《Chemistry Education Research and Practice》：Chemistry as a discipline of practice: rubrics to assess and provide feedback on the practice of scientific investigationOpen Access
编辑推荐：
科学探究是本科化学专业培养方案中的核心能力，但教师往往未能在实验课程中明确评估学生对各类探究实践（investigative practices）的参与程度。当学生有机会参与这些实践，并且评估能够为其改进提供建设性反馈时，他们更有可能发展相关技能。针对探究实践
科学探究是本科化学专业培养方案中的核心能力，但教师往往未能在实验课程中明确评估学生对各类探究实践（investigative practices）的参与程度。当学生有机会参与这些实践，并且评估能够为其改进提供建设性反馈时，他们更有可能发展相关技能。针对探究实践的评分量表（rubrics）有助于实现这一目标：它能在教师与学生之间建立对实践的共识，同时帮助教师反思教学并作出必要调整，从而提高教学与学习目标之间的一致性。本文呈现了一套评分量表，用于在本科化学实验室内评估科学探究的多个维度，例如提出可探究的问题、规划并实施探究，以及运用数学与计算思维（mathematical and computational thinking）。在实验课程中使用这些评分量表的教师和研究生助教（graduate teaching assistants, GTAs）反馈称，这些量表有助于评估学生表现，并且普遍认为所得分数能够反映学生在目标科学实践上的熟练程度。这些评分量表为教师提供了一种资源，使其能够更好地将评估与学习目标对齐，并有意设计实验教学经历，以促进学生全面参与科学探究。
科学探究（scientific investigation）是本科化学课程的核心能力目标，但实验室教学常常以“菜谱式”实验为主，且缺少对完整探究实践的明确评估。已有评估工具多集中于实验设计、实验技能或问题解决等单一维度，难以全面评价学生在提出问题、规划实施和数据推理等方面的综合表现，因此需要能够整体评估科学探究实践并提供改进反馈的评分工具。
研究人员以建构性对齐（constructive alignment）和自我调节学习（self-regulated learning, SRL）为理论框架，基于美国国家研究理事会（National Research Council, NRC）科学实践框架以及ISEC框架（Investigating, Sensemaking, and Evaluating and Communicating），开发了一套评分量表，用于评估本科化学实验室中的科学探究实践。量表覆盖三个核心实践：提出问题（asking questions）、规划并实施调查（planning and carrying out investigations）、使用数学和计算思维（using mathematics and computational thinking），共包含14个分项；每个分项均包含实践定义、可观察证据陈述、熟练度评分等级和改进建议。研究人员通过多轮利益相关者访谈、试点实施和学生人工制品分析完成量表修订，并考察了内容效度、构念效度、信度和实用性。
关键技术与方法方面，研究基于美国中西部一所大型大学并经机构审查委员会（IRB）批准；样本包括大一、大二、高年级及课程型本科研究体验（Course-Based Undergraduate Research Experience, CURE）实验室的学生实验报告、实验记录本、预实验作业等人工制品，以及教师对实验室内行为的直接观察评分。研究采用NRC与ISEC框架界定构念，使用ELIPSS格式编制量表，通过多群体半结构化访谈、两阶段试点实施、模糊kappa（fuzzy kappa）和邻近一致性检验等方法验证信效度，并将量表嵌入Gradescope平台用于真实教学评分。
**提出问题（Asking Questions）**
该实践包含生成问题、生成子问题和生成假设三个分项。对学生问题与假设的分析显示，大多数问题可在大学实验室范围内检验，分数差异主要来自问题的特异性、假设是否附有科学理由以及表述清晰度。例如，宽泛问题“这些未知混合物有哪些危害和性质”得1分，而“如何根据熔点鉴别混合物中的化合物”得4分；分数覆盖0到5，说明量表能有效区分不同熟练水平。
**规划并实施调查（Planning and Carrying Out Investigations）**
该实践包含八个分项。对计划类分项，能够阐明科学原理、包含详细步骤和试剂用量、预先设计带单位数据表的学生得分更高；安全评估因课程要求普遍得4分，但没有报告具体事故应对措施，故无人得5分。对执行类分项，高年级学生大多安全且系统地实施探究并获得5分，部分大二学生得3或4分。记录过程得分差异较大：仅记录必要数据且无组织的得1分，结构清晰、包含观察和数据表格的得分更高。规划未来调查时，仅列出下周计划而未与当前结果关联的得2分，明确基于当前结果说明修改理由的得5分。总体来看，计划数据收集和记录过程两个分项区分度最大；安全计划、安全执行和执行计划区分度较小，可能反映学生表现较为均匀，而非量表不敏感。
**使用数学和计算思维（Using Mathematics and Computational Thinking）**
该实践包含数学思维、准备计算和执行计算三个分项。学生普遍能应用数学进行定量推理，但在构建方程和单位一致使用上较弱。计算思维证据仅在一门课程中观察到，且通常只能依据最终计算输出评分，多数学生得4或5分；“准备计算”分项因缺乏可观察证据而无法测试。
**评分者间信度（Inter-rater reliability）**
采用模糊kappa计算评分者间信度，整体值为0.79；提出问题为0.81，使用数学和计算思维为0.88，规划并实施调查为0.62，分别对应“几乎一致”或“高度一致”。GTA与研究人员评分的邻近一致性为74%，说明在有限培训下仍具有合理一致性。
**试点实施：教师和研究生助教的视角（Pilot implementation – instructors’ and GTAs’ perspectives）**
使用量表的教师和GTA认为其语言清晰、易于使用，评分能准确反映学生工作质量；量表还促使教师将安全计划和规划未来调查等先前被忽视的内容纳入教学设计，体现了促进建构性对齐的作用。GTA也建议提供更多实施支持，研究人员据此编写了实施指南，公布于ELIPSS网站。
讨论部分指出，量表只能测量学生展示出的科学探究表现，而非其能力上限；缺乏某方面证据不能说明学生不具备该能力。此外，“准备计算”分项因缺少可观察证据而无法验证；研究未收集到参与学生的直接反馈，且不同机构间的普适性仍需进一步检验。
结论方面，这项工作表明，精心设计的评分量表不仅能够捕捉学生对科学探究的多重熟练水平，还能为教师提供可行见解，帮助其将实验教学、学习结果和评估实践对齐。通过在实验课程中嵌入对所有科学探究组成部分的有意义评估，教师可以更好地支持学生发展核心科学能力，并促进其更深入地参与化学实验室学习。该工作还指出实验室课程中需要改革的领域，评分量表可在指导这些改进中发挥关键作用。
