形成性教育评价国际论坛如何做好专业翻译？从Formative Assessment、Feedback到Rubrics与数字化评价

发布日期：2026-08-09

形成性教育评价国际论坛与普通教育会议不同，它关注的并不只是“学生最后考了多少分”，而是：

学生在学习过程中处于什么位置？遇到了什么困难？教师如何通过评价和反馈调整教学？学生又怎样根据反馈继续学习？

公开报道显示，第六届形成性教育评价国际高峰论坛于2026年4月在上海举办。形成性评价本身也是当前国际教育评价研究的重要方向。OECD将其概括为一个持续过程：教师明确学习目标、了解学生当前学习状况、给予反馈，并根据学生思维和学习表现调整教学。

心译翻译曾为第六届形成性教育评价国际高峰论坛提供专业语言支持，相关项目案例可参见：第六届形成性教育评价国际高峰论坛共探教育评价创新。

这类会议真正需要翻译的，是一条完整的教育逻辑：

Learning Goal → Evidence of Learning → Assessment → Feedback → Instructional Adjustment → Student Progress。

一、Formative Assessment到底是什么？

Formative Assessment

通常译为：

形成性评价。

它强调在：

Learning Process / 学习过程

中持续了解学生的学习状态，并把获得的信息重新用于：

改进教学和促进学习。

OECD将形成性评价描述为通过频繁了解学生学习进展，识别学习需要，并据此调整教学的过程；其2025年教学研究进一步强调学习目标、学习诊断、反馈以及根据学生思维调整教学之间的连续循环。

所以：

Formative Assessment ≠ 多考几次试。

真正关键的不是：

有没有Assessment，

而是：

Assessment之后发生了什么。

二、Formative Assessment和Summative Assessment不能混

教育评价会议最基础的一组概念就是：

Formative Assessment
形成性评价

以及：

Summative Assessment
总结性评价 / 终结性评价。

可以简单理解为：

形成性评价

更关注：

学习正在发生的时候，怎样继续改进。

总结性评价

更多关注：

一个阶段结束以后，学习结果达到什么水平。

例如：

课堂提问后发现多数学生没有理解某个概念，教师重新讲解，

属于典型的形成性功能。

而：

期末考试给出最终成绩，

通常更偏总结性评价。

OECD也指出，两类评价并不是必须完全割裂，外部和总结性评价获得的数据也可能反过来支持课堂教学改进。

三、Assessment for Learning为什么也是高频词？

国际教育会议中经常看到：

Assessment for Learning / AfL

即：

促进学习的评价 / 为学习而评价。

它强调：

评价并不是学习结束以后才发生的事情，

而应该：

服务学习本身。

因此教育评价里经常会区分：

Assessment of Learning
Assessment for Learning。

前者更关注：

学到了多少。

后者更关注：

怎样利用评价推动下一步学习。

UNESCO也强调，学习评价的重要功能之一，就是帮助理解学习者掌握了什么、能够运用什么，并利用这些信息改善教育质量和学习。

四、Feedback为什么不是简单“老师点评一下”？

形成性评价最重要的词之一就是：

Feedback / 反馈。

但真正有效的Feedback并不是：

“很好。”

“继续努力。”

“还需要加强。”

更加有价值的反馈需要帮助学生理解：

我的目标是什么？

我现在做到哪里？

哪里存在问题？

下一步可以怎样改进？

OECD指出，形成性评价中的反馈需要建立在教师对学生当前理解程度的判断之上，并进一步用于支持学生进步和调整教学。

所以：

Feedback不是评价结束时的一句话，而是下一轮学习的起点。

五、Learning Goal和Success Criteria为什么特别重要？

如果学生不知道：

今天到底要学会什么，

评价就很难真正发挥形成性作用。

因此论坛中经常出现：

Learning Goal / Learning Objective
学习目标

以及：

Success Criteria
成功标准 / 达成标准。

例如写作课不能只告诉学生：

“写一篇好文章。”

而可能进一步明确：

是否有清楚的论点；

是否使用证据；

段落是否形成逻辑；

是否能够回应题目。

这时评价的作用，就是让学生知道：

“好”究竟意味着什么。

OECD也把清晰的学习目标视为形成性评价持续循环的重要起点。

六、Rubric为什么不能简单翻成“评分表”？

教育评价会议非常高频：

Rubric

通常可以译为：

评价量规 / 评分量规。

它不是简单的一张：

100分打分表。

Rubric通常会把一个复杂任务拆成若干评价维度，并描述：

不同表现水平分别是什么样子。

例如演讲评价可能包括：

Content
Organization
Evidence
Language
Delivery。

每一个维度又可能设置：

Beginning → Developing → Proficient → Advanced

等不同表现等级。

因此Rubric真正发挥的作用是：

把抽象的学习目标变成可以观察和讨论的标准。

七、Classroom Observation为什么不是普通“听课”？

论坛还可能讨论：

Classroom Observation / 课堂观察。

它不只是：

有人坐在教室后面看看教师讲得怎么样。

真正专业的课堂观察可能记录：

谁在回答问题；

学生参与程度；

教师如何提问；

学生出现什么误解；

教师如何回应学生答案；

学习活动有没有产生预期效果。

因此课堂观察也可以产生：

Evidence of Learning / 学习证据。

形成性评价真正需要的是：

通过学生的实际表现判断学习状态，

而不是只根据：

教师有没有把课程讲完。

八、Eliciting Evidence of Learning为什么很难直译？

国际形成性评价研究中经常出现：

Elicit Evidence of Learning

其核心意思是：

通过课堂活动获得能够反映学生学习状态的信息。

例如教师提出一个问题，

并不是为了：

检查有没有人听课。

而是在判断：

学生是否真正理解了这个概念。

这时：

questioning
classroom discussion
short task
quiz
exit ticket

都可能成为：

收集学习证据的工具。

所以翻译时必须理解：

evidence

这里并不是法律意义上的“证据”，

而是：

能够判断学习状态的信息依据。

九、Exit Ticket为什么会出现在教育评价会议？

形成性评价实践中有一种常见工具：

Exit Ticket / Exit Slip。

通常是在一节课结束前，让学生快速回答一个或几个问题。

例如：

今天最重要的概念是什么？

哪个部分你仍然不理解？

请用一句话解释刚刚学习的概念。

老师不是为了：

给Exit Ticket打一个正式分数，

而是希望快速判断：

下一节课应该继续教什么。

这正是形成性评价与普通测验最大的区别：

数据必须改变下一步教学行动。

十、Self-assessment和Peer Assessment为什么也是核心概念？

形成性评价并不意味着：

永远只有教师评价学生。

还可能包括：

Self-assessment
自我评价

以及：

Peer Assessment
同伴评价。

学生可以根据Rubric检查自己的作品：

哪些标准已经达到？

哪些地方还需要改？

同伴之间也可以根据明确标准：

提供具体反馈。

这背后的教育目标之一，就是让学生逐渐从：

被评价者

变成：

能够理解质量标准、判断自己学习状态的人。

十一、Student Agency为什么越来越重要？

现代教育会议越来越常出现：

Student Agency

通常可根据语境译为：

学生能动性 / 学习主体性。

OECD在形成性评价研究中也强调，教师需要帮助学生参与和引导自己的学习过程，而不是把学生永远放在被动接受评价的位置。

所以形成性评价并不只是：

老师更精准地管理学生。

更深层的目标是：

让学生逐渐知道自己正在学什么、为什么没有学会以及下一步应该怎么做。

十二、Competency Assessment为什么比“知识考试”更复杂？

现代教育评价越来越关注：

Competency / 能力、素养。

例如：

critical thinking
problem solving
collaboration
communication
creativity。

这些能力很难通过一道：

A、B、C、D

选择题完整测量。

因此评价方式会更多进入：

project
presentation
portfolio
performance task
classroom observation。

这也是为什么形成性评价会与：

Competency-based Education / 素养导向教育

越来越紧密地结合。

十三、Assessment Literacy为什么不仅是“会出题”？

教育论坛中还经常出现：

Assessment Literacy

通常可以理解为：

评价素养。

对教师而言，它不仅意味着：

会设计考试。

还意味着能够理解：

为什么评价；

评价什么；

怎样收集学习证据；

怎样解释评价结果；

怎样给Feedback；

怎样利用结果改变教学。

2026年针对中国K-12教师的研究也继续关注：

Formative Assessment Literacy / 形成性评价素养

以及教师如何在现实课堂环境中理解和实施形成性评价。

因此：

Assessment Literacy本质上是一种专业教学能力。

十四、数字化评价改变了什么？

随着教育数字化发展，形成性评价越来越可能通过：

learning platform
online quiz
learning analytics
dashboard
adaptive learning system

实时收集学生学习数据。

例如系统可以帮助教师看到：

哪一道题错误率最高；

哪个知识点大量学生卡住；

哪些学生需要进一步支持。

这使评价从过去的：

“考试结束以后老师才知道”

逐渐变成：

Learning Analytics＋Real-time Feedback。

十五、AI会怎样进入形成性评价？

人工智能正在进一步改变教育评价。

OECD目前开展的“The Power of Feedback”项目，就在研究AI数学辅导工具如何支持形成性评价和个性化学习，并关注数字形成性评价对学生进步的作用。

未来国际教育会议可能越来越多地出现：

AI tutor
adaptive feedback
personalized learning
learning analytics
automated assessment。

但AI能够快速给学生Feedback，

并不意味着：

所有反馈都应该完全交给AI。

教师仍然需要判断：

学生为什么出现这个错误？

是知识缺口还是理解偏差？

下一步应该改变任务还是改变教学？

所以更合理的模式仍然是：

AI辅助数据分析＋教师专业判断＋个性化反馈。

十六、形成性评价会议为什么特别考验教育术语的“细微差别”？

这类会议中很多英文词：

assessment
evaluation
feedback
evidence
achievement
performance
competency
progress

普通英语都不难。

但进入教育研究以后：

每一个词都有自己的理论位置。

例如：

achievement

强调学习成就；

progress

强调学习进步；

performance

强调某次任务或活动中的表现。

如果全部为了中文自然统一翻成：

“学习成绩”，

就会把形成性评价最重要的：

Learning Process

重新压缩成考试分数。

十七、AI＋人工怎样准备国际教育评价会议？

这类论坛通常包含：

教育研究论文；

教学案例；

学校评价体系；

Rubric；

数据图表；

数字教育平台资料。

AI可以帮助提前：

提取教育评价术语；

整理Assessment、Evaluation和Feedback相关概念；

对比中英文论文与PPT；

提取研究方法和数据；

按课堂评价、学生发展、数字评价等主题分类；

建立Speaker专属词库。

但最终仍需要人工判断：

formative和summative是否混淆；

assessment和evaluation当前分别指什么；

competency应该译为能力还是素养；

agency在具体教育理论中如何处理；

学术研究结论有没有被过度概括。

因此更稳妥的流程是：

AI资料整理＋教育理论术语核验＋学术表达人工审校＋同声传译＋研究数据专项QA。

结语：形成性评价真正评价的不是“学生学得好不好”，而是“接下来怎样学得更好”

传统评价很容易停留在：

Score / 分数。

形成性评价真正关心的则是一条连续路径：

Learning Goal → Learning Evidence → Feedback → Adjustment → Progress。

OECD将这一过程描述为持续了解学生的学习进展，并利用获得的信息提供反馈和调整教学。

所以形成性评价真正改变的，不只是：

考试方式。

它改变的是：

评价和教学之间的关系。

评价不再只是学习结束以后告诉学生：

“你得了82分。”

而是帮助教师和学生回答：

为什么现在是82分？哪里还没有理解？下一步做什么，才能继续向前？

这正是第六届形成性教育评价国际高峰论坛这类教育学术会议，对专业语言服务提出的特殊要求。

心译翻译可为学校、高校、教育研究机构、国际教育组织及教育科技企业提供国际教育会议翻译、教育学同声传译、教育评价与课程研究翻译、学术论文与教学资料翻译、数字教育内容本地化以及AI＋人工审校，通过教育理论术语库、学术资料译前准备和研究数据QA，帮助不同教育体系之间更加准确地分享评价理念与课堂实践。

相关项目案例：
第六届形成性教育评价国际高峰论坛共探教育评价创新