读研究)；IEAP:InternationalAssessmentofEducationProgress(国际教育进展评估)；TIMSS(1994-1995)：ThirdInternationalMathandScienceStudy(第三次国际数学和科学研究)；IALS：InternationalAdultLiteracySurvey(国际成人素养调查)。b.公布数据的参与国家/地区数量(单位：个)。 第三，测评内容上，焦点始于有纲可循的“学科课程”测试，逐渐向协商建构的“核心素养”“关键能力”测试进化。20世纪60年代起，IEA大部分项目即是侧重学科课程测试。其中，测试频次最高，历史最长的两门学科是“数学”和“科学”。这两科的内容倾向于价值中立，无关各国文化个性，跨国评比时争议最小。此外，阅读理解、地理、非言语推理(nonverbalreasoning)、文学、作为外语的法语、英语、公民教育、历史和计算机等科目的学习结果都曾成为测试的内容，大体称得上“学什么、测什么”。大约到20世纪90年代，尤其是PISA盛行后，聚焦核心素养、关键能力测评各年龄段的人大肆蔓延开来，“测什么、学什么”的一面越发突出。一些发展中国家，如中国、巴西、智利、印度、墨西哥实施本国教育评估或制定课程标准时，热衷于围绕核心素养、关键能力的理念来组织实践。 第四，测评学段上，从义务教育阶段向学前教育、高等教育阶段延伸的趋势初现。以OECD为例，先有面向义务教育段的PISA项目，后有面向高等教育阶段学生的AHELO项目、学前教育段的早教测评项目(MonitoringQualityinEarlyChildhoodEducationandCare)。 第五，实务操作上，既有稳定的基本程式，又有复杂的变式。绝大部分评估项目包含“调查问卷”和“测试”两个部分。测试方法主要基于项目反应理论而建立。基本上，它们都是按照相对固定的周期实施测评。各国参与同一个项目其实也是在不同时间完成的，最后对不同国家不同时间得出的测试成绩进行统一排名。现在，有的项目除统一测试外，又辅之以个案研究、特殊领域测评。有的项目既要测试学生学习结果，还要分析课堂录像。 随着纵深推进，国际大规模教育评价愈发兴盛。但是，对国际大规模评价现象不满，甚至公开批评的学者也人数众多。有学者认为，误导教育者将可测量的教育结果(outcomes)当成教育目的(purpose)，国际评价指挥棒所定义的“好教育”其实并非真正的好教育。[12]本文从理解事物的角度出发，探询国际大规模教育评价的逻辑规则，以此作为批判性反思的前提条件。 三、方法论上的若干假定 一方面，现有国际大规模教育评价项目应视为不同事物。各个项目在测评目标、程序与方法上具有不同程度的差别。另一方面，不同的国际大规模教育评价项目殊途同归，可视为同一事物的不同形态。国际大规模教育评价的需求主体主要都是各国(地区)的教育决策者，供应主体都是国际组织，包括政府间组织(IGOs)和非政府间组织(NGOs)[13]。称其为同一事物时，意味着言辞之间默认以下四项基本假定。 (一)悬置、排除和放弃抽象物 20世纪60年代，以IEA为代表，国际大规模评比教育开始兴起。在这个潮流中，专业的比较教育研究中心、比较教育学者沉潜隐退，被擅长心理、社会测量方法以及课程研究的专家取而代之。金(King，E.)虽对此颇为无奈，但仍然认为，以国家(地区)为单位比较教育系统水平为使命的国际大规模教育评价是一种“巨大的创新”，对现代比较教育研究而言具有“不可估量的重要性”。[14]贝磊(Bray，M.)从比较教育史的角度发现，20世纪初至60年代，教育的国际比较大都还是针对四至六个国家而论。[15]所比较的国家要么在社会发展阶段上近似，要么在政治文化背景上有关。而在60年代以后，所比较的国家数量极大扩增，东、西、南、北的欠发达国家与发达国家时常相提并论，彼此的差异性远多于同一性。 众所周知，教育的存在涉及“抽象事物”和“具体事物”两个层面，由“一般精神”与“具体要素”交织而成。传统的比较教育研究优先承认各国的教育自主权，假定各国教育是特定历史传统与现实境况的综合产物，各国外显的教育要素与内在的教育价值观“自成一体”，因而不同国家教育系统的教育制度、课程体系、师生关系、教学风格呈现出独特性。这种假设下，教育的国际比较具有明显的国家主义色彩。朱利安(Julian，M.A.)认为，教育科学和其他科学一样地需要几个国家共同致力于斯而耕耘于其中。从别国的发达和繁荣中发现可使本国兴旺的办法。[16]而“强化国际思维并不必然意味着否弃国家思维”[17]。后起之秀像库桑(Cousin，V.)、曼(Mann，H.)、伯纳德(Barnard，H.)等，都曾实地考察欧洲诸国学校教育经验，尤其是德国经验，[18]皆是为了更好地研究、认识和建设母国教育。可以说，这种跨国比较理念上突显的是民族国家教育的实在本性与主体追求，体现一种强结构和总体性的意识，方法上重视对比不同国家教育的文化精神与实务形态等方方面面。 毫无疑问，所有的教育的比较都是有限项的比较。涉及比较的国家越多、越复杂，不同国家教育的可比性就越低。国际大规模教育评价运动史无前例拓宽跨国比较教育视野的同时，也导致某些教育要素的重要性被低估。国际大规模教育评价一般采用自然筛选或人为制造少量的要素设计评比，属于典型的选择性比较，结果上却注重以部分说明、预示整体。回顾主要国际大规模教育评价项目的评比可知，绝大多数亲数学、科学、教学技术、环境等确定性强的内容，远情感态度价值观等确定性弱的内容，像学生的社会同情、教师的仁爱之心、学校教育的人性化，这些东西不仅是不可度量的，更是以不确定的形式存在着。不了解一国教育植根其中的历史文化土壤，漠视教育实务背后所蕴含的一般价值，单纯算度评比某些具体要素是非常危险的。遗憾的是，教育中的“抽象物”部分之于众多国际大规模评价项目，往往因为捉摸不定而悬置，偏主观而排除，难测评而放弃。 (二)数据和符号作为描述教育的语言 从测试题评估结果，图表数字随处可见。用量表、数字标识发展水平本属于教育评价的本色和追求。总的来说，这一思路并非长于传统教育哲学(伦理学)中，而是从心理学、经济学成长起来的。长期以来，它被教育是复杂的观念所忽略。直至20世纪初，测量学家发现学校的教学从过程到结果有可能进行类似分类计量、指标算度的技术化处理，它才逐渐赢得显赫声势。 国际大规模评价运动更是顺乎其势，出类拔萃。IEA本是一些心理学家雄心壮志的测试实验的产物，将世界作为实验室在国际范围测量学业成就。[19]OECD涉足国际大规模教育评价的灵感源自20世纪60年代的“社会指标运动”。[20]逻辑的作用是建立一种语言规则。几乎全部国际大规模教育评价项目，都使用数据、符号充当描述教育的语言，假定各式各样的数据图和排名表后隐藏着各国教育现状、问题和经验。数据和符号语言有助于精密描述教育的各个方面，不仅让自身对教育所处阶段、现有水平及其与理想的差距形成科学的认识，而且有助于作出合情合理的广泛推论。如果a每天的学习时间是4小时，比b每天多学1小时，c每天学习的时间是a的2倍，a、b、c的学习成绩谁更好？以往教育者总是费劲地靠一个个观察总结方能比较，而国际大规模评价项目已经不厌其烦地使用学习时间(t)和学业成就(A)的关系式来演算，将以上意思进行替代性转化，并且可归纳得知“如果x的学习时间为5小时，她的学业成就将低于学习时间6小时的人，高于学习时间4小时的人”，举一反三。 在他们眼里，一切不能算度、量化、可视化的教育描述都是空洞的语言。那些主观的(应然想象的)、不确定的、不可澄明的言论应当被抛弃，本质上在科学上是无关紧要的，性质上与可感、可名、可释的科学纲领不符。也只有把教育的方方面面用数据和符号写下来，能进行推演，才能帮助教育的改革和提升找准方向，提出实用性建议，而不必朝令夕改，无所适从。 (三)涉及“关系”的推论 国际大规模教育评价是不是高风险的？从来都是“公说公有理，婆说婆有理”。尽管自身很不情愿被当作一场场竞赛，而实际上正是因为一张张成绩排名表，它们才引得各国教育界和社会上下关注。倘若名次不表示先进落后，它们还能否造成冲击效应？排名不仅可以让事情化繁为简，可以让公众感受到所言非虚，而且客观上达到了比较高低引人入胜的效果。[21]这样的一些句式总是与国际大规模教育评价的结果相伴随：“芬兰教育全球第一”，“东亚学生数理能力领跑世界”，“新加坡学生的学业成就比美国要高”……这些句式的落脚点，在于表示X国与Y国相比，学生更有教养，教育模式更优秀。当然，它们全都建立在精密计算基础上的推论。 而上述立足于排名发展出来的推论，涉及两个及以上的主词，谓词表示或可转换为“比……好(高、优)”的意涵，逻辑上属于一种关系的推论。历时地看，今日的教育国际评比进入了新境界。传统的国际比较教育假设不同国家的教育看作一个具有内外一致性的系统，一国的教育即一个整体，各国的教育观念、教育价值、教育制度形态各异，由其民族品味、历史传承、文化传统、政治利益等共同决定形成。置于这种假设下考虑不同国家教育时，往往依据的是一种“类”逻辑进行推论。所谓类，即一切种类的群或总体。[22]如法国的学制、学校等级、课程设置、师生关系都属于法国教育的一部分，都能找到一种法国教育固有习性的踪迹。 讨论结果时，国际大规模教育评价同样受关系逻辑所支配。普遍认为，家庭背景、文化资本或影子教育是造成学生学业水平高低的强相关性因素。也就是说，甲、乙、丙与X的表现有关。A比B的得分高，结果是从甲、乙、丙等因素的差异性中分析、推演出来的。完整地看，多个语句的联结构成一个结果，而结果句之真不依赖于个别句子是否为真，只是相关。 (四)量化变项的评比 当问到“何谓好教育”的问题时，总离不开从现实与理想、自我与他者的比较去作出价值评价。纯理论的观点认为，无限接近一种教育理想、信念或者“善”的教育形态是好教育。一般用远离、接近到符合理想、信念和善的三种模糊的标准进行程度的区分，标识行动的空间。这种观点因为不精确、不客观而越来越有争议，在工具主义者看来，它的效用如毫末之微，恨不得立马被取代。 第二次世界大战后，科学知识日渐成为“一种话语”。[23]社会科学领域把追求客观知识当成了执念。随意翻开一本现代教育评价理论的书籍，无不自视找到了客观、准确、有效评价教育的“法器”。可严格来说，它们都不是系统性评估教育，仅以某些教育要素为评估对象其测评科目是有限的，测评对象是代表性的，测评结果是概率性的。各种评价所得的分析报表、政策评论，多是说在“有的方面”“某种程度”或者“至少有一些领域”谁的教育更有优势，甚至所谓的优势也是有限意义上的。在语言架构上，这种教育评价不是全称判断，而是特称判断，主要表现为其中的变项带有量词，设置了量的约束。逻辑学家把这一现象称为“量化变项”。[24]至今为止，几乎全部的国际大规模评价项目都只是在一定的变域内评估一国教育的表现(水平)，达到了说明在有的方面、某种程度上谁比谁表现好的目的。尽管有些言论时常越界，幻想以偏概全，要知道除非突破方法论上的限制，否则以部分事实估定整体价值是不可能的。 受此影响，A项目说x比y优秀，B项目说y比x有水平的情况在国际大规模评价里屡见不鲜。我们把前一种说法假设为p，把后一种说法假设为q。逻辑上，p表示在A项目的规则里，评价为真。但是，这并不等于p一定是正确的，q是不正确的。从不同的规则出发，p可为真，q亦可为真。我们在不同的说法之间究竟如何裁决？这并不容易。每一种说法从前提到结果都有一定的优点，都有它的正当性。退一步而言，逻辑问题无道德可言。每个人(组织)都有根据自己的逻辑进行陈述的自由，只不过是选择不同。最基本的立场是，我们不能信以为真，种种评判之说都是“神话”“虚构”，没有例外。只不过有的项目从多方面证明它比其他更有效罢了。 四、两种取向的价值论述 学术界对国际大规模评价价值的看法不一，有的认为它很实用，值得高度肯定；有的认为它毁了全球教育，必须否定和抛弃；还有些“观望派”“中间派”总能在它身上找到一些可褒、可贬的地方。某种程度上，他(她)们都没错。这个问题，恐怕不只事关不同立场那么简单，更具有双重现实意义。一方面关系到怎样归置各个项目每一轮测评结果及其影响，另一方面牵涉如何面对国际教育评价向国内教育评价转化的新潮流。按照目前大规模教育评价的发展趋势，许多国家(如中国、美国)采用了“国际版”与“国家版”结合的双模式，且有意识加强后者。但是，只将评价范围回缩至民族国家边界以内，又并未超越根本上的同质化。究竟应当如何客观理性地看待这一现象？本文认为，有必要从两种取向的价值论述本身说起。 第一种以科学化取向论述国际大规模教育评价的价值效应，可谓自始至今的主要取向。它宣称基于证据的评价的工具性价值，承认大数据的实证性、普遍性和确证性，相信谁的数据累积得越深、广、全，实用价值越高。这种价值论述一般程式表现为：它能科学服务决策，有助于实践反思，便于提升决策和管理方面的效能，等等。这一逻辑下，目之所及的国际教育评价主要是优点。因为它以全球教育系统为样本，被视为采集大数据的典范。尽管有一些瑕疵，也只是策略方面的问题，是次要的，眼下更是无出其右者。客观地说，大规模评价通过详细观察、实证、分析和比较收集数据，它善用数字、图表、符号等最为基础的科学表达语言，反映、揭示或陈述对教育事物的认识，它相较于“感想式”的认识、“拍脑袋”的认识与“想当然”的认识等，的确更能为教育决策、管理及教育教学活动提供合理性基础。正是沿此思路，国际大规模教育评价赢得了稳固地位，所向披靡。似乎除非出现能取代它的更严格的方法、更实用的工具，可以收集到更高程度客观性、普遍性和可靠性的教育数据，否则，难以质疑其科学价值的地位。 尽管取代之的“道”“艺”还尚未出现，但其“野蛮姿态”还是有可反驳之处的。首先，根本上“科学就不是一个确定的或既成的陈述体系，也不是稳步趋向一个终极状态的陈述体系。科学不是绝对的知识，也决不能自称达到了真理或像概率一样的真理的替代物”[25]。其次，教育诸要素发展及其优劣充满变化是难以捉摸的。现代教育之所以是进步的，在于它的假定不同于前现代，认为儿童个体是持续不断生长变化的，相信每一个孩子都有出彩的机会。杜威(Dewey，J.)回顾教育哲学史，曾总结出一条教育发展的永恒规律：“教育是一种社会的过程，而世界上又有各色各样的社会，所以教育批判和教育建设的标准，包含一种特定的社会理想。”[26]任何现代国家关于教育发展的观念、价值及制度，更是无不受到特定的文化性格、社会利益乃至政治信条相叠加介入。所谓的教育国际化，也不过是对部分内容的合意选择。众所周知，社会无限分层，国家存在分类。教育与社会、国家携手并进，不说精准估定其发展、优劣无望，起码难以有唯一的答案，遑论横向上一较高低。 第二种是非科学化取向论述国际大规模评价的价值效应，回到哲学上审视反思技术专家在“科学”的框架内解决国际教育的诊断、评判和定向问题的明显缺陷。结合前面的分析，本文提出四点思考。 第一，罔顾教育中不可测量的部分而论“好教育”是危险的。在这一点上，许多学者主要是反思国际大规模教育评价忽视教育的复杂性，指认它所说的“好教育”存在误导性，或者干脆使学校生活、教师工作和学生生命的价值狭隘化。从正面而言，国际大规模教育评价极具指挥棒作用。国际大规模教育评价项目几乎都是基于可测量的结果而设计的，这可能造成教育者和学习者精力投入方面的错误分配，即忽视儿童教育和学习过程中习得友爱、真诚、责任感、同情心、意志坚定、孝敬父母等价值品质的意义。这些方面的东西，因技术上未有成熟、公认的测量方法和工具，而不会被当作学生的学习结果出现在国际大规模教育评价项目的评估框架里，其重要性被淡化处理了。缺失抑或是弱化这些维度的抚养与教育，其实是没有灵魂的。 第二，人的教育与受教育状况成为数字统计的客体、科学评价的对象，也意味着削弱人(部分人)的主体性。人的客体化、对象化与科学神话形影相随。现代社会或放弃形而上学的标准，或轻视圣贤礼教的高标，改在科学框架下构建教育进步的陈述体系。与餐厅、电影、歌曲、财富的评价思路一样，“物”与“人”优劣高低在量化的狂热中越来越趋同。人们怎么教育、学习及效果、收获也被缩减为数据图表上一行行冷冰冰的数字。有学者指出，大规模教育评价按照物化的方式标识、估算与控制人的发展可能性。[27]所有的国际大规模评价项目因其以数字、图表和符号的方式准确表达才被放置在高位。教育中的每一次比较、每一张成绩单和排名表，宛若一次次“无声的告白”，主题就是资优生与后进生的层级化。而教育成就的高与低，无外乎金钱、时间、陪伴、机会、