上礼拜去一所小学听课，四年级数学，讲的是小数乘法。孩子们算得飞快，课堂练习全对。下课我拉住一个小男孩问：‘0.5×0.8等于多少？’他脱口而出：‘0.4！’我又问：‘那你能举个生活中的例子吗？’他眨眨眼，愣了好几秒，然后小声说：‘我妈妈买菜的时候可能会用到……吧？’
你看，这就是我们现在最头疼的事——考试评价改革喊了这么多年，孩子们的分数确实好看了，可他们真的理解自己在学什么吗？
说实话，那一瞬间我有点沮丧。不是针对那个男孩，而是对那一张张工整的试卷。它们能证明什么呢？证明这个孩子会背口诀，会套公式，但不会把知识和真实世界连起来。我们想要的评价，到底是测出这种‘假装学会’，还是测出一个人真正的素养？
——对，我用的是‘素养’这个词，虽然它快被用烂了。
纸笔测试的尽头是什么
我见过太多这样的场景：初中生能解复杂的二次函数，但连自家的水费单都看不懂。你不觉得荒谬吗？
前阵子和一个教了二十多年物理的老师聊天，他狠狠吐槽：‘以前我们还能带学生去实验室捣鼓半天，现在呢？实验题全靠背步骤！’他叹了口气，‘考试评价改革要是再不改掉那种“纸笔定终身”，科学课就全完蛋了。’
我完全理解他的愤怒。纸笔能测的东西太窄了——记忆力、一定的推理能力，仅此而已。合作能力、创新思维、批判性思维，甚至那种在真实任务里才冒出来的韧性，全都被挡在考场门外。❗
不过话说回来，纸笔测试也不是一无是处。它公平，高效，成本低。怎么破？欧盟一些国家搞过‘表现性评价’，让学生花一两周完成一个项目，比如设计一个社区的节水方案。这里面有数据采集、有数学计算、有科学探究，最后还得汇报答辩。多真实！可老师们立刻跳起来——‘一个班四十个孩子，我怎么评得过来？’
过程性评价：理想很丰满
没错，过程性评价就是那个‘香饽饽’也是‘烫手山芋’。这几年教研活动里，专家们总在喊：‘要关注学习过程，不要只看结果！’一堆新名词砸过来：成长档案袋、课堂观察量表、学生学习日志……✅ 理念当然是好的。
可我亲眼见过一位班主任的办公桌：墙角摞着半人高的档案袋，里面塞满了学生平时的作品、自评表、互评表。她说：‘每学期末光是整理这些就得花一周，我还得写评语呢。你说，我到底是当老师还是当档案管理员？’
这就是现实。我们总把评价改革的重担压在老师肩上，却不给工具、不给时间、不改变评价的最终出口——中考高考看什么？还不是那几个分数！
问：那过程性评价会不会沦为形式主义？
答：会，而且已经出现了。有些学校搞‘电子档案袋’，家长比着谁收集的证书多，变成了一种新的攀比。真正的过程性评价，应该像北欧那样，老师用简短的故事描述孩子的进步，而不是打分。但我们的文化里，没有分数大家就焦虑，对吧？
我自己琢磨过一个办法：在课堂上用即时贴快速记录。比如小组讨论时，我看到某个平时沉默的孩子提出了一个绝妙的问题，就悄悄记下来，课后夹进他的档案袋。这样负担小，而且特别真实。但——这得小班额啊！我们动不动五六十人的班额，这招就算能行，老师也会先累垮。
多元评价怎么个‘多元’法
再往深里想，考试评价改革不能只纠缠‘怎么评’，还得想‘谁来评’。家长、同学、甚至社区都能参与。我女儿学校搞过‘阅读马拉松’，孩子们自己选书、做计划，然后家长和老师一起听他们‘说书’。那种热情！完全不是为了分数。
可一回到传统考试的语境，孩子立刻变脸：‘这道题几分？能不能多得两分？’我还是不太喜欢这种功利心，但能怪孩子吗？不能。整个系统都在用分数给娃‘贴标签’。
问：如果真搞多元评价，怎么保证公平？有钱人家的孩子不是更占便宜？
答：这个问题太犀利了。确实，表现性评价如果设计不好，会放大阶层差距——有的孩子暑假能去国外博物馆实践，有的孩子连本课外书都没有。所以评价任务必须基于共同资源，比如课堂上提供的材料。而且评分标准要极其透明，甚至让学生自己也能对照标准反思。公平不是一刀切的分数，而是让每个孩子看到自己的成长，哪怕起点不同。
去年我参与过一个实验：让初中生用废旧材料设计一个保温装置，然后测评其保温效果，并撰写科学报告。评分标准包括科学理解、工程设计、团队合作、报告质量等多个维度。孩子们的热忱让我惊讶——连班里最不爱写作业的那个男生，都蹲在角落反复测试。那一刻我想，考试评价改革要成就的，难道不是这种内在驱动吗？
技术来了，人往哪去
现在到处都在谈AI批卷、大数据评价。说实话，我既兴奋又害怕。兴奋的是，技术真的能减轻老师负担，比如作文智能评阅能指出语法错误、结构问题；怕的是，我们又把评价窄化为数字。一个孩子细腻的情感、天马行空的想象，算法能捕捉吗？❗
有次我用某个APP看班级的‘学情报告’，界面花花绿绿，孩子们被分成‘优异’‘达标’‘待提高’。我盯着那个‘待提高’标签，突然觉得特别刺眼——那是活生生的人啊，怎么就成了数据库里一行待优化的记录？
所以考试评价改革的终极命题，也许不是创造更精巧的尺子，而是学会欣赏不同的花。芬兰去年开始推行‘现象式教学’，完全打破学科界限，评价也变成描述性的。他们敢这么干，因为整个社会信任教师，不迷信排名。我们能吗？还差得远，但总得有人先迈一步。
（写到这儿，我想起那个四年级小男孩的眼神。他不是不会，是没有被问到对的问题。）