教育评价：让判断对应证据与规则
评价连接目的、证据任务与决策规则。百分比算对不证明任务测到了目标；反馈要能引导下一步才有形成性用途。本路线将设计、评分与决定一起检查。
学习计划与例题由 University Reading List 编辑整理。 编辑与选书方法 · 来源确认日期:
本页目录
这份指南适合谁
适合能辨识学习成果并计算百分比的教育学生与教师。McConlogue属高等教育，Wiliam侧重课堂证据与响应，Brookhart／Nitko涵盖测量和任务构建。下方分数与政策均虚构，无真实学生资料或机构规则。
选择你的起点
需要讲解评价与评分设计的免费教材
用McConlogue学习对齐、学业标准、校准与反馈；移到其他教育阶段须调整情境。
三本书如何取舍
Assessment and Feedback in Higher Education: A Guide for Teachers
Teresa McConlogue · 2020
免费教材，介绍高校评价与评分设计
- 什么情况下适合读
- 想连接成果、任务、共享标准与评分。
- 什么情况下选别本
- 需要所有学校通用手册，或希望量规消除判断。
- 建议阅读范围
- 2020免费PDF的3章课程设计、6评分者信度、7同伴评价、8反馈。
- 局限与取舍
- ISBN 9781787353640为PDF而非平装；完整免费阅读有具体转载条件，高校情境不能无调整移植。
选书前试做
写两项量规，并描述一项须校准而非求平均的分歧。
检查标准: 标准写可见证据与质量区别，数字总计不能解释分歧。
Embedded Formative Assessment（嵌入式形成性评价）
Dylan Wiliam · 版次: 2 · 2017
形成性证据与响应配套
- 什么情况下适合读
- 要在教学中取得理解证据并用来调整。
- 什么情况下选别本
- 要以技术清单代替核查用途和成效。
- 建议阅读范围
- 2017第2版ISBN 9781945349225，按标题选提取证据、反馈及学习者参与策略。
- 局限与取舍
- 课堂实践不同于心理测量专书，另行出版的handbook不是同一本；不猜页码或称全书免费。
选书前试做
设计一个短答提示，为两种可能反应分别写下一步教学。
检查标准: 题目能辨识目标误解，响应在学习尚可改变时使用证据。
Educational Assessment of Students（学生教育评价）
Susan M. Brookhart; Anthony J. Nitko · 版次: 8 · 2018
测量与任务构建主线
- 什么情况下适合读
- 需要区分效度、信度、反馈、表现任务与评分。
- 什么情况下选别本
- 期待一个信度值或及格线证明所有用途。
- 建议阅读范围
- 所选2018第8版纸书ISBN 9780134807072；3–4章效度／信度、7–8形成性评价／反馈、15评分。
- 局限与取舍
- 同页也有较晚数字产品，须匹配所选纸书年份；访问码与课件权限另计。
选书前试做
算原题加权分，再写任务设计能和不能支持的解释。
检查标准: 分开算术、成就证据与门槛，三者不能互代。
开始前需要会什么
判断什么？
列学习成果及能证明它的证据。回忆测验与应用项目即使都给百分比，也可能承担不同角色。
效度还是信度？
效度关乎特定解释／用途的证据，信度关乎结果一致性；一致地奖励错误对象仍有问题。
下方区间是什么？
题定可能分数集合，不是置信区间、标准误或及格概率；稳健决定须对集合中每个分数相同。
六步学习计划
已完成步骤: 0 / 6
勾选用于自我记录，不是成绩评定；标记不会发送给本站。
-
从目的到证据
建议阅读范围: 设计或目标／效度章节。
要做的练习: 画成果→任务→标准→决定。
检查标准: 每个所称成果都须有实际证据。
-
明定规则
建议阅读范围: 评分讨论。
要做的练习: 列满分、得分、权重、门槛及关键部分要求。
检查标准: 权重合1，原始满分不暗变指定权重。
-
算两种汇总
建议阅读范围: 原创分数包。
要做的练习: 算指定加权与原始合计百分比。
检查标准: 解释各自实际实施的权重。
-
检查评分区间
建议阅读范围: 评分者信度和变式。
要做的练习: 将项目分数区间传到决策规则。
检查标准: 题定集合不可称统计置信区间。
-
设计校准反馈
建议阅读范围: 校准／反馈或形成性策略。
要做的练习: 写一个评分比较及按标准可执行的反馈。
检查标准: 比较针对分歧，反馈给下一步而非另一数字。
-
审计决定
建议阅读范围: 评分与效度。
要做的练习: 说明分类是否稳定、需要什么证据和分数限制。
检查标准: 不能平均掉分歧或从总分推出未测能力。
原创例题与解析
原创分数包：满分不是指定权重
虚构课程测验18/20、项目48/80，指定权重测验40%、项目60%。及格须总分≥70%且项目≥60%。求总分和结论，再与原始分合计比较。
前提假设
原题分数精确，决定前不四舍五入，等于门槛也通过。测验题定测回忆，项目测应用，不提供经验效度或信度估计。规则纯属虚构。
- 测验90%、项目60%，加权0.40×90+0.60×60=72%。
- 总72≥70且项目60≥60，按题设及格；须逐项查两个条件。
- 原始合计66/100=66%，对应测验20%、项目80%的另一权重，不是指定40/60。
- 分数本身不证明任务支持所有学习主张；必要时分别报告回忆与应用证据。
答案与解释
指定总分72%、项目60%，满足双门槛及格；原始合计66%实施不同权重。
检验结果
核权重合1；若测验权重为w，同样作品总分60+30w。改权重是改决策基础，不是改作品。
改变假设，再做一题
改变假设：可能评分跨过门槛
项目真实得分仅知介44至52（含端点）/80，测验18/20精确，仍用40/60及原双门槛。求总分范围和及格是否稳健。
- 项目55%至65%；若原始项目分p，总分36+0.75p，范围69%至75%。
- 总分门槛要求p≥45⅓；关键项目门槛要求p≥48，故后者约束更强。
- p44不通过，p48总72通过，p52总75通过。允许区间跨48，不能对所有可能分数作同一分类。
答案与解释
总分69–75%，决定在原始项目48切换；现有证据不足以稳定分类，需要校准／复核确定分数。
检验结果
核端点和关键门槛。区间不是概率分布，不能据此算及格概率。
常见误区
原始合计冒充权重
加总点数让满分变成隐含权重。
一个总分代替学习主张
总分可能遮住不同成果或关键部分的证据。
把不确定性平均掉
争议分数求平均不证明判断合理，应看标准与作品。
进入下一阶段之前
- 能把学习主张对应任务及规则。
- 能复算权重与约束门槛。
- 能区分稳定决定、条件分数及复核所需证据。
参考来源与版本
来源确认日期:
- UCL Discovery: free complete assessment and feedback book
免费2020书支持高教设计、标准、校准与反馈。
- UCL Press: edition, format, contents and licence
PDF目录与格式书号锚定阅读。
- Solution Tree: Embedded Formative Assessment second edition
第2版提供形成性证据和行动，不是测量手册。
- Solution Tree: primary second-edition catalogue receipt
出版社将正文与另册手册分开，不虚构课堂效果。
- Pearson: selected eighth-edition print and assessment contents
所选平装明确属2018第8版更新，数字产品后来日期不改其身份。
这些是本站建议的学习活动，并非大学官方作业，也不代表对每本书逐页通读。