長期以來，我國的教育評價與考試主要來自教育行政部門內部，它們既當“運動員”又當“裁判員”，教育評價與考試的“主體單一”、“模式單一”、“指標單一”、“理論陳舊、技術落后”等問題嚴重，導致非人本、不科學、難公正、欠合理等諸多積弊，嚴重阻礙了中國教育改革與發(fā)展，以致中國教育學會副會長朱永新教授說“考試不改，教育難興”。

    十八屆三中全會《決定》關于考試與評價制度改革，明確提出了“形成分類考試、綜合評價、多元錄取的基本模式；健全考試與招生相對分離、學生考試可多次選擇、學校依法自主招生、專業(yè)機構組織實施、政府宏觀管理、社會參與監(jiān)督的運行機制；構建銜接溝通各級各類教育、認可多種學習成果的人才成長‘立交橋’”。我對此的簡單理解是：評價與考試制度改革，要走第三方教育評價與考試模式。

    第三方教育評價與考試，是舶來品，它肇始于西方。從大約公元前400年至19世紀末葉，這在教育評價史上被稱作“考試時期”。教育評價（當時稱考試）的方式主要有“問答”（口試）和“論文”（筆試）。當時教育測量還未產生，對口試和論文，是依靠施教者或管教者通過觀察和閱讀，進行人工評分，帶有很大的主觀性、隨意性、隨機性，也缺乏客觀性和公正性�；诳陀^公正理念的“第三方評價”于15世紀的歐洲在社會、經濟領域產生并很快延伸到其他領域。

    教育評價不但決定著教育發(fā)展，更關乎受教者的命運和社會經濟政治的發(fā)展，其能否有效和客觀公正，至關重要。18世紀到19世紀的科學革命浪潮，使教育奠定了科學化思想；實驗心理學和教育統(tǒng)計學的發(fā)展，為解決教育評價的主觀性、隨意性、隨機性問題提供了理論和方法。教育評價開始了客觀化、數量化和標準化之旅，走上了科學、有效、可靠、可信的征途。

    20世紀初至30年代，教育評價進入“測量時期”，測量技術的科學性和專業(yè)化要求，導致學校和教管部門無力承擔測量評價功能，第三方專業(yè)機構開始從教育測量的角度開始登場。

    20世紀30～50年代，教育評價進入“目標中心時期”，美國的泰勒（Tyler，R）提出了以教育目標為核心的教育評價原理和“教育評價”概念，把教育評價與教育測量區(qū)分開來，并形成了教育評價的“泰勒模式”。隨著泰勒模式推廣，大學入學的標準化測試開始，“第三方評價”思想和方法也得到系統(tǒng)的導入。這個時期，如SAT等大型第三方考試與評價紛紛成長起來。

    20世紀50～70年代，教育評價進入“標準研制時期”，目標參考測驗也發(fā)展起來，并使“泰勒模式”成為主流模式。斯塔夫賓（D.L. Stufflebeam）提出“CIPP模式”，斯克里文提出“目標游離模式”，推動了評價標準的發(fā)展。這個時期，教育測量標準、評價標準，以及教育評價的標準化問題都得到了空前的解決，使第三方教育評價成為主流模式。

    20世紀70年代后，進入“建構時期”，關注評價過程，強調評價過程中評價給予個體更多被認可的可能，重視評價對個體發(fā)展的建構作用，評價的以人為本時代由此開始。80年代開始，項目反應理論把教育評價引向了計算機化和因人施測的方向，模糊評價法發(fā)展了教育評價的數據處理技術。美國加德納教授的多元智能理論，革新了智力測驗，使得傳統(tǒng)教育評價受到巨大的沖擊，“多元智能模式”浮出水面。理論和技術的高度科學化、專業(yè)化發(fā)展，和對人本、科學、客觀、公正的高度追求，使得第三方教育評價與考試更加普遍和成熟。

    對教育測量評價的有效性、可靠性及可信性的內在追求，和對教育測量評價的人本化、科學化、客觀公正的高度需求，以及教育分工專業(yè)化客觀要求等的高度發(fā)展，導致教育實施、評價、咨詢走向高度專業(yè)化分工，致使教育評價的第三方化成為必然和普遍模式。

    第三方教育評價與考試有著不可替代的優(yōu)勢——

    獨立性。第三方評價與被評價方無隸屬和利益關系，因而能不受干擾地進行評價，可以避免在發(fā)現問題、分析原因和作結論時避重就輕、主觀評價；

    客觀公正性。第三方評價的獨立性有助于保障評價過程的公正、公開；

    專業(yè)性。第三方評價機構擁有專業(yè)的評價人才和技術，擁有專業(yè)的理論基礎和工具，可大大提高評價的科學化水平，有利于增強評價結果的可信度和權威性；

    進步性。由于社會化性質，需要在競爭中求生存和發(fā)展，因此特別重視評價理論和技術不斷提升與創(chuàng)新，以及評價產品和服務質量的不斷完善與進步，具有天然的發(fā)展?jié)摿Α?/P>

    中國教育評價與考試如何邁向人本、科學、公正、合理？引入第三方評價不失為改革之路。