长期以来，我国的教育评价与考试主要来自教育行政部门内部，它们既当“运动员”又当“裁判员”，教育评价与考试的“主体单一”、“模式单一”、“指标单一”、“理论陈旧、技术落后”等问题严重，导致非人本、不科学、难公正、欠合理等诸多积弊，严重阻碍了中国教育改革与发展，以致中国教育学会副会长朱永新教授说“考试不改，教育难兴”。

    十八届三中全会《决定》关于考试与评价制度改革，明确提出了“形成分类考试、综合评价、多元录取的基本模式；健全考试与招生相对分离、学生考试可多次选择、学校依法自主招生、专业机构组织实施、政府宏观管理、社会参与监督的运行机制；构建衔接沟通各级各类教育、认可多种学习成果的人才成长‘立交桥’”。我对此的简单理解是：评价与考试制度改革，要走第三方教育评价与考试模式。

    第三方教育评价与考试，是舶来品，它肇始于西方。从大约公元前400年至19世纪末叶，这在教育评价史上被称作“考试时期”。教育评价（当时称考试）的方式主要有“问答”（口试）和“论文”（笔试）。当时教育测量还未产生，对口试和论文，是依靠施教者或管教者通过观察和阅读，进行人工评分，带有很大的主观性、随意性、随机性，也缺乏客观性和公正性。基于客观公正理念的“第三方评价”于15世纪的欧洲在社会、经济领域产生并很快延伸到其他领域。

    教育评价不但决定着教育发展，更关乎受教者的命运和社会经济政治的发展，其能否有效和客观公正，至关重要。18世纪到19世纪的科学革命浪潮，使教育奠定了科学化思想；实验心理学和教育统计学的发展，为解决教育评价的主观性、随意性、随机性问题提供了理论和方法。教育评价开始了客观化、数量化和标准化之旅，走上了科学、有效、可靠、可信的征途。

    20世纪初至30年代，教育评价进入“测量时期”，测量技术的科学性和专业化要求，导致学校和教管部门无力承担测量评价功能，第三方专业机构开始从教育测量的角度开始登场。

    20世纪30～50年代，教育评价进入“目标中心时期”，美国的泰勒（Tyler，R）提出了以教育目标为核心的教育评价原理和“教育评价”概念，把教育评价与教育测量区分开来，并形成了教育评价的“泰勒模式”。随着泰勒模式推广，大学入学的标准化测试开始，“第三方评价”思想和方法也得到系统的导入。这个时期，如SAT等大型第三方考试与评价纷纷成长起来。

    20世纪50～70年代，教育评价进入“标准研制时期”，目标参考测验也发展起来，并使“泰勒模式”成为主流模式。斯塔夫宾（D.L. Stufflebeam）提出“CIPP模式”，斯克里文提出“目标游离模式”，推动了评价标准的发展。这个时期，教育测量标准、评价标准，以及教育评价的标准化问题都得到了空前的解决，使第三方教育评价成为主流模式。

    20世纪70年代后，进入“建构时期”，关注评价过程，强调评价过程中评价给予个体更多被认可的可能，重视评价对个体发展的建构作用，评价的以人为本时代由此开始。80年代开始，项目反应理论把教育评价引向了计算机化和因人施测的方向，模糊评价法发展了教育评价的数据处理技术。美国加德纳教授的多元智能理论，革新了智力测验，使得传统教育评价受到巨大的冲击，“多元智能模式”浮出水面。理论和技术的高度科学化、专业化发展，和对人本、科学、客观、公正的高度追求，使得第三方教育评价与考试更加普遍和成熟。

    对教育测量评价的有效性、可靠性及可信性的内在追求，和对教育测量评价的人本化、科学化、客观公正的高度需求，以及教育分工专业化客观要求等的高度发展，导致教育实施、评价、咨询走向高度专业化分工，致使教育评价的第三方化成为必然和普遍模式。

    第三方教育评价与考试有着不可替代的优势——

    独立性。第三方评价与被评价方无隶属和利益关系，因而能不受干扰地进行评价，可以避免在发现问题、分析原因和作结论时避重就轻、主观评价；

    客观公正性。第三方评价的独立性有助于保障评价过程的公正、公开；

    专业性。第三方评价机构拥有专业的评价人才和技术，拥有专业的理论基础和工具，可大大提高评价的科学化水平，有利于增强评价结果的可信度和权威性；

    进步性。由于社会化性质，需要在竞争中求生存和发展，因此特别重视评价理论和技术不断提升与创新，以及评价产品和服务质量的不断完善与进步，具有天然的发展潜力。

    中国教育评价与考试如何迈向人本、科学、公正、合理？引入第三方评价不失为改革之路。