以語言評價(jià)專業(yè)化建設(shè)推動教育評價(jià)改革

　　摘要：為落實(shí)中央全面深化改革委員會第十四次會議審議通過的《深化新時(shí)代教育評價(jià)改革總體方案》，評價(jià)領(lǐng)域自身的專業(yè)化建設(shè)至關(guān)重要。以語言測試的專業(yè)化建設(shè)為例，從提高語言測試相關(guān)人員的評價(jià)素養(yǎng)和加快制定適合我國國情的外語考試質(zhì)量標(biāo)準(zhǔn)2個(gè)方面提出建設(shè)性意見。

　　本文源自中國考試,2020(09):5-9.《中國考試》以鄧小平理論和“三個(gè)代表”重要思想為指導(dǎo)，深入貫徹科學(xué)發(fā)展觀，以繁榮考試研究，推進(jìn)考試改革，促進(jìn)考試事業(yè)發(fā)展為辦刊宗旨，全面反映國內(nèi)外考試科學(xué)研究的最新成果、介紹國內(nèi)外考試?yán)碚撗芯啃聞討B(tài)、探討考試改革和發(fā)展的新問題，集權(quán)威性、科學(xué)性、學(xué)術(shù)性、實(shí)踐性及可讀性為一體。主要內(nèi)容版塊有考試制度研究、考試?yán)碚撆c實(shí)踐、考試技術(shù)應(yīng)用、考試與評價(jià)等。讀者對象：國內(nèi)外及地區(qū)各級各類考試與評價(jià)機(jī)構(gòu)研究者和工作者，教育工作者，高等院校相關(guān)專業(yè)師生及其他與考試有關(guān)的人員。

　　習(xí)近平同志在2018年召開的全國教育大會上指出，要深化教育體制改革，健全立德樹人落實(shí)機(jī)制，扭轉(zhuǎn)不科學(xué)的教育評價(jià)導(dǎo)向，堅(jiān)決克服唯分?jǐn)?shù)、唯升學(xué)、唯文憑、唯論文、唯帽子的頑瘴痼疾，從根本上解決教育評價(jià)指揮棒問題。2020年6月30日，中央全面深化改革委員會第十四次會議審議通過《深化新時(shí)代教育評價(jià)改革總體方案》(以下簡稱《方案》)，對如何扭轉(zhuǎn)不科學(xué)的教育評價(jià)導(dǎo)向提出“針對不同主體和不同學(xué)段、不同類型教育特點(diǎn)，改進(jìn)結(jié)果評價(jià)，強(qiáng)化過程評價(jià)，探索增值評價(jià)，健全綜合評價(jià)”，為建立科學(xué)的、符合時(shí)代要求的教育評價(jià)制度和機(jī)制指明了方向。為確?！斗桨浮仿涞?，除政策層面的引導(dǎo)與支持、評價(jià)所涉各方的觀念轉(zhuǎn)變以外，評價(jià)領(lǐng)域自身的專業(yè)化建設(shè)至關(guān)重要。本文以語言測試為例，就語言評價(jià)領(lǐng)域的專業(yè)化建設(shè)提出一些意見和建議。

　　早在20世紀(jì)80年代，我國應(yīng)用語言學(xué)學(xué)科、語言測試學(xué)科奠基人桂詩春先生就指出，要實(shí)現(xiàn)考試現(xiàn)代化的“四化”——制度化、專業(yè)化、標(biāo)準(zhǔn)化、電腦化，其中“專業(yè)化”包含2個(gè)方面：一是建立一支教育測量的專業(yè)化隊(duì)伍;二是用教育測量學(xué)的專業(yè)知識武裝各級教育行政管理人員和廣大教師[1]。筆者認(rèn)為，桂詩春先生倡導(dǎo)的考試專業(yè)化在今天仍具有重要的現(xiàn)實(shí)意義。下面從語言測試相關(guān)人員評價(jià)素養(yǎng)的提升和語言測試標(biāo)準(zhǔn)的制定2個(gè)方面闡述語言測試領(lǐng)域的專業(yè)化建設(shè)。

　　1、語言測試相關(guān)人員評價(jià)素養(yǎng)的提升

　　語言評價(jià)素養(yǎng)指的是利益相關(guān)群體(如語言教師、考生、考試成績使用者、大學(xué)管理人員等)對評價(jià)理論與實(shí)踐的熟悉程度，以及將相關(guān)知識應(yīng)用于評價(jià)實(shí)踐的能力[2,3]。評價(jià)素養(yǎng)的缺失可能導(dǎo)致以下2個(gè)問題：一是教師傾向于使用終結(jié)性評價(jià)而忽視形成性評價(jià);二是評價(jià)結(jié)果往往會被誤用甚至濫用[4]。在過去的20年間，國際語言測試界在語言評價(jià)素養(yǎng)的理論建構(gòu)及實(shí)踐方面進(jìn)行了有益嘗試。2011年，第33屆國際語言測試研討會(LanguageTestingResearchColloquium,LTRC)設(shè)立語言評價(jià)素養(yǎng)專題。2013年，國際語言測試權(quán)威期刊LanguageTesting出版語言評價(jià)素養(yǎng)專刊，分別從評價(jià)基本要素——評價(jià)實(shí)施者和評價(jià)結(jié)果使用者視角[5]、評價(jià)素養(yǎng)定義——評價(jià)實(shí)施者和非評價(jià)實(shí)施者視角[6]、大學(xué)水平測試使用者的評價(jià)素養(yǎng)提升[7]、非語言評價(jià)從業(yè)人員的評價(jià)素養(yǎng)提升問題[8]等方面展開討論。就其定義而言，Boyles認(rèn)為語言評價(jià)素養(yǎng)包括對測試實(shí)踐的了解、多種評價(jià)手段的運(yùn)用、評價(jià)結(jié)果的解釋與分析，以及評價(jià)結(jié)果在教學(xué)中的應(yīng)用[9]。Inbar-Lourie建議構(gòu)建一個(gè)語言評價(jià)素養(yǎng)理論框架，該框架需包括有關(guān)語言評價(jià)的知識與相關(guān)研究，這些知識與研究基于理論和認(rèn)識論信念，并與教育學(xué)、語言學(xué)、應(yīng)用語言學(xué)領(lǐng)域的其他知識相關(guān)聯(lián)[2]。Davies提出語言評價(jià)素養(yǎng)的三要素，即評價(jià)技能、評價(jià)知識和評價(jià)原則：評價(jià)技能包括考試設(shè)計(jì)、評分、數(shù)據(jù)分析等方面的實(shí)踐能力;評價(jià)知識包括測量學(xué)、語言學(xué)等方面的知識;評價(jià)原則是指導(dǎo)考試開發(fā)和使用的理論基礎(chǔ)和倫理道德，如效度、信度、行為準(zhǔn)則等[10]。

　　我國對評價(jià)素養(yǎng)的關(guān)注相對較少，且不成體系。金艷通過調(diào)研我國高校語言測試課程的開設(shè)情況，發(fā)現(xiàn)課程雖基本覆蓋語言測試?yán)碚摵蛯?shí)踐的主要內(nèi)容，但在教育和心理測量方面的發(fā)展、命題實(shí)踐、測試的社會學(xué)問題等方面探討不夠[11]，提出我國語言評價(jià)素養(yǎng)研究的分類體系，并通過典型案例分析了語言評價(jià)素養(yǎng)研究的內(nèi)容和方法[12]。林敦來聚焦課堂評價(jià)中教師的評價(jià)能力，提出中小學(xué)英語教師語言評價(jià)素養(yǎng)參考框架[13]。概括起來，評價(jià)素養(yǎng)就是要知道為何評、評什么、如何評，建立科學(xué)的、符合時(shí)代要求的教育評價(jià)制度和機(jī)制，需要對這3個(gè)問題進(jìn)行深入思考。

　　1.1為何評

　　任何一項(xiàng)考試都有其目的，考試目的不同，評價(jià)方法不同，分?jǐn)?shù)解釋不同，結(jié)果的運(yùn)用也不同。從考試的用途來分，有成就考試、水平考試、學(xué)能考試和診斷性考試等。成就考試用來測量學(xué)生在一段時(shí)間內(nèi)完成某一教學(xué)大綱或教材的情況;水平考試用來測量考生是否達(dá)到某一水平;學(xué)能考試測量考生完成學(xué)業(yè)任務(wù)的能力傾向，主要用于預(yù)測考生進(jìn)入大學(xué)后的學(xué)習(xí)能力;診斷性考試與成就考試具有一定的相似性，測量學(xué)生掌握某一部分教學(xué)內(nèi)容的情況，所不同的是，診斷性考試的目的是直接獲得教學(xué)反饋信息，以便于教師改進(jìn)教學(xué)。

　　從評價(jià)與學(xué)習(xí)之間的關(guān)系來看，有3種評價(jià)：對學(xué)習(xí)的評價(jià)(assessmentoflearning)、促進(jìn)學(xué)習(xí)的評價(jià)(assessmentforlearning)、作為學(xué)習(xí)的評價(jià)(assessmentaslearning)。“對學(xué)習(xí)的評價(jià)”使用最廣泛，為廣大英語教師所熟知，無須贅言。“促進(jìn)學(xué)習(xí)的評價(jià)”近年來受到較多的關(guān)注，也有一些成功的實(shí)踐案例;但如何在評價(jià)過程中不斷尋找、解釋教學(xué)和學(xué)習(xí)過程中收集到的各類證據(jù)，確定學(xué)生的水平、學(xué)生需要達(dá)到的目標(biāo)以及如何才能取得最佳學(xué)習(xí)效果仍有較大的研究與探討空間。“作為學(xué)習(xí)的評價(jià)”旨在讓學(xué)生反思和掌控自己的學(xué)習(xí)進(jìn)程與進(jìn)步，以便確立未來的學(xué)習(xí)計(jì)劃。學(xué)生對自己的學(xué)習(xí)負(fù)責(zé)，要知曉評價(jià)的標(biāo)準(zhǔn)，確立學(xué)習(xí)目標(biāo)，制定達(dá)到目標(biāo)的方法和策略[14]。貫徹落實(shí)“四個(gè)評價(jià)”，要明確評價(jià)目的，充分發(fā)揮“對學(xué)習(xí)的評價(jià)”“促進(jìn)學(xué)習(xí)的評價(jià)”“作為學(xué)習(xí)的評價(jià)”3種評價(jià)方式的作用，為教和學(xué)提供有效反饋，以評促教，以評促學(xué)，實(shí)現(xiàn)教學(xué)質(zhì)量提升和學(xué)生能力提高這一總體目標(biāo)。

　　1.2評什么

　　語言測試，顧名思義，就是要測試語言能力，而語言是用來交際的，因此測試語言能力就是要測試學(xué)生的交際語言能力。國際語言測試終身成就獎獲得者LyleBachman提出的交際語言能力(communicativelanguageability,CLA)框架由3部分組成，即語言能力(languagecompetence)、策略能力(strategiccompetence)和心理生理機(jī)制(psychophysiologicalmechanisms)，其中：語言能力包括組構(gòu)能力(語法能力和篇章能力)和語用能力(施為能力和社會語言能力);策略能力把語言知識、語言使用者的知識結(jié)構(gòu)、語境結(jié)合在一起，在決定達(dá)到表達(dá)目的最佳方法時(shí)起到評估、策劃、執(zhí)行的作用;心理生理機(jī)制主要指語言使用的渠道和模式[15]。交際語言能力模型反映了人們對交際語言能力及其相關(guān)方面的基本認(rèn)識，為外語教學(xué)提供了基本的理論指導(dǎo)，也為語言能力考試的設(shè)計(jì)提供了堅(jiān)實(shí)的理論基礎(chǔ)、具體的操作方法和可行的評價(jià)原則[16]?！吨袊⒄Z能力等級量表》(以下簡稱《量表》)研制組以交際語言能力模型為基礎(chǔ)，從語言教學(xué)和社會需求的實(shí)際出發(fā)，將語言能力定義為：一個(gè)人理解和表達(dá)意義的能力，即語言使用者/學(xué)習(xí)者運(yùn)用自己的語言知識和非語言知識及各種策略，參與特定情境下某一話題的語言活動時(shí)體現(xiàn)出的語言理解能力和語言表達(dá)能力[17]。這一定義為中國語境下英語能力測試的構(gòu)念定義、命題細(xì)則編制等提供了重要參考。

　　1.3如何評

　　如何評是一個(gè)方法論的問題。測試者除需要了解測試開發(fā)的相關(guān)理論與方法外，還需要了解教育測量學(xué)知識，能夠?qū)y試結(jié)果進(jìn)行量化分析與質(zhì)性分析，對測試分?jǐn)?shù)作出科學(xué)解釋，并對測試結(jié)果予以妥善運(yùn)用，還應(yīng)能從社會學(xué)角度審視測試的公平性，對基于測試結(jié)果的決策作出理性判斷。筆者認(rèn)為，重點(diǎn)是要加強(qiáng)語言測試的效度研究及公平性研究。

　　效度是一項(xiàng)測試的價(jià)值所在，沒有效度的考試不能稱其為考試[18]。效度是證據(jù)及理論支持測試分?jǐn)?shù)解釋的程度[19]。效度驗(yàn)證貫穿測試的開發(fā)、實(shí)施和使用全過程。在語言測試領(lǐng)域，最具影響力也最具可操作性的效度驗(yàn)證框架有2個(gè)：一個(gè)是評價(jià)使用論證(assessmentuseargument,AUA)[20]，另一個(gè)是社會認(rèn)知框架(social-cognitiveframework)[21]。AUA框架通過4個(gè)主張有效描述了評價(jià)后效、決策、分?jǐn)?shù)解釋、評價(jià)記錄，以及考生表現(xiàn)之間的線性循環(huán)關(guān)系，強(qiáng)調(diào)了評價(jià)的公平性、公正性、穩(wěn)定性、充分性、關(guān)聯(lián)性等核心要素，為評價(jià)的設(shè)計(jì)及效度驗(yàn)證提供了理想的、實(shí)用的理論框架。社會認(rèn)知框架由6個(gè)部分組成，即考生特征、認(rèn)知效度、語境效度、評分效度、結(jié)果效度和準(zhǔn)則關(guān)聯(lián)效度。在這一框架下，考試所測的能力被視為考生的心理過程，即認(rèn)知的維度;考生用語言完成任務(wù)被視為一種社會現(xiàn)象，而不是純粹的語言現(xiàn)象。社會認(rèn)知框架明確了在考試開發(fā)、實(shí)施、評分等各個(gè)階段需要收集的各種效度證據(jù)[22]。為實(shí)現(xiàn)有效測評的目標(biāo)，需要建立常態(tài)化的考試效度驗(yàn)證機(jī)制，為考試的分?jǐn)?shù)解釋和使用提供支持。

　　教育公平是社會公平的重要體現(xiàn)，考試是迄今為止所實(shí)施的相對公平的人才選拔制度，對守護(hù)教育公平及社會公平起到了至關(guān)重要的作用。大規(guī)模、高風(fēng)險(xiǎn)考試的公平性無疑是教育公平的重中之重，歷來是我國政府和社會各界聚焦的重點(diǎn)。考試公平性問題在語言測試、教育測量等領(lǐng)域乃至整個(gè)社會日顯重要，應(yīng)予以充分的關(guān)注。國內(nèi)學(xué)者在借鑒國外相關(guān)理論與實(shí)踐的基礎(chǔ)上，在概念溯源及研究框架構(gòu)建、大規(guī)模高風(fēng)險(xiǎn)考試的公平性研究等方面進(jìn)行了有益探索，也取得了一些成績，但也存在一些問題，如中國語境下考試公平性研究的優(yōu)先級不明確，缺乏深度。此外，已有的實(shí)證研究多采用量化方法，質(zhì)性研究不足，部分涉考群體數(shù)據(jù)缺失，研究結(jié)果對實(shí)踐的指導(dǎo)意義有限。筆者認(rèn)為，有必要在全面梳理語言考試公平性研究框架的基礎(chǔ)上，結(jié)合中國的考試實(shí)踐、教育現(xiàn)狀和社會環(huán)境，提出具有較強(qiáng)可操作性的理論框架，并明確考試公平性研究的優(yōu)先級。

　　2、語言測試標(biāo)準(zhǔn)的制定

　　中國是考試大國。20世紀(jì)70年代后期，桂詩春先生把國際主流的語言測試?yán)碚撘胫袊?，設(shè)計(jì)開發(fā)了我國第一個(gè)英語水平考試——EnglishProficiencyTest(EPT)。從此，我國的語言測試研發(fā)取得長足的進(jìn)步。大學(xué)英語考試、英語專業(yè)考試、公共英語等級考試等大規(guī)?？荚嚍橥苿游覈⒄Z教學(xué)作出了重要貢獻(xiàn)，高考、研究生入學(xué)考試等高風(fēng)險(xiǎn)考試為推動科學(xué)選才、人才多元化培養(yǎng)目標(biāo)的實(shí)現(xiàn)提供了強(qiáng)有力支撐。但是，這些考試質(zhì)量如何?基于考試所做的決策是否科學(xué)?考試是否被誤用甚至濫用?涉考各方的責(zé)任與義務(wù)是否明確?是否有一整套標(biāo)準(zhǔn)來指導(dǎo)或規(guī)范考試從設(shè)計(jì)到使用的全過程?這些問題值得深思。

　　沒有專業(yè)的標(biāo)準(zhǔn)，就無法判斷考試質(zhì)量，也無法對考試使用是否符合倫理標(biāo)準(zhǔn)作出判斷[23]。美國心理學(xué)協(xié)會(AmericanPsychologicalAssociation,APA)早在20世紀(jì)40年代就組建了心理學(xué)道德標(biāo)準(zhǔn)委員會，并且制定了第一套道德準(zhǔn)則。歐洲語言測試者協(xié)會(AssociationofLanguageTestersinEurope,ALTE)于1994年頒布《歐洲語言測試者協(xié)會行為準(zhǔn)則》，并于2001年對其修訂，同時(shí)頒布了《歐洲語言測試者協(xié)會良好測試行為原則》。國際語言測試學(xué)會(InternationalLanguageTestingAssociation,ILTA)于20世紀(jì)90年代組建特別工作組，對各類標(biāo)準(zhǔn)和行業(yè)準(zhǔn)則進(jìn)行調(diào)研，在此基礎(chǔ)上成立由AlanDavies擔(dān)任組長的工作小組，著手制定《國際語言測試學(xué)會道德準(zhǔn)則》(ILTACodeofEthics)，并于2000年3月在溫哥華舉行的LTRC上獲得通過?！秶H語言測試學(xué)會道德準(zhǔn)則》是一份原則性文件，用于指導(dǎo)良好的職業(yè)行為。在此基礎(chǔ)上，ILTA又組織專家制定《國際語言測試學(xué)會實(shí)施指南》(ILTAGuidelinesforPractice)，于2007年6月在巴塞羅那舉行的LTRC上獲得通過。《國際語言測試學(xué)會實(shí)施指南》對各種語言測試環(huán)境下良好的語言測試實(shí)踐所要思考的基本問題、考試設(shè)計(jì)者和命題人員的責(zé)任、組織高風(fēng)險(xiǎn)語言考試機(jī)構(gòu)的義務(wù)、考生及利益相關(guān)群體的責(zé)任、測試使用者的責(zé)任、考生的權(quán)利與義務(wù)、課堂語言測試等方面提出了指導(dǎo)性原則。

　　在我國，楊惠中和桂詩春教授指出：“政府機(jī)構(gòu)相關(guān)部門應(yīng)盡快制定適合我國國情的《教育與心理測量標(biāo)準(zhǔn)》并頒布實(shí)施，起到‘量同衡’的作用。這是造福千百萬學(xué)子的重要舉措。”[24]2014年9月，國務(wù)院頒布《關(guān)于深化考試招生制度改革的實(shí)施意見》，明確提出要加強(qiáng)外語能力測評體系建設(shè)，首次從國家層面對我國外語教學(xué)和考試制度綜合改革提出具體要求。外語能力測評體系建設(shè)包括5項(xiàng)任務(wù)：制定中國英語能力等級量表，研發(fā)國家英語能力等級考試，推動外語考試內(nèi)容與形式改革，制定適合我國國情的外語考試質(zhì)量標(biāo)準(zhǔn)，逐步推行形成性評價(jià)和終結(jié)性評價(jià)相結(jié)合的評價(jià)體系。外語能力測評體系建設(shè)，從國家發(fā)展層面講，是實(shí)現(xiàn)新時(shí)期國家發(fā)展戰(zhàn)略的需要，是參與國際合作與國際競爭的需要;從人才培養(yǎng)的角度講，是科學(xué)選才、促進(jìn)公平的需要;從個(gè)人自身發(fā)展層面講，是促進(jìn)多種學(xué)習(xí)成果溝通互認(rèn)、構(gòu)建終身學(xué)習(xí)體系的需要[25]。經(jīng)過近4年的努力，《量表》研制工作順利完成，并于2018年正式頒布?！读勘怼窐?gòu)建起一個(gè)中國英語學(xué)習(xí)、教學(xué)與測評的完整理論體系和統(tǒng)一的英語能力標(biāo)準(zhǔn)，為我國英語課程大綱制定、教學(xué)、考試提供一套合適的能力參照標(biāo)準(zhǔn)[26]。筆者認(rèn)為，在現(xiàn)有工作基礎(chǔ)上，制定出臺適合我國國情的外語考試質(zhì)量標(biāo)準(zhǔn)并落實(shí)標(biāo)準(zhǔn)實(shí)施的保障機(jī)制迫在眉睫。

　　總之，以“四個(gè)評價(jià)”為抓手“扭轉(zhuǎn)不科學(xué)的教育評價(jià)導(dǎo)向”，順應(yīng)時(shí)代潮流，符合時(shí)代發(fā)展要求。通過評價(jià)領(lǐng)域的專業(yè)化建設(shè)推動教育評價(jià)改革，提升利益相關(guān)群體的評價(jià)素養(yǎng)，加快制定適合我國國情的考試質(zhì)量標(biāo)準(zhǔn)及標(biāo)準(zhǔn)實(shí)施的保障機(jī)制，對于提高人才培養(yǎng)質(zhì)量具有重要意義。

　　參考文獻(xiàn)：

　　[1]桂詩春.標(biāo)準(zhǔn)化考試:理論?原則與方法[M].廣州:廣東高等教育出版社,1986.

　　[12]金艷.外語教師評價(jià)素養(yǎng)發(fā)展:理論框架和路徑探索[J].外語教育研究前沿,2018(2):65-72.

　　[13]林敦來.中小學(xué)英語教師語言評價(jià)素養(yǎng)參考框架[M].北京:外語教學(xué)與研究出版社,2019.

　　[14]楊滿珍,劉建達(dá).基于形成性評價(jià)的大學(xué)英語教學(xué)實(shí)踐探究[J].外語電化教學(xué),2019(6):97-102.

　　[16]姜鋼,何蓮珍.構(gòu)建系統(tǒng)連貫的考試體系促進(jìn)英語教育教學(xué)和評價(jià)方式改革[J].中國外語,2019(3):4-10.

　　[17]教育部,國家語言文字工作委員會.中國英語能力等級量表:GF0018-2018[S].北京:高等教育出版社,2018.

　　[22]何蓮珍.《第二語言聽力測評研究與實(shí)踐》評介[J].外語教育研究前沿,2019(3):75-79.

　　[24]楊惠中,桂詩春.語言測試的社會學(xué)思考[J].現(xiàn)代外語,2007(4):368-374.

　　[25]林蕙青.貫徹落實(shí)《實(shí)施意見》推進(jìn)國家英語能力等級考試建設(shè)[J].中國考試,2015(7):3-6.

　　[26]劉建達(dá).我國英語能力等級量表研制的基本思路[J].中國考試,2015(1):7-11.