2026年南京市中考命题技术和评价素养培训

四季读书网 2026-09-23 16:10:21 12 0

2026年南京市中考命题技术与评价素养培训

一、市局书记柴耘

1.命题评价的育人导向

2.科学命题的核心技术:扣课标，减少记忆类…

3.教学评的适度融合

依标命题，难度适宜，教考衔接：课程标准——教学标准——命题标准

推进中考改革

技术：让教师有教的技术，学生有学的技术，是专业的一部分。

躬身独行

二、考试请评价工具开发的基本问题——来自教育测量学视角

本次培训由参与过新课标修订的张咏梅研究员主讲，从教育测量学视角讲解新课标下素养导向的考试评价开发方法，分享了命题框架、命题蓝图等实操内容，以及北京团队在测评领域的最新研究进展。

主讲人背景介绍访学与课标参与经历：主讲人曾获国家留学基金委委派，作为高级学者赴美国ETS访学1年，2018年起进入国家义务教育课程标准综合组，后续参与了高中课标修订中考试评价部分的制定工作。

分享内容定位说明：本次分享的内容、案例均经过课堂教学实践检验，并非纯理论内容。

教育测量学基础概念

说明学科定义与范畴：教育测量学是研究考什么、怎么考、怎么评分、怎么报告和解释学生分数的专业领域，测量对象包含能力、情感态度、价值观、行为等，属于跨学科领域，适用于所有学科。

学科归属与应用场景：在我国教育测量学属于教育心理学范畴，归大学心理系；美国归教育学院。

适用的三类考试：适用于教师日常考试（单元测评、期中期末考）、活动类与表现类评价（实验操作、演讲、项目学习成果评价）、大规模高风险测评（中考、高考、会考）三类考试，三类考试均被国家课标涵盖。

新课标对考试评价的新要求

测评目标：强调核心素养立意与整体性：核心素养不只是知识与技能，是在特定情境中调动心理社会资源满足复杂需要、解决实际问题的能力。

命题需要创设真实情境，考察学生解决问题的能力；素养考察强调整体性，不主张拆分知识点单独考察，避免破坏素养的整体性。

测评设计：强调证据中心原则：要求评分依据核心素养内涵、学业质量、任务完成过程研制评分标准，明确分数等级、作答特征和典型作答样例，保障不同评分者对同一作答的评分标准一致，大规模测评必须提前准备好各等级的样例与解读。

测评方式：强调多元评价突出过程性功能：新课标倡导纸笔测试、计算机互动、表现型评价、档案袋评价、过程评价等多元方式，全方位提取学生学习证据，得到更全面公正的评判；不同评价方式能收集不同类型的证据，可相互补充，大规模测评对试题质量和效度的要求是所有评价中最高的。

测评效能：强调对全环节的技术赋能：北京团队目前在做基于学习进阶的诊断性测评，也探索了AI命题和AI评分；当前素养导向命题在全球都属于研究探索阶段，AI工具应用需警惕效度问题，大规模高风险测评中使用AI需要非常审慎。

考试评价工具开发的基础理论学业质量标准的核心地位：学业质量标准是大规模测评命题的直接依据，新课标特别强调整体刻画素养、结构化课程内容，避免碎片化考察，所有开发都需要以核心素养为核心依据。

评价三角理论：该理论由OECD在2023年创新评价报告中提出，要求有效测评结合认知、观察、解释三个环节：认知对应学业质量标准，明确评价目标；观察对应命题任务，引发学生符合考察目标的表现；解释对应评分，需要回到学业质量标准对学生表现进行解释，形成闭环。

证据中心设计原则：本质是获取支撑学生素养判断的证据，并基于学业质量标准分析解释证据。命题需要保证试题和考察目标有清晰的映射关系，提前预设学生可能的表现和评分分级，命题需要多轮打磨，至少需要8-10道工序保证效度，当前国内素养导向命题普遍存在评分标准仍回到知识点考察的问题。

考试评价开发的步骤与分类

开发步骤区分：校内日常测评基本步骤为7步，目标以诊断教学、促进学习为主；大规模高风险测评基本步骤为12步，包含制定计划、界定框架、命题、预试、阅卷、划定分数线、题目入库、撰写技术报告等，每个题目需要标注难度、区分度等技术指标。

考试性质分类：分为常模参照类和标准参照类，常模参照类用于区分选拔，依据学生在群体中的相对位置解释成绩，命题需要优先选择区分度高的试题，避免过易或过难；标准参照类依据明确的课程/学业质量标准解释成绩，达到标准即可，命题需要优先选择能代表标准要求的关键试题，区分度只要不为负即可。中考的混合性质：中考兼具毕业资格（标准参照）和升学选拔（常模参照）的双重属性，命题需要明确每道题的功能，合理分配不同功能试题的分数占比，是现实要求和技术要求之间的妥协。日常校内测评多数属于标准参照类。

命题蓝图的规范要求

命题蓝图的核心作用：命题蓝图是命题的基础，能明确试题和课标、素养的关联，保证试题效度；北京要求所有提交的成套试卷，第一个提交内容就是命题蓝图。

命题蓝图的核心构成：包含三个部分：第一是类属特征，明确测查指向对应的学业质量标准水平、考察的学科核心素养维度、情景类别、对应课程模块/任务群，需要把握适当的颗粒度，兼顾整体性和可操作性；

第二是基本特征，包含认知复杂度、题型、文字量、图表数量，要求文字量简洁，避免因冗余文字增加无关的阅读负担，北京已经开始监控各年级试卷的总文字量，不同地区同年级同科目的文字量差异可达到一倍。命题蓝图的测量学特征：要求标注预计难度、预计作答时间、每题分值、评分标准、试题来源；评分标准需要和考察目标对应，要从素养维度而非仅知识点维度制定，比如考察建模能力，需要从模型表征、解释、预测、修订的维度分级，不能仅看知识点对错。命题蓝图的整体逻辑：命题蓝图完整对应评价三角的逻辑，测查指向对应认知，任务属性标定对应观察，评分标准对应解释，形成完整的证据链。

命题蓝图样例说明语文主观题样例标定：样题为高二期末语文考试题，题目要求学生结合古诗词学习经验，谈对“古诗词是必需品还是调味品”的看法，150字左右，改编自教材单元研习任务。按照命题蓝图标定，测查指向高中学业水平二（合格考要求），考察语文核心素养中思维发展与提升的逻辑思维，情景为社会生活+个人体验情景，属于中华传统文化经典研习任务群，认知复杂度对应韦伯深度模型3级，题目为中等难度。样例评分标准设计：该题评分围绕逻辑思维的判断、论证两个核心要素设计，明确不同等级的描述，并配上学生作答样例和解读，保证所有评分者对评分标准的理解一致；评分本质是对学生作答的编码，素养无法直接观察，需要通过清晰的编码规则从学生作答中提取证据。

过程性评价的蓝图设计核心逻辑与简化要求：过程性评价同样遵循评价三角逻辑，目的是寻找素养证据，可以简化类属等内容，重点明确诊断问题和提升建议。

核心要求：过程性评价核心是三大项：明确学生当前水平、目标水平、如何帮助学生达到目标；核心三要素是目标任务、证据评价、反馈改进，其中反馈对学生学习的促进作用最大，远比大量刷题有效。

考试评价研究的新进展

评价中的支架设计：支架是帮助学生达到更高理解水平的工具，包含评分量规、句式框架等，可帮助学生展现思维过程，方便命题者获取证据；支架可分为能力支架、内容支架，在教学和评价中可以采用逐步撤出支架的方式培养学生能力：初期提供内容+能力支架，中期保留能力支架撤出内容支架，最终完全撤出支架，培养学生独立的思维能力。计算机化情景交互测评开发：北京教研系统目前已经开发了3套市级计算机化测评系统，在6000多名初一、高一学生中完成测试，实现了科学领域综合考察，采用多模态表达、人机交互、三维场景设计，可完整记录学生作答的过程性数据（反应时、看视频次数、修改次数等）；研究发现，在创新思维测评中，学生能力水平和作答速度呈显著负相关，深度探索型学生（约占10%）得分最高。大语言模型自动评分研究：北京团队和中国科大合作开展人机协同自动评分研究，目前素养导向主观题评分和人工评分的一致性可达到85%，机器和人工评分的一致性比不同人工之间的一致性更高；计划用AI替代一位人工评分员，最终终审权仍保留在人手中，出现较大误差时由人工复核。

本文地址： https://sjds.net/816016.html

文章来源：四季读书网