翁逸蓉 徐志平 林荣凑|浙江省杭州市余杭区教育发展研究学院

在校本研修的层级管理和实施链条中，县或区级校本研修管理部门（以下简称“区域管理部门”）的评价行为，将会深刻影响各校校本研修的内容、方式和效果。尽管周文叶教授早就提出“开展基于表现性评价的教师研修”［1］，但毋庸讳言，限于知识、想象与行为惰性，表现性评价用于教师研修领域的还很少见，用于区域校本研修评价的更是稀缺。考虑到规避校本研修传统考评的问题，自2019年8月始，杭州市余杭区打造以实践情境、常规活动、特色培育、团队建设为内涵的校本研修SCTT（取“实”“常”“特”“团”拼音的首字母组合而成）样式，引入表现性评价技术，四年来极大改变了区域校本研修的生态，得到全区教师和校本研修管理者的好评。

一、当前校本研修区域考评存在的问题

笔者通过中国知网检索，从200多篇以“区域校本研修”为主题的文献中，查得3篇内含考核方案的论文，其中《区域校本研修质量标准建设的探索》［2］一文最具学理性、实践性。作者建构了校本研修评价表（表1所示为其局部），由此出发可以认识校本研修传统考评存在的问题。

表1 校本研修评价表（局部）

表1中的“评价内容”可以理解为一级指标（也是评价维度），“关键要素”可以理解为二级指标，“具体要求”则是对二级指标最优特征的描述。这个校本研修评价表虽是同类评价标准的佼佼者，但从评价角度看，依然存在五大问题。

第一，评价项目面面俱到，未能凸显关键指标。表1所示仅是评价表的一部分，而整个评价表包括研修目标、研修内容、研修途径、研修方式、研修管理、研修保障、特色创新等7 个一级指标、11个二级指标，涉及校本研修的方方面面。事实上，大而全的指标会掩盖最需测查的东西，影响评价表的使用者集中精力区分优劣等级。

第二，偏好百分制，得分的解释力差。国人对评价有着强烈的百分制偏好，且以60 分为及格。如上述评价表，满分100分，评价等第分为A、B、C、D四档。有时1分之差，将分属两个档次，评价者很难对1分之差作出令人信服的解释。

第三，特征描述宽泛，效度和信度受限。从方案设计者来说，表1中“具体要求”已尽力揭示评价项目的最优特征。然而，实际操作时，即使有配套的评分细则，也难以确认怎样算“研修目标明确”，所以效度存疑，同时不同评价者的理解会不一致，所以信度也必然不高。

第四，脱离真实情境，极易滋生形式主义。评价是基于证据的推论，像表1这样的评价表，被评价者在迎检时需要提供多种书面材料。之后貌似档案袋式的评价，会依据一份校本研修领导小组的名单，得出“领导重视，职责明确”的结论，极易滋生文牍主义、形式主义。

第五，评分的反馈难，无助于后续的改进。由于上述原因，评分的主观模糊性极大，要作出明确、清晰的反馈难，工作量又大。最后反馈给被评价者的信息往往只是一个分数、一个等级，或寥寥几句未必着边际的口头或书面评语。

二、在校本研修考评中引入表现性评价的意义

表现性评价是舶来品，在我国曾有不同的译名，如“真实性评价”“实作评估”等。《普遍高中语文课程标准（2017年版2020年修订）》与《义务教育课程方案（2022年版）》均采用了“表现性评价”这一术语，但国内外至今尚无公认的定义。

美国评价专家理查德·J.斯蒂金斯曾先后三次为表现性评价下定义，第三次（2005年）下的定义是这样的：“表现性评价就是让学生参与一些活动，要求他们实际表现出某种特定的表现性技能，或者创建出符合某种特定标准的成果或作品。简言之，就是我们在学生执行具体的操作时直接观察和评价他们的表现。”［3］我国最早系统研究表现性评价的周文叶，她曾为表现性评价下过这样一个定义：“在尽量合乎真实的情境中，运用评分规则对学生完成复杂任务的过程表现或/与结果作出判断。”［4］两个定义虽表述各异，但都或隐或显地揭示了如下关键点：（1）真实或近乎真实的情境；（2）学生完成某项任务；（3）执行具体的操作，展示实际的表现；（4）针对过程表现或结果；（5）直接观察和评价；（6）运用特定的标准评价。如果将评价对象“学生”更换为“校本研修”，删除“近乎真实”这一限制词，表现性评价的这些特征完全适用于校本研修。

这里，特别说说“直接观察和评价”，先看图1。

图1 校本研修质量评价的三条路径

图1中的A路径，就是校本研修传统的评价方式。被评价的学校，需要从校本研修的全部现场（现场），根据类似于表1的评价标准选取样本（取样），经由文字概括、分类整理等过程（转述），形成迎检时需要的“档案袋”。区域管理部门的评价者看材料（成文总结、分指标陈述、佐证材料等），听口头汇报（演讲、座谈），合议评定分数等级（评定），作出概括性反馈。

A路径的操作，从“现场”到“评定”，要经过取样、转述等环节，故而是一种间接的观察和评价的方式。不经取样、转述等环节，便是图1中的C路径，这是极端情况下的直接判断，评价者亲临各校校本研修的全部现场，依据评价标准作出判断。在现实中，这几乎是不可能的。

于是，为A路径、C路径的折中计，便是B路径。它无法像C路径那样作地地道道的“直接观察和评价”，但因其直接从“现场”中“取样”，未经文字概括的“转述”，能最大程度地减少信息损耗，因而依然带有“直接观察和评价”的特质，可视之为表现性评价。

学业领域的表现性评价，一般要求学习者完成一个任务/活动，或制作一个作品以证明其知识与技能等，即让学习者在真实情境（或模拟的真实任务情境）中去表现其所知所能。比如让学生录制一个朗读的音频，做一个生物标本，唱一首歌；再如让参与研修的教师设计一组符合特定要求的作业，录制一堂微课，撰写一个课例，等等。简单地说，就是以学习者“所做的”（直接证据）来评价“能/已做的”［5］。

校本研修领域的表现性评价，以“所做的”来直接评价“能/已做的”。它基于校本研修的真实情境，选取足以典型代表校本研修期望、能力、过程和结果的数据样本，对照特定的评价标准作出推理、判断与评价。尽管取样及取样后的加工，难免产生信息损耗，但相对于传统的评价方法，它可以较好地解决传统考评的问题，较为有效地评价各校校本研修的真实表现。余杭区的实践表明，它是当今比较理想的校本研修考评方法。

三、校本研修表现性评价标准的制订

表现性评价的核心要素包括表现性评价目标、表现性评价任务和评分工具。校本研修领域的表现性评价，需要遵循最基本的学理，也需要考虑校本研修的特殊情况。

（一）表现性评价目标的把握

不同于在学业领域实施表现性评价，在校本研修领域实施表现性评价，我们无须详细推敲具体的“表现性评价目标”，但评价标准的制订者应有开阔的视野，明白“为何评”（目标，评价构想），从而确定“借助什么来评”（表现性评价任务，或称为“评价项目”）。

为此，我们必须清楚，评价标准要引导各校开展怎样的校本研修，校本研修的理想状态是怎样的（要去哪里），校本研修的现状是怎样的（如今在哪里），如何到达理想中的校本研修状态（如何去那里）。为此，我们还必须明确：哪些理念应得到遵守？哪些内容应得到重视？哪些方式应该被选用？哪些成果应予以关注？

对校本研修表现性评价目标的把握，虽不求像学业领域评价那样精细，但如果不能从宏观把握“要去哪里”“如今在哪里”“如何去那里”，只是满足于“评价过了”，就很可能滑向通常的做法，而单凭行政手段的管理，很难引领校本研修走上专业化的道路。

（二）表现性评价任务的“取样”

学业领域采用表现性评价，需要设置表现性评价任务或作业，以收集学生是否达成学习目标的证据。校本研修的评价，表现性评价任务不在于“设置”，而在于“取样”。如前所述，区域管理部门的评价者不可能观察某校校本研修的全部活动。运用表现性评价最关键的就是如何科学可行地“取样”，使“证据”足以表征校本研修的真实过程和结果。

如何确定“取样”的范围？一般来说，可依靠校本研修系列制度。“去哪里”“如何去”或显或隐地体现于区域管理部门管理校本研修的系列制度中，评价任务可以从这些制度中导出。以余杭区的经验，最便于划定“取样”范围的，是区域校本研修的“运作流程”（如图2所示为杭州市余杭区采用的校本研修SCTT样式的运作流程）。

图2 校本研修SCTT样式的运作流程

然而，从“运作流程”导出的评价任务可能很多。此时，要根据“如无必要，勿增实体”的奥卡姆剃刀原则，剔除可有可无的、琐碎的、非关键的评价任务，并反复论证任务存删可能带来的影响。同时，还要加强评价标准的运用监控，及时作出调整。如余杭区设定的校本研修表现性评价任务包括三年规划、项目计划、云平台建设、研修案例等（如图2中加底纹的部分）。

（三）描述任务完成的关键特征

明确列入评价的表现性任务后，紧接着要回答“怎样的任务完成是好的”这一问题。俗话说，评价要抓住“牛鼻子”。这里的“牛鼻子”，不仅指精要的评价任务，也指足以揭示任务完成好不好的关键特征。

校本研修的特征描述，要遵循“行事标准”。就是说，在真实的校本研修情境中，“任务”要做得怎样就规定怎样，有关特征的行文尽可能减少多层“推论”。这里所说的“推论”，即如前文所说的，凭借一份领导小组的名单“推论”出“领导重视，职责明确”。这样的“推论”会使证据远离事实发生现场，从而造成证据力量的衰减。

比如三年规划的特征描述。三年规划是余杭区打造SCTT样式的第一项任务，旨在解决研修主题年年翻新、内容随意碎片等痼疾，培育校本研修制度重建、习惯沉淀的耐心。余杭区提供了三年规划的统一模板，包括现状分析、研修目标、行动路径、支持系统等四个板块，并对制作的过程提出了一系列要求。对三年规划的评价，余杭区强调制作的“过程”，对那些制作草率、应付了事的规划坚决说不，即规定“不符合可直接视为0分”，同时强调“结果”，用五条行文描述了“实质内容”的关键特征。

（四）任务分值（权重）的确定

为逃离百分制误区，余杭区采用小分值（5 分制）赋分，它源于美国教育评价专家格兰特·威金斯的建议：“提供有效适当的区分来保障足够公正的评价，但在量表上不宜使用太多的分值（通常不超过6分），以免破坏信度。”［6］实践证明，小分值评价易于评分操作，且有利于提高评价的效度、信度。

（五）评分工具的选择

用于表现性评价的工具有三种：核查表、表现清单和评分规则。核查表只用于检查对象是否具有某个特征，它无法用于复杂的校本研修的考评。评分规则要把评价的项目（任务）分解成各个要素，并提供每个要素不同层次表现的详细描述。这是校本研修评价的上佳选择。然而，这种评分规则的制作颇为耗费人力，可使用时却常被空置。故而，余杭区采用了表现清单（如表2所示），实践证明其有良好的信度。

经过四年的实践，余杭区建立了由三年规划、项目计划、云平台建设、研修案例、研修情况、资料与会务、研修成果、教师满意度等八项内容（也即八个维度）构成的评价标准。其中前四项属于定性评价（如表2所示），后四项属于定量评价（运用的是统计学知识）。相较前述《区域校本研修质量标准建设的探索》一文提出的评价维度（研修目标、研修内容、研修途径、研修方式、研修管理、研修保障、特色创新），这一评价维度是“可见”的，也更“可测”。

四、校本研修表现性评价的实施与成效

（一）以评价标准引导校本研修

评价标准并非要到考核时才使用。评价标准的使用，一般包括三个环节：一是公布并解读评价标准；二是充分利用评价标准引导各校的校本研修，不断监测并改进任务质量；三是依据评价标准对任务表现作出评价，并作出清晰且及时的反馈。下面以“云平台建设”为例进行阐述。

云平台是浙江省网络学习平台（http://yun.zjer.cn）“学校空间”的简称。之所以将云平台建设纳入校本研修评价的范围，是考虑这是“校本研修+互联网”的一种重要形式，具有资讯分享、过程监控等功能。推出云平台建设的评价标准后，余杭区专门组织培训，制作《管理教程》供平台管理者边学边做。此外，余杭区还通过《校本研修指南》明确无法在标准中体现的内容，如“功能明确”这一条要求：

“研修资讯”放置三年规划（置顶）、项目计划（置顶）、活动通知及项目总结等组织类材料；“主题研讨”围绕学年项目，放置活动设计、宣传报道、评比结果等过程类材料；“在线学习”提供线上课程与资源链接（置顶），提供拓展学习的素材，可以非原创，但不能有版权纠纷；“成果展示”放置校本研修中的原创成果（如研修感悟、教学设计等）。

（二）制订并使用评分细则

表现性评价属于定性评价，只凭表2中的“评分标准”还不足以统一评委行动，更无法根据现状需要作出调整。所以，制订评分细则很有必要。表3是“云平台建设”的“基本要求”部分的评分细则。

表3 “云平台建设”的评分细则（局部）

表3对“①建设了云平台；②材料及时更新”作了细则描述。在实施中，不同的评委可对照评分细则，随手记录“特殊状况”（无建设或其他状况），并由区域管理部门汇总、反馈给各校，以便于各校整改。这一评估设计，可以使评分的结果能得到良好的解释，体现出良好的公正性、透明性和及时性。

（三）SCTT样式及其评价标准得到好评

经过为期四年的SCTT样式实践，全区树立了以教师实践需求为本的研修理念，区域和学校层面均形成了校本研修的制度和操作流程，积累了一大批常规和特色校本研修的子样式，得到了专家与教师的高度评价。

2022年6月和2023年6月，余杭区两次组织由全区教师参与的匿名问卷调查。调查结果显示，全区教师对本校校本研修满意度的平均得分，连续两年都在4.75分以上（满分5分）。2023年6月，余杭区还组织了由全区165名校本研修管理者参与的匿名问卷调查，结果显示，校本研修管理者普遍认为SCTT样式及其评价标准“提供了很好的方向和范式，可推广，操作性强”，“促进了各校的常规工作迭代，各学校运行都很有自己的特色”。