概言之，自从人类开办了学校，就开始了学生评价。学生评价历史悠久，源远流长，其发展轨迹大致可以划分成三个时期，即考试制度时期、教育测验时期和学生评价时期。

一、考试制度时期

中国发明了考试，考试的故乡在中国。孙中山曾经说过：“英国行考试制度最早，美国行考试才不过二三十年，英国的考试制度就是学我们中国的。”^①

1. 战国时期的《学记》

考试制度的历史可以追溯到奴隶社会。早在我国奴隶社会的西周时期(公元前11世纪——公元前771年)，就建立了“考校”与“考选”的制度。战国时期的教育名篇《学记》详细阐述了当时的考试制度：“比年入学，中年考校。一年视离经辨志，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，强力而不反，谓之大成。”这段文字表明，中国古代早就形成了一套完整且规范的考试制度。

(1) 规定明确的修业目标

学生修业目标分为“小成”和“大成”两个阶段，并且把“知类通达，强力而不反”列为学生完成修业的最高标准。

(2) 规定明确的修业年限

学生修业年限为九年，前后分为七年和二年两个阶段。第一阶段“合格者”方可进入第二阶段学习，直至全部考试合格才准予毕业。

(3) 规定严格的考试频率

在修业九年期间，每隔一年只考查学生一次，而不是每年考试、每月考试、每周考试或随意考试。控制考试次数或降低考试频率可以减少考试泛滥对学生学习的干扰，可以让学生充分合理地安排学习时间，培养和发展自己的兴趣、爱好、特长和志向，可以督促教师随时提高教学质量，而不是等到考试以后才发现教学中存在的问题。更重要的是，可以提高考试的权威性和严肃性，确保社会、学校、教师、学生和家长对考试的敬畏和重视。这个道理非常浅显。如同有人经常问道：奥运会为什么如此受人尊崇？奥运会奖牌的含金量为什么如此高？答案是：因为奥运会每4年只举办一次。相对运动员的运动生命而言，4年时间是那么漫长，那么遥远和那么煎熬，运动员的最佳竞技状态和颠峰时期很难延续4年以上。

(4) 规定严格的考试内容

考试内容既要考查学生“离经辨志”、“知类通达”等学业成就，还要考查学生“敬业乐群”、“博习亲师”等道德操守。前者强调学生掌握学业知识的能力，后者侧重学生人格养成、社会实践的能力。众所周知，教育的根本任务是培养一个完整的人，而不是单纯培养一个人的知识掌握，因此考试内容不仅应该考查学生的知识，而且应该考查学生的品行、能力等诸多方面。

2. 隋唐以后的科举制度

科举制度起源于隋朝，经过唐朝的发展以及宋朝、元朝、明朝和清朝的演变，逐步形成了一套行之有效的、相当完善的考试制度。

(1) 实施学校常规考试

初唐时期，国子监建立了常规的考试制度，不仅举行旬试、月试、季试、岁试和毕业考试，而且确定了平时考试、学年考试和毕业考试相结合的考试制度，这在学校考试史上具有里程碑式的意义。

(2) 举行逐级选拔考试

科举考试大致分为地方考试、省级考试和中央考试三种类型。考生首先参加县试，然后参加府试。通过的考生被称为“童生”，有资格参加由各省学政(或称学道、学台)主持的院试。院试录取者称为“生员”，即俗称的“秀才”。在省城举行的省级考试称为乡试，乡试录取者称为举人。第一名举人称为解元。举人可于第二年进京参加在礼部举行的中央考试，即会试。会试录取者称为贡士或中式进士，第一名称会元。会试后，凡贡士或中式进士均参加殿试。殿试是科举制度中最高一级的考试。殿试后，按三甲(三等)公布成绩和放榜，一甲三人称“进士及第”，二甲若干人称“进士出身”，三甲若干人称“同进士出身”。一甲第一名称状元，一甲第二名称榜眼，一甲第三名称探花，合称三鼎甲。如果乡试、会试、殿试均考取第一名，即解元、会元和状元获得者，俗称“连中三元”。殿试以后，无须再经吏部考试，可以直接授官。

(3) 采用多种考试方法

(a) 帖经

亦称“帖文”或“试帖”，类似现在的填空题。由主试者将经书任揭一页，任取其中一行，将左右两边蒙上，然后裁纸为帖，遮盖其中三个字或五个字，要求考生将被遮盖字写出来。

(b) 墨义

类似现在的简答题。由主试者从经书中提出若干问题，要求考生根据书中原文内容进行笔答，无须解说。如：

试题：“子谓子产^②有君子之道四焉，所谓四者何也？”(试题大意是：孔子评论子产说：他有君子的四种道德。是哪四种呢？)

(c)策问

类似现在的政论题。由主试者根据当时政治、经济、文化、军事、生产等现状，提出亟待解决的问题，由考生发表见解，作出书面回答。如：

朝鲜为中国藩属宜如何保守论。^③

中国近讲求富强之术当以何者为先。^④

(d) 诗赋

类似现在的作文题。主试者要求考生当场写作诗赋一篇，主要考查考生的文学修养和文学创作能力。

(e) 口试

类似现在的口试题。由主试者面对面向考生提问，要求考生当场口头回答问题，或者由主试者将考题制成考签，由考生任意抽取，经若干时间准备后，作出口头回答，主试者可以视考生回答情况继续追问或补充提问。

到了清朝末年，由于政治日趋腐败，科举制度日趋没落，防止科场舞弊的一系列措施流于形式，不但没有革除科举制度的痼疾，反而使它有了进一步恶化。尽管统治者对舞弊的处分特别严厉，但是科举制度本身的诸多诟病，导致舞弊成风，愈演愈烈。文章本无定式，可是八股文规定了繁琐的定式，逐渐演变成一种官僚式文体，最后成了一切僵死文字的总代表。

1903年，袁世凯、张之洞等人上书，要求废除科学制度，确定废除科学制度的具体步骤和最后期限，并提出了按科递减的方案。1905年，光绪采纳袁世凯“推广学堂必先停科举”的奏议，决定从1906年起，所有乡试、会试和各省岁科考试一律停止。这标志着，有着一千三百多年历史的科举制度终于被废除，有着七百多年历史的八股文也寿终正寝。

虽然中国的科举制度废止了，但是自由报名、公开考试、平等竞争、择优选拔等考试原则，以及帖经(填空题)、墨义(简答题)、策问(政论题)、诗赋(作文题)、口试等多样化的考试方法一直延续至今，并且得到了西方国家政府与学校的推崇和采用。明万历十年(公元1582年)，意大利传教士利玛窦把我国的科举制度传入欧洲，被西方人称为“先进的选拔人才的制度”。此后，世界各国不断进行考试改革，以期实现考试的科学化和现代化。如今，考试制度已经成为一个重要的研究领域，称“考试学”(examinational science)。

二、教育测验时期

19世纪中期是心理测量形成、发展和盛行的时期，教育测验应运而生。教育测验大量吸收了心理测量的基本原理和技术，努力追求学生成绩评定的客观标准。教师普遍扮演了“教育测验技术员”角色，他们采用各种量表测定学生的知识记忆或某些特质。进入20世纪后，教育测验步入高速发展的阶段，被称为“测验时代”。教育测验的发展经历了两个阶段：第一，测验量表的推广；第二，标准化测验的推广。

1. 测验量表

1864年，英国教师费希尔(George Fisher)深感学生成绩的评定缺乏客观标准，因为仅仅凭教师的主观判断，无法做到公平和公正。于是，他收集了学生书法、拼字、算术、语法、作文、历史、自然、图画等学科成绩的样本，并依据一定的标准，编制了《量表集》，以此作为评定学生成绩的参照标准。《量表集》采用5分计分制，费希尔为5分、4分、3分、2分和1分配备了相应的样本。教师评定学生时，可以参照《量表集》提供的样本，给出相应的分数。

1897年至1898年期间，美国学者莱斯(Joseph Rice)对三万多名小学生进行了拼字测验，旨在检验拼字教学时间对教学效果的影响程度。莱斯公布了20个学校16000名学生的拼字测验成绩。结果表明，在8年中每天花45分钟与每天花15分钟进行拼字练习的学生测验成绩并没有显著差异。当时，尽管这个结果遭到许多人的反对，但它引起了人们对教育测验的普遍关注，推动了教育测验问题的研究，莱斯由此也被称为教育测验的创始人。

20世纪初，桑代克(Edward Lee Thorndike)等人深受费希尔的影响，把心理测量和统计的基本原理和方法运用于教育，使教育测验走上了科学化的道路。桑代克是教育测验的代表人物，认为：“凡是存在的东西必然有其数量，凡是有数量的东西必然能够度量。”^⑤ “凡是存在着的东西，都是以某种量的形式而存在。彻底的信识不仅包括质的方面，也包括量的方面。”^⑥

此后，教育测验的重点定格在各种测验量表的编制方面。目前，许多国家还在继续使用测验量表。在美国州教育厅的网站上，可以很容易地查阅到一些学科的测验量表以及评分规则。现在，这些测验量表也被称为“参照作业样本”，其中包括了表示各个等级的学生作业样本，便于教师、学生和家长把学生的作业与“参照作业样本”进行比较。

2. 标准化测验

19世纪末20世纪初，美国教育界大力推崇教育测验的理论与方法，掀起了一场“科学测验运动”，在各门学科采用教育测验，如算术测验、阅读测验等，其直接结果和最大成果就是大规模地推行标准化测验(standardized test)。

标准化测验的目的是提高测验的准确性、可靠性和可比性。它要求测验的每一个环节都要达到标准化，包括测验题目的标准化、施测过程的标准化、评分和计分的标准化以及评价结果解释的标准化。在施测时，让全体考生在相同的测试环境里，回答同样的测验题目。由于测验题目、施测条件、评分和计分都是“标准化的”，因此就提高了评价结果的准确性和可靠性，不同学生、不同班级、不同学校或不同地区之间的分数也就有了可比性。

到了20世纪30年代，“客观试题”(亦称“选择性反应题”)开始风靡，显示出客观、公正、容易批改、计分方便等优势，如选择题(多项选择题)、正误判断题(是非题)、匹配题(配对题)、完型填空题、排序题等。最初，标准化测验的编制与阅卷主要采用人工方式。随着计算机技术的介入，编制和阅卷工作开始依靠题库和机器。最近几年，由于文档扫描技术和计算机驱动的文件管理系统的问世，处理书写答案和计分已经达到相当准确、高效的水平，美国在州一级的物理、化学、社会学的标准化测验中，已经开始尝试引进简答题。

多少年来，人们过度且盲目地推崇标准化测验，把目光聚焦在它的优势方面，从而忽略了它的弊端。大家总是认为，标准化测验具有很高的“分辨率”，能够精确地判断学生的学业水平。然而，在推行过程中，其优势和缺陷逐渐显现出来。应该说，标准化测验有别于传统的考试制度，其科学性达到了前所未有的高度，不是传统的的考试方法可以比拟的。在测定学生的学习结果的过程中，它将数学方法渗透到各个环节，发挥着特殊的作用。然而，标准化测验并不是一个“分辨率”很高的的测量工具，它比较适合数学、物理、化学等学科，而美术、音乐等学科比较适合采用定性分析的方法。

其实，“客观试题”也没有常人想像的那样完美无缺，其客观性也值得怀疑。所谓“客观”，仅仅是指评分时的“客观”，因为客观题只有一个标准答案或一个最佳答案，学生选择的答案只能非对即错。绝对客观是不存在的。在编制客观试题的过程中，根本不可能达到绝对客观的要求。考查哪些内容？编制多少试题？如何表述试题？设置什么干扰项(模棱两可的错误答案)？在思考和判断此类问题时，必然反映出试题编制者的个人倾向、个人意向、个人经验或个人观点。况且，无论考生水平如何(甚至一窍不通)，只要他们借助猜题手段，都可以获得一定的分数。多项选择题备有A、B、C、D四个选项，考生的猜中率可以达到25%；正误判断题只有正误两个选项，考生的猜中率可以高达50%。在测试期间，谁也无法阻止考生的猜题行为，考生最后获得的成绩并不“客观”，它没有真实反映考生的实际水平，因为其中一部分是考生的实际成绩，另一部分是考生猜题的成绩。此外，“客观试题”难以考查学生的能力、情感、态度、兴趣等，只能判断出学生学业的大致水平。

(三) 学生评价时期

1930年以后，进入了学生评价时期，其代表性事件是“八年研究”和替代性评价革命。在这期间，教育测验还是一个重要的评价工具，但不再是唯一的评价工具，教师也不再是纯粹的“教育测验技术员”。

1. “八年研究”

“八年研究”(the Eight-Year Study)，亦称“三十校实验”。1933年—1940年，美国进步教育协会以杜威的教育理论为依据，就中等教育与大学的关系问题开展了一项调查研究活动，因历时八年，故得名。“八年研究”不仅对美国教育产生了重大影响，而且奠定了学生评价的理论基础，促进了学生评价实践的发展，使学生评价成为改进教育、教学、课程与管理的手段之一。

1942年，艾金发表了题为《“八年研究”的历程》的研究成果报告，第一次使用了“教育评价”(educational evaluation)这个专业术语，详细阐述了评价原理和方法，并以全面发展学生的才能为主要目标，悉心设计出一系列有别于教育测验的评价方法。当时，“教育评价”这个专业术语的内涵比较狭隘，近乎“学生评价”的同义词，还没有涉及到教师评价、课程评价和学校评价。这个报告的主要思想可以概括如下：^⑦

·教育是一个使受教育者的行为方式发生变化与改进的过程，学生评价要测定受教育者在教育的作用下达成教育目标的程度。

·教育不是单纯地传授知识，学生评价也不是单纯地测定学生掌握知识的程度，应该从人的全面发展的角度，对学生的智能、思想、志趣、理想、健康等作出全面的评价。

·学生评价不仅要测定学生个人的发展程度，而且要测定影响学生发展的各种因素，如教师、课程、教材、学校等的因素。

·学生评价不仅包括纸和笔的测试，而且包括一系列新的方法。

·学生评价应从原先单测知识的教育测验方法，转变为综合运用各种有效的方法。

《“八年研究”的历程》被誉为“划时代的教育评价宣言”，其提出的评价原理和方法不仅在美国被广泛采用，而且很快传至世界各地，被许多国家竞相采用。

2. 替代性评价革命

20世纪80年代末至90年代，美国掀起了一场替代性评价革命(alternative assessment)。替代性评价革命，亦称“替代性评价运动”或“寻找替代标准化测验的运动”，旨在设计出能够替代标准化测验的评价方法。

当时，美国教育界普遍感受到，在学生评价过程中，仅仅采用标准化测验已经无法满足现实的需要。标准化测验不应像过去那样，继续占据学生评价的主导地位，必须改变过分依赖标准化测验的状况，转而开发和使用更加科学有效的评价方法。

在替代性评价革命期间，出现了许多新的学生评价方法，如真实性评价(authentic assessment)、表现性评价(performance assessment)、学习档案袋评价(portfolio evaluation)、学生参与式评价(student-involved assessmen)等。尽管这些方法的着眼点有所不同，但它们都在试图克服标准化测验的缺陷。替代性评价的主要特征包括：不仅鉴别和选拔学生，而且诊断和促进教与学；不仅评定学生学习和掌握基础知识和基本技能的程度，而且评定学生综合运用多门学科基础知识和基本技能的能力；不仅评定学生的博学，而且评定学生智力、社会、情感、身体等多方面的潜能和素质，如创新能力、实践能力、社交能力、团队精神、情感、习惯等。

这里，比较一下标准化测验的试题与替代性评价的试题。我们可以发现，标准化测验试题比较适合考查学生对知识的掌握，替代性评价试题不仅考查学生对知识的掌握，而且考查学生对知识的综合运用以及创新能力、实践能力、团队精神、合作态度等。

标准化测验试题：请用直线对下列省份与省城进行匹配。

               江苏省           济南市

               江西省           杭州市

               山东省           福州市

               福建省           南昌市

               浙江省           南京市

替代性评价试题：请为当地编制一本简易的旅游手册，内容包括历史、地理、旅游景点、交通工具等信息。

随着替代性评价革命的深入和发展，人们逐渐感受到：替代性评价倡导的学生评价理念，确实视野开阔，令人眼睛一亮，与之相配套的学生评价方法确实弥补了标准化测验的某些不足。然而，最近几年，一些教师开始对替代性评价方法提出了一连串的批评，如：替代性评价方法比较耗财，比较费时，对教师要求太高，难以确保评价结果的客观和公正，等等。

四、结语

可见，学生评价的发展轨迹是一个不断传承和创新的过程。考试制度、教育测验和学生评价始于不同时期，但是它们都一直延续至今，并各具特色。最早问世的考试制度并没有因为教育测验的出现而突然消亡，教育测验也没有因为学生评价的兴起而戛然而止。

在漫长的发展过程中，考试制度、教育测验和学生评价并驾齐驱，不断完善。它们之间不是后者取代前者的关系，而是外延不断扩大和内涵不断丰富的过程。与考试制度和教育测验相比，学生评价的方法更加多样，学生评价的范围也更加宽泛。

当然，我们也不无遗憾地发现：我国发明了考试，曾遥遥领先于世界几千年。但是现代意义上的“教育测验”和“学生评价”却先后发韧于英国和美国，我国仍然处于引进和借鉴他人研究成果的阶段。这个历程与我国从强盛到衰弱的发展历史基本吻合，与世界科学、技术、经济、文化的重心从欧洲逐渐移向美国的发展态势也基本吻合。如今，中国和平崛起，再创华夏辉煌，我国应该在考试制度、教育测验和学生评价以后的“后学生评价时代”有所作为。