形成性评价怎样被使用

破除误解#

核心：反馈是信息，使用是制度#

形成性评价的合法核心是推断加行动。教师对学生此刻的理解做推断，并改变教学；学生对自己的理解做推断，并改变练习。两层推断都会错，所以需要低风险的重复抽样，而不是一次定终身。低风险是制度条件：错了不会立刻进入不可逆档案。没有这个条件，学生会隐藏错误，监控数据就被污染。元认知篇已经说明判断依赖线索；本篇说明哪些线索被允许公开。

洛琳·谢泼德 2000 年讨论课堂评价与课程、教学的一致性。若课程声称要论证，评价却只收选择题正确率，形成性会把教学拉回可快速打分的表现。一致性不是风格问题。它是：你声称珍视的学习，有没有合法的证据位。没有证据位的目标，会在忙季消失。

使用一旦进入大规模问责，形成性就面临收编。教育技术系统可以把每一次点击都标成形成性数据。数据很多，行动可能仍是把学生送进自适应题库。题库若只优化正确率曲线，并不保证塞德勒意义上的目标透明。记录不等于帮助。后文教育技术篇会专门写系统记录了什么。

现场里，形成性显形为红笔、口头追问和课堂结尾的纸条。红笔若只打叉，学生得到的是结果；若标明哪一条约束被违反，学生得到的是可执行的差距。口头追问若只点“会的人”，收集的是已会者的表演。纸条若记名并计分，纸条就不再低风险。这些差别都能在不泄露学生隐私的前提下被描述。本域不写如何布置监视。

公平问题在使用阶段变得尖锐。能解读反馈语言的学生，能把评语变成下一步；不能解读的学生，只看到自己又错了。于是同样的评语，在不同家庭资源下变成不同的学习机会。形成性若忽略这种差异，会把文化资本写成学习技能。教师可以改变评语的具体性，却不能独自取消家庭时间的不平等。经费与可教性篇会把后一件事写成公式。

因此，提倡形成性评价，必须同时写它运行其中的课表、班额和问责。没有时间看草稿的教师，会被推向可自动打分的题目。自动打分可以提供即时正误，却可能删掉需要判断的论证。工具在替学校决定什么算可教的证据。决定应当被公开讨论，而不是被写成进步本身。

涉及儿童的课堂评价研究应核对该项目的伦理审查。本篇讨论已发表的评价理论与制度使用，不提供把未成年人成绩用于未同意研究的办法。

把形成性写成使用，必须写班额。四十人的草稿若都要具体评语，教师工时会被数学打败，于是退回勾叉或只抽查部分本子。抽查规则若偏向字迹工整或座位靠前，证据位再次不公。平台承诺用自动正误缓解工时，代价是把可形成的表现收窄到可自动判定的步骤。自适应系统不是家教，自动勾叉也不是塞德勒的三件套。

学生如何使用评语，同样是经验问题。有人把评语当下一题的清单，有人把评语当人格判决。后者在高利害文化里更常见：一次红笔意味着轨道风险。于是形成性要先降低风险，才谈得上信息。风险不降，信息会被当成威胁。布莱克与威廉后来强调的实施质量，很大一块就是学校肯不肯把某些练习真的留在档案之外。

同伴互评要有可观察的标准，否则互评会变成人气或整洁竞赛。标准本身必须能被学生使用，而不是只有教师心里有数。这又回到塞德勒：看不见目标，就无法缩小距离。目标若用学生读不懂的量规写成，形成性对一部分人仍不存在。

保罗·布莱克与迪伦·威廉一九九八年的综述后来被政策文件写成成本最低的课堂改革。威廉本人随后反复收紧这句话：实施质量差异极大，形成性不是可以整包采购的神器，功能由使用决定。布莱克与威廉二〇〇九年把理论写得更窄：形成性是引出学习证据并改变下一步的过程，不是试卷标题，也不是更密的小测。兰迪·贝内特二〇一一年的批评综述指出，领域对形成性定义过宽，效应证据也被说得过满。过满的百分数进入规划，是修辞。本篇不提供把小测加密进问责系统、仍假装低风险的办法。它只写：名字保留、使用改了，形成性不能自动继承。

同一套题目一旦送进办公室，功能就变了。课堂里用来决定明天教什么的抽样，变成了用来比较教师或学校的档案。学生会隐藏错误。教师会把时间改去可上报的表现。布莱克与威廉从一开始就强调功能由使用决定。使用改了，标题可以不变。标题不变会造成虚假安慰：学校宣称已经在做形成性，其实做的是更密的预赛。预赛里没有人敢暴露不会。监控于是死亡。死亡之后，掌握仪表仍可能很绿。绿不是理解。绿是上报成功。成功把形成性吞进问责。吞进去之后，评语仍可写得很温柔。温柔改变不了分数去了哪一间办公室。

塞德勒一九八九年把形成性写成三件套：看见目标、看见自己与目标的距离、获得缩小距离的手段。同一套题目送进办公室时，第三件最先死。学生若知道暴露距离会进入不可逆档案，就会把距离藏起来。藏起来之后，教师收集到的是已被清理的表现。清理过的表现可以很适合上报。上报成功会反过来证明形成性已经发生。发生的其实是总结性的密集体。密集体重复得越勤，信度的错觉越强。重复测被隐藏的错误，稳定的是表演，不是监控。威廉后来强调的实施质量，很大一块就是学校肯不肯把某些练习真的留在档案之外。不肯留，形成性只剩标题。

形成性一旦被写成可采购的干预包，课堂现场的时间条件就会从论证里消失。威廉后来把嵌入日常教学当成关键，恰恰因为形成性不是外加的一场活动。外加活动很容易变成又一次计分。计分一开始，塞德勒要的手段就变成表演手段：学生展示自己已经会缩小距离。展示成功，办公室满意。满意与理解不是同一结局。结局错位之后，培训仍可继续卖评语模板。模板不能把题目从办公室里拿回来。拿不回来，形成性就被问责制成标本。标本很完整。完整不是还活着。

形成性与证书性考试共存时，学校最省事的办法是让日常题目模仿高利害题型。模仿被写成公平：免得有人没见过那种卷面。模仿也会污染学习：所有练习都变成预演。威廉后来把功能由使用决定写进实施质量，意思是：你不能靠把预演改名为形成性来获得综述里的那种课堂改变。改变要看错误是否仍被允许公开。不允许公开，塞德勒的距离就变成必须隐藏的秘密。秘密被藏好的班，上报时最干净。干净是问责成功。成功不是形成性还活着。

形成性被问责吞没，还有一种更安静的形式：校本过程性评价被折算进总分。折算之后，每一次草稿都变成表演。构念被制度改写，研究者若仍用一九九八年的原名，会造成虚假安慰。安慰对检查表有用，对学习无用。布莱克与威廉后来把这一点写成使用问题，而不是再多一次培训教师写评语。评语文风改变不了分数去向。去向是办公室。办公室一旦接收同一套题目，课堂里的低风险条件就被收回。收回之后，再谈自我调节，只是把监控放进已经污染的线索里。污染过的线索看起来很勤。勤不是形成性已经发生。

洛琳·谢泼德讨论课堂评价与学习文化时，把错误能不能成为下一任务的材料写成检查口。材料需要时间去处理，也需要分数不去往处分办公室。两条件缺一，形成性就只是更密的总结性。更密会提高我们很勤的感觉。勤不是推断更真。贝内特的批评综述提醒：若把异质研究收成一种叫做形成性的商品，政策得到的是采购语言，课堂得到的是又一次计分。计分语言一旦接管，布莱克与威廉所依赖的低风险重复抽样就被取消。取消之后，综述里的课堂改变没有装置可以落地。没有装置的改变，只是海报。

争议#

争议的第一线，是效应量被过度宣传。早期综述常被政策文件写成“成本最低的改革”。后续研究显示，实施质量差异极大，平均效应不能当承诺。把海报上的百分数抄进规划，是修辞。

第二线是学生自评与互评。它们可以训练监控，也可以变成把评价劳动转嫁给学生。转嫁是否合理，要看教师是否仍承担专业判断，以及互评是否伤害尊严。

第三线是与证书性考试共存。有人主张日常形成性必须模拟高利害题型，否则不公平；有人主张模拟会污染学习。共存需要标明：哪一些练习是为了证书，哪一些是为了理解。混用会让所有练习都变成预演。

第四线是综述证据该怎么进入政策。一九九八年被广泛引用的课堂学习综述，不能当采购承诺。后续批评把平均效应写得更谨慎，并把异质性放到前台。谨慎不是否定课堂反馈。它是禁止把一篇综述当成软件清单。清单上的点击次数，常常被标成形成性数据。数据很多，行动可能仍是把学生送进只优化正确率的题库。正确率曲线不是目标透明。目标看不见，距离就无法缩小。

第五线是问责与形成性能否共用题目。共用对行政很便宜。便宜的代价是污染：低风险抽样不再低风险。有人主张必须共用，否则日常练习与证书脱节，对不能买补习的学生不公平。脱节确实是公平问题。解决脱节，不必把所有草稿送进档案。标明哪些练习为证书、哪些为理解，才是共存。混用会让所有练习都变成预演。预演里，形成性只剩下名称。名称不能缩小距离。

跨域连接#

• 确认偏误：教师容易看见符合自己预期的进步，看不见轨道里被放弃的学生。形成性数据若只抽样“活跃分子”，偏误会被表格加固。抽查座位靠前的本子，是一种常见的偏误装置。表格看起来中立，抽样规则却在决定谁配得上具体评语。
• 元认知训练：心理学把自评提示写成可实验的干预。教育学要问的是：提示在计分制度里还剩多少真实性。计分一开始，自评就可能变成表演判断。提示一旦进入总分，学生就会学习如何表演监控，而不是校准监控。
• 问责：政治学把公开解释成绩写成民主要求。要求一旦变成单一指标竞赛，形成性就可能被改造成预赛。预赛里没有人敢暴露错误，监控于是死亡。竞赛语言会把低风险练习重新标成预赛，错误于是被藏起。
• 公共政策：过程性评价入档、综合素质表格和校本指标，都是可读写的规则。规则决定学生敢不敢暴露错误。规则不改，只培训教师写评语，改变的是文风。评语文风培训改变不了学生敢不敢说不会，那是风险结构。
• 认识论：知道需要辩护。课堂反馈若只给对错符号，并没有提供辩护。符号可以成为线索，却不是理解本身。塞德勒要的手段，必须指向如何缩小差距。没有指向下一步的符号，反馈就停在通知，形成性名存实亡。

参考文献#

• Sadler, D. Royce. "Formative Assessment and the Design of Instructional Systems." Instructional Science 18, no. 2 (1989): 119–144.
• Black, Paul, and Dylan Wiliam. "Assessment and Classroom Learning." Assessment in Education 5, no. 1 (1998): 7–74.
• Black, Paul, and Dylan Wiliam. "Inside the Black Box: Raising Standards Through Classroom Assessment." Phi Delta Kappan 80, no. 2 (1998): 139–148.

• Black, Paul, and Dylan Wiliam. "Developing the Theory of Formative Assessment." Educational Assessment, Evaluation and Accountability 21, no. 1 (2009): 5–31.
• Bennett, Randy Elliot. "Formative Assessment: A Critical Review." Assessment in Education 18, no. 1 (2011): 5–25.
• Shepard, Lorrie A. "The Role of Assessment in a Learning Culture." Educational Researcher 29, no. 7 (2000): 4–14.

延伸阅读#

• Wiliam, Dylan. Embedded Formative Assessment. Bloomington, IN: Solution Tree, 2011.