「我没有忘记我的作品被第一次附上打分标准的那个瞬间……忽然间所有的快乐都消失不见了。我是为了分数而写作——我不是为了我自己而探索。我想找回这种快乐。我能找回这种快乐吗？」
— 学生 Claire（于 Olson，2006 年）
关于评估学业表现的资料写得太多了，足以塞满一整个图书馆。但如果你稍微想一想，学业评估其实就是简简单单的两个步骤。我们需要收集学生表现的信息，将这些信息分享给与学生和家长（或许附带上我们的评价）。收集并报告足矣。
你会说魔鬼藏在细节里？可能是这样吧，但我认为过于关注实际过程中的细节会让我们失去大局观——至少，有两条根据最佳理论、实践和研究所得出的结论，会被你忽略：「收集信息不需要考试，分享这些信息不需要分数。」实际上，如果摆脱了这两个蒙昧时代的遗物，学生会好得多。
为什么考试对于检测学生的学习成果（至少是比较重要的学习成果）不是很有用，认真的教育者会做什么，这两个问题要等到日后再回答。在这里，我们的任务是聚焦于第二种做法，使用字母和数字来总结学生的表现，而不考虑得出这些结论的方法。
打分的影响
我们今天会听到对于打分的批评，实际上，它们大多数早在四十到八十年前就已经被有力而优美地叙述了出来（Crooks, 1933; De Zouche, 1945; Kirschenbaum, Simon, & Napier, 1971; Linder, 1940; Marshall, 1968），这些早期的文章读起来令人大开眼界。他们提醒我们，我们所做的事情存在一些问题，这一点已经清楚很久了，以及我们虽然意识到了这一点，却仍在原地踏步。
在二十世纪八十和九十年代，教育心理学家系统地研究了分数的影响，像我在别处提到过的（Kohn, 1999a, 1999b, 1999c），如果比较一下被要求专注于分数和没有被要求专注于分数的小学生、中学生和大学生，结果就会支持三个强有力的结论：
- 分数会削弱学生的兴趣，无论他们学的是什么。研究证明「分数倾向」和「学习倾向」呈现负相关，并且，就我知道的而言，所有关于分数对内在动机的影响的研究都证明这种影响是负面的。
- 分数会让学生偏向于选择最容易完成的任务。如果学生知道了自己的所作所为会影响分数，他们会避免一切不必要的智力风险。为了得到更好的分数，他们会选择更短的书来读，做项目也会选择熟悉的话题——这不是因为他们「缺乏动力」，而是因为他们足够理性。是那些成年人为他们设定了取得高分的目标，传递出了学业成功比掌握知识更重要的信号，而他们只是回应这些成年人而已。
- 分数会降低学生的思考质量。他们可能会把书草草翻一遍以掌握「他们需要知道的」。他们不会想「我们能确定这地方是正确的吗？」之类的问题，而是会问：「考试会考吗？」有个实验让学生理解一段社会学研究材料的主要含义。研究者告诉一组学生他们要接受考试，而告诉另一组学生他们不会被打分。接受考试的学生对材料大意的理解更糟糕。一周后考察他们能背出多少内容，被打分的一组记住的知识点也更少（Grolnick 和 Ryan，1987 年）。
最近几十年里，关于打分各方面影响的研究进展较慢，但现有研究都证实了之前的发现。比如，分数导向的环境中作弊现象较严重（Anderman 和 Murdock，2007 年）；即使是对于优秀学生，分数（无论是否附带评语）都会引发恐惧感（Pulfrey 等，2011 年）；在医学学校中不公布分数（而选择通过/不通过的模式）收效甚佳，而弊处不明显（White 和 Fantone，2010 年）。更重要的是，没有任何最近的研究得出与之前「三大结果」相悖的结论，所以这些结论仍然成立。
为什么打分存在本质问题
有位学徒问大师，他要修炼多少年才能悟道。「十年」，大师说。但学生接着问，如果自己非常努力呢？「二十年」，大师说。学生很诧异，并接着问如果他非常非常努力，比静修处所有学生都努力，那需要多少年。「那样的话要三十年」，大师说。他解释道：「如果你拿一只眼睛拿来关注你离达成目标有多近，那么你只剩一只眼睛专注于任务了。」
为了理解为何研究者得出了这些关于分数的结论，我们需要将目光从教育评估技术转向更广泛的心理学和教学领域，这样我们便能看出打分背后有一系列错误的假设。
动机：尽管在接受几年传统学校教育之后，很多学生可以认为是分数驱动的，但动机的本质非常重要。外在动机，比如取得高分的渴望，不仅与内在动机非常不同，更会破坏内在动机，破坏为学习而学习的渴望（Kohn，1999a）。很多评估方面的专家认为只有一种动机——而他们推荐的做法只是粉饰雕琢后的奖惩系统，这种系统会让学生追逐分数，而减少对学习本身的兴趣。如果对我们来说，培养学习的渴望是首要目标的话，那么打分这种做法存在本质问题。
成就：有两位教育心理学家指出，「对评估的过度重视会阻碍学生对卓越的追求」（Maehe 和 Midgley，1996，第七页）。这一令人不安的结论，即使不考虑评估本身的质量仍然成立，但尤其适用于在使用分数系统进行评估时。这两人的调查，以及很多其他研究者，如 Carol Dweck，Carole Ames，Ruth Butler， John Nicholis（Kohn 199b），都支持这一结论。简而言之：越引导学生重视他们的表现要有多好，他们就对自己实际上正在做什么越不上心。
因此，评估必须谨慎且节制，以免学生过于顾虑表现（他们在某事上的表现有多好，或更糟糕地，他们相比其他人的表现）而不再关注学习本身。即便是用意良好的老师，也可能会让他的一屋子学生过于关注自己的阅读技巧，而忽略故事本身。评估咨询师担心的是分数可能没有真实地反映学生的表现；教育心理学家担心的是分数让学生过于关注他们的表现。
量化：有人可能会问我，测量学生学习质量（或者老师教学的质量）难道不重要吗？对此，我会请他们重新思考他们选择的动词。「评估」教与学的质量当然有价值，但「衡量」教与学，用数字来表示质量，往往是并不必要，甚至是不可能的。的确「可量化的结果可能是学习最不重要的结果」（McNeil，1986，p. xviii）——这一结论，对于当今沾染公司习性，对数据高度执迷的「学校改革」，是令人耳目一新的反击。
用具体的度量来讨论教室中的活动，乃至儿童脑中的思考是否在前进或后退，不仅是过度简化，无法抓住现实特征的做法，更是充满破坏性的，因为这一度量会破坏现实中的活动。如果我们过于关注可以用数字描述的东西，比如作文中有多少语法错误，或者孩子记住了多少种数学算法，学生的思考能力会被大幅破坏。这正是我们试图把学习框进四个或五个（鬼知道有多少个）百分制标准的结果。
课标：Howard Gardner（1991 年，254 页）写道，「纵使我们有最优质的评估手段，如果相配套的课标质量无法匹配，那么评估手段也毫无作用。」评估领域的一些人对评估和课标的相关性很坦率，他们会帮助你根据目标和课标调整评估手段。结果是老师们变得很擅长衡量学生是否掌握一组特定的知识和技能，这些知识和技能的价值究竟可不可靠，从来没有人对此产生疑问。这就像 Elliot Eisner （2001 年，370 页）所说的，「如果某项知识不值得教，那么它也不值得好好地教。」我们也可以再加上一句，「不值得好好评估」。
比如说，如果用作品集替代分数，而非根据作品集产出分数，那么这会是更有建设性的做法。作品集提供了一种方法，深思熟虑地收集各种大量有意义的学习例子，帮助学生们复习。但如果「教学时时刻刻都按照工作表来，以致所有作品集都一个模样，那还有什么用？」（Neill 等人，1995 年，第四页）。相反，有时候更深思熟虑的教学方式——比如通过研讨会教学写作——和某些令人沮丧的标准化评估手段之间，存在十分大的鸿沟（Wilson，2006 年）。
改良打分：徒劳无功？
「我一直在提倡基于标准的打分方法，这也是非常重要的运动，但只有在一些优秀的教育者教导我之后，我才意识到如果我希望我的评估是基于真实反馈的，那么我应该直接放弃打分这种做法。」
——新泽西中学教师 Json Bedell（2010 年）
「面向学习的评估」（以及「形成性评估」）等概念相关的内容令我非常不安：其中推荐的做法过于矫揉造作而机械化；数据收集的必要性凌驾于儿童自己的地位之上，也凌驾于帮助他们对自己所做的事情产生热情之上。尽管如此，如果不过分频繁和张扬，面向学习的评估还是有可能的。然而如果是「面向学习的打分」，用 1960 年代的口号来说，就是像是为了和平而轰炸。对学生和其努力打分并排名本质上会适得其反。
如果我是对的——更为重要地，如果我之前提到的所有研究被认真对待——那么去除打分是促进深度思考，提升思考动力的必要不充分条件。我们有必要在这个观点上多思考片刻，因为各方势力都在试图兜售提升打分技术的方案，而没有真正处理打分本身的问题。
- 把打分中的数字或字母换成标签（「超越期望」「符合期望」之类）是不够的。如果你把学生分成了四类或五类，你仍然在给他们打分。指标通常是包含数字和标签的，这只是我们要对此抱有怀疑的原因之一。（Wilson，2006 年；Kohn，2006 年）。
- 提前把对学生的期望告诉他们是不够的。「如果把学校当成考试，而非是思维丛林中的一次探险」，而老师「提前列明学生为了取得高分要完成的事」，那么老师可能觉得这是比较公平的做法。「[然而]这样的教育在更广泛的意义上是不公平的，因为这种教育让学生擅长通过其他人设置的考试，而没有增强他们与同伴合作时设置自我目标的能力。」（Nicholls 和 Hazzard，1993 年，77 页）。
- 更高效地发布分数，比如说发在网上，是不够的。已故的 Gerald Bracey 曾评论道，「有很多飞速发展的技术，能让我们在纳秒之间完成很多事，但这些事我们本就不应该做。」（引用自 Mathews，2006 年）。实际上，在网上发布分数是巨大的退步，因为这种做法让分数更加显眼，增强了分数对学习的破坏性影响。
- 附加叙述性报告是不够的。「如果分数和评论一同发布，评论是为了证实分数而存在的。」（Wilson 2009 年，60 页）。但如果「只有评论，接受者会阅读评论。」高中英语教师 Jim Drier 说到。此外，根据研究，即便附加了报告，分数对创造力的破坏性并没有减少（甚至可能更多）。只有没有分数的情况下，叙述才会有用。
- 使用「基于标准的」打分是不够的。这一词语有很多暗示，比如更一致的打分，或使用了更精细的公式来决定分数；分数含义更具体；或者给更多任务或技能打分。最好的情况下，这些方案没有解决打分的本质问题；最坏的情况下，它们加剧了这一本质问题。除了数据越多越好这一简单化前提，我们发现与昔日行为主义者共享的爱好，即学习可以也应该被分解成一个个组分来分别评估。过于频繁的获取数据，助长了以学习为代价的对表现不成比例的关注，而这正是研究者发现的非常有害的情况。
「基于标准」一词，有时候仅仅指的是打分是根据一系列目标制定的。这时候我们的首要反应则应该是思考这些目标的价值（以及制定这些目标时学生的参与程度）。如果分数是依据国家的标准制定的，那么我们就很有必要担忧了，因为这些标准往往过于具体，与年龄不相称，从定义上来说是标准化的（Kohn，2001 年）。根据我的经验，对于遥不可及的官方制定的一系列目标，或者用这些目标作为他们学生思想的评估手段，最好的老师是有所顾虑的。
最后，「基于标准」一词有时候跟基准考试（criterion-based testing）一词所指类似。基准考试指的是避免根据曲线来给学生打分。（尽管有些老师不会明面上按曲线给分，但他们认为分数应该是接近正态分布的，只有一小部分学生能拿到 A。但这一分布并不是自然的，也并不是老师「严谨」的表现。这是失败的符号——教学的失败，考试的失败，对学生智力施加影响的失败[Milton, Pollio & Eison，1986 年]）。相比故意让高分非常稀少，让学生互相竞争的系统，基准考试无疑是一大进步。但我们虽然去除了洋葱最外面一层皮（竞争），但我们要暴露出内在的危害：外在动机，数字打分，以学习为代价的成就。
如果我们的初衷是做更频繁的考试，获取更多数据，或者提升打分的一致性，那么我们会选用相应的方案。然而，如果我们的初衷并不是打分，而是为了让学生深刻理解知识，或者是从文字和数字中获得乐趣，或者是做自己学习的主人，那么我们的做法可能会大不一样。我们会认为打分系统是一台冒烟呲油，轰隆作响的巨大机器，时刻需要修复和新零件。我们要做的是拔掉电源线。
去除分数，或至少淡化分数
「不管你喜不喜欢，打分已成定局」这种话，任何有责任感的教育家，都不会将其作为不作为的借口。约定俗成的做法是否对学生最有利，这是我们关心的问题。如果不符合学生的利益，我们必须要努力消除这种做法，与此同时也要努力减轻其影响。
给出叙述式评估或开展教师与家长的会议，以此替换数字或字母分数，也就是用书面或谈话形式给出的学生进展的定性总结，这种做法并不是乌托邦式的幻想。很多公立私立的小学中学，乃至高中，都已经采取这种做法并取得了成功。（Kohn，1999c）。重要的不仅是明白为何有学校采取这种做法，而且要调查为什么他们摒弃了分数，他们怎么做到的（提示：这一过程可能是渐进式的），以及他们取得了什么好处。
对于这样重大的方针转向，或者说任何重大转向，自然会有人反对，然而只要教师向学生和家长展示相关研究，解答他们的疑虑，并邀请他们一同构建其他的评估方式，摒弃分数的做法不仅是现实的，而且是相对于现状的巨大改善。有时候只有终结了打分，我们才能意识到打分的危害有多大。
我知道你们在担心什么，但我可以肯定地说，这些去分数化高中的毕业生，是能被大型公立大学和高门槛的私立大学接收的——相比平均分（GPA），这些高中提供的叙事性评估报告，以及对培养方案的详细描述（配合推荐信，论文，采访等内容）为大学申请者描绘了更加全面的画像。此外，这些学校指出，相比传统学校为分数焦头烂额的学生，他们的学生在学习上更有动力，也更擅长、更适合大学生活。
无论如何，申请大学并不是小学和中学摒弃分数的阻碍，因为大学并不关心学生在高中之前的所作所为。对低龄段儿童施加分数的鼓吹者，由此会使用我称之为 BGUTI 的论点：「最好早点适应（Better Get Used To It）」（Kohn，2005 年）。他们的观点是，我们应该尽早把这些不愉快而又不必要的事加在孩子身上，以便让他们适应之后这些会加在他们身上的事。这一辩解太过荒谬，但教育政策的制定中仍有其一席之地。
即便管理者还没准备好放弃传统成绩单，教师也可以两步走来「无害化分数」，让他们教的学生学得更好。首先，停止在作业上写字母或数字分数，而只提供定性的反馈。每学期发成绩单已经很差劲了，然而研究者发现，如果每天都对学生在校的行为打分，伤害会更大（对于学习兴趣，对挑战的意愿，以及思考质量）。只要把分数换成真实的评估，老师就能避免不少伤害。不仅如此，就跟我们之前所说的一样，没有数字分数后，任何反馈都会更加有用。
第二，尽管老师可能需要上交最终分数，但并没有人要求分数必须只由老师给出。所以，老师可以让学生一同参与评价，或是互相商讨（老师有最终决定权），或是让学生给自己打分。如果有人觉得这种做法有风险，这可能是他们意识到这会让教室的环境更加民主，让老师必须构建合适的教学方法和培养方案，使得学生真心参与其中，而非让老师胁迫他们按安排行事。实际上，对这一提议的负面看法（「这不现实！」）恰好说明了分数更多是控制学生的手段，而非报告学生表现的必要方法，或者有任何建设性。
我最近和几位停止给学生打分的初高中老师谈了谈。其中，Jeff Robbins 已经在新泽西教授八年级科学 15 年，他坦白：「还是打分更容易点」，因为打分比提供有意义的评估快多了。但这一效率背后是巨大的代价。他注意到孩子们压力很大，而且倾向于避免智力上的挑战。他们会选择更容易的作业以保证他们得 A 。
一开始 Robbins 宣布，学生可以重新提交所有项目或考试，以获得更高的分数。可惜的是，这种做法并没有解决根本问题，他最终意识到，他必须完全停止打分。现在，他为他的所有学生（125 名）撰写评论，「围绕他们的表现，和他们需要改善的地方」，并在他的记分册上写下简短的笔记。每学期末，他会花一周的时间找每位学生谈话：「因为在教育系统的原始设计下，孩子无法得到这种反馈」——他会问孩子学了什么，如何学到的。「只有在谈话末尾，他会问什么样的分数最能反映孩子的学习，而他们会一同得出结论。」就像我这些年来交流过的很多老师一样，Robbins 说他几乎总是接纳学生的打分提议，因为他们基本上和他打的分是一样的。
Jim Drier 是伊利诺州 Mundelein 高中的英语老师，他教了 90 名学生，其能力分布从「挂科边缘到大学预修水平」。他很高兴地发现，给学生的作业写简短的评论「并不会花太长时间」——这是「对他们努力的反馈，以及对他们如何改进的一些建议」。但他从不「对学生的作业打分。分数驱使孩子做的事，对于教育者而言是非常心痛的。」：与教师争辩，跟家长争斗，考试作业作弊，为考试死记硬背，再忘得一干二净。「这不是我成为教师的初衷」。
没有了分数后，「我觉得我和学生的关系改善了很多」，Drier 说。「他们的写作水平提升得很快，知识也记得更牢了。很多学生告诉我，他们对学校的态度也改变了。」他本以为家长会有所抵触，但他说三年后只有一个家长反对停止打分，而他在给那位家长寄信写明缘由后，家长的态度也有所缓和。现在有两名他的同事也加入了摒弃分数的行列。
Drier 根据学生书面提交的自我评估给出最终分数，而这一评估则基于学生对他们作品集中的作品的评价。他与四分之三的学生每学期简单见面两次，以评估他们的表现，此外如果必要的话（虽然不常发生），他会和他们讨论他们自己提供的分数是否合理。有人问过他，没有字母和数字的记分册他该怎么办，Drier 则说：「如果我跟学生共处了 18 周，我会很清楚他们的写作和推理能力。」
对于这些放弃打分的老师以及其他老师来说，真实评估的一大关键要素，是让学生有机会设计评估机制，并思考其意义——无论是每个学生自己，还是整个班集体。注意这与另一种常见的自我评估方式有所不同，在那种方式里，学生只是根据老师设定的（或者法律要求的）目标衡量自己的进度，而他们必须依据打分指标，为自己的学习进展给出粗略的数字分数。
从这些老师的交流中可以找出不少共通之处，当然也有存在差异的做法。来自加拿大阿尔伯塔省红鹿城的教育家 Joe Bower （无日期）收集了一些例子。比如说，有一些老师会衡量学生的表现（当然是定性的），但其他人认为只提供反馈是更有建设性的做法，也就是只提供信息。对后者而言，「分数的另一种方案是描述」，「描述的起点应该是白纸一张，而不是用一种引导和同质化描述的形式」（Marshall 1968 年，131, 143 页）。
老师也提供了同事和管理层乃至学生自己对摒弃打分的回应。John Spencer （2010 年）是一名阿里桑那州的中学老师，他坦白道：「很多优秀学生一开始非常愤怒。他们认为摒弃打分是不公平的。他们认为上学是工作，而同学是竞争者……随着时间推移，他们的反应有所变化，他们平静下来了。他们分数上的压力消失了，因此他们也学得更多了。」
根据研究，学生对分数的关注倾向，并不是学生内在的偏好或是什么学习风格的反映；这只是学生终年被牵着为分数劳碌的反映。在一项研究中（Butler，1992 年），研究者鼓励一些学生去思考他们在一项创意性任务上表现如何，而只要另一些人发挥自己的想象力。之后，每个学生被带到一个房间里，里面是其他人根据相同指示绘制的作品，此外也有让他们算出「创意分」的一些指示。当然，那些被指示要思考自己表现的孩子，现在想要知道的是他们相比同龄人干得怎么样。那么能够沉浸于任务之中的孩子，则对其他人到底做了什么更感兴趣。
分数没办法让孩子为现实世界做好准备——除非有人喜欢学习和思考质量无足轻重的世界。分数也并不是学校教育的必要组分，正如体罚和长时间听写一样。尽管如此，在这样一个定量比定性更重要，符合（他人的）标准比探索想法更重要，任何「严谨」的事物会自动获得价值的时代，为孩子做正确的事是需要勇气的。
参考文献
Anderman, E.M., & Murdock, T.B., eds. (2007). Psychology of academic cheating. Burlington, MA: Elsevier Academic Press.
Bedell, J. (2010, July). Blog post.
Bower, J. (2010, March 28). Blog post.
Bower, J. (n.d.). Blog post. [Grading moratorium list]
Butler, R. (1988). Enhancing and undermining intrinsic motivation: The effects of task-involving and ego-involving evaluation on interest and performance. British Journal of Educational Psychology, 58,1-14.
Crooks, A.D. (1933). Marks and marking systems: A digest. Journal of Educational Research, 27(4), 259-72.
De Zouche, D. (1945). “The wound is mortal”: Marks, honors, unsound activities. The Clearing House, 19(6), 339-44.
Eisner, E.W. (2001, Jan.). What does it mean to say a school is doing well? Phi Delta Kappan, pp. 367-72.
Gardner, H. (1991). The unschooled mind: How children think and how schools should teach. New York: Basic Books.
Grolnick, W.S., & Ryan, R.M. (1987). Autonomy in children’s learning: An experimental and individual difference investigation. Journal of Personality and Social Psychology, 52, 890-98.
Kirschenbaum, H., Simon, S.B., & Napier, R.W. (1971). Wad-ja-get?: The grading game in American education. New York: Hart.
Kohn, A. (1999a). Punished by rewards: The trouble with gold stars, incentive plans, A’s, praise, and other bribes. Rev. ed. Boston: Houghton Mifflin.
Kohn, A. (1999b). The schools our children deserve: Moving beyond traditional classrooms and “tougher standards.” Boston: Houghton Mifflin.
Kohn, A. (1999c, March). From degrading to de-grading. High School Magazine, pp. 38-43.
Kohn, A. (2001, Sept. 26). Beware of the standards, not just the tests. Education Week, pp. 52, 38.
Kohn, A. (2005, Sept. 7). Getting hit on the head lessons. Education Week, pp. 52, 46-47.
Kohn, A. (2006, March). The trouble with rubrics. Language Arts, pp. 12-15.
Linder, I.H. (1940, July). Is there a substitute for teachers’ grades? School Board Journal, pp. 25, 26, 79.
Maehr, M.L., & Midgley, C. (1996). Transforming school cultures. Boulder, CO: Westview.
Marshall, M.S. (1968). Teaching without grades. Corvallis, OR: Oregon State University Press.
Matthews, J. (2006, Nov. 14). Just whose idea was all this testing? Washington Post.
McNeil, L. M. (1986). Contradictions of control: School structure and school knowledge. New York: Routledge & Kegan Paul.
Milton, O., Pollio, H. R., & Eison, J. A. (1986). Making sense of college grades. San Francisco: Jossey-Bass.
Neill, M., Bursh, P., Schaeffer, B., Thall, C., Yohe, M., & Zappardino, P. (1995). Implementing performance assessments: A guide to classroom, school, and system reform. Cambridge, MA: FairTest.
Nicholls, J. G., & Hazzard, S. P. (1993). Education as adventure: Lessons from the second grade. New York: Teachers College Press.
Olson, K. (2006, Nov. 8). The wounds of schooling. Education Week, pp. 28-29.
Pulfrey, C., Buch, C., & Butera, F. (2011). Why grades engender performance-avoidance goals: The mediating role of autonomous motivation. Journal of Educational Psychology, 103, 683-700.
Spencer, J. (2010, July). Blog post.
White, C.B., & Fantone, J.C. (2010). Pass-fail grading: Laying the foundation for self-regulated learning. Advances in Health Science Education, 15, 469-77.
Wilson, M. (2006). Rethinking rubrics in writing assessment. Portsmouth, NH: Heinemann.
Wilson, M. (2009, Nov). Responsive writing assessment. Educational Leadership, pp. 58-62.
声明
Copyright 2011 by Alfie Kohn. Reprinted from The Case Against Grades and translated by Thoughts Memo with the author's permission.
Thoughts Memo 汉化组译制
感谢主要译者 Geert、Shom，校对 Jarrett Ye
原文：The Case Against Grades (##) - Alfie Kohn
发表于 2011 年 11 月
作者：Alfie Kohn
创作声明：内容包含教育建议，国外经验仅供参考。