当前教育评价的弊端日益凸现，成为制约课改深入的瓶颈。在暑期举行的中美教育研讨会上，中美双方通过对比发现，中国的教育评价面临严峻的挑战：从过于重视选拔性评价，到关注学生发展性评价；从教师作为单方面的评价者，到既要评价学生，自身也要被评价。美国的教育评价体系在某些方面较为完善，比如有专门的立法，并有专业的高质量的教育评估机构，政策出台后能迅速采取一系列有效措施跟进，包括设置专门的机构、经费的投入等。 
双方代表表示，教育评价改革中，也许没有最好，但可以做得更好。
    中方：评价促教学
    北京教育学院校长研修学院副院长伍芳辉介绍了她与一线教师共同研究开发的一种教学模式——“基于评价的教学设计”。这个教学模式强调评价过程与教学过程相匹配，帮助教师在进行教学设计的同时进行评价设计。在教学过程中有效地收集学生的发展资料，最后通过对资料进行整理，分析学生的发展与教学目标的达成度，从而通过教学进行评价，通过评价促进教学。
    北京教科院的张爱兰老师展示了“小学生学业成就评价改革研究”课题组的研究成果。她指出，构建学生学业评价新体系包括：学业成就的评价理论框架、学业成就评价指标和评价标准体系、学业成就评价方法和工具体系、学业评价组织实施体系等。
    问题解决的能力是学生重要的基本素质之一。来自北京市东城区史家胡同小学的陈凤伟老师介绍了“评价小学生问题解决能力”的案例。陈老师说，问题解决能力的评价应从问题解决能力的构成来全面进行，通过评判学习工程和评判学习成果两个角度进行。评价方法可以采用：纸笔测验、问卷调查、访谈、情景观察、活动报告、作业分析等。
    美方：教评一体化
    随着“基于标准的教育改革”在美国推行，以及2001年新法案“不让一个孩子落后”（简称NCLB）在美国国会通过。人们越来越关注如何使州的教学标准与用来追究学校责任的标准化测试之间取得一致。NCLB法案为这一教学一体化规定了更高的标准。当前，应用最广泛的是三种方法：按序发展法、专家评论法和文献分析法。
    据哈科特测试公司研究部主任Betsy Case 博士介绍，近来，美国教育研究者们将教育评价一体化这个概念进行扩展，区分出“横向一体化”和“纵向一体化”，严格的学业标准是二者的基石。“横向一体化”是指教学要与评价一致，目的是建立可信的衡量学生学业成就的数据来源；“纵向一体化”涉及到教育教学的方方面面，包括课堂教学、教育效果、教育利益相关者的意见等。
    为了给学习有障碍的学生提供更多的学习机会，美国教育部制定了特殊的学习标准和方法。特殊人群项目主任Sue Bechard说，通过对各州的考察和研究，现在形成了两个评价体系——“任务型评价”和“指导性评价”。“任务型评价”是指教师指定任务，学生去完成，教师根据学生的任务完成情况给出最后的成绩；“指导性评价”主要是教师对每个单元的学习给出指导性建设和评语，以解决有学习困难学生的学习内容难度大和学习方法之间的矛盾。
    档案袋评价“老少”皆宜
    档案袋评价又叫做“成长记录袋评价”，是指以档案袋为依据对评价对象进行的客观的、综合的评价。美国心理学家加德纳认为，档案袋评价是一种持续的、自然的评价形式，可使学生成为主动学习者。
    英语特级教师、光明小学马荣花老师认为，用档案袋评价的方法，是对小学生英语学习评价的改革尝试，它使学生进一步感悟英语、发展自我、培养创新意识，对英语产生浓厚的兴趣。通过多元的信息反馈，使教师与家长、学生与家长、家长与老师获得更多有效的沟通，形成了“三结合”的教育评价模式。
    档案袋的评价方法不仅在小学适用，在高校同样也是评价的典范。浙江师范大学田家炳教育学院的施章清教授说，以前的评价是一种选拔性的，致使一些学生因一分或一名之差而与三好生无缘。而档案袋评价能够反映学生的成长轨迹，包括了对学生认知水平和认知过程中的情感评价，因此成为了高校学生评价的有效途径。
    在新课改的“评价建议”部分，大家都提倡创建和使用档案袋，这不仅仅是评价体系的变革，更重要的是评价理念、评价方法与手段以及评价实施过程的转变。
    两只桶变四只桶
    “青蛙和蛤蟆有什么区别？”美国哈科特测试公司产品研究和创新高级副总裁Margaret A. Jorgensen这样提问，并给出了四个选项，其中只有一项是正确答案。他把这四个选项的答案称为“两只桶理论”，即一只桶代表了唯一的正确答案，另一只桶则代表了其他三个非正确答案。他提出，成绩报告一向是向教师们证明哪些考题是学生们可以正确回答的，以及每一个问题设计的衡量标准是什么；而教师所欠缺的，是不了解那些没有正确答题的学生到底是怎样理解问题的。因此，应该把两只桶的答案变为四只桶。
    “以前在课堂上都是为了讲题而讲题，只告诉学生们选‘A’是正确的，而不去更多地解释为什么不选‘B、C、D’。” 昌平区平西府中学徐春艳老师感同身受，“现在我明白了所有错误的原因是不同的，今后会在这方面更加注意。”
    “不让一个孩子掉队”
    美国正在实施2001年通过的“不让一个孩子掉队”的教育法案，它要求到2013至2014年所有的学生都能在阅读和数学方面达到较高的成绩标准。
    美国教育部长Spellings在国家家庭教师协会的年会上称赞说，这将为数百万儿童提供一个“坚固的教育基础”。她说：“我们都知道，成功的‘门票’是坚实的教育基础。我们民主政治的未来，我们的经济和基本生活条件都依赖于此。”
    教育厅长办公室的评估专家Nancy Arnold在论文报告中提到，所有普通学生以及在学校、学区和州范围内的四个特殊“亚群体”学生都必须达到这个目标。这四个“亚群体”包括：主要民族的学生、经济条件不好的学生、英语不好的学生以及受特殊教育的学生。Nancy主要探讨了在缩小不同地区特殊教育的成绩差距方面应采取的措施。
    肯塔基州布恩县学校辅助学习服务中心副主任Patricia L. Murray介绍说，为了实现教育法案，教师在课上、课下以及通过计算机辅助教学等方式为学生提供帮助，他们可以从已有的服务软件中选用适应学生需求的材料，对学生的问题每两个月监控一次，采用多种评估方法测定学生的进步。
    ■　链接
    学者认为教育评价起源于中国
    世界许多教育学者都认为，教育评价起源于中国。早在西周时期，中国就有了对学生质量进行考评的制度。中国第一部教育专著《学记》，对学生的考核进行了较为详细的论述：“比年入学，中年考校。一年视离经辩志，三年视敬业乐群，五年视博习亲师，七年视论学取友，谓之小成；九年知类通达，强立而不反，谓之大成。”可见，中国早期就有了对学生质量考核的严格规定。
    西方教育评价发展四个时期
    对西方教育评价理论的发展，美国评价专家库巴和林肯把它划分为四个时期：
    第一代教育评价：以测量技术的大量运用为特征的测验测量时期，盛行于19世纪末到20世纪30年代。这一时期的标志是测量技术的大量运用。
    第二代教育评价：以描述教育目标达成情况为特征的描述时期，是20世纪30年代伴随美国“八年研究”而兴起的，一直持续到1940年左右。这一时期以美国著名评价专家泰勒的评价思想为代表。
    第三代教育评价：以制定一定的标准作为价值判断依据的时期，萌生于1957年美国因前苏联卫星上天而发动的教育改革，持续到20世纪70年代。这一阶段的显著特征是，用一定的标准去衡量所得结果是否达到既定目标，并做出“价值判断”。
    第四代教育评价：以服务为目的、评价主体与评价对象平等协商为特征的建构时期，萌生于20世纪80年代初，随着对课程改革运动的深刻反思而产生，延续到如今。这一阶段的主要观点是，认为评价的意义在于服务。