从“分数至上”到“多元评价”：论教育强国建设背景下教育评价的转型及其实现路径

/从“分数至上”到“多元评价”：论教育强国建设背景下教育评价的转型及其实现路径【摘要】不论是从历史经验还是从实践逻辑上看，“分数至上”的教育评价都是教育强国建设需要突破的瓶颈。“分数至上”的教育评价，宏观层面表现为高考、中考仅凭考试成绩录取，微观层面表现为考试难度不断提升。深入推进教育强国建设，需要建立多元评价制度，即从多个方面来评价学生的素质发展情况，并为学生升入高一级学校提供多元渠道。多元评价有几方面的优势：从学习范围与深度方面促进学生充分发展；以成长路径的多元化促进学生健康发展；以保护和发展学生学习兴趣、信心为手段促进学生可持续发展。为建构多元评价制度，除需要采用差异化公平观外，还需通过如下路径：一是要实现命题考试评价的专业化，统一考试难度；二是要建立全面且灵活的评价体系，全面评价学生；三是要加快建构高考多元录取机制，给天赋以机会；四是要加强教育评价中的腐败治理，确保评价公正。【关键词】“分数至上”的教育评价；多元教育评价；教育强国建设

2025年1月，中共中央、国务院印发了《教育强国建设规划纲要(2024-2035年)》(以下简称《纲要》)，提出“到2035年，建成教育强国”。《纲要》非常明确地指出，“树立科学的教育评价导向，防止和纠正‘分数至上’等偏差”。不论是从国外教育评价的经验还是从我国教育评价改革的经验看，抑或是从儿童发展的基本逻辑看，“多元评价”都应该是教育评价改革的正确方向。教育评价是一个庞大的体系，以高考、中考为代表的考试评价是整个教育评价体系的核心内容，因此本文主要以高考、中考的录取制度为核心来讨论教育强国建设背景下教育评价的改革问题。 一、“分数至上”的教育评价机制及其原因解析 (一)“分数至上”的教育评价机制的基本表现 顾名思义，“分数至上”的教育评价机制是指以考试分数为唯一标准来衡量、判断学生发展状况的教育评价实践操作体系。由于它仅以考试分数为标准来判断学生发展状态，决定学生未来所能获得进一步的发展机会，因此它导致分数竞争越来越激烈，考试难度越来越高。从宏观层面看，“分数至上”的教育评价机制最集中的表现就是高考、中考录取时完全依赖于高考、中考分数，其他素质发展状况在录取中很少或几乎不起作用。而且，近年来各初中、高中学校比拼的并不是考上高中、大学的人数，而是考上省重点高中、“清北”和985高校的人数。由于在分数之外没有其他途径和办法来评判学生素质，这就将所有学生都逼迫到追求分数这一条路上，导致考试升学压力越来越大，学生素质发展趋同且单一。 宏观层面的考试录取只看分数，因此导致微观层面的考试评价难度越来越高。从微观层面看，“分数至上”的教育评价至少有以下三方面特征。一是试卷题目偏难，导致学生平均分整体偏低。如，在某区某年的元月调考中，小学六年级数学的平均分仅为70多分，而负责出题的教研员回应说，考试的根本目的就是将不同水平的学生区分开来，若难度小的话就没有区分度。二是考试题量太大，导致学生在规定时间内无法做完。如，2024-2025学年度秋季学期期末考试，某市四年级数学期末试卷因太难冲上各大媒体的头条，原计划考试时间90分钟，整整6页A4纸的题量，结果延时20分钟还有不少同学没有做完。试卷一共36道题，其中不少题设有2问～3问。三是对考分要求太高，要求学生各门功课都要接近满分或获得极高分。根据推算，考上北大、清华的理科生，其语文成绩至少要达到130分以上。 (二)“分数至上”的教育评价机制的形成原因 其实，在20世纪80、90年代，除凭高考成绩录取大学生外，还存在保送生、特长生、委托培养、定向培养等不完全依赖于考试成绩的高考录取制度。进入21世纪后，还试行过一段时间的自主招生制度，但没过多久这些制度陆续被取消。取消的根本原因是在执行时太容易受个人主观因素以及社会权力因素的干扰，致使利益寻租现象越来越严重、越来越普遍，严重影响了教育公平和社会公正。消除这些制度，确实减少了教育中的腐败，维护了社会公平公正，但却给教育发展带来另一种困境，即分数竞争愈演愈烈，最终又从整体上、更深层次上危害了教育的高质量发展。 教育评价中“分数至上”现象之所以盛行，还与分数具有非常强的可信度和区分度有关。凭借分数来决定某个学生能否升学虽然并不完全科学，但公信力比较强，社会认可度高。这里有一个基本问题需要引起重视，那就是仅以分数来选拔人才虽然具有信度但缺少效度。“具有信度”是指分数的真实性较强，能较好地杜绝弄虚作假、徇私舞弊等现象。“缺少效度”是指分数不能完全代表一个学生的知识掌握情况，更不能代表其创造性以及核心素养等的发展情况。其实，如果我们着眼于创造能力、核心素养的培养或学生的长远发展，当一个学生的分数达到一定水平后，考试分数多几分或少几分的区别多半意义不大。在真实的升学中，一分确实可以压过万人，虽然被压下去的万人未必就做不出伟大成就，早些年的“第十名现象”就说明了这个问题，但他们确实可能会因此失去进一步发展的良好机会，享受不到优质教育资源。发达国家在教育评价时实行等级制而不是分数制，根本原因就在于此。 素质教育的提出与实施已有多年，反观现实不难发现，教育(尤其是中学教育)中的应试现象不仅没有减缓反而越来越严重。近年来，人们普遍感觉教育越来越“卷”就是例证，其根本原因在于在分数评价之外，没有找到其他恰当的教育评价方式。如果我们呼吁和要求的是素质教育，但在评价时又是“分数至上”，素质教育措施在实践中就很难真正得到落实。 为什么“分数至上”的教育评价机制会导致学生、家长压力越来越大，教育越来越“卷”呢?那是因为除考试之外没有其他途径评价学生素质，故学生为了在考试中占据优势，除在校正常努力学习外，课后还得全力以赴地学习以及参加各种校外培训。当所有学生都这样做以后，其知识掌握水平和做题能力就会得到普遍提升，于是考试分数就会普遍偏高，由此导致考试分数的区分度非常低。为了增加考试区分度，唯一的办法就是再进一步提升考试难度，而这又导致所有学生进一步努力学习和加强校外培训，进而导致考试区分度不足，然后又得进一步提升考试难度。就这样，考试难度与学生努力程度之间形成恶性循环，教育内卷就出现了。教育内卷“苦”的是学生，导致他们将所有时间和精力都投入提升考试成绩上去，没有发展其他素质以及玩耍、休息、参加社会生活的时间；“废”的是教育，唯分数的教育评价不仅没有促进学生的全面发展，而且严重影响学生的身心健康，致使整个教育呈畸形状态。 从更深层次上讲，“分数至上”的教育评价与我们所持的教育公平观有关。当前的教育公平观主要是均等化公平观，认为所有学生都应学习与考试同样的内容才够公平。在保证“有学上”的发展阶段，均等化公平观是必要的，可使每个学生都能受到基本的教育。然而，当教育发展到要保证学生“上好学”阶段时，均等化公平观并不充分。其实，“上好学”的主要意思并不是保证每个学生都能进入同样好的优质学校，而是指让每个学生在学校就能学好、发展好，获得其应该得到的发展。由于每个学生的天性、志向、兴趣、环境、努力等因素不一样，故每个学生除接受基本的、共同的教育外，还应该接受适己的、个性化的教育。从公平角度看，教育在达到基本的均等化公平以后，就应该实现差异化公平，即给不同学生以合适的教育，让每个学生的天赋、潜能都得到充分发展。 二、多元教育评价制度的优势分析 “多元评价”制度应同时包括两个方面的内容：一是多元评定制度，是指以不同方式或从不同方面来评定学生的素质；二是多元录取制度，是指高一级学校采用多种途径而不是仅凭分数来录取自己想要的学生。需要特别强调的是，多元评价不同于综合评价，前者强调对不同的学生、不同的素质应该采用不同的评价方法，且高一级学校在录取学生时，看重的是学生不同的方而；后者强调要从多个角度、侧面来评价学生，高一级学校在录取时，每个侧面的评价结果都要记入总成绩。综合评价不是“分数至上”的，但它并不属于“多元评价”，而是大尺度的“一元评价”。多元评价制度之所以需要建构，一是因为它与学生的个性化发展相适应；二是只有它才能支持创新人才的培养；三是西方发达国家几乎都采用了这种制度。下文将从“分数至上”的评价制度和多元评价制度对比的角度阐述多元评价制度的优势。 (一)从学习范围与深度方面促进学生充分发展 人们通常认为，考高分的学生是发展最好的学生，事实上这并不全面。以高考为代表的考试评价既限范围亦限高度，不能准确而完整地评定学生实际发展状况。“限范围”表现为只评价学生在规定学科范围内的知识学习情况，对规定学科范围以外的知识学习情况或其他特殊素质发展情况一律不予考虑。评价“限高度”表现为仅以规定的学业水平来评价学生发展状况，对超越规定水平的学习一概置之不理。换言之，如果学生的学习范围超越了指定的学科范围，如，高中生学习了高中课程方案中没有的“中医”或“哲学史”等课程；又或者学生在指定学科范围内的学习超越了规定的水平，比如高中生学会了数学中的“分形几何”或“非欧几何”等课程，都不会受到“分数至上”的教育评价的关注，这相当于说这些素质都是无用的、没有意义的，最终迫使学生将学习和发展都局限在考试科目规定的范围之内。这种设限就是在扼杀天赋、扼杀天才、扼杀创造与扼杀未来。实际上，学生自主而自愿地进行超范围与超水平学习恰是其天赋的表征，亦是因材施教、培养拔尖创新人才的重要举措，对创新人才成长以及未来社会的发展都具有重要意义。 但是，唯分数的考试评价机制使学生及家长认为超范围、超标准的学习没有意义，而真正有意义的是在指定范围内精打细磨，无限接近满分。不允许、不鼓励学生自主地进行超范围、超水平的学习，所有学习者的学习都必须同步，这或许就是教育培养不出拔尖创新人才的一个重要原因。但是另一方面，教育也不能要求所有学生都进行超范围、超水平的学习，因为这会违背众多青少年儿童身心发展的规律。 因此，一个有效的做法，就是充分尊重每个学生的个体情况，让学生自己决定要不要进行超范围、超水平的学习，但评价时不能对儿童的那种超范围、超水平的学习置之不理。“儿童以不同的速度发展，有的更慢，有的更快。”[1]而且，儿童在各个方面的发展速度并不一致，我们不能以同样的速度、标准来评价其各个方面的发展情况。“把所有儿童都裁剪成平均发展水平一定忽视大多数儿童”[2]。如果某个学生拥有某方面的天赋和兴趣，自主地、自然地进行了超范围、超标准的学习，应该受到教育评价的关注与鼓励，因为这些素质对学生个人和社会的未来发展都具有积极意义，而对这些素质的评价都只能在多元评价的框架内进行。 (二)以成长路径的多元化促进学生健康发展 “分数至上”的教育评价将所有学生逼迫到追求分数这一道路上，结果导致学生其他方面素质得不到发展，甚至以压制其他方面的发展为代价。在指定范围内无限接近满分的教育，虽不能否认和无视满分的出现，但不值得大力倡导和追求。一是对某个具体的学生而言，当分数达到他自己的极限(不一定是接近满分)后，再进步一点点就需要花费巨大的时间和精力，往往得不偿失。相反，如果将这些时间和精力用来学习他感兴趣的学科或领域，可能会取得巨大成就。二是学生为了追求高分会将所有时间和精力投入到指定学科学习之中，这阻碍了学生进行兴趣化的自主学习，限制了学生学习与生活的视野，并使他们没有时间去实践、锻炼与玩耍，以及参加正常的家庭生活和社会生活，严重影响学生智慧生成、身心健康以及人格发展。三是获得满分不仅仅是学生知识掌握水平高和学习能力强的表征，更是细心认真、小心谨慎的结果。换句话讲，获得满分需要学生除知识、能力达到要求外，还需做题时特别小心仔细、反复检查，而恰恰是这种做法养成了学生谨小慎微、敏感脆弱、害怕犯错、抗压能力不足等心理品质，甚至导致强迫症、失眠症多发。而且，这严重损害了学生创造性的发展，因为创造都需要大胆假设、勇敢尝试，敢于突破既有惯例、规范、传统的限制。追求满分的教育会导致学生人格出现缺陷，是教育中众多极端现象发生的根本原因，严重影响了教育的深度发展、可持续发展。 仅凭分数高低来决定学生能否进入高一级学校学习，不仅会增加竞争压力，而且会抹平学生之间的差异以及学生的个性，而正是这些差异与个性才是社会活力和创造能力的源泉。如果采用多元评价，那就等于是说学生拥有多样化的成长路径，而在这多条成长路径中每个学生只需选择其中的一种即可，如，有的学生凭艺术特长上大学，有的凭体育特长上大学，有的凭文学特长上大学，等等。这样一来，每条成长道路上的学生就不会太多，竞争就不至于那么激烈。而且，每个学生都选择自己最擅长的领域作为自己的优势，因此其成长获得感、自我效能感、自信心就会非常强，有利于学生的健康发展。 (三)以保护兴趣、信心为手段促进学生可持续发展 “分数至上”的教育评价会导致考试难度越来越高，最终消损学生的学习兴趣与信心。高难度考试的一个非常严重的潜在危害没有被充分认识到，那就是它严重打击了学生的自信心和学习兴趣。这种考试会使所有学生都觉得成绩没有达到预期，让他们觉得自己努力不够、能力不高，多次如此就导致他们认为“自己天生就不是学这个学科的料”，最终使学生产生自我否定感。其实，决定学生终身成就的不仅仅是考试分数，而是持续学习的愿望与能力。如果考试难度过高，导致学生失去了学科学习的信心和兴趣，最终会使学生不敢、不愿意在这个学科进行进一步的学习与探索。在中学工作过的教师通常都会遇到“第一次考试效应”的现象，即某个学生在初中时学习成绩虽然一般，但若在进入高中后的第一次考试中取得非常好的成绩或名次，那他以后维持这种良好学习状态和成绩的可能性非常大。之所以如此，主要原因就是第一次考试所取得的良好成绩给了他极大的学习信心，让他有信心继续加强学习。那些在学习上自我放弃的学生，并不是因为他们不想学，而是多次努力后没有看到进步而产生的习得性自弃。皮亚杰认为，在教育中，“问题不在于你发展得多么快，而是发展得多么远”[3]。同理，影响学生未来发展的不仅是他现在的成绩，更重要的是他对学习的信心、兴趣和自学能力。简言之，多元评价制度可将学生分散到各条成长道路上，这样每条道路上竞争压力就没有那么大，能较好地保护与维持学生学习的兴趣与信心，有利于学生可持续发展。 三、多元教育评价制度的建构路径 从多年经验看，教育评价改革必须实现范式的转换，即打破既有思维框架和操作体系，真正建构多元评价制度，而不只是继续在“分数至上”的评价范式内进行小修小补。建构多元教育评价制度，除观念上采用差异化公平观外，还应采用如下路径。 (一)实现命题考试评价的专业化，统一考试难度 鉴于各地竞相提高考试难度以及考试难度远高于规定标准导致学生苦不堪言的现实，建议相关部门加强考试研究，实现考试的专业化并出台不同级别考试的难度标准，并要求各地在考试命题时严格遵循相应的难度标准，并保持各级考试难度的稳定。考试难度的大起大落或考试过易、过难，不仅影响学生成绩，更影响其心态。关于考试难度有一种错误的认识始终没有得到澄清，即认为考试过难不是对某个学生或某些学生过难，而是对一起参加考试的所有学生都难，因而是公平的。其实这是一个巨大的误解，因为过难的考试对那些成绩非常一般的学生而言没有什么太大影响，因为他们凭借运气就能得到符合他们实际的分数；而对那些成绩较好或非常好的学生而言非常不公平，因为这让他们的能力无法正常发挥，而且严重影响他们的自我预期和自信心。这正如同让一年级和六年级的学生去扛100公斤的重物，结果他们都扛不起来，于是就断定两个年级的学生扛重物的能力都一样的低，其实这是对六年级学生的巨大打击，因为他们的表现和一年级学生一样，但实际上他们扛重物的能力远大于一年级学生。这就是国际著名考试始终维持同一个难度以及国外大学招生始终保持同一个分数线的根本原因。比如雅思考试难度年年都保持稳定。 美国大学入学考试SAT和ACT分别由民间考试机构“教育测量服务公司”(ETS)和“美国大学考试公司”(ACTP)负责[4]，他们有专门的、专业的、固定的命题人员队伍，以保证每年考试难度稳定，而且常年研究考试问题。相反，我们的中考、高考以及其他重大考试，都是在每年临考前从大学或中学临时抽调一批命题人员，这些命题人员年年不同，因此没有命题经验的积累与研究；命题人员对考试要求的理解各异，因此时不时就会出现试题偏难或过难的情况。在美国，SAT考试一年有7次，ACT考试一年有5次[5]，对于学生而言，随便选择哪次考试来申请大学都行，而且某门功课的考试成绩两年内都有效，这说明他们的考试难度非常稳定。美国大学招生时对SAT和ACT的成绩要求比较固定，如，哈佛大学招生时要求SAT成绩最低1350，或ACT最低28，几乎年年如此。当然，他们的录取机制与我们不一样，在他们那里当学生的分数达到分数线后，大学尤其是名牌大学就不再依据分数高低来录取学生，而是去评价学生的其他素质和特殊才能。显然，只有配备了专门的命题及研究人员，长期固定地从事命题及其研究工作以及学生答卷的分析、研究工作，他们才会去研究考题与素质的拟合度，研究如何通过命题或其他方式来考查不同素质以及跟踪研究不同时代学生素质的发展情况。或者，“借鉴英国设置统一分数量表(UMS)来统一衡量学生参加的不同考试的做法，我国高考也可设立统一分数和转换系统，以便有效平衡不同考试时间、不同考试卷难度的考生考试成绩的等级评定，减少考试不公平现象，增加等级考试的信度和效度。”[6]总之，构建现代化的教育评价制度，实现考试评价的专业化、专门化非常重要。 (二)建立全面且灵活的评价体系，全面评价学生 当前的考试评价从理论上看非常全面，考试范围内的各门功课都要考，但实际上只评价了要考的各门功课的知识学习情况，而且评价的只是指定范围内、规定标准内的知识，其他方面知识的学习情况以及更深层次的素养发展情况则不在评价之列。事实上，这种评价并没有完整地评价一个人。真正的现代化教育评价，应该能够准确评价一个人的所有素质。就范围而言，它应该能评价学生所掌握的所有知识，而不是只评价学生指定科目内的知识。这是因为，指定范围外的知识学习同样具有个人价值和社会价值。就深度而言，它应该能评价学生所有才能，而不是只评价学生知识、技能等低阶素质发展情况。这是因为，指定范围以外的知识、知识以外的才能同样有利于实现个人价值和促进社会发展。说实话，学生只要在学习积极性的内容，而不论他学习的内容是不是处在高考科目范围之内，他都是在发展、进步。而且，学生走入社会后，我们并不能，也不可能规定他只能以高考科目范围内的知识、技能服务他人、贡献社会。既然如此，学生具备的一切积极素质，不论其是否在高考科目范围之内，都应该受到评价的关注。 换句话讲，如果仅仅依靠高考成绩来评价学生，就会淘汰一些真正有才华的学生。那些在中学读书期间极度偏科或特别喜欢某个领域(如，喜欢游泳、喜欢演讲等)的学生，多半是在所偏爱的那个学科或领域拥有天赋的人，但在当前的高考评价系统中他们很难获得上好大学的机会。一个各科成绩都优秀的学生将来能成为人才，一个只在某个学科或领域有突出才能的学生照样也能成为人才，因此教育评价应该给后者一个成才的机会。 就这一点而言，西方发达国家的做法值得借鉴。在美国，大学招生除要求成绩达到分数线以外，还要评价学生的综合素质和特殊才华。它们通常要求学生提供自我陈述报告，从中了解学生除分数之外还有哪些突出素质，再凭借高中教师的推荐信、同学评价材料等来印证，必要时还要组织面试考查。简言之，美国高中毕业生在申请大学尤其是申请名牌大学时，高考成绩达到分数线以后就不再比拼成绩，而是比拼综合素质或特殊才能。当然，若申请普通大学和社区学院，仅凭高考成绩就够了。显然，统一高考评价对所有学生都是一样的，但它不能评价学生在高考科目以外的素质或者高于高考要求的素质，而这只能通过因人而异的个性化评价来实现。简言之，一个完整的教育评价体系至少应该包括两部分：一部分是共性素质的评价，另一部分是个性素质的评价。它在保持全面发展和均等化公平的同时，亦富有灵活性，能够实现差异化公平。在教育中，对于那些个性素质优异的学生，要给予重点关注与保护。拔尖创新人才在其成长过程中通常在某些方面会有一些不同寻常的表现，若这些表现没有得到及时关注、爱护与培养，最终他们可能被平庸化评价，而这些与众不同的素质只能靠个性化评价来发现。之所以在统一高考之外还需加强个性化评价，根本目的就在于不将学生的学习与发展局限于高考科目以及高中课程标准之内。当然，也不能要求每个学生都去发展超越高考科目以及高中课程标准的素质，这如同忽略所有学生的除高考科目和高考标准以外的素质一样，都不公平。 (三)加快建构高考多元录取机制，给天赋以机会 多元录取机制不仅指不同类型的高校采取不同类型的考试来录取学生，比如普通院校通过普通高考来录取学生，职业技术院校通过技能高考录取学生；更重要的是指同一所大学甚至同一个专业能够以不同方式录取学生：有的学生是凭高考成绩被录取，有的学生则是凭综合素质，有的是凭特殊才能，还有的是凭学科特长。 国外名校在录取学生时，都不是只看高考分数。比如，美国高校没有一个固定或唯一的入学标准，其招生要求五花八门，但总体而言是综合评价每一个学生，不以高考成绩一锤定音。一般而言，大学决定是否招录某一位学生会从如下几方面综合考量：大学统一入学考试成绩，即SAT、ACT成绩；中学成绩；课外活动、社会志愿活动及特殊才能；个人自述材料；推荐信；面试[7]。美国名牌大学在录取学生时，对那些修习大学先修课(AP课程)并通过考试的学生给予优先权。AP课程是面向高中生开设的大学水平的课程，它并不要求所有高中生都学，而是让那些在高中学有余力的学生根据自己的情况选学。我国高中生中数学突出的学生是在以高中课程标准为限的高考中获得满分或高分的学生，而美国高中生中数学突出的学生是在高考中数学获得A等而且学习并通过了几门大学数学课程(即AP课程)的学生。我们数学厉害的高中学生仅仅是在高中课程标准内厉害，而他们数学厉害的高中学生则将大学数学课程学习了好几门，中美高中生中数学最厉害的学生，其数学学习状态差异悬殊。美国的优秀高中生，都会学习自己喜欢的学科领域的AP课程，大学招生时也非常看重学生修习AP课程的门数与成绩。在英国，“在大学面试后，除了大约20％的优秀学生能被‘无条件录取’外，其他的申报人都是‘有条件录取’”[8]。录取时同样非常重视考察特殊才能和学科特长，如，武汉纺织大学国际教育学院装潢艺术设计专业大三女生胡亦江原本是个专科生，但她凭“蛋壳作品”(即将鸡蛋壳压碎，粘在画板上，然后作画)被剑桥大学视觉与表演艺术学院录取。日本“在考生录取上，主要采取招生入学、特殊选拔与直升两种方式”[9]。多元录取机制的实质是，承认学生的那些通过统一考试无法检测出来的个性特长和天赋潜能，让那些有某些突出能力和兴趣的学生拥有继续学