论素养本位表现性评价设计

郭元勋 张 华

《义务教育课程方案(2022年版)》及各学科课程标准的正式颁布标志着我国义务教育正式迈向素养本位课程改革的新时代。“核心素养是人在特定情境中综合运用知识、技能和态度解决问题的高级能力与人性能力。”[1]人的能力越高级、越复杂，标准化测验(standardized test)就越鞭长莫及。哈佛大学零点项目(Harvard Project Zero)的重要代表珀金斯(D. Perkins)曾将素养界定为在真实情境中灵活表现的能力。这意味着素养是在真实表现性任务中得以体现与发展的，因而表现性评价是素养本位课程体系的主要评价方式。我国《义务教育课程方案(2022年版)》指出，“创新评价方式方法……注重动手操作、作品展示、口头报告等多种方式的综合运用，关注典型行为表现，推进表现性评价。”[2]这也明确肯定了表现性评价对发展核心素养的价值。如何设计与实施表现性评价，成为素养本位评价改革的关键问题。本文试对这一问题做些研究与回答。

威金斯(G. Wiggins)因其“逆向设计”(backward design)而闻名。逆向设计是为理解而教的一种设计模式，其主要特点是以终为始，包括“确定预期结果、决定评价证据、计划学习经验与教学”[3]三个前后相继的阶段。评价处于“三阶段论”的中间阶段，它一方面为判定学生是否达到预期结果提供判定依据，另一方面指引着学习经验的设计。教师如何设计评价？威金斯说道：“像评估员一样思考(Thinking like an Assessor)。”[4]其原因主要有二：第一，确保评价的效度(validity)。评估员因其职业性、专业性为特定领域设计评价内容，而评估员往往通过行业专家对评估设计进行“再评估”，这一过程突出了评估员设计评价的科学性，科学性确保并强化了评估的效度。威金斯说：“经过近十年的观察，我们发现很少有教育者对有效性有一个充分的理解。”[5]“像评估员一样思考”意味着要科学设计评价，以最适当的评估证据保证评价的有效性。第二，确保评价的信度(reliability)。量规设计是评估员评价设计的重要构成，量规的存在有效维护了评价的公平性。倘若脱离了量规，即使评价内容再科学，评价结果也难以维系其可信度。因此“像评估员一样思考”意味着评价要关注标准的公平性，以此确保评价的信度。

但“像评估员一样思考”真能确保评价的效度与信度吗？为保证评估员的价值中立与评价的公平性，评估员往往与被评估者相分离，“非参与性”(non-participatory)是评估员的显著特点。非参与性是指评估员脱离被评估者的日常实践，通过计划的指标对评估者的实践结果做出评价。因此，此种评估员评价本质上是一种“非参与式评价”“终结性评价”“旁观者评价”。“像评估员一样思考”在评价设计的实施阶段至少招致如下弊端：第一，技术主义。非参与性意味着评估员以旁观者身份进行评价，评价严格遵照预设的内容与标准，这漠视并忽略了被评估者的自身特点、情境的复杂性，从而使评价陷入非人性化、僵化的技术主义窠臼。执简御繁的技术主义过分关注评价的程序化、技术化，进而淡化了评价的本质功能——经由反馈促进人的反思与发展。第二，权威主义。评估员既是评价内容、标准的设计者，又是使用者、评分者，被评估者的观点剥离于评价设计之外。这种主导的话语权使评估员成为事实上的权威。权威主义扭曲了评价本身，它使评价异化为被评估者遮蔽自身，进而迎合权威的状态，这凸显了评价的无效性。“像评估员一样思考”割裂了评价的设计与实施，实施阶段技术主义与权威主义的叠加非但无助于维护评价的效度与信度，而且极大损害了评价的有效性与可信度。

素养本位表现性评价设计呼唤“像教练一样思考”(Thinking like a Coach)。这种评价设计具有如下特点：第一，突出设计性。评价设计既包括课程开发阶段的设计，也包括实施过程中的反思性设计；
既包括教师自我及教师之间的设计，也包括师生合作设计。这恰似教练赛前整体设计比赛并在比赛过程中根据队员表现、对手战术进行调整性设计。它统筹预设与生成、目标与过程的关系，是一种民主的设计观。第二，关注过程性。评价设计不仅存在于课程开发阶段，也存在于课程实施阶段。实施阶段的评价设计根源于学生的“生成性表现”。学生学习过程中的生成性表现要求教师及时反馈并生成新的评价活动，这体现了评价设计的生成性、过程性，恰如教练基于队员场上表现做出诸如暂停、换人等系列评价行为。第三，强调参与性。教师与学生同为评价设计与实施的主体。教师的主体性体现在教师是评价设计的“首席”。教师的身份与专业性决定了教师是设计师、组织者、引领者，教师需在评价设计中贡献更多的智慧。学生的主体性一方面体现在评价建议及生成性表现能够得到倾听，进而或被采纳或得到反馈并有机会改进，另一方面体现在直接参与评价设计。无论是哈佛零点项目还是国际文凭组织(International Baccalaureate Organization,简称IBO)均提出“教师与学生一道设计评价的成功标准”。师生的主体性表明了评价设计中的深度参与性。师生合作共同推动评价的设计与实施，这恰似教练会倾听队员的诉求、建议，在深度合作中寻求比赛胜利。第四，注重反思性。反思贯穿评价设计的始终，这意味着教师以开放的心态悦纳各方意见，以促进评价设计的人性化、科学性与有效性。这一如教练听取各方反馈，及时反思与改进。总之，“像教练一样思考”并非关注评价设计的技术性方面，而是要求在师生共同参与中持续反思、改进并完善评价过程，以促进评价的持续性、有效性。

“像教练一样思考”要求素养本位表现性评价遵循以下两条线索进行设计：一是证据线索，二是标准线索。无论是威金斯还是零点项目均认为表现性评价设计要思考上述两条线索。威金斯认为评价设计需回答三个基础性问题，即“我们需要什么类型的证据证明学生达到了包括理解在内的教学目标？在学生的反应、作品或行为中，哪些具体特征能决定他们达到预期结果的程度？我们所提出的证据能否让我们推断出学生的知识、技能或理解？”[6]这三个问题分别指向的核心概念是“证据”“标准”及“反思”。“像教练一样思考”将反思置于评价设计的始终，而非仅仅在实施结束后展开反思。哈佛“零点项目课堂”(Project Zero Classroom)教育主席布莱斯(T. Blythe)认为评价设计要关注两方面，一方面是在单元开始阶段、实施过程中以及结束时应分别设计不同类型的理解性评价，另一方面是使评价具有持续性。“为理解而学中，学生借助标准、反馈与思考机会促进理解，这一过程称为持续性评价(ongoing assessment)。”[7]因此，布莱斯在评价设计中也强调“证据”与“标准”两个设计维度。

关于证据线索，是指表现性评价设计需在教学过程中设计形式多样、类型丰富的证据，如此才能在教学过程中收集学生概念性理解的大量证据，形成“证据集”。威金斯用“评价连续体”(continuum of assessment)指代各类评价证据。在威金斯看来，评价证据总体上可分为两类，即“表现性任务”(performance task)与“其他证据”(other evidence)。其他证据又包括“对理解的非正式检查”(口头提问、观察、对话等)、“测验与考试”(tests and quizzes)及“学术提示”(academic prompts)。各类评价证据是根据“它们在规模(从简单到复杂)、时间范围(从短期到长期)、情境(从非真实到真实)，以及框架(从高度结构化到非结构化)等方面”[8]的不同划分的。密歇根评估联盟(The Michigan Assessment Consortium，简称MAC)根据“评价所需的时间与是否为学生提供改进他们原初回答的机会”[9]将表现性评价分为表现性任务与表现性事件(performance events)。在密歇根评估联盟看来，表现性任务需要学生花费数日乃至数月来完成一项任务，而“表现性事件是一种按需进行的表现性评价，在这种评价中，学生只需很少的时间进行回答，也仅有有限的机会来改进他们的表现”。[10]密歇根评估联盟根据时间对表现性评价进行类型划分，所需时间少也就意味着规模上的简单以及高结构化的框架，因此表现性事件与威金斯评价类型中“对理解的非正式检查”“学术提示”相一致。综合两者对表现性评价的分类，我们将表现性评价分为“表现性任务”与“表现性事件”两大类，表现性事件又分为“对理解的非正式检查”“学术提示”。需指出的是，测验与考试是用来判定学生知识与技能的评价类型，它至多是有助于学生理解，而非指向学生概念性理解的评价证据。因此，表现性评价类型设计只包含表现性任务与表现性事件。

关于标准线索，是指每一类评价证据均需设计相应的成功标准、量规以评定学生的学习质量。“成功标准描述了学生如何知道他们已实现预期学习目标。”[11]它有效保证了评价的公平性、反馈的及时性。成功标准设计除需师生共同设计外，还需提前公布，让学生明确学习的方向。

两条线索在逻辑上相互独立，在具体设计层面相互依存、相互交叉，共同维系评价设计的效度与信度。总之，素养本位表现性评价设计就是遵循两条线索设计各类评价证据及其相应的成功标准、量规。表现性评价的类型如图1所示。

图1 表现性评价的类型

确立目标是评价设计的基础与前提。倘若目标解决的问题是“我要到哪里”，那么评价设计解决的问题是“如何确定我已到达目的地”。目标是评价设计的前提。埃里克森(H.Erickson)指出，“概念为本的课程设计需要教师们清晰地表达他们希望学生知道什么、理解什么、能够做什么。”[12]埃里克森由此明确提出KUD的课程目标。U即概念性理解、大观念，K与D分别指主题单元探究中用到的知识、技能。我们可据此提出由大观念、新知识、新能力构成的“新三维目标”。新三维目标将概念性理解置于课程目标的中心，知识、技能转化为获得大观念的工具，课程目标由此实现重心的转移。我国教师长期围绕三维目标(知识与技能、过程与方法、情感态度与价值观)展开课程设计，在信息时代的今天需要对此进行反思：三维目标忽视了概念性理解的目标维度。新三维目标主张将传统三维目标置于学生真实学习情境，并将知识与技能提升至观念层面，学生因此既获得“情感体验”，又能获得“理智发展”。因此，新三维目标是对传统三维目标的融合与超越。

如何确立新三维目标？首先，撰写大观念。新三维目标聚焦大观念，撰写大观念是确立新三维目标的核心，同时也是课程设计的关键。埃里克森将大观念称之为“概括”(generalization)，并指出“概括是概念关系的陈述”。[13]这包括两层含义：第一，概念是撰写大观念的工具。埃里克森区分了概念与观念，并将概念作为获得观念的“棱镜”“视角”，这意味着撰写大观念首先要确定概念。第二，大观念可表述为命题。在表达层面，大观念既不是疑问句，也不是否定句，而是陈述句，是建基于概念关系的命题。因此，撰写大观念首先要围绕主题单元选取核心概念，进而在主题情境中将概念之间的关系用命题的呈现方式表达出来。例如，《义务教育数学课程标准(2022年版)》在“综合与实践”学习领域规定第一、二学段学生均要学习“位置与方向”的课程内容，《位置与方向》单元可提取“参照物”“位置”“方向”三大核心概念，继而形成“参照物有助于准确确定位置与方向”的大观念。其次，确定新知识与新能力。新知识、新能力是在主题单元探究中围绕概念性理解学生必须学习运用的知识与技能。以大观念统摄知识技能，能有效解决传统教学中只注重知识技能学习的“宽度”，而忽略知识技能学习的“深度”问题。需说明的是，由于课程设计分为整体设计与精细设计两部分，新三维目标是课程整体设计的构成。因此，新知识、新能力在此可提纲挈领、概括地表述，具体的知识技能在精细设计中完成即可。表1是《位置与方向》单元新三维目标的完整示例。

表1 《位置与方向》单元新三维目标设计(1)表1根据《义务教育数学课程标准(2022年版)》“综合与实践”学习领域的内容设计。

目标与成功标准(success criteria)相互依存、结伴而行。希尔(T. Shiel)说：“可以将学习意图与成功标准想象成为一对结婚五十多年的幸福夫妻。”[14]没有课程目标就没有成功标准，课程目标是成功标准的基础与前提；
成功标准是课程目标的指针与衡量器，两者的联姻使师生共同聚焦学习。因此，新三维目标确立后，要统筹设计“单元成功标准”。围绕新三维目标设计单元成功标准具有如下意义：第一，指引价值。逆向设计将目标与评价设计置于学习活动设计之前，学习活动要参照目标、评价进行设计。围绕新三维目标设计单元成功标准本质上是根据理解性表现与学习内容将新三维目标具体化，它清晰地阐述了学生的学习标准。这意味着成功标准为学习活动设计提供了方向与框架，对学习活动设计具有指导意义。第二，反思价值。成功标准为教师在单元教学结束时评价与反思学生学习提供标准，同时为教师反思课程设计与实施提供工具。这种持续性反思促进教师课程设计与评价设计能力的提高。第三，学习价值。如上所述，无论是哈佛零点项目抑或是IBO，均呼吁“教师与学生一道设计评价的成功标准”。师生共创成功标准既会激发学生学习的热情，也会不断提升学生的评价能力，使学生成为“有能力的评估者”。

成功标准可借助SOLO分类理论(SOLO taxonomy)进行设计。SOLO分类理论是学者比格斯(J. Biggs)与科利斯(K. Collis)提出的。在他们看来，一个人在回答某个问题时所表现出来的思维结构与这个人的总体认知结构没有直接的联系。比格斯将人的总体认知结构称为“假定的认知结构”(Hypothetical Cognitive Structure，简称HCS)，并认为“它是纯理论性的概念，是不可检测的”。[15]事实上，一个人在回答某个问题时所表现出的思维结构是可检测的，是“可观察的学习结果结构”(Structure of the Observed Learning Outcome，简称SOLO)。他们在对不同年龄和不同学科学生的思维进行分类总结后，提出了“SOLO分类理论”。“SOLO分类理论是描述学生思维和理解复杂程度的模型。”[16]它由五个思维水平构成：前结构水平、单点结构水平与多点结构水平构成浅层理解；
关联结构水平、抽象拓展结构水平构成深度理解。希尔运用SOLO分类理论设计成功标准时，强调SOLO动词的使用。在她看来，不同的动词代表着不同的思维水平，“SOLO动词+学习内容”构成成功标准。希尔成功勾勒了成功标准的设计方法与表述方式，但她将由SOLO动词与学习内容构成的具体成功标准作为体现学生思维水平的唯一标准显然是不够的，这主要是因为学生在真实学习情境中会使用不同SOLO动词来展示学习水平。IBO在运用SOLO为某一任务设计成功标准时避免了这一问题。他们首先在任务情境中对不同的SOLO水平做出“整体说明”，进而对每一水平举出成功标准的示例。这既让学生理解了SOLO水平的内涵，也能对学生学习过程中生成的学习结果做出有效判断与评估。综合希尔与IBO运用SOLO设计成功标准的观点，我们也为成功标准开发了工具(工具及示例详见表2)，该“成功标准设计工具”囊括了“新三维目标”“SOLO层次”，并基于上述两个方面设计“水平说明”“SOLO动词”与“成功标准”三个维度，它们体现了成功标准设计的内在逻辑。需指出，“成功标准设计工具”不仅用于“单元成功标准”的设计，也可用于某一特定任务(如表现性事件)成功标准的设计。

表2 《物质的形态与变化》单元成功标准设计(2)表2根据《义务教育物理课程标准(2022年版)》“物质的形态与变化”主题及其内容设计。

课程与评价目标决定评价方式。倘若课程目标是学生掌握事实性知识与技能，那么传统的标准化测验是可选择的评价方式，这是因为“这种评价易于管理，并能在相对较短的时间内提供关于学生内容知识的大量信息”[17]。但当课程目标将概念性理解置于核心时，标准化测验就无用且失效了，这主要因为“知识、技能本身无法保证理解。人们在不理解或不知何时运用知识、技能的情况下也可以获得知识与技能”[18]。表现性任务是为理解而教的主要评价方式。威金斯说：“评价必须锚定并专注于真实任务，因为它们为日复一日知识与技能的发展工作提供有效的方向、理智上的一致性和动力。这些任务从来不是第一次就能掌握。”[19]表现性任务使学生思维可视，使学生理解力可评。什么是表现性任务？安斯沃斯(L. Ainsworth)将表现性任务界定为“通过创造一个可以用评分量规进行评估的作品或表现，使学生能够运用他们正在学习的概念与技能。”[20]这意味着表现性任务内在地包含“任务设计”与“量规设计”两部分。两者缺一不可，共同支撑表现性任务。

在任务设计层面，希尔认为任务设计需包含“基本要素”与“学生指导”(student directions)两部分。基本要素由真实任务(authentic task)、角色/职位(role)、对象(audience)、激励性情境(motivating context)构成，学生指导则是将上述基本要素进行整合并形成的完整陈述，它使学生更为清晰、完整、全面地理解任务。此外，希尔认为学生指导部分要明确指出学生在任务完成中需提供的产品或表现。希尔将产品或表现从基本要素中剥离开来，倘若像威金斯那样在任务设计中不设计“学生指导”部分，那么学生如何知道自己的学习结果呢？但希尔将学生指导作为任务设计的有机构成部分，这避免了任务设计的要素主义倾向，也有益于学生整体理解任务。威金斯为任务设计开发了GRASPS工具。GRASPS工具的“每一个字母对应一个任务元素——目标(Goal)、角色(Role)、对象(Audience)、情境(Situation)、表现或产品(Performance/Product)和标准(Standards)”[21]。任务设计即根据任务要素一一进行设计。由于缺乏像希尔所提倡的“学生指导”环节，威金斯主张利用GRASPS工具进行任务设计的做法具有某些要素主义倾向。综合两人的观点来看，任务设计一方面需考虑以下要素：目标、角色、情境、对象、产品或表现以及标准，另一方面也需围绕任务要素进行完整清晰说明，即设计“学生指导”环节。由此我们以威金斯的GRASPS工具为主体，融合希尔的合理主张，为任务设计开发新的GRASP工具(工具及示例见图2)。全新的GRASP工具由“任务要素”及“学生指导”构成，在此，我们将威金斯所主张的“标准要素”融入“远未达到成功标准”则视未完成“满足成功标准”的数量而定。量规设计的重要目的是克服教师评价的主观性，进而为教师评价提供客观标准，保证评价的客观性与信度。

图2 GRASP工具及示例(3)图2根据《义务教育生物学课程标准(2022年版)》“人体生理与健康”学习主题的内容设计。

“量规设计”中而保留了其他要素。新GRASP工具既为任务设计提供了支架，也能保证学生及未使用过该工具的人有效理解任务。

在量规设计层面，威金斯与希尔展示了迥异的设计方法与呈现方式。“量规是基于标准的评分指南，由固定的质量等级构成，并详细描述了每一等级的特征。量规描述了质量等级、熟练程度或者连续的理解。”[22]量规可分为整体型量规(holistic rubric)与分析型量规(analytic rubric)。整体型量规适用于终结性评价，它仅对学生任务的完成情况进行整体评价，常表现为一个分数或等级。分析型量规适用于过程性评价，它在不同维度上对学生的任务完成情况进行描述与评价，从而能更好地反馈与反思改进。威金斯与希尔在分析型量规设计思路上大体一致，他们均认为分析型量规应由“维度”“质量等级”“成功标准”构成，但他们在具体设计方法与呈现方式上却大相径庭，这根源于他们迥异的成功标准设计方式。威金斯认为，“程度副词+形容词+动词+内容”构成成功标准，如“非常清晰地/清晰地/较为清晰地/无法清晰地表达文中主人公的观点”。他强调使用形容词区分质量等级与理解程度。如前所述，希尔则主张“SOLO动词+学习内容”的成功标准设计方式，她强调用成功标准完成的数量与质量来描述和衡量学生任务完成的质量等级。其量规设计的具体方法为首先确定“满足成功标准”这一质量等级的一套标准，“超出成功标准”质量等级则是在“满足成功标准”的基础上再增加几条标准，“接近成功标准”

表3 《美国政府》单元分析型量规设计(4)表3根据《普通高中思想政治课程标准(2017年版)》“当代国际政治与经济”模块内容设计，《美国政府》单元的表现性任务为设计美国政府的学习手册)

由此看来，尽管威金斯以形容词区分学生质量等级的主张在逻辑上毫无问题，但在评价实践中难以实现，因为教师难以区分诸如“熟练的”“较为熟练的”这类程度相近的形容词，教师评价依然有很大的主观性。综合威金斯与希尔的观点，我们为分析型量规设计开发了相应工具。该“分析型量规设计工具”(工具及示例见表3)由“任务维度”“质量层级”与“成功标准”构成，每一维度均有数量、质量不等的成功标准加以说明。“量规的最大作用在于它能产生有效反馈，增强评价的公平性，以及促进学生评价功能的发展。”[23]

如前所述，表现性事件是素养本位表现性评价的有机组成部分，它丰富了表现性评价的类型，推动素养本位表现性评价实施的多样化。表现性事件的设计与实施具有如下价值：第一，促进学生深度学习。“整个单元实施中，都要有机会评估学生的理解能力。如果评价只发生在单元结束，那么它就不是持续的，也不能帮助学生发展与完善他们的理解。”[24]表现性任务往往置于某探究活动或单元结束，通过设置真实情境让学生迁移并运用观念、知识、技能解决复杂问题，因此它无法评估表现性任务之前学生在学习过程中的理解程度。多样的表现性事件嵌入学生学习过程，由浅入深、由简到难的表现性事件推动学生思维水平的提高与理解的深入，评价即学习。第二，调整与规划教学。表现性事件需要反馈，反馈既可以是非正式的(如课堂讨论中对学生的回答做出回应、评价)也可以是正式的(如通过演示文稿对某一问题或学生表现做出评价)。无论是正式反馈抑或是非正式反馈，对学生的评价不仅要包括他们当下的表现，还要包括他们如何改进表现的建议。这种反馈要求教师及时调整与规划教学活动，以确保学生学习的完整性与深度。总之，表现性事件与表现性任务相互补充，共同促进教师的教与学生的学。

表现性事件可借助“理解六面”(Six Facets of Understanding)进行设计。威金斯提出理解六面并将其作为方法广泛应用于本质问题、量规、学习活动等设计中。在威金斯看来，“书呆子与学究等词汇表明纯粹的知识可能是虚假的理解，并且学太多可能不利于理解”。[25]因此，他重新理解“理解”并提出理解六面。理解六面具体包括：“解释”(explanation)，即恰当地运用理论合理地说明行为和观点等；
“阐述”(interpretation)，即提供意义的阐释与转述；
“运用”(application)，即在新情境中灵活有效使用观念与知识、技能；
“观点”(perspective)，即具有从不同视角看待事物的能力；
“移情”(empathy)，即感受他人感受与理解他人观点的能力；
“自知”(self-knowledge)，即自我反思能力。理解六面意味着理解是复杂、多维的概念。威金斯将理解六面整合融入评价设计，以此绘制“评价蓝图”。由于表现性任务已有专门的设计工具，因此我们将威金斯提出的“如果……那么……因此……工具”用于表现性事件设计。“如果……那么……因此……”作为一种评价设计工具，其完整表述是“如果预期结果是让学生(理解……)，那么你需要学生有证据表明他们能(解释/阐述/运用……)，因此需要这样的评价……”(该工具及示例见表4)在具体设计过程中理解六面可不必面面俱到，只需根据主题单元及理解目标选择合适的几面进行设计即可。“如果……那么……因此……”工具体现了表现性事件设计的逆向逻辑。

表4 “如果……那么……因此……工具”及示例(5)该表改编自：Wiggins, G. & McTighe, J. Understanding by Design (2nd Edition) [M]. Alexandria, VA: ASCD, 2005:162.

表现性事件同样需要设计标准以进行学习评价与反馈。表现性事件类型多样，学生对某一问题的回答或表现具有不可预测性、复杂性与生成性的特点。对于需要非正式反馈的表现性事件，教师可运用“通用标准”进行评价与反馈。通用标准(见表5)根据SOLO分类理论设计而成，它由“学习结果”“思维结构/理解层次”“层级标准”及“举例”四部分构成，直观地反映出学生当下的学习水平与思维水平，为持续改进学习奠定基础。对于需要正式反馈的表现性事件，教师既可运用通用标准进行评价，也可使用“成功标准设计工具”为某一表现性事件设计专门标准。表现性事件的评价标准以通用标准为主，以为特定事件设计的专门标准为补充，两者共同维系教师、同伴及自我评价。

表5 表现性事件通用标准

素养本位课程改革新时代，表现性评价是必需品而非奢侈品。让我们行动起来，让学生在表现素养中发展素养，让评价真正成为促进核心素养发展的教育性评价。