發(fā)展分層評分標準 助力命題改革

【摘要】題型改革是命題改革的一個重要抓手。當(dāng)前不少新題型有一個共性特點，即試題開放度加大。要提升各類開放性試題的考查價值，須著力推進分層評分標準的開發(fā)與運用。擬制分層評分標準需要先根據(jù)測評目標觀察學(xué)生表現(xiàn)的主要角度及要點，再整合考慮試題分值、學(xué)生的可能表現(xiàn)層次，據(jù)此確定評分等級數(shù)，進而緊扣觀察角度描述各層級的關(guān)鍵表現(xiàn)并附各層級典型表現(xiàn)樣例。分層評分標準的有效運用需要專門的閱卷者培訓(xùn)，以保障充足的閱卷時間；從長遠來看，需要在日常教學(xué)中適當(dāng)調(diào)整評價的思維方式，善于發(fā)現(xiàn)、提煉學(xué)生外在和內(nèi)隱的學(xué)習(xí)表現(xiàn)特點，善于捕捉不同學(xué)生表現(xiàn)的關(guān)鍵差異。

【關(guān)鍵詞】題型；開放性試題；主觀性試題；分層評分標準

題型及其評分方法是測量與評價理論、實踐中的基本話題。當(dāng)前的課程改革與評價改革對此提出了新的要求，研究與實踐需要作出更加積極的探索。

一、課程改革與評價改革背景下的題型改革要求

近幾年，課程改革與評價改革的系列文件對于命題提出了一些有針對性的、細致的要求，譬如對于試題形式，《普通高中語文課程標準（2017 年版2020 年修訂）》提出“多設(shè)置主觀性、開放性的題目，展現(xiàn)學(xué)生智慧，鼓勵學(xué)生發(fā)揮和創(chuàng)造”；《國務(wù)院辦公廳關(guān)于新時代推進普通高中育人方式改革的指導(dǎo)意見》（2019）提出“創(chuàng)新試題形式，加強情境設(shè)計，注重聯(lián)系社會生活實際，增加綜合性、開放性、應(yīng)用性、探究性試題”；《教育部關(guān)于加強初中學(xué)業(yè)水平考試命題工作的意見》（2019）提出“減少機械記憶試題和客觀性試題比例，提高探究性、開放性、綜合性試題比例”；《義務(wù)教育語文課程標準（2022 年版）》（以下簡稱“義教新課標”）提出，“試題形式力求創(chuàng)新，鼓勵增加開放性試題比例，以避免導(dǎo)向新的應(yīng)試模式”。以上文件提及多個題型概念，有的是測量與評價一般理論中的既有概念，有的則是我國課程改革與評價改革背景下誕生的特定表達。各種概念與表達側(cè)重于從特定角度強調(diào)試題的考查指向與功能，比如：側(cè)重從認知能力角度表述的題型概念有“記憶性試題”“應(yīng)用性試題”“探究性試題”，當(dāng)前的要求是控制“記憶性試題”，尤其要避免“機械記憶試題”，根據(jù)學(xué)情酌情增加高層次能力試題（試題考查的能力層級與試題難度是兩個概念）。側(cè)重從知識技能方面或問題解決路徑角度表述的題型概念有“綜合性試題”，當(dāng)前的取向是鼓勵命制整合“閱讀與鑒賞”“表達與交流”“梳理與探究”三個方面實踐活動的綜合性題目，鼓勵學(xué)生“綜合運用多門課程知識和思想方法解決實際問題”［1］。側(cè)重從答案屬性角度表述的題型概念有“客觀性試題”“主觀性試題”“開放性試題”，當(dāng)前的取向是發(fā)展主觀性、開放性試題，鼓勵學(xué)生個性化理解和表達。

當(dāng)然，不同分類視角下的題型并不互相排斥，譬如，應(yīng)用性試題、探究性試題、綜合性試題均以主觀性、開放性試題為主。當(dāng)前試題創(chuàng)新的難點不僅在于開發(fā)試題本身，還在于原本就存在的難點——主觀性、開放性試題評分不理想的問題并未得到充分解決。題型改革實際存在兩重壓力。當(dāng)前，試卷題型結(jié)構(gòu)成了考查一份試卷質(zhì)量的重要指標之一，試卷題型比例因此也有一些較為明顯的變化，主觀性、開放性試題增多。在此背景下，試題評分問題更須著力研究，否則可能陷入新的誤區(qū)。以下探討答案傾向于開放性的各類試題的評分標準設(shè)計與運用問題，以期借此助力試題創(chuàng)新。

二、立足試題屬性與考查價值明確評分角度與要點

主觀性、開放性試題評分的實質(zhì)是區(qū)分學(xué)生的表現(xiàn)水平層次，而評分的第一步是要明確從哪些角度觀察學(xué)生的表現(xiàn)。對此，可從理論和具體試題兩個層面進行研究。

1.測量與評價理論建議的評分角度與要點

既有的研究對于開放性試題或相近類型試題的表征、獨特考查價值、運用要點等的論述，蘊含了對學(xué)生表現(xiàn)的期待，從中可以提煉出對學(xué)生反應(yīng)的觀察角度與要點，也即評分角度與要點。

a.開放題的三維判斷標準：結(jié)論開放性，即結(jié)論不唯一或通向結(jié)論的途徑具有開放性；結(jié)構(gòu)復(fù)雜性，即認知過程包含復(fù)雜認知行為（高級學(xué)習(xí)）；情境真實性，即問題情境是真實情境或虛擬（模擬）情境。［2］

b.在評估學(xué)生的思維組織能力、邏輯表達能力、維護立場（defend position）、觀點整合能力方面，開放式問題比選擇式問題更加合適。開放式問題要求進行全面的、整體性的學(xué)習(xí)。［3］

c.論述題的一大好處是其可以測量受試者組織、整合知識的能力，應(yīng)用信息解決新問題的能力，并且可以讓受試者展示自己的原創(chuàng)綜合思維。編寫論述題的人必須充分考慮各種答案所代表的思維能力。［4］

d.要求學(xué)生對于爭議性問題進行論述，應(yīng)該對提供的證據(jù)進行評估，而不是學(xué)生的觀點?！瓕τ谶@些有爭議的問題，要求學(xué)生接受某種觀點或解決方案是不合理的。然而，對于某種觀點和結(jié)論，可以檢測他們收集和應(yīng)用證據(jù)的能力。［5］

以上論述中可以提煉出兩個基本觀察點：一是結(jié)論或觀點，二是得出結(jié)論或觀點的認知過程、證據(jù)。a和d較為明顯地區(qū)分了這二者，b和c側(cè)重描述后者，d甚至強調(diào)后者比前者更重要。

再進一步分析，上述兩個觀察角度各有一些微觀的評價角度或要點。關(guān)于結(jié)論或觀點，可能需要考慮兩個方面：一是針對性，是否能針對問題情境、既有觀點等有的放矢地作出回應(yīng)；二是深刻性、原創(chuàng)性或創(chuàng)造性方面的差異，在具體試題中要具體考慮區(qū)分學(xué)生表現(xiàn)水平差異的關(guān)鍵點是什么，是角度創(chuàng)新還是在常規(guī)角度下有不一樣的認識。

關(guān)于得出觀點的過程、證據(jù)，也有一些更細微的觀察角度：一是思維方法及其品質(zhì)，是否能靈活運用分析、比較、綜合等思維方法；二是證據(jù)運用，是否能調(diào)動、整合運用各類可靠的證據(jù)，作出完整、充分、有力的回應(yīng)。隨著試題不斷創(chuàng)新，上述觀察和評分角度與要點可以不斷完善。

2.特定試題具體的評分角度與要點

上述評分角度與要點為具體試題的評分提供了基本支架。當(dāng)然，不同的試題有不同的測量目標和評價側(cè)重點，可能有不同的評分角度；相同的觀察角度在不同試題中可能有不同的觀察要點。譬如以下在當(dāng)前命題改革背景中較具代表性的幾類試題，它們各有具體的評價側(cè)重點。

（1）個性化閱讀過程與結(jié)果表達類試題

【例1】“學(xué)者先要會疑?！眻D圖讀書時常常質(zhì)疑，下面是他提的一個問題及提問原因。你也從初中語文教科書重點推薦的十二部名著中選擇一部，分享了你的質(zhì)疑。（8分）

圖圖讀的名著：《朝花夕拾》

他提出的問題：魯迅先生對兒時所受的教育究竟持什么態(tài)度呢？

提問的原因：我發(fā)現(xiàn)，一方面小魯迅頗不自由，他在特別想看五猖會時，被父親勒令背書，很痛苦；另一方面他又蠻自由，可以在三味書屋趁老師不備偷跑進后園游樂，很開心。

你閱讀的名著：《▲ 》

你提出的問題： ①▲

提問的原因： ②▲

以上試題要求學(xué)生從十二部名著中選擇一部來表達閱讀中發(fā)現(xiàn)的問題并說明原因。十二部名著選任何一部都可以，提哪方面的問題也沒有限制。這類試題在整本書閱讀或名著閱讀教學(xué)成效尚不夠理想、尚須強調(diào)自主閱讀的階段有著獨特的意義：引導(dǎo)學(xué)生在讀名著時能真正讀進去，在閱讀中有自己的發(fā)現(xiàn)、思考。

試題①②兩個空格已經(jīng)在形式上區(qū)分了對學(xué)生表現(xiàn)的兩個觀察角度，“提出的問題”和“提問的原因”大致對應(yīng)前面所說的“觀點”和“得出觀點的過程、證據(jù)”這兩個方面。在這類試題中，這兩個觀察角度各有具體的觀察要點。試題①提問的角度可能有新意方面的差別，問題的價值、深度等可能有層次差異。試題②主要源自書本內(nèi)容，觀察要點包括：表述這些信息時是否能尊重文本內(nèi)容，不歪曲、不斷章取義；是否能敏銳地發(fā)現(xiàn)值得探討的信息、細節(jié)等；“文本信息、內(nèi)容”與“問題”之間的關(guān)系是否緊密，從特定的文本信息和內(nèi)容中是否能合邏輯地提煉出特定的問題。

（2）讀寫結(jié)合類試題

【例2】學(xué)校文學(xué)社公眾號的“……”（注：略）欄目將刊發(fā)本作品，并配發(fā)一段推薦語。作為該欄目編輯，請你寫一段100字左右的推薦語。

例2 要求學(xué)生在閱讀特定作品之后完成指定的表達任務(wù)。這類試題通常在文學(xué)作品閱讀或名著閱讀考查中出現(xiàn)，屬于讀寫結(jié)合類考查任務(wù)，在運用層面綜合考查閱讀與表達能力。

這類試題有兩個基本的觀察點。其一，對閱讀對象的理解、鑒賞情況，譬如對文本局部或整體內(nèi)容的理解是否符合文意，是否較為深入。其二，表達是否符合情境的潛在要求或任務(wù)明確表達的要求。如例2，部分表達要求隱含在情境要素中：“欄目”名稱指向了表達方向，如聚焦“最受感動”之處、“成長”角度切入等，推薦語內(nèi)容必須切題；“推薦語”這一形式對表達內(nèi)容和語言風(fēng)格也有潛在要求，推薦語的目的是吸引大家注意，激發(fā)大家的閱讀興趣，因此撰寫推薦語時最好有一些專門的設(shè)計，譬如語言表達有創(chuàng)意、緊扣作品特點、適當(dāng)設(shè)置懸念等；“學(xué)校文學(xué)社公眾號”這一設(shè)定也是潛在要求學(xué)生考慮閱讀對象、媒介的特點。

以上觀察角度中，推薦的角度、推薦語整體的表達效果，大致對應(yīng)前文所說的“觀點”這一評分角度；對原文內(nèi)容或特點的歸納、提煉等大致對應(yīng)“得出觀點的過程、證據(jù)”這一評分角度。從學(xué)生答題角度來說，這兩個角度需要有機融合；從評分角度和教學(xué)指導(dǎo)來說，這兩個方面可以適當(dāng)剝離分析。

（3）立場選擇類試題

【例3】如果把下面這段話作為本文第⑥段的論據(jù)，你覺得可以嗎？請簡述理由。（4分）

【例4】如果給本文擬一個標題，你會選“……”（略）還是“……”（略）？為什么？（6分）

【例5】以第12～15 段為例，評析本文語言運用上的特點。

以上三題是讓學(xué)生在兩個方向之間選擇，例3是在“可以、不可以”這樣相反的二者之間選擇，其他類似試題可能是讓學(xué)生在“恰當(dāng)、不恰當(dāng)”“贊同、不贊同”之間選擇；例4是在兩個標題之間選擇；例5的題干本身并沒有明顯的提示，但參考答案引導(dǎo)的答題思路是，在分析文本語言運用特點的基礎(chǔ)上，對語言運用效果可以作出相反的判斷，或者認為語言運用上的特點增強了作品的感染力，或者認為文章在遣詞造句中情感注入過多過濃，未加沉淀節(jié)制，給人泛濫甚至虛假的感覺，減弱了作品的感染力。［6］這類試題的開放性表現(xiàn)在答案不僅不唯一還可能相對或相反。

對這類試題，答題方向的選擇可以算是基本“觀點”，理由闡述傾向于“得出觀點的過程、證據(jù)”。這類試題有兩個特點：其一，評分時需要仔細辨析“可以、不可以”這兩個答題方向之間是同樣成立，還是兩者之間有更合理與次合理的區(qū)別；其二，這類試題符合前文關(guān)于開放性試題的論述，“得出觀點的過程、證據(jù)”更重要，尤其是當(dāng)“可以、不可以”同樣成立時，觀點方向可以不賦分，即回答“可以、不可以”不賦分。

以上，通過理論和具體試題兩個層面的分析，嘗試勾勒答案開放性試題大致的觀察角度、要點，其間已可管窺開放性試題的評分復(fù)雜度：既要考慮橫向的角度問題，又要考慮縱向的水平層次差異。原有“采點給分”的評分方式已捉襟見肘。

三、分層評分標準的擬制與使用

義教新課標提出，“要健全主觀性、開放性試題的評分標準，根據(jù)學(xué)生的認知發(fā)展水平，對簡單結(jié)構(gòu)作答和復(fù)雜結(jié)構(gòu)作答實行分級賦分”［7］。為了糾正原來“采點給分”的問題，義教新課標強調(diào)了“分級賦分”。在測量與評價理論中，開放性試題的評分標準本就是分級或分層描述的：評分規(guī)則（scoring rubric）是一組評鑒表現(xiàn)的準則，通常以等級量表的形式呈現(xiàn)，每個等級皆有一組行為表現(xiàn)的描述語，對不同的行為特質(zhì)或?qū)用嬗枰圆僮餍远x。［8］在這一界定中，蘊含了分層評分標準的兩個基本要素：一是等級；二是每個等級的表現(xiàn)描述，應(yīng)有效區(qū)分不同等級的不同行為特質(zhì)。

1.分值的橫向與縱向分配

部分國外測評項目，如PISA（國際學(xué)生評估項目），閱卷與計分是兩個環(huán)節(jié)，閱卷環(huán)節(jié)只根據(jù)各個試題的評分標準標注學(xué)生表現(xiàn)的等級代碼，后期才統(tǒng)一核算分數(shù)。我們國內(nèi)是命題階段為每個試題賦分，試題分值決定了評分標準的等級數(shù)。這樣，試題分值與可以劃分的評分標準等級數(shù)之間可能需要協(xié)調(diào)。

（1）縱向：等級劃分或分數(shù)分層

評分標準的縱向等級劃分，理論上說，應(yīng)該取決于問題復(fù)雜度、學(xué)生可能的表現(xiàn)層次。從國際測評項目經(jīng)驗和測量與評價理論來看，試卷中的問答題，評分標準一般設(shè)3～6個等級［9］，轉(zhuǎn)換到我們的體系中來就是單個試題最高賦分5 分（0～5 可區(qū)分為6 個等級）。但在我們目前已有的試卷中，寫作試題之外的單個試題賦分可能超過5分，如8分。這時可以像作文評分一樣設(shè)計分數(shù)段。譬如2分為一個分數(shù)段，評分標準設(shè)4個等級，同一等級內(nèi)部再根據(jù)表述質(zhì)量等酌情給滿2分或扣1分。浙江省溫州市等地區(qū)的語文中考評分標準已經(jīng)采用這樣的辦法。未來，命題階段給試題賦分時，不僅要考慮整套試卷總分的協(xié)調(diào)使用，還要盡量保證每道試題賦分的合理性。需要進一步仔細推敲每道試題的測評目標、預(yù)想學(xué)生的答題表現(xiàn)，從而給各個試題合理賦分，讓預(yù)設(shè)分值在評分標準中得到合理的層級分配。盡量避免出現(xiàn)“答對1點給1分，答對2點給3分”的情況。

（2）橫向：整體評分還是分項評分

前文梳理的評分角度包括“觀點或結(jié)論”和“得出觀點的過程、證據(jù)”兩個方面，以及它們各自可能有的觀察角度。在實際評分時，可能需要考慮這些角度是整合評分還是分開評分，以及如果分開評分該如何分配分值。例2～例5 基本采用了整體評分的方式，因為系列觀察角度需要整合考慮、描述。例1在實際評分時采用了分項評分的方式?？偡? 分，“提出的問題”賦3分，“提問的原因”賦5分，學(xué)生這一題的最后得分由兩部分得分相加形成。當(dāng)然，兩個子問題之間有著密切關(guān)聯(lián)，在實際打分時要觀察兩個回答之間的關(guān)聯(lián)性，所以試卷上并未將兩個子問題的分值分開標定。

這類問題兩個或多個評分角度之間的分數(shù)分配并不固定，取決于測評目標和教學(xué)理念。譬如“提問的原因”賦分高于“提出的問題”，并不僅僅因為“提問的原因”需要更多文字闡述，更重要的是以此強調(diào)學(xué)生提出的問題應(yīng)該真正源于他們?nèi)粘ｉ喿x中的發(fā)現(xiàn)，這對于日常教與學(xué)能產(chǎn)生積極作用。

如果是分項評分，各項的評分等級數(shù)須根據(jù)各項分值和學(xué)生可能的答題反應(yīng)分別進行劃分。譬如例1“提出的問題”的評分標準設(shè)3 個等級，“提問的原因”評分標準設(shè)5個等級。

2.表現(xiàn)描述與樣例呈現(xiàn)

在整體評分和分項評分之間作出選擇并基本確定好等級之后，就需要為每個等級描述學(xué)生的相應(yīng)答題表現(xiàn)。

（1）描述關(guān)鍵表現(xiàn)，兼顧多個評分角度

前文區(qū)分的觀察角度與要點，可以成為基本的描述抓手，以揭示學(xué)生表現(xiàn)中的關(guān)鍵性、實質(zhì)性差異。在描述每個等級的學(xué)生表現(xiàn)時，需要兼顧各個評分角度?！叭绻粋€題目測量了一個以上的技能或概念，那么在評分標準描述語中需要兼顧、描述清楚學(xué)生在這幾個技能或概念上的掌握情況”［10］。如果是分項評分，需要分別描述學(xué)生的表現(xiàn)，如例1；如果是整體評分，就需要兼顧各個角度綜合描述學(xué)生的表現(xiàn)。

（2）區(qū)分不同水平的表現(xiàn)差異

各等級表現(xiàn)描述，需要兼顧預(yù)設(shè)和學(xué)生實際表現(xiàn)而擬定。前者緊扣測評目標預(yù)估學(xué)生可能的表現(xiàn)差異，后者是在正式批改前預(yù)批部分試卷提煉學(xué)生實際的表現(xiàn)差異。

在撰寫評分標準描述語時，需要精心推敲措辭，體現(xiàn)層級差異。前文提供的評分角度，都可能衍生出一把把微觀的尺子，譬如至少可以分出一些基本等級（見表1）。在具體試題中，描述角度可以酌情選擇、組合，層級表現(xiàn)可以根據(jù)學(xué)生實際表現(xiàn)酌情細化。

（3）盡可能為每個層級提供多個表達樣例

為與描述語配套，須提供充足的各等級表現(xiàn)典型樣例，以便讓評分者更好地領(lǐng)會評分標準描述語的指向。理性認識與感性認識結(jié)合，在實際閱卷時能更加快速、準確地判斷學(xué)生的作答水平進而合理評分。

3.評分標準各要素間的協(xié)調(diào)統(tǒng)一

以上從分值分配、各層級表現(xiàn)描述與樣例提供三個角度勾勒了評分標準的擬制思路，在實際擬制分層評分標準時，三者應(yīng)形成一個有機統(tǒng)一體。例如2021 年江蘇省南京市語文中考試題（本文例1）的評分標準及其補充說明（見表2，呈現(xiàn)形式和局部表述略作調(diào)整，因篇幅所限僅呈現(xiàn)部分示例）。

4.分層評分標準的使用與發(fā)展

幾乎所有關(guān)于評分標準的闡述和國際測評項目經(jīng)驗，都強調(diào)要進行評分標準的使用培訓(xùn)。評分者需要在多輪試批中理解評分標準，減少評分誤差。在實際操作時，閱卷人員、閱卷時間各個方面都要給予充分保障。主觀題、開放性試題的評分成本目前尚無特別有效的控制辦法。

分層評分標準的發(fā)展，除了需要在每一次閱卷中打磨，更重要的是在日常教學(xué)、評價中形成相應(yīng)的思維方式。摒棄套路化作答、采點給分的思維方式，真正關(guān)注學(xué)生每一次作答中的具體表現(xiàn)，善于發(fā)現(xiàn)、提煉學(xué)生外在和內(nèi)隱的學(xué)習(xí)表現(xiàn)特點，善于捕捉學(xué)生不同表現(xiàn)中的關(guān)鍵差異，這是教師評價專業(yè)素養(yǎng)的重要體現(xiàn)。在日常教學(xué)中養(yǎng)成這樣的觀察和評價思維，能在閱卷中提升評分效率，更深層地實現(xiàn)“教學(xué)評”一致性。

最后有必要補充和強調(diào)兩點。第一，本文側(cè)重講評分問題，但評分標準的觀察角度和要點取決于測量目標、問題指向，因此討論評分標準的前提是問題設(shè)計有價值，指向清晰。第二，在課程改革與評價改革背景下，當(dāng)前正著力開發(fā)主觀性、開放性試題，但這并不意味著客觀性試題就不具有考查價值。理想的狀態(tài)是高質(zhì)量的客觀性試題與高質(zhì)量的主觀性、開放性試題互補，合力考查學(xué)生核心素養(yǎng)發(fā)展，盡量保證測試效果。

參考文獻

［1］［7］中華人民共和國教育部.義務(wù)教育語文課程標準（2022 年版）［S］.北京：北京師范大學(xué)出版社，2022：50，51.

［2］張雨強.開放題編制的理論與技術(shù)研究［M］.上海：華東師范大學(xué)出版社，2009：109.

［3］阿來薩.課堂評估：理論與實踐［M］. 徐士強，譯. 上海：華東師范大學(xué)出版社，2008：183.

［4］［5］特雷西·桑代克-克萊斯特，羅伯特·M.桑代克.教育評價：教育和心理學(xué)中的測量與評估（第八版）［M］.方群、吳瑞芬、陳志新，譯. 北京：商務(wù)印書館，2018：331～332，333～334.

［6］葉麗新“. 答案兩可”類開放性試題探析［J］.語文學(xué)習(xí)，2019（9）.

［8］李坤崇.教學(xué)評估：多種評價工具的設(shè)計及應(yīng)用［M］. 上海：華東師范大學(xué)出版社，2011：141.

［9］Judith Arter，Jay Mc Tighe.課堂教學(xué)評分規(guī)則：用表現(xiàn)性評價準則提高學(xué)生成績［M］. 國家基礎(chǔ)教育課程改革“促進教師發(fā)展與學(xué)生成長的評價研究”項目組譯. 北京：中國輕工業(yè)出版社，2005：31.

［10］National Assessment Governing Board. Reading Assessment and Item Specifications for the 2009 National Assessment of Educational Progress［EB/ OL］.https：//www. nagb.gov/content/nagb/assets/documents/publications/frameworks/reading/2009-reading-specification.pdf.