外語課堂評估研究(2007—2018)：回顧與展望

金 艷，孫 杭，2

(1.上海交通大學 外國語學院，上海 200240；2.上海理工大學 外語學院，上海 200093)

一、引 言

在教育領域，教師無時無刻不在課堂上評估學生的表現(xiàn)。課堂評估可以包括正式和非正式的測試以及各種幫助教師評估學生課堂學習成果的教學活動[1]。近年來，隨著對評估與課堂學習的互動關系的關注[2]7，課堂評估的研究和實踐掀起了一股改革的熱潮。澳大利亞、加拿大、英國、美國和中國香港在內(nèi)的很多國家和地區(qū)在近年來的教學改革中大力推進課堂評估的實踐并強調(diào)提高教師在評價學生學習活動中的參與性[3]393-394。一些關于課堂評估的專著也應運而生[4-5]。

研究者指出，課堂評估可以獲取一些在標準化考試中無法測量的學生語言能力的信息；其評估方式可以更加真實和有意義；師生能夠獲取一手的評估結果來提升教與學[6]489-490[7]。因此，課堂評估被認為是連接教、學、考最好的方式之一。盡管課堂評估具有諸多益處，在外語教育領域其研究仍處于起步階段。目前，尚未有學者對外語課堂評估研究的進展和問題進行較為全面的回顧。鑒于此，本文試圖對2007—2018年國內(nèi)外外語類主要期刊發(fā)表的外語課堂評估文獻進行梳理，探討國內(nèi)外研究的共性和個性，分析現(xiàn)有研究的發(fā)展狀況并對存在的問題提出對策，以期促進課堂評估未來的研究和實踐。

二、國內(nèi)外外語課堂評估研究回顧

本研究的文獻來源于2007—2018年國內(nèi)外14種外語類期刊，包括5種SSCI期刊(1)5種SSCI期刊包括The Modern Language Journal，TESOL Quarterly，Assessing Writing，Language Testing，Language Assessment Quarterly，2017年影響因子分別為2.789、2.256、1.906、1.431和0.868。和9種CSSCI期刊(2)9種CSSCI期刊包括《外語教學與研究》《外語教學》《現(xiàn)代外語》《外語界》《中國外語》《外語與外語教學》《外語教學理論與實踐》《外語研究》和《解放軍外國語學院學報》?！锻鈬Z》《外語學刊》等期刊未刊登外語課堂評估文章，故未列入。。這些期刊具有一定的代表性和權威性，能較好地反映外語課堂評估研究的現(xiàn)狀與動態(tài)。針對國外期刊，筆者進行了“classroom/classroom-based assessment”的篇名和關鍵詞搜索。在對國內(nèi)期刊文獻進行搜索時，由于所使用的術語尚未統(tǒng)一，以“課堂評估/價”為關鍵詞的文章只有3篇，因此筆者將篇名和關鍵詞的搜索范圍擴大到“形成性評估/價”和“教師評估/價”。為了篩選滿足本文研究重點的文獻，篇名或關鍵詞不包含“課堂評估/價”的文獻應包括發(fā)生在日常課堂環(huán)境的評估行為，未提及課堂評估方式的廣義上的形成性評估不在本研究范疇內(nèi)。筆者通過對所獲文獻的逐篇閱讀來確定相關文獻，并借鑒Black & Wiliam“滾雪球”[2]8的方式利用已獲文獻的參考文獻來查缺補漏。本研究最終確定有效樣本論文79篇。下文將從研究的總體趨勢、研究對象、研究內(nèi)容和研究方法四個維度對外語課堂評估研究的現(xiàn)狀進行梳理和分析。

(一)外語課堂評估研究的總體趨勢

經(jīng)統(tǒng)計，國內(nèi)外外語類主要期刊2007—2018年共發(fā)表外語課堂評估論文79篇。其中，國內(nèi)論文34篇(43%)，國外45篇(57%)，國外論文數(shù)量多于國內(nèi)?？傮w而言，國內(nèi)外外語課堂評估研究均呈現(xiàn)出波動式的發(fā)展趨勢(見圖1)，并在2009年、2017年和2018年達到了3個峰值。國內(nèi)外期刊12年間年度總發(fā)文量最高12篇，最低2篇。國內(nèi)期刊年均發(fā)文量2.8篇，國外期刊3.8篇，數(shù)量較少。一方面原因是與其他普通教育(general education)的學科如數(shù)學、科學相比，外語課堂評估研究起步較晚，研究尚未大量展開；另一方面原因可能在于現(xiàn)有外語課堂評估研究的質(zhì)量有待提高，因此CSSCI和SSCI期刊中收錄較少。

圖1 2007—2018年外語課堂評估研究數(shù)量統(tǒng)計

(二)外語課堂評估研究的對象

2007—2018年國內(nèi)外外語課堂評估的研究涵蓋了不同教育階段和類別的研究對象，包括研究生、本科生、中小學學生、其他學生群體(如高職學生、語言預科班學生)和外語教師等。由于課堂評估的研究對象往往同時包括學生和教師，因此表1將研究對象按教育階段和類別進行分類統(tǒng)計。由表1可見，我國外語課堂評估的研究對象較為單一，主要由本科階段的師生組成(占88%)，其他研究對象所占比例很低，而小學階段更是完全空缺。相比之下，國外文獻的研究對象則較為均勻地分布在本科、中學和小學階段，所占比例分別為35.3%、38.3%和20.6%。對于研究生階段和其他類別的群體，國內(nèi)外研究的關注均較少。

表1 2007—2018年外語課堂評估研究對象分布

(三)外語課堂評估研究的內(nèi)容

參照Black & Wiliam[2]9-10和羅少茜等[8]243-250對國內(nèi)外課堂形成性評估研究的回顧以及通過對所獲文獻的研讀，筆者對近12年外語課堂評估的研究內(nèi)容進行了歸類。由表2可見，國內(nèi)外外語課堂評估研究內(nèi)容的范疇相同，具體側重點則有所差異。國內(nèi)研究集中在課堂評估的促學效果方面，國外研究在不同研究領域分布較為均衡。下文將重點回顧課堂評估的促學效果、教師角色、效度驗證、評估過程和其他(反饋、教育政策等)五個方面的研究內(nèi)容。

表2 2007—2018年外語課堂評估研究內(nèi)容分布

1.促學效果

與傳統(tǒng)考試用作記錄和報道學生成就的目的不同，課堂評估的主要目的是促進教與學。因此，課堂評估作為一種促學評估的可行性和有效性是推進其實踐的前提和基礎。國內(nèi)外學者對此均進行了一系列的探索。唐雄英、章少泉以準實驗的方式將新型評價用于大學英語教學情境中，發(fā)現(xiàn)新型評價有利于學生自主學習能力和自我效能感的提高，而對學生總體英語水平?jīng)]有明顯的促進效果[9]。劉芹等針對理工科大學英語口語課程構建了形成性評估體系[10]。通過對比實驗班與控制班學生學期初和學期末的口試成績，作者發(fā)現(xiàn)形成性評估可以有效地運用于英語口語教學。上述研究著重探討了課堂形成性評估在促進學生學習方面的有效性。張荔對學術英語交際課程中形成性評估的實施效果進行了調(diào)查，研究發(fā)現(xiàn)形成性評估不僅促進了學生論文質(zhì)量的提高，也幫助教師改進了課程設計和調(diào)整教學[11]。

與國內(nèi)研究關注整個課堂形成性評估體系的有效性不同，國外研究更具體地對不同的課堂評估工具或評估原則的實施效果進行了調(diào)查。Wigglesworth & Storch比較了課堂評估中小組合作寫作與個人寫作任務，發(fā)現(xiàn)小組合作對寫作的準確性有積極影響，而對文本的流暢度和復雜度的影響不明顯[12]。Huang對在聽力和口語課堂上兩種不同的評估事件——離散評估(divergent assessment，即以開放性問題探索學生理解和能做什么)和聚合評估(convergent assessment，即以封閉式問題考察學生是否能做到某一任務)對學生在完成任務過程中的學習動機和策略的影響進行了調(diào)查[13]。Muoz &lvarez報道了如何通過推進一些具體的評估原則，如選擇和使用真實和有意義的評估任務、對教師進行持續(xù)的指導和支持等，使大學口語課堂評估系統(tǒng)產(chǎn)生積極的反撥效應[14]。該研究成果對如何提高課堂評估的質(zhì)量有一定的應用價值。

2.教師角色

教師角色研究不僅包括教師的評估實踐，也包括教師的知識、信念和影響教師評估行為的因素等。國外學者對課堂評估中的教師角色給予了較為充分的關注。在教師的評估實踐方面，Cheng & Wang通過對74名加拿大、中國大陸和香港的大學外語教師進行訪談，梳理了教師在評分、反饋和分數(shù)報道方面的評估實踐[15]。作者發(fā)現(xiàn)盡管教師評估呈現(xiàn)出地區(qū)差異，整體上教師的評估行為符合專業(yè)文獻中優(yōu)秀實踐的標準。Saito & Inoi調(diào)查了日本初高中英語教師在課堂形成性評估使用上的差異，包括評估標準、方法、目的和反饋[16]。針對教師的決策信念和其影響因素，Yin對香港兩所大學學術英語課上教師評估的認知過程進行了研究，發(fā)現(xiàn)教師評估涉及不同方面的認知因素，包括策略認知和互動認知等[17]。Cheng & Sun對影響中國中學英語教師課堂評估評分決策的因素進行了調(diào)查，發(fā)現(xiàn)內(nèi)外部因素共同影響教師的評分決策，并且教師更看重非成就因素(non-achievement factors)，如學生的努力程度、作業(yè)和學習習慣等[18]。

國內(nèi)從教師角度研究課堂評估的文獻相對較少。許悅婷、劉永燦采用敘事研究的方法解讀了一名大學英語教師的三個形成性評估實踐的故事，并指出教師的形成性評估知識是在其個人經(jīng)歷、所處的社會關系和工作生活場所三者的共同作用下產(chǎn)生和發(fā)展的[19]。劉秀梅等對大學英語教師在課堂評估的典型情景中對道德問題的認知水平進行了調(diào)查[20]。研究發(fā)現(xiàn)教師對道德問題的整體認知水平不理想，并在測試保密性、成績評定和測試實施三個維度上有較大提升空間。該研究探究了課堂評估中教師的道德維度和課堂評估的公平正義性，具有一定的開創(chuàng)意義。

3.效度驗證

效度是語言測試的核心概念，而課堂評估的效度一直是爭議的焦點和急需攻克的理論高地。李清華、曾用強[21]對課堂評估的效度理論進行了較為全面的回顧，比較了Brookhart的“課堂計量學理論”[22]等四種效度理論。然而，目前國內(nèi)尚未有實證研究將這些效度理論應用到課堂評估體系的效度驗證中。在實證研究方面，許悅婷、張仁霞調(diào)查了小組活動中評價個人貢獻的必要性和可行性[23]。通過對個人分數(shù)和小組統(tǒng)一分數(shù)差異的分析和對師生看法的解讀，研究者發(fā)現(xiàn)個人分數(shù)有利于提高課堂評估的信效度和公平性。

國外文獻中，Llosa用多質(zhì)多法模型證明了美國加州城市學校中使用的課堂評估系統(tǒng)與外部標準化大規(guī)?？荚嚒又萦⒄Z能力標準測試測量了相同的構念[6]489-515。因此，作者提出將標準化課堂評估用作判斷學生能否進入新的學習階段的高風險決策具有一定的效度。Llosa進一步調(diào)查發(fā)現(xiàn)該課堂評估體系對不同年級的學生也測量了相同的構念[24]。盡管多數(shù)關注課堂評估微觀層面的定性研究發(fā)現(xiàn)教師評分決策存在很大差異，上述研究則表明宏觀層面上教師對學生整體語言能力的評價是可靠和穩(wěn)定的。針對效度驗證的框架，Zainal[25]和Becker[26]分別利用社會認知效度驗證框架(a socio-cognitive framework)和基于論證(an argument-based approach)的效度驗證模式對課堂寫作評估進行了效度檢驗。這些研究為指導教師利用現(xiàn)有的效度驗證框架搜集課堂評估的效度信息，從而提高評估質(zhì)量提供了可行方案。

4.評估過程

課堂評估既包括課堂測試等設計好的評估任務，也包括偶然的評估事件，如教師自發(fā)的、本能的課堂觀察和師生的互動對話[27]。與上文從教師角度回顧其評估行為不同，課堂評估過程研究旨在捕捉自然課堂上更豐富和生動的實時評估行為并關注師生間的互動。楊華、文秋芳對課堂即時形成性評估，即發(fā)生在教學過程中、以師生間對話形式出現(xiàn)的評估方式的相關研究進行了述評[28]。在此之前，鮮有國內(nèi)學者關注這種短期的課堂形成性評估模式。楊華、文秋芳基于我國高校6名英語教師28課時自然狀態(tài)下的課堂數(shù)據(jù)，采用扎根理論和課堂話語分析的方法，對評估目標的不同類型和變化方式進行了概念化描述，并提出了課堂即時形成性評估“相倚性”的概念[29-30]，深化了課堂評估的理論。

在國外文獻中，Hill & McNamara基于對澳大利亞學校里印度尼西亞語課堂上評估過程的實證研究，提出了一個完整的課堂評估過程研究的框架[31]395-420。該框架包括三個維度(證據(jù)、理解和使用)和四個領域(教師如何評價學生、運用哪些評分標準、基于何種理論或價值觀以及學生對評價行為的理解和看法)。該框架為系統(tǒng)、科學地研究課堂評估的過程提供了有力工具。Wang報道了一名大學英語教師的口語課堂評估過程[32]。研究發(fā)現(xiàn)教師在課堂上的評估方式不僅包括教師預先準備的演講任務、期末考試等，還包括教師自己沒有察覺的評估行為，如問答環(huán)節(jié)等。

5.其他研究

其他方面的研究包括反饋和教育政策等。反饋的概念與課堂評估密不可分。姚香泓等針對形成性反饋在課堂展示準備階段所起的效果進行了研究[33]。Chong總結了課堂評估的三種范式——學習評估(assessment of learning)、促學評估(assessment for learning)和以學為評(assessment as learning)，并以此為框架對寫作反饋的研究進行了綜述[34]。在教育政策和改革方面，Leung & Rea-Dickins報道了英國將課堂評估作為教育政策實施工具的使用現(xiàn)狀和影響，并指出教育政策對評估實踐中遇到的問題關注甚少而且對教師的支持非常有限[35]。同樣，McKay & Brindley回顧了課堂評估在近年來澳大利亞教學改革中逐漸變化的角色，并指出來自外部的、基于目標的管理主義(managerialism)與主觀的、基于經(jīng)驗的教師決策之間的矛盾[36]。

(四)外語課堂評估研究的方法

根據(jù)文秋芳、任慶梅的分類[37]，本文將所獲文獻的研究方法分為實證研究與非實證研究，即文章提供了研究對象和工具、數(shù)據(jù)收集和分析等相關信息為實證研究，否則為非實證研究。表3顯示，國內(nèi)外外語課堂評估研究均主要采用實證研究的方法，實證研究共56篇(國內(nèi)25篇，國外31篇)，占文獻總數(shù)的70.9%。在實證研究中，國內(nèi)研究以定量和定性相結合的混合法為主(13篇，占國內(nèi)實證研究的52%)。國外研究則偏重定性法(17篇，占國外實證研究的54.8%)。具體而言，定量研究主要包括準實驗法、探索性和驗證性因子分析、相關和方差分析等。定性研究主要采用民族志研究、行動研究、個案研究、課堂觀察和訪談等方式。定量和定性混合法則主要采用定量研究為主(如準實驗法)，定性研究為輔(如訪談)的方法?？傮w而言，國內(nèi)外外語課堂評估研究的方法呈現(xiàn)出多元化的趨勢。

表3 2007—2018年外語課堂評估研究方法分布

三、對國內(nèi)外外語課堂評估研究的反思及展望

上述文獻回顧表明，近年來國內(nèi)外學者對外語課堂評估進行了不少的研究和探索，既取得了一定的成果，也存在一些局限和不足。下文將分別從術語界定、研究對象、研究內(nèi)容、研究方法和理論構建五個方面說明現(xiàn)有研究存在的問題和對策。

(一)術語界定

對外語課堂評估文獻的回顧顯示國內(nèi)外相關研究都存在著術語界定不清、使用混亂的情況，這在國內(nèi)研究中尤其明顯。在本文回顧的中文文獻中，出現(xiàn)過的相關術語有課堂評估、形成性評估、新型評價等。形成性評估是國內(nèi)期刊中最常用的概念。然而，隨著對形成性評估的關注，對其概念的誤解也隨之增長[38]，例如認為形成性評估就是平時成績或是終結性評估的累積。Harlen指出形成性和終結性概念的區(qū)別在于考試的使用和目的[39]171-183。評估任務本身是中性的，只有在使用其數(shù)據(jù)時才決定它的形成性或終結性潛能[40]505-520。終結性評估是對學習成果進行鑒定以完成報道、認證等目的，而形成性評估是為調(diào)整教和學提供持續(xù)的反饋信息。從這種意義上講，課堂評估可以實現(xiàn)形成性和終結性兩種目的。課堂評估強調(diào)評估情境是自然狀態(tài)下的課堂，而形成性評估則強調(diào)評估的目的和用途。

因此，外語課堂評估研究首先要明確相關術語的定義，并對現(xiàn)有不同術語的側重點有所區(qū)分。對術語概念理解上的差異和不足，會導致理論研究難以形成合力，實踐推廣舉步維艱[8]1，也會使國內(nèi)課堂評估的研究難以與國際接軌。只有對課堂評估的概念進行界定，抓住其典型特征，才能提高學界對課堂評估的重視。

(二)研究對象

國外課堂評估的研究涵蓋了處于不同教育階段的研究對象。這與近年來美國、英國等國家在基礎教育政策和改革中強調(diào)課堂評估的研究和實踐密切相關。相比之下，國內(nèi)的研究對象范圍狹窄，對中小學階段鮮有涉及。然而，由于小學生特殊的心理特征和認知水平，其語言能力的發(fā)展更多地受到教師的影響[41]，師生的課堂互動也更加頻繁。鑒于基礎教育的重要性，以促學為目的、重視學習過程的課堂評估可以從小培養(yǎng)和塑造學生的自主學習能力并影響學生的學習動機，從而在一定程度上扭轉(zhuǎn)應試教育的負面作用。

因此，未來國內(nèi)研究應擴大研究對象的范圍，特別應關注中小學階段。一方面，加強大學教師和研究人員與中小學師生間的合作；另一方面，在政策上支持和鼓勵中小學教師開展課堂評估的行動研究，從而促進中小學課堂評估的研究與實踐。

(三)研究內(nèi)容

國內(nèi)外學者對課堂評估的過程——自然課堂中師生共建的評估行為的關注明顯不足。現(xiàn)有研究多報道教師精心設計的、明確的評估事件，而對非計劃型的評估行為關注較少。這些評估機會由于與教學行為交織，較難辨認和區(qū)分。但是，對這些評估行為的界定和分析可以加深對課堂評估的構念和本質(zhì)的理解。Leung[42]869-888和Rea-Dickins[43]分別從教師和學生角度探討了評估過程研究中值得進一步調(diào)查的問題，而Hill & McNamara在此基礎上提出了更為全面的研究框架[31]395-420。這些框架可以指導未來課堂評估過程研究的展開。由于課堂評估的情境特定性(context-specific)，了解不同國家和地區(qū)、不同教學環(huán)境下的評估行為極其重要。

此外，近年來教師發(fā)展，特別是教師測評素養(yǎng)越來越受到國外學者的重視。然而，國內(nèi)文獻中將課堂評估與教師角色有機結合的研究堪稱鳳毛麟角。教師是課堂評估的實施者，厘清教師評估實踐和其影響因素是提高課堂評估質(zhì)量的必經(jīng)之路。在今后的研究中，國內(nèi)學者需關注教師在實踐中的主體性發(fā)展[44]，重視在國內(nèi)特定教學環(huán)境下外語教師的評估實踐和評估素養(yǎng)。

(四)研究方法

文獻回顧表明在我國外語課堂評估研究中，定量和定性相結合的研究方法已經(jīng)成為了主流。這類研究大多以定量研究為主(通過實驗班、控制班成績對比來考察學生學習成果的差異)，定性研究為輔(通過訪談調(diào)查師生的態(tài)度)。這一研究方法在設計上存在一定缺陷：課堂評估存在于教、學、評相互作用的復雜的課堂環(huán)境中，學生的學習同時受到多種因素的影響——教師的教學經(jīng)驗和風格、學生的學習特點以及教學環(huán)境等。因此，學生學習成績等的提高能否完全歸結于課堂評估的實施有待商榷。同時，國內(nèi)研究在報道評估體系的可行性和有效性時，對評估工具和實施過程卻少有著墨。不同的課堂評估事件、實施方式和反饋都會對學生產(chǎn)生不同的作用，而這些差異在很大程度上決定了課堂評估的促學效果。此外，無論是學習成績、學習策略，還是成就感等方面的提高都是一個循序漸進的過程?，F(xiàn)有研究往往在一學期后就對學生的成績等進行對比，其證據(jù)的充足性值得思考。

針對以上問題，未來我國相關研究應重視定性法，充分發(fā)揮質(zhì)性研究對情境性因果關系的解釋功能[45]。同時，課堂評估的有效性可以進行歷時研究，并借鑒國外研究的角度，關注不同的評估任務和原則的影響。課堂評估體系本身不能保證對教與學的積極反撥效應，需要探索評估體系中哪些具體的原則和做法可以提高課堂評估的促學作用。

(五)理論構建

與大規(guī)模、標準化考試相比，課堂評估的研究仍缺乏完整、系統(tǒng)的理論根基。目前國內(nèi)外學者對課堂評估的促學效果、教師角色、評估過程和效度驗證等均有所討論，但尚未形成廣為接受的理論模式和研究體系。以課堂評估的效度為例，一些測試專家指出課堂評估等替代性評估方式(alternative assessment)的信效度存在種種問題，如評估任務能否使學生產(chǎn)出特定的語言信息往往沒有經(jīng)過驗證，評分標準的科學合理性和評分員評分的一致性有待考察等[46]。另一些測試專家則主張傳統(tǒng)心理測量學的信度和效度概念不適用于課堂評估[40]505-520[42]869-888。例如，環(huán)境(context)在傳統(tǒng)考試中是必須被控制的構念無關因素，評分員也應在考試過程中保持中立[47]。而在課堂評估中，其信效度則部分源自于評估行為存在于日常教學環(huán)境中，評分員則是熟悉學生并在學生學習過程中扮演重要角色的教師[3]409。在這種情況下，如何重新定義課堂評估的構念和信效度？現(xiàn)有的效度驗證方法是否完全適用于課堂評估？這些問題仍亟待解決。

因此，外語課堂評估研究一方面需要對現(xiàn)有研究進行回顧和總結，從實踐中提煉理論，以形成系統(tǒng)的研究體系；另一方面，課堂評估研究更需要進行理論的創(chuàng)新。只有發(fā)展一套符合課堂評估內(nèi)在規(guī)律和特色的評估理論，才能引導研究方向，最終提高課堂評估的促學作用。

四、結 論

本文對2007—2018年CSSCI和SSCI代表期刊上的外語課堂評估論文進行了定量統(tǒng)計和內(nèi)容分析。研究結果顯示：研究數(shù)量呈波動式發(fā)展趨勢，國外文獻數(shù)量高于國內(nèi)；國內(nèi)研究對象集中在本科階段，國外則涵蓋大、中、小學階段；國內(nèi)外研究內(nèi)容主要包括課堂評估的促學效果、教師角色、效度驗證和評估過程等；國內(nèi)外研究方法均以實證研究為主，混合法是國內(nèi)研究的主流方法，而國外則偏重定性法。

上述結果表明，國內(nèi)外外語課堂評估研究既有共性又有差異。未來我國外語課堂評估研究應擴大研究對象的范圍，關注中小學課堂；拓寬研究內(nèi)容，探索課堂評估的過程和教師角色；重視質(zhì)性研究，推動多元化的研究方法。在今后的研究中，一方面應立足于我國國情，尋求符合我國外語教學環(huán)境的課堂評估實踐和研究；另一方面，借鑒國外先進的研究方法和視角，力求本土化與全球化的有益結合。