1 引言

本期汇集了五篇研究文章，探讨了在不同背景下教育证据的概念构建、产生、评估与运用方式。这些文章涉及的主题十分广泛，从高风险测试和文献计量分析到口试、增值模型以及学生辍学问题，但它们都关注着教育数据与证据的质量、解读及应用这一共同主题。

总体而言，这些研究不再将教育成果视为中立的指标，而是强调了理论假设、方法选择、评估实践以及数据在政策中的应用如何影响教育成果的呈现。在整期内容中，评估与问责制并非单纯的技术性流程，而是具有重大政策与实践意义的社会性、情境性及解释性活动。

2 EAEA 2/2026概览

本期首先由Rice等人（2026）提出了一个关于测试中各种利益相关方所面临风险及其影响的理论模型。他们以期望价值理论（Wigfield & Eccles，2000）为基础，阐述了不同利益相关方——学生、教师、学校领导以及政策制定者——对测试中所涉及风险的重视程度存在差异。通过叙事性回顾与专家分析，作者们质疑了“各利益相关方所面临的压力是统一的”这一常见观点，认为利益相关方的动机与对测试的反应取决于他们对风险的认知与评价方式。这一理论贡献为理解高风险测试系统所带来的复杂且往往不均衡的影响提供了框架。

在从概念层面转向对评估实践的实证研究方面，Syverud（2026）研究了挪威中等教育中非标准化口试的有效性问题。通过对36次视频录制的口试进行内容分析，Syverud探讨了教师的提问方式如何影响评估内容。研究结果表明，不同学生的提问方式存在显著差异，进而影响了评估范围及结果解读。Syverud指出，这种差异引发了关于有效性、公平性及可比性的重要担忧，尤其是在高风险总结性评估情境中。该研究因此强调了评估中常被忽视的一个方面——微观层面的互动实践如何影响最终的评价结果——并指出需要更清晰的框架与指导，以推动更加一致且有效的评估实践。

将关注点从评估实践的质量延伸到对研究本身的评价，Hallinger和Narong（2026）分析了教育领域中文献计量分析的迅速增多现象。通过对1,873项研究的系统回顾以及对其中一部分样本的质量评估，作者们结合了描述性分析与评价性分析。他们发现，尤其是自2020年以来，文献计量分析的数量急剧增加，同时还存在一些常见的方法缺陷，比如概念深度不足以及研究重复现象。尽管也有一些高质量的案例，但他们的研究结果仍让人担忧这类分析对国际知识生产的整体贡献，并指出需要更明确的标准。

上述文章着眼于研究证据的质量评估，而Amrein-Beardsley和Geiger（2026）则将注意力转向了此类证据在政策中的应用，研究了增值模型在高风险决策中的可靠性问题。以宾夕法尼亚州的一起法律案件为背景，作者们分析了地区层面的增值模型估算值及其随时间的变化稳定性。从心理测量学与政策评估的角度来看，这些估算值的跨时间稳定性较差。他们的研究结果令人严重担忧，因为使用这类指标进行高风险决策可能存在问题，同时也凸显了在问责制体系中依赖不稳定指标所带来的风险。

将关注点从数据在政策中的应用转向其对学生的影响，Etzion和Romi（2026）研究了如何早期识别有辍学风险的学生。他们以Bronfenbrenner的生态系统理论（Bronfenbrenner，1979）和累积风险模型（Sameroff等人，1993）为理论基础，利用分层逻辑回归分析了以色列499名青少年的调查数据。他们的研究结果表明，包括异常行为、不安全依恋关系以及学校停学记录在内的一小部分变量，就能高精度地预测学生的辍学风险。同时，他们也发现了安全依恋关系以及与重要成年人之间的良好沟通等具有保护作用的因素。该研究展示了基于理论且具备较强实证支撑的模型如何有助于早期识别风险并实施针对性干预。

2.1 主要启示

这五篇研究文章都揭示了一些共同的结论，这些结论对研究、政策制定以及实际应用都具有指导意义。

首先，它们表明教育证据始终受到理论假设和方法选择的制约。无论是界定评估中的风险因素、设计评估工具、整合研究结果，还是建立学生表现模型，这些过程中的各种假设都会显著影响所测量的内容以及结果的解释方式。

其次，这些文章强调了在教育体系的各个层面确保有效性与可靠性的重要性。从课堂评估实践到大规模的增值模型，有效性问题是确保数据能够支持合理且公平解读的核心。

第三，本期内容指出，评估与问责制并非纯粹的技术性流程，其中还包含价值判断、利益相关方的观点以及影响证据生成与应用的情境因素。这在测试对不同利益相关方产生的不同影响，以及政策决策中数据的争议性使用方面表现得尤为明显。

第四，这些研究指出，在研究与评估实践中需要更严格的标准以及更深入的批判性思考。文献计量分析的泛滥以及在政策决策中使用不稳定的指标，都体现了依赖方法论不够严谨的证据所带来的风险。

最后，这些研究共同强调，要有效利用教育证据，就必须考虑具体的情境与目的。无论是识别有风险的学生、解读评估结果，还是为政策提供依据，都必须结合数据生成与应用的实际情况来理解其含义。