超越标准化考试的测评效度

标准化考试之所以流行,是因为它便宜、可比、易规模化——但它测的主要是能被标准化的浅层技能。这是文明级方向,因为'我们测什么'会反向定义'教什么、学什么',浅层测评正在系统性地把整个教育拉向应试。攻破它——建立能有效度、可规模化地测量深度理解、创造力和迁移能力的方法——将解锁教育目标本身的升级。

卡点是效度与可规模化的两难:深度理解、创造力这类构念本身难以清晰操作化,评估它们往往需要专家人工判断,既贵又主观、难以标准化比较;而一旦追求规模化和客观性,又滑回可被应试攻略的浅层题型。如何两者兼得,是尚未解决的测量学空白——具体临界路径待考。

无人区——PISA(OECD)、ETS 等机构有零散探索(如问题解决、协作能力测评),但没有形成攻克该难题的集中力量

走教育测量学/心理计量(psychometrics)与评估设计路径,进大型测评机构或学术团队,从一个具体高阶构念(如'科学论证能力')切入,研究如何用 AI 辅助评分等新手段,把'既有效度又可规模化'做成可验证的测评原型。