1 基本概念
1.1 定义
表现性评价是指评价者依据学习者在特定任务中的实际表现，对其知识掌握、技能运用、思维品质与问题解决能力作出判断的一种评价方式。它强调学习者“做出来”的证据，而不是仅凭纸面答案推断能力，因而常被用于需要展示操作、表达、创造或综合应用能力的场合。
1.2 核心特征
表现性评价通常具有情境性、过程性和综合性三个显著特点。它不仅关注结果是否达成，也关注学习者如何完成任务、如何选择策略以及如何修正过程中的问题。
1.2.1 真实情境
真实情境是表现性评价的重要基础。任务往往尽量接近现实生活、学科实践或职业场景，使学习者在较为自然的环境中运用所学知识与技能。情境越贴近实际，评价越能反映能力的迁移水平。
1.2.2 过程导向
这类评价并不只看最终产出，还重视完成任务的过程。例如，是否能合理规划步骤、是否能持续调整方法、是否能与他人协作。过程导向使评价更有利于识别学习者的思维轨迹与操作习惯。
1.2.3 综合能力考察
表现性评价常常要求学习者同时调用多种能力，如理解、分析、表达、组织、协作和创造等。由于任务本身通常较复杂，它更适合评估综合素养，而非单一知识点记忆。
1.3 与传统测验的区别
与以选择题、填空题、判断题为主的传统纸笔测验相比，表现性评价更强调开放任务和实际表现。前者主要考察知识回忆和标准化答题，后者则更注重应用、操作和生成性成果。传统测验便于批量实施和快速评分，而表现性评价更能体现能力的真实运用，但组织成本和评分难度也更高。
2 理论基础
2.1 建构主义学习观
建构主义认为，学习不是简单接受信息，而是在具体情境中主动建构意义的过程。表现性评价与这一观点相契合，因为它鼓励学习者在完成任务时调动已有经验，并通过实践形成新的理解。
2.2 真实性评价理念
真实性评价强调在接近真实使用场景的任务中评估学习成果。表现性评价通常借鉴这一理念，将评价置于真实或模拟的活动情境中，使成绩更能对应现实能力的表现。
2.3 能力本位评价思想
能力本位评价重视学习者是否具备完成实际任务所需的能力，而不仅是掌握了多少理论知识。表现性评价常用于检验“会不会做”“能否独立完成”“是否能灵活应对变化”等核心能力，因此与能力本位思想高度一致。
2.4 形成性评价与终结性评价的联系
表现性评价既可用于学习过程中的诊断与指导，也可用于课程结束时的综合判定。作为形成性评价时，它帮助教师及时发现问题并调整教学；作为终结性评价时，它则用于确认学习者是否达到预设标准。二者并不冲突，常可在同一任务中兼顾。
3 评价类型
3.1 任务型评价
任务型评价围绕一个明确任务展开，要求学习者在限定条件下完成某项具体活动。其重点在于任务执行过程和任务产出的质量。
3.1.1 课堂任务
课堂任务通常周期较短，适用于一次课或若干课时内完成，如口头汇报、问题讨论、短文写作、课堂演示等。这类任务便于即时观察，也有利于快速反馈。
3.1.2 实践操作任务
实践操作任务强调动作、技术或程序的规范完成，例如实验操作、工具使用、流程执行等。此类评价常见于需要手脑并用的课程或培训场景。
3.2 项目式评价
项目式评价以较完整的项目活动为载体，通常要求学习者围绕一个主题持续推进，最终形成作品、报告或展示成果。
3.2.1 长周期项目
长周期项目一般跨越较长时间，涵盖资料收集、方案设计、实施修改和成果呈现等环节。它适合考察计划能力、坚持能力和复杂问题解决能力。
3.2.2 跨学科项目
跨学科项目将多个学科知识融合到同一任务中，促使学习者综合运用不同领域的方法。此类评价有助于呈现知识整合与迁移应用的水平。
3.3 作品型评价
作品型评价以学习者最终形成的作品为主要证据，如文章、模型、海报、报告、视频、设计稿等。它适合评价创造性输出与表达性成果。
3.3.1 作品集
作品集是对一段时间内多项成果的集中呈现，能够较全面地反映学习者的成长轨迹。它不仅看单个作品质量，也看作品之间的进步关系。
3.3.2 成果展示
成果展示通常通过展演、答辩、陈列或演示等形式进行，强调对作品内容、设计思路和完成过程的说明。它兼具展示与评估双重功能。
3.4 过程性观察评价
过程性观察评价以学习活动中的行为表现为依据，重点记录学习者在真实过程中的参与度、反应方式和执行情况。
3.4.1 行为观察
行为观察通常针对具体可见的表现，如操作是否规范、回答是否清晰、合作是否积极等。它有助于评价难以完全通过纸笔呈现的能力。
3.4.2 课堂参与记录
课堂参与记录关注学习者在讨论、练习、展示或协作中的投入程度。通过连续记录，可以更稳定地把握其学习状态与变化趋势。
4 评价任务设计
4.1 任务目标确定
任务设计首先要明确评价目的，即希望考察哪些知识、技能或素养。目标越清晰，任务越容易与教学要求保持一致，也越便于后续评分。
4.2 情境与材料选择
情境和材料应服务于任务目标，并尽量贴近学习者可能面对的真实问题。材料既要具备足够的信息量，也要避免无关内容过多，以免干扰表现。
4.3 任务难度与开放度控制
任务难度需要与学习者水平匹配，既不能过于简单，也不宜超出其合理能力范围。开放度则决定任务的答案空间大小，开放度过高会增加评分复杂度，过低则限制表现空间。
4.4 任务说明编写
任务说明应简明明确，使学习者清楚知道要做什么、如何做以及按什么标准评价。表达模糊会影响表现质量，也会降低评价公平性。
4.4.1 操作步骤说明
操作步骤说明用于告知任务流程、时间安排、提交方式或工具使用要求。步骤越具体，学习者越容易进入任务状态并减少无效尝试。
4.4.2 评价要求说明
评价要求说明应列出重点考察的方面，如内容准确性、逻辑性、创造性、合作表现或表达效果。必要时还应说明各项指标的权重。
4.5 任务真实性与可执行性平衡
任务既要有真实感，也要在时间、资源和场地条件内可实施。过于理想化的任务虽有情境价值，但若难以落地，评价效果会大打折扣。
5 评价工具与方法
5.1 评分量规
评分量规是一种将评价标准具体化的工具，通常按维度列出不同水平的表现描述。它可以提高评分透明度，也有助于减少随意性。
5.1.1 分析性量规
分析性量规将任务拆分为若干维度分别评分，如内容、结构、表达、合作等。它有利于发现优缺点，便于反馈和改进。
5.1.2 总体性量规
总体性量规侧重对整体表现进行综合判断，通常适用于时间有限或任务整体性较强的场景。它评分速度较快，但对细部差异的呈现不如分析性量规细致。
5.2 检核表
检核表用于检查关键行为或步骤是否出现，通常以“有/无”“完成/未完成”等形式记录。它适合对程序性操作进行基础确认。
5.3 观察量表
观察量表通过等级化描述记录行为表现的程度，常用于课堂活动、实验过程或合作任务。与检核表相比，它更能反映质量差异。
5.4 访谈与口头提问
访谈和口头提问可用于追问思路、确认理解或补充证据。它们特别适合在作品或操作完成后了解学习者的决策依据与反思能力。
5.5 同伴互评
同伴互评由学习者之间相互评价，有助于促进比较、反思与交流。若配合明确标准使用，既能提供额外证据，也能提升参与者的评价意识。
5.6 自我评价
自我评价强调学习者对自身表现进行回顾与判断。它有助于培养元认知能力，使学习者更清楚自己的优势、不足与改进方向。
6 实施流程
6.1 评价前准备
6.1.1 制定评价标准
实施前应先确定评价指标、等级描述和评分方式。标准越明确，后续操作越一致，也越便于解释结果。
6.1.2 培训评价者
评价者需要熟悉任务要求、评分规则和常见表现类型。必要时可通过样例评分训练来统一理解，减少评分偏差。
6.2 评价中实施
6.2.1 现场观察
现场观察是获取表现性证据的重要环节。评价者应尽量客观记录学习者的实际行为，而不是仅凭印象下结论。
6.2.2 证据收集
证据可来自作品、记录表、过程日志、录音录像、答辩表现等多种形式。多源证据有助于提高判断的稳健性。
6.3 评价后反馈
6.3.1 成绩判定
成绩判定应依据预先设定的标准和证据综合完成，避免临时调整规则。对于复杂任务，可采用分维度合成的方法。
6.3.2 改进建议
反馈不仅要说明结果，还应指出可改进之处，如思路、方法、表达或合作环节的优化方向。有效反馈能够增强评价的教育价值。
7 评分与判定
7.1 表现证据的收集
评分首先依赖充分的证据。证据应覆盖任务关键环节，既包括最终成品，也包括过程记录与现场表现，以避免单一结果导致误判。
7.2 评分标准建立
评分标准应与评价目标直接对应，并尽量使用可观察、可描述的语言。标准越具体，评分者之间越容易形成一致理解。
7.3 等级划分
等级划分通常采用若干水平来呈现表现差异，如优秀、良好、合格、待改进等。等级设置应兼顾区分度与可操作性，避免层级过多而难以辨别。
7.4 主观性控制
表现性评价难以完全消除主观判断，因此需要通过制度和工具尽量降低偏差。常见做法包括标准统一、样例校准、双人评分和复核机制等。
7.4.1 评分者一致性
评分者一致性指不同评价者对同一表现给出相近结果的程度。通过培训、共同阅卷和讨论样例，可提升一致性水平。
7.4.2 评分误差校正
评分误差校正包括检查偏严或偏宽倾向、对异常评分进行复核、对边界案例重新讨论等。其目的在于使结果更接近实际表现。
8 质量保障
8.1 信度
信度关注评价结果的稳定性和一致性。表现性评价因任务开放、场景复杂，通常比标准化测验更依赖严格的评分控制。
8.1.1 评分者信度
评分者信度反映不同评分者对同一表现的判断是否接近。提升这一指标，往往需要清晰量规和统一训练。
8.1.2 任务稳定性
任务稳定性指同类任务在不同时间或不同情境下能否产生相对一致的结果。若任务波动过大，评价结果就不易解释。
8.2 效度
效度关注评价是否真正测到了预期能力。对于表现性评价而言，任务是否贴近目标、证据是否足够充分，都会影响效度。
8.2.1 内容效度
内容效度强调任务内容与目标内容之间的对应关系。若任务只覆盖了部分关键能力，评价就可能失真。
8.2.2 构念效度
构念效度关注评价结果是否反映了理论上要测量的能力结构。也就是说，任务表现是否真的对应理解、应用或创造等能力。
8.2.3 生态效度
生态效度指评价情境与真实应用环境的接近程度。情境越自然、任务越贴近实际，生态效度通常越高。
8.3 公平性与可及性
公平性要求不同背景的学习者都能在合理条件下展示能力。可及性则强调任务设计要考虑身体条件、语言水平和资源差异，避免无关因素影响成绩。
8.4 可操作性与成本控制
表现性评价往往耗时较长，因此需要在评价价值与实施成本之间取得平衡。合理控制任务规模、评分复杂度和材料准备量，是实际推广中的关键问题。
9 应用领域
9.1 基础教育
在基础教育中，表现性评价常用于观察学生是否能够把课堂知识用于表达、探究和创作。它有助于丰富评价方式，减少单一纸笔考试的局限。
9.1.1 语文与写作
语文与写作领域常通过作文、口语表达、朗读展示、阅读分享等方式进行评价。此类任务能够较好反映语言组织、理解与表达能力。
9.1.2 数学与科学探究
数学与科学探究中，表现性评价可用于解决开放题、完成实验、建模解释或提出猜想。它更关注思路和方法，而不仅是最终答案。
9.2 高等教育
高等教育中的表现性评价常见于实验、设计、答辩和实践课程，用以检验学生是否具备独立研究与专业应用能力。
9.2.1 实验课程
实验课程中，评价重点包括操作规范、数据处理、结果分析和实验反思。过程中的准确性与安全意识也常被纳入考察范围。
9.2.2 设计类课程
设计类课程通常通过方案、模型、成品和陈述来评价学习成果。此类课程特别重视创意、逻辑与实现可行性。
9.3 职业教育与技能培训
职业教育与技能培训十分适合采用表现性评价，因为岗位能力本身就需要通过实际操作来验证。评价内容常包括流程执行、工具使用、服务表现和问题应对。
9.4 语言测评
语言测评中的口语、写作、听说互动等部分，普遍采用表现性评价。它能够更直接地反映语言的实际沟通功能，而不仅是语法知识掌握程度。
9.5 艺术与体育评价
艺术与体育领域高度依赖实际表现，因此表现性评价几乎是核心方式。无论是作品创作、舞台呈现，还是动作完成、技术规范，都需要通过观察和综合判断来评定。
10 优势与局限
10.1 优势
10.1.1 能反映真实能力
表现性评价能够在接近实际应用的条件下观察学习者的真实表现，因此比单纯纸笔测试更容易揭示其综合能力与迁移水平。
10.1.2 促进深度学习
由于任务通常较复杂，学习者需要理解、整合、实践并反思，这往往促使其从记忆式学习转向更深入的思考和应用。
10.2 局限
10.2.1 成本较高
这类评价通常需要更多时间、场地、材料和人力，组织难度较大，尤其在班级规模较大时更为明显。
10.2.2 评分主观性较强
由于任务答案不唯一，评分者在判断中不可避免会受到经验和理解差异影响，因此需要额外的标准化措施。
10.2.3 实施标准化难度大
不同任务、不同场景、不同评分者之间难以完全统一，这使得大范围比较和批量实施更具挑战性。
11 典型案例
11.1 课堂展示评价
课堂展示评价通常要求学习者围绕某一主题进行口头汇报，并接受提问与补充说明。评价时一般关注内容准确性、表达清晰度、逻辑结构和临场应答能力。
11.2 实验操作考核
实验操作考核以实际动手完成实验步骤为核心，常见于理科和技能课程。其评分重点包括操作规范、步骤顺序、观察记录和结果处理。
11.3 项目成果答辩
项目成果答辩通常在项目完成后进行，学习者需要说明研究思路、实施过程、成果特点与存在问题。答辩不仅检验成果质量，也检验理解深度和表达能力。
11.4 作品集评审
作品集评审通过连续作品展示学习者在一段时间内的成长轨迹。评审时既看单件作品的完成度，也看整体风格、进步幅度与反思能力。
12 发展趋势
12.1 数字化与在线评价
数字化平台使表现性评价更便于记录、提交与回看，也提升了远程实施的可能性。视频上传、在线答辩和电子作品集正逐渐成为常见形式。
12.2 人工智能辅助评分
人工智能可在文本、语音、图像和行为数据处理中提供辅助判断，如初步分级、特征提取和异常检测。其应用有助于减轻人工负担，但通常仍需人工复核。
12.3 大规模表现性测评
随着标准化工具和技术平台的发展，表现性评价正尝试在更大范围内实施。如何在大规模条件下兼顾质量、效率与公平，是这一方向的重点。
12.4 学习分析支持下的证据评价
学习分析技术能够整合过程数据、互动数据和产出数据，为表现性评价提供更丰富的证据来源。未来的评价可能更加重视多维数据支持下的综合判断。