形成性教育评价最容易被误解的一点，是把它理解成：

“增加一些小测验，然后多给学生几次分数。”

但真正的形成性评价关注的并不是：

测了多少次，

而是：

教师获得了什么学习证据，又怎样利用这些证据改变下一步教学。

OECD在2025年关于高质量教学的研究中，将形成性评价描述为一个持续循环：明确学习目标、诊断学生学习状况、提供反馈，再根据学生的真实思维调整教学。也就是说，评价只有真正进入下一步教学决策，才发挥了形成性作用。

这也使形成性教育评价国际论坛的专业语言具有鲜明特点：

Learning Goal → Evidence → Interpretation → Feedback → Instructional Adjustment → New Evidence。

心译翻译曾为第五届形成性教育评价高峰论坛提供专业语言支持，相关项目案例可参见：第五届形成性教育评价高峰论坛共探教育评价创新。

一、Evidence of Learning为什么比“考试成绩”范围大得多？

形成性评价中非常重要的概念是：

Evidence of Learning

可以理解为：

学习证据。

它不只是试卷上的：

82分。

学习证据还可能来自：

学生的一次回答；

一道课堂练习；

小组讨论；

作业草稿；

概念图；

实验过程；

项目作品。

OECD特别强调，教师需要通过任务和课堂活动“引出”学生的思考，从而判断学生当前究竟理解到什么程度。

所以形成性评价真正的问题不是：

How many points did the student get?

而是：

What does this response tell us about the student’s thinking?

这就是教育评价从：

分数管理

走向：

学习诊断

的重要变化。

二、Elicit Student Thinking为什么不是普通“提问”？

教育评价研究中经常出现：

Elicit Student Thinking

或者：

Elicit Evidence of Learning。

这里的elicit不是简单：

“向学生提一个问题”。

它强调的是：

有意识地设计问题，让学生的思考过程显现出来。

例如数学课上，老师问：

“答案是多少？”

可能只能知道：

学生答对还是答错。

如果进一步问：

“为什么这样算？”

“如果条件改变，会发生什么？”

教师才能判断：

学生究竟理解了概念，还是刚好套对公式。

OECD也把“诊断学生学习”描述为教师通过问题或任务捕捉学生推理，以判断不同层次的理解。

所以：

Questioning ≠ Diagnosing Learning。

真正关键的是：

问题能不能让思维变得可见。

三、Misconception为什么比“答错了”更重要？

形成性评价特别关注：

Misconception

即：

错误概念 / 概念误解。

学生答错一道题可能只是：

粗心。

但如果连续出现同一种错误，

可能意味着：

他脑中建立了一个错误的知识模型。

例如学生并不是不会计算，

而是：

对比例概念本身理解错误。

这时教师下一步需要做的就不是：

再布置十道同类型题。

而是：

重新设计教学，纠正错误概念。

因此国际教育评价论坛中：

error
mistake
misconception

虽然中文都可能表现为“错误”，

专业意义却不同。

四、Learning Progression为什么比一次考试更接近“成长”？

形成性评价还经常讨论：

Learning Progression

通常可以译为：

学习进阶 / 学习发展进程。

它关注：

学生从初步理解，到熟练掌握，再到复杂应用，中间会经过哪些发展阶段。

例如写作能力并不是：

不会写 → 突然会写。

而可能逐步表现为：

能表达观点；

能组织段落；

能使用证据；

能处理反方观点；

能形成完整论证。

因此形成性评价真正关注的是：

Where is the learner now?

以及：

What is the next achievable step?

这比单独判断：

“这次考了多少分”

更接近学习发展的本质。

五、Hinge Question为什么是一种非常典型的形成性评价工具？

课堂评价中有一种很有代表性的概念：

Hinge Question

可以理解为：

关键节点问题。

教师通常会在进入下一阶段教学以前提出一个问题。

目的不是：

给学生记成绩。

而是判断：

全班是否已经具备继续学习的基础。

如果大部分学生理解了：

继续下一部分。

如果大量学生出现同样的错误：

调整讲解。

因此一个Hinge Question真正决定的是：

Next Instructional Move / 下一步教学行动。

这很好地解释了形成性评价为什么不是：

Assessment之后就结束，

而是：

Assessment改变Instruction。

六、Feedback Loop为什么比Feedback本身更重要？

第五届这篇可以特别强调：

Feedback Loop / 反馈闭环。

很多课堂实际上存在：

Teacher gives feedback。

但没有：

Student acts on feedback。

例如老师在作文上写满修改意见，

学生看一眼：

得到分数，然后把作文塞进书包。

这其实没有真正形成：

Feedback Loop。

OECD指出，有效反馈不仅需要告诉学生当前表现与学习目标之间的差距，还应让学生有机会理解并根据反馈采取行动，随后再产生新的学习证据。

因此真正的循环是：

Performance → Feedback → Student Action → New Performance。

这比：

“老师有没有写评语”

重要得多。

七、Feedback Literacy为什么开始受到重视？

现在教育研究进一步讨论：

Feedback Literacy

可以译为：

反馈素养。

它关注的不只是：

教师会不会给反馈，

还包括：

学生会不会使用反馈。

例如学生能不能：

理解老师的意见；

判断哪些地方需要修改；

根据反馈重新完成任务；

主动寻找进一步的信息。

因此高质量反馈并不是教师单方面：

“输出正确答案”。

而是逐渐培养学生：

Interpret → Judge → Act。

最终学生能够：

自己判断自己的学习状态。

这又与：

self-regulated learning / 自我调节学习

紧密联系。

OECD同样强调，形成性评价获得的信息应帮助学生逐渐参与并引导自己的学习过程。

八、Assessment Literacy为什么是一线教师的重要专业能力？

国际教育会议中越来越高频：

Assessment Literacy

通常译为：

评价素养。

它不是：

“老师会不会出试卷”。

真正的评价素养包括：

知道为什么评价；

知道应该收集什么证据；

能判断证据说明了什么；

能识别评价工具的局限；

能根据结果调整教学。

因此一位教师可能很会：

出题、打分，

却不一定拥有很强的：

Formative Assessment Literacy。

因为形成性评价更加考验：

从学生表现中推断学习状态的能力。

九、Data-Informed Instruction为什么比Data-Driven更值得注意？

教育数字化以后，经常出现：

Data-Driven Instruction

或者：

Data-Informed Instruction。

二者看起来很像。

Data-Driven容易给人一种印象：

数据直接决定教学。

而Data-Informed更强调：

数据为教师判断提供信息，但最终仍然需要专业判断。

例如系统显示：

60%的学生在某一道题上答错。

数据只能告诉教师：

出现了问题。

但它不能自动解释：

为什么错？

是知识点不会？

题目表达不清？

还是学生误解了概念？

因此形成性评价更合理的逻辑是：

Data＋Professional Judgment → Instructional Decision。

十、Learning Analytics怎样改变形成性评价？

数字化教育进一步带来了：

Learning Analytics / 学习分析。

通过学习平台，教师可能看到：

答题正确率；

学习时间；

知识点掌握情况；

任务完成进度；

学习路径。

UNESCO早期关于Learning Analytics的研究就指出，学习数据可以通过计算分析和可视化帮助教育者理解学习动态，并支持更加基于证据的教育决策，同时也需要注意计算模型本身的局限和伦理问题。

因此数字评价正在把过去的：

“考试结束以后再分析”

逐渐变成：

Continuous Learning Data。

十一、Dashboard为什么不能只理解成“教育数据大屏”？

数字教育中经常出现：

Learning Dashboard / 学习仪表板。

它可能显示：

哪些学生没有完成任务；

哪些知识点错误率高；

学习进度是否落后；

哪些学生需要进一步支持。

但Dashboard真正的价值不是：

图表看起来很漂亮。

而是：

教师看完以后有没有采取行动。

如果一所学校拥有大量：

colourful charts，

但教师不知道：

下一堂课应该改变什么，

那么它仍然只是：

数据展示。

真正有价值的学习分析应该实现：

Data → Insight → Intervention。

十二、Validity、Reliability和Fairness为什么是评价研究绕不开的三组词？

教育评价论坛不能只讨论：

“工具很好不好用”。

还会进一步进入：

Validity / 效度

Reliability / 信度

Fairness / 公平性。

简单来说：

Validity

关注：

这个工具究竟有没有测到我们真正想测的东西？

Reliability

关注：

测量结果是否具有足够的一致性和稳定性？

Fairness

则进一步关注：

对不同学生群体是否公平。

例如一个测试号称测：

科学推理能力，

但题目本身语言极其复杂，

那么最终成绩可能同时受到：

阅读能力

影响。

因此教育评价翻译尤其不能把：

validity

简单理解成：

“这个考试有效”。

它是一整套：

Measurement Quality

概念。

十三、Inter-rater Reliability为什么会出现在Rubric评价里？

当评价从选择题进入：

作文；

演讲；

项目；

Portfolio，

往往需要教师进行人工评分。

于是会出现：

Inter-rater Reliability

通常译为：

评分者间信度 / 评定者间一致性。

例如同一篇作文：

A老师给90分；

B老师给65分，

说明评价标准可能还不够稳定。

因此Rubric的重要作用之一就是：

让不同教师对“优秀”“合格”“需要改进”形成更明确的共同标准。

这时形成性评价已经进入：

教育测量＋教师专业判断

的交叉区域。

十四、AI会不会让形成性评价变成“机器批作业”？

生成式AI让教育评价出现新的可能：

automated feedback
adaptive assessment
personalized feedback
AI tutor。

AI确实可以快速分析大量学习数据，甚至根据学生表现生成个性化建议。UNESCO也已经探索利用AI从复杂的大规模学习评价数据中提取可操作信息，用于支持教育政策和实践决策。

但：

AI-generated Feedback ≠ Automatically Good Feedback。

系统仍然可能：

错误判断学生意图；

生成不准确解释；

忽略课堂语境；

暴露学生数据；

放大数据偏差。

UNESCO关于生成式AI教育应用的指导因此强调，以人为中心的应用方式、数据隐私、伦理验证和教育设计都不能被忽略。

十五、为什么教师不会因为AI评价而失去作用？

AI可以非常擅长：

批量分析数据；

发现模式；

生成初步反馈；

对学习表现进行分类。

但教师还需要判断：

这个学生为什么突然退步？

他是真的没学会，还是当天状态不好？

一个错误代表个体问题还是整个班级的教学问题？

应该重新讲解，还是换一种任务？

因此形成性评价真正需要的仍然是：

AI Analytics＋Teacher Judgment。

AI可以帮助回答：

“发生了什么？”

教师需要继续回答：

“为什么发生，以及下一步怎么办？”

这也是未来教育评价最值得关注的分工。

十六、为什么形成性评价论坛特别考验学术翻译的“逻辑精度”？

这类会议的大量词汇单独看并不困难：

evidence
progress
performance
achievement
attainment
feedback
diagnosis。

真正难的是：

它们在教育研究中分别承担什么作用。

例如：

Performance

可能是某一次任务中的表现。

Progress

强调一段时间里的进步。

Attainment / Achievement

则更加接近已经达到的学习水平或学习成就。

如果全部统一处理成：

“学习成绩”，

就会把形成性评价最重要的：

学习过程与发展变化

重新压缩成一个静态分数。

因此专业教育会议同声传译首先需要理解：

Educational Logic

再选择语言。

十七、AI＋人工怎样准备形成性教育评价国际论坛？

这类论坛的资料往往包含：

教育研究论文；

课堂案例；

Rubric；

数据图表；

学习平台截图；

评价模型；

教师培训材料。

AI可以帮助提前：

提取专业术语；

区分Assessment、Evaluation和Measurement；

建立Learning Evidence与Feedback相关词库；

提取研究方法和数据；

对比中英文PPT；

按课堂评价、数据分析和AI教育进行资料分类。

但最终仍需要人工确认：

attainment和progress有没有混淆；

evidence到底是学习证据还是研究证据；

validity和reliability是否准确；

AI研究结论有没有被过度强化；

数据相关表达是否符合教育研究语境。

因此更加适合这类国际论坛的工作流是：

AI资料整理＋教育评价术语核验＋研究逻辑人工判断＋同声传译＋数据与学术表达专项QA。

结语：形成性评价真正改变的不是“怎么考试”，而是“教师怎样决定下一步怎么教”

形成性评价最重要的价值，不在于：

多收集一些数据。

真正有意义的是：

这些信息有没有重新进入教学。

OECD对形成性评价的最新总结同样把它描述成一个持续、循环的过程：教师明确目标、了解学生思维、提供反馈，并不断根据新的学习证据调整教学。

因此它真正形成的是：

Learning Goal → Evidence → Interpretation → Feedback → Instructional Decision → New Evidence。

如果评价结束以后：

教师照样按照原计划往下讲；

学生拿到分数以后什么也不改变，

那么无论使用：

Paper Test、Digital Platform还是AI，

都没有真正完成：

Formative Assessment。

而当评价真正帮助教师判断：

学生现在在哪里？

为什么没有理解？

下一步最需要什么？

它才从：

Measurement

转化为：

Learning Improvement。

这正是第五届形成性教育评价高峰论坛这类国际教育交流活动，对专业会议翻译提出的特殊要求：译员不仅需要准确处理教育术语，更需要理解学习证据如何被解释、反馈如何形成闭环、数据如何进入课堂决策，以及AI怎样重新定义教师与评价工具之间的关系。

心译翻译可为高校、国际学校、教育研究机构、教育科技企业及教育评价项目提供国际教育会议翻译、教育学同声传译、形成性评价与教育测量资料翻译、数字教育与AI教育内容本地化、多语种学术传播以及AI＋人工审校，通过教育评价术语库、会议论文译前分析和研究数据专项QA，帮助复杂的教育理论与课堂实践更加准确地进入国际交流。

相关项目案例：
第五届形成性教育评价高峰论坛共探教育评价创新

这一篇和第六届就已经形成了很好的同一客户、不同搜索意图：第五届切“课堂证据—教学决策—数据—AI”，第六届切“形成性评价核心概念—Feedback—Rubrics—学生发展”，两篇不会互相重复，反而会互相加强这个教育评价内容集群。