التقييم التربوي

غالباً ما يتم تقسيم التقييم إلى فئات أولية وتكوينية وختامية لمعالجة الأهداف المختلفة لممارسات التقييم.

(1) تقييم تحديد المستوى – يُستخدم تقييم تحديد المستوى لوضع الطلاب، وفقًا لإنجازاتهم السابقة أو مستوى معرفتهم أو خصائصهم الشخصية، في أنسب نقطة ضمن التسلسل التعليمي، أو في استراتيجية تعليمية فريدة، أو مع معلم مناسب ^{[ 10 ].} ويتم ذلك من خلال اختبارات تحديد المستوى ، أي الاختبارات التي تستخدمها الكليات والجامعات لتقييم جاهزية الطلاب للالتحاق بالجامعة ووضعهم في فصولهم الدراسية الأولية. يُجرى تقييم تحديد المستوى، والذي يُشار إليه أيضًا بالتقييم القبلي أو التقييم الأولي أو اختبار المعرفة الأساسية (TKT)، قبل بدء التدريس أو التدخل لتحديد خط أساس يمكن من خلاله قياس نمو كل طالب على حدة. يُستخدم هذا النوع من التقييم لتحديد مستوى مهارة الطالب في المادة، ويمكن أن يساعد المعلم أيضًا على شرح المادة بشكل أكثر فعالية. لا تُمنح درجات لهذه التقييمات عادةً. ^{[ 11 ]}

(2) التقييم التكويني - يُجرى هذا النوع من التقييم عادةً خلال المقرر الدراسي أو المشروع. ويُشار إليه أيضًا باسم "التقييم التربوي"، ويُستخدم لدعم عملية التعلم. في البيئة التعليمية، قد يُجري التقييم التكويني المعلم (أو أحد الزملاء ) أو المتعلم نفسه (على سبيل المثال، من خلال التقييم الذاتي ^{[ 12 ] [ 13 ]} )، حيث يُقدم ملاحظات حول عمل الطالب، ولا يُستخدم بالضرورة لأغراض التقييم النهائي. يمكن أن يتخذ التقييم التكويني أشكالًا تشخيصية، أو اختبارات موحدة، أو اختبارات قصيرة، أو أسئلة شفهية، أو مسودات. يُجرى التقييم التكويني بالتزامن مع التدريس، وقد تُحتسب نتائجه. يهدف التقييم التكويني إلى تحديد مدى فهم الطلاب للتدريس قبل إجراء التقييم النهائي. ^{[ 11 ]}

(3) التقييم النهائي - يُجرى هذا النوع من التقييم عادةً في نهاية المقرر الدراسي أو المشروع. في البيئة التعليمية، تُستخدم التقييمات النهائية عادةً لتحديد درجة الطالب في المقرر، وهي ذات طبيعة تقييمية. تُستخدم هذه التقييمات لتلخيص ما تعلمه الطلاب وتحديد مدى فهمهم للمادة الدراسية. يُقيّم هذا النوع من التقييم عادةً بدرجات (مثل: ناجح/راسب، من 0 إلى 100)، ويمكن أن يتخذ شكل اختبارات أو امتحانات أو مشاريع. تُستخدم التقييمات النهائية بشكل أساسي لتحديد ما إذا كان الطالب قد اجتاز المقرر أم لا. من الانتقادات الموجهة للتقييمات النهائية أنها اختزالية، حيث يكتشف المتعلمون مدى استيعابهم للمعرفة بعد فوات الأوان. ^{[ 11 ]}

(4) التقييم التشخيصي – في النهاية، يركز التقييم التشخيصي على جميع الصعوبات التي حدثت أثناء عملية التعلم.

اقترح جاي ماكتيغ وكين أوكونور سبع ممارسات للتعلم الفعال. ^{[ 11 ]} إحداها تتعلق بعرض معايير التقييم قبل الاختبار، وأخرى هي أهمية التقييم المسبق لمعرفة مستوى مهارات الطالب قبل إعطاء التعليمات. كما يُعد تقديم الكثير من الملاحظات والتشجيع ممارسة أخرى.

يشرح الباحث التربوي روبرت ستيك ^{[ 14 ]} الفرق بين التقييم التكويني والتقييم الختامي من خلال التشبيه التالي:

عندما يتذوق الطاهي الحساء، فهذا يُعدّ تقييماً أولياً. وعندما يتذوق الضيوف الحساء، فهذا يُعدّ تقييماً نهائياً. ^{[ 15 ]}

يُشار عادةً في سياق التعلّم إلى التقييم التجميعي والتقييم التكويني على التوالي بتقييم التعلّم وتقييم التعلّم . يُعدّ تقييم التعلّم تقييمًا تجميعيًا يهدف إلى قياس مخرجات التعلّم وإبلاغها للطلاب وأولياء الأمور والإدارة. ويُجرى هذا التقييم غالبًا في نهاية الفصل الدراسي أو المقرر أو العام الدراسي، بينما يُعدّ تقييم التعلّم تقييمًا تكوينيًا يستخدمه المعلمون للنظر في أساليب التدريس والخطوات التالية لكل طالب على حدة وللصف ككل. ^{[ 16 ]}

يُعد التقييم التشخيصي أحد أشكال التقييم التكويني الشائعة . يقيس التقييم التشخيصي معارف الطالب ومهاراته الحالية لتحديد برنامج تعليمي مناسب. ويُعتبر التقييم الذاتي شكلاً من أشكال التقييم التشخيصي، حيث يُقيّم الطلاب أنفسهم.

يتطلب التقييم الاستشرافي من الأشخاص الذين يتم تقييمهم أن يفكروا في أنفسهم في مواقف مستقبلية افتراضية. ^{[ 17 ]}

يُشبه التقييم القائم على الأداء التقييمَ التجميعي في تركيزه على التحصيل الدراسي. وهو غالبًا ما يتماشى مع إصلاح التعليم القائم على المعايير وحركة التعليم القائم على النتائج . ورغم اختلافه، من الناحية المثالية، اختلافًا كبيرًا عن اختبار الاختيار من متعدد التقليدي، إلا أنه يرتبط في الغالب بالتقييم القائم على المعايير ، والذي يستخدم إجابات مفتوحة على أسئلة معيارية يُقيّمها مُقيّمون بشريون وفقًا لمقياس معياري، حيث يُحدد مستوى الأداء بناءً على استيفاء المعيار أو عدم استيفائه أو تجاوزه، بدلًا من التقييم وفقًا لمنحنى التوزيع الطبيعي. تُحدد مهمة واضحة المعالم، ويُطلب من الطلاب ابتكار شيء ما أو إنتاجه أو القيام به، غالبًا في بيئات تتضمن تطبيقًا عمليًا للمعرفة والمهارات. ويُبرهن على الكفاءة من خلال تقديم إجابة مُفصّلة. تُصنّف أشكال الأداء إلى منتجات وعروض. قد ينتج عن الأداء منتج، مثل لوحة فنية أو ملف أعمال أو بحث أو معرض، أو قد يتكون من أداء، مثل خطاب أو مهارة رياضية أو حفل موسيقي أو قراءة.

يُصنَّف التقييم (سواءً كان تقييمًا نهائيًا أو تكوينيًا) عادةً إلى نوعين: موضوعي وذاتي. التقييم الموضوعي هو نوع من الأسئلة التي لها إجابة صحيحة واحدة. أما التقييم الذاتي فهو نوع من الأسئلة التي قد يكون لها أكثر من إجابة صحيحة (أو أكثر من طريقة للتعبير عن الإجابة الصحيحة). تتنوع أنواع الأسئلة الموضوعية والذاتية. تشمل أنواع الأسئلة الموضوعية أسئلة الصواب/الخطأ، والاختيار من متعدد ، والإجابات المتعددة، والمطابقة، بينما تشمل أنواع الأسئلة الذاتية أسئلة الإجابات المطولة وأسئلة المقال. يُعد التقييم الموضوعي مناسبًا تمامًا لنمط التقييم المحوسب أو الإلكتروني الذي يزداد شيوعًا .

يرى البعض أن التمييز بين التقييمات الموضوعية والذاتية ليس مفيدًا ولا دقيقًا، لأنه في الواقع لا يوجد ما يُسمى بالتقييم "الموضوعي". في الحقيقة، تُصمَّم جميع التقييمات بتحيزات متأصلة في القرارات المتعلقة بالموضوع والمحتوى ذي الصلة، فضلًا عن التحيزات الثقافية (الطبقية والعرقية والجنسية). ^{[ 18 ]}

يمكن مقارنة نتائج الاختبار بمعيار محدد، أو بأداء الطلاب الآخرين، أو بالأداء السابق:

(5) التقييم المرجعي للمعايير ، والذي يُستخدم عادةً اختبارًا مرجعيًا للمعايير ، كما يوحي الاسم، يحدث عندما يتم تقييم المرشحين وفقًا لمعايير محددة (وموضوعية). يُستخدم التقييم المرجعي للمعايير غالبًا، وإن لم يكن دائمًا، لتحديد كفاءة الشخص (أي ما إذا كان قادرًا على القيام بشيء ما). المثال الأكثر شهرة على التقييم المرجعي للمعايير هو اختبار القيادة، حيث يتم تقييم السائقين المتدربين وفقًا لمجموعة من المعايير الواضحة (مثل "عدم تعريض مستخدمي الطريق الآخرين للخطر").

(6) التقييم المعياري المرجعي (المعروف شعبياً باسم " التقييم النسبي ")، والذي يستخدم عادةً اختباراً معيارياً مرجعياً ، لا يُقاس وفقاً لمعايير محددة. هذا النوع من التقييم نسبيٌّ بالنسبة للطلاب الذين يخضعون له، وهو في الواقع وسيلة لمقارنة الطلاب. يُعد اختبار الذكاء المثال الأشهر على التقييم المعياري المرجعي. العديد من اختبارات القبول (للمدارس أو الجامعات المرموقة) معيارية مرجعية، مما يسمح لنسبة ثابتة من الطلاب بالنجاح ("النجاح" هنا يعني القبول في المدرسة أو الجامعة وليس مستوىً محدداً من القدرة). هذا يعني أن المعايير قد تختلف من عام لآخر تبعاً لجودة المجموعة، بينما لا يختلف التقييم المرجعي المعياري (إلا إذا تغيرت المعايير). ^{[ 19 ]}

(7) التقييم الذاتي هو مقارنة ذاتية إما في نفس المجال بمرور الوقت، أو مقارنة بمجالات أخرى داخل نفس الطالب.

يمكن أن يكون التقييم رسميًا أو غير رسمي . يتضمن التقييم الرسمي عادةً وثيقة مكتوبة، مثل اختبار أو امتحان قصير أو ورقة بحثية. ويُمنح التقييم الرسمي درجة أو تقديرًا رقميًا بناءً على أداء الطالب، بينما لا يُساهم التقييم غير الرسمي في الدرجة النهائية للطالب. ويُجرى التقييم غير الرسمي عادةً بشكل غير رسمي، وقد يشمل الملاحظة، وقوائم الجرد، وقوائم المراجعة، ومقاييس التقييم، ومعايير التقييم، وتقييمات الأداء والملفات، والمشاركة، وتقييم الأقران والتقييم الذاتي، والمناقشة. ^{[ 20 ]}

تُحدد المدرسة (أي المعلمون) معايير التقييم الداخلي وتُصححها، ويحصل الطلاب على الدرجة والتعليقات المتعلقة بالتقييم. أما التقييم الخارجي، فتُحدده الهيئة الإدارية ويُصححه موظفون محايدون؛ وتقدم بعض التقييمات الخارجية تعليقات محدودة للغاية. مع ذلك، في اختبارات مثل اختبار NAPLAN الأسترالي، يُقدم تقييم مفصل للمعايير التي تناولها الطلاب، مما يُمكّن المعلمين من تقييم ومقارنة تحصيلهم الدراسي والتخطيط لمستقبلهم.

تتعلق الموثوقية باتساق التقييم. التقييم الموثوق هو الذي يحقق باستمرار نفس النتائج مع نفس المجموعة من الطلاب (أو مجموعة مشابهة). تؤثر عوامل مختلفة على الموثوقية، منها غموض الأسئلة، وكثرة الخيارات في ورقة الأسئلة، وعدم وضوح تعليمات التصحيح، وضعف تدريب المصححين. تقليديًا، تُقاس موثوقية التقييم بما يلي:

1. الاستقرار الزمني: يكون الأداء في الاختبار قابلاً للمقارنة في مناسبتين منفصلتين أو أكثر.
2. تكافؤ الأشكال: يكون الأداء بين الممتحنين متكافئًا في أشكال مختلفة من الاختبار بناءً على نفس المحتوى.
3. الاتساق الداخلي: تتسم الإجابات في الاختبار بالاتساق عبر جميع الأسئلة. على سبيل المثال: في استطلاع يطلب من المشاركين تقييم مواقفهم تجاه التكنولوجيا، يُتوقع وجود اتساق في الإجابات على الأسئلة التالية:
   • "أشعر بسلبية شديدة تجاه أجهزة الكمبيوتر بشكل عام."
   • "أستمتع باستخدام أجهزة الكمبيوتر." ^{[ 23 ]}

يمكن أيضًا تعريف موثوقية القياس x كميًا على النحو التالي: ${\displaystyle R_{\text{x}}=V_{\text{t}}/V_{\text{x}}}$أين${\displaystyle R_{\text{x}}}$الموثوقية في النتيجة الملاحظة (الاختبار)، x؛ ${\displaystyle V_{\text{t}}}$و${\displaystyle V_{\text{x}}}$يمثلان التباين في درجات الاختبار "الحقيقية" (أي الأداء الفطري للمرشح) ودرجات الاختبار المقاسة، على التوالي.${\displaystyle R_{\text{x}}}$يمكن أن تتراوح من 0 (غير موثوق به تمامًا) إلى 1 (موثوق به تمامًا).

توجد أربعة أنواع من الموثوقية: الموثوقية المتعلقة بالطالب، والتي قد تشمل المشاكل الشخصية أو المرض أو الإرهاق ؛ والموثوقية المتعلقة بالمُقيِّم، والتي تشمل التحيز والذاتية ؛ والموثوقية المتعلقة بإجراء الاختبار، والتي تتعلق بظروف عملية إجراء الاختبار؛ والموثوقية المتعلقة بالاختبار، والتي ترتبط أساسًا بطبيعة الاختبار. ^{[ 24 ] [ 21 ] [ 25 ]}

يقيس التقييم الصحيح ما صُمم لقياسه. على سبيل المثال، لا يُعدّ تقييم مهارات القيادة من خلال اختبار كتابي فقط تقييمًا صحيحًا. بل يُعدّ التقييم الأمثل لمهارات القيادة هو الجمع بين اختبارات تُساعد في تحديد ما يعرفه السائق، كاختبار كتابي في معرفة القيادة، وما يستطيع فعله، كتقييم عملي للقيادة. وكثيرًا ما يشكو المعلمون من أن بعض الامتحانات لا تُقيّم المنهج الدراسي الذي تستند إليه تقييمًا دقيقًا، مما يُشكك في مصداقية الامتحان نفسه.

يتم قياس صحة التقييم بشكل عام من خلال فحص الأدلة في الفئات التالية:

1. صلاحية المحتوى - هل يقيس محتوى الاختبار الأهداف المحددة؟
2. صلاحية المعيار – هل ترتبط الدرجات بمرجع خارجي؟ (على سبيل المثال، هل تتنبأ الدرجات العالية في اختبار القراءة للصف الرابع بدقة بمهارة القراءة في الصفوف اللاحقة؟)
3. صلاحية البناء – هل يتوافق التقييم مع المتغيرات المهمة الأخرى؟ (مثال: هل يؤدي طلاب اللغة الإنجليزية كلغة ثانية أداءً مختلفًا باستمرار في اختبار الكتابة عن المتحدثين الأصليين للغة الإنجليزية؟) ^{[ 26 ]}

ومن بينها: ^{[ 21 ] [ 24 ]}

• الصلاحية المترتبة
• صلاحية المظهر

يتميز التقييم الجيد بالصدق والثبات، إلى جانب سمات الجودة الأخرى المذكورة أعلاه، وذلك في سياق وهدف محددين. عمليًا، نادرًا ما يكون التقييم صادقًا أو ثباتًا بشكل كامل. فالمسطرة المُدرّجة بشكل خاطئ ستعطي دائمًا نفس القياسات (الخاطئة). إنها ثبات عالٍ، لكنها ليست صادقة. يُستخدم أحيانًا سؤال أفراد عشوائيين عن الوقت دون النظر إلى ساعة كمثال على تقييم صادق، لكنه غير ثبات. ستختلف الإجابات بين الأفراد، لكن متوسط ​​الإجابة غالبًا ما يكون قريبًا من الوقت الفعلي. في العديد من المجالات، مثل البحوث الطبية والاختبارات التعليمية وعلم النفس، غالبًا ما يكون هناك توازن بين الثبات والصدق. اختبار التاريخ المصمم لصدق عالٍ سيحتوي على العديد من أسئلة المقالات وأسئلة ملء الفراغات. سيكون مقياسًا جيدًا لإتقان الموضوع، لكن سيكون من الصعب الحصول على درجة دقيقة تمامًا. اختبار التاريخ المصمم لثبات عالٍ سيكون اختيارًا من متعدد بالكامل. إنه ليس جيدًا في قياس المعرفة التاريخية، لكن يمكن تصحيحه بدقة عالية. يمكننا التعميم من هذا. كلما كان تقديرنا لما ندعي قياسه أكثر موثوقية، كلما قل يقيننا بأننا نقيس بالفعل ذلك الجانب من الإنجاز.

من المهم التمييز بين صلاحية "الموضوع" وصلاحية "التنبؤ". فالأولى، الشائعة الاستخدام في التعليم، تتنبأ بالدرجة التي سيحصل عليها الطالب في اختبار مماثل بأسئلة مختلفة. أما الثانية، الشائعة الاستخدام في بيئة العمل، فتتنبأ بالأداء. لذا، يُعد اختبار صلاحية الموضوع لقياس معرفة قواعد القيادة مناسبًا، بينما يقيّم الاختبار التنبؤي ما إذا كان السائق المحتمل قادرًا على اتباع تلك القواعد.

يشير هذا المبدأ إلى قيود الوقت والتكلفة أثناء تصميم وإدارة أداة التقييم. ^{[ 21 ]} بمعنى أن يكون الاختبار اقتصاديًا في توفيره، وأن يكون شكله سهل الفهم، وأن يتم حله ضمن إطار زمني مناسب، وأن يكون تطبيقه بسيطًا بشكل عام، وأن تكون إجراءات تقييمه دقيقة وفعالة من حيث الوقت. ^{[ 25 ]}

تكون أداة التقييم أصيلة عندما تكون مُؤطَّرة سياقياً، وتحتوي على لغة طبيعية ومواضيع ذات مغزى وذات صلة ومثيرة للاهتمام، وتُحاكي تجارب العالم الحقيقي. ^{[ 21 ]}

يتعلق هذا المبدأ بآثار التقييم على التعليم والتعلم في الفصول الدراسية. ^{[ 21 ]} يمكن أن يكون الأثر اللاحق إيجابيًا أو سلبيًا. يشير الأثر اللاحق الإيجابي إلى النتائج المرجوة من الاختبار، بينما يشير الأثر اللاحق السلبي إلى النتائج السلبية للاختبار. ولتحقيق أثر لاحق إيجابي، يمكن استخدام التخطيط التعليمي. ^{[ 27 ]}

في مجال التقييم ، ولا سيما التقييم التربوي في أمريكا الشمالية، نشرت اللجنة المشتركة لمعايير التقييم التربوي ثلاث مجموعات من معايير التقييم. نُشرت معايير تقييم الأفراد عام 1988، ^{[ 28 ]} ونُشرت معايير تقييم البرامج (الطبعة الثانية) عام 1994، ^{[ 29 ]} ونُشرت معايير تقييم الطلاب عام 2003. ^{[ 30 ]}

يُقدّم كل منشور مجموعة من المعايير ويُفصّلها لاستخدامها في مختلف البيئات التعليمية. تُوفّر هذه المعايير إرشادات لتصميم وتنفيذ وتقييم وتحسين أسلوب التقييم المُحدّد. وقد صُنّف كل معيار ضمن إحدى الفئات الأساسية الأربع لتعزيز التقييمات التعليمية المناسبة والمفيدة والعملية والدقيقة. في هذه المجموعات من المعايير، تُغطّى اعتبارات الصلاحية والموثوقية ضمن موضوع الدقة. على سبيل المثال، تُساعد معايير دقة تقييم الطلاب على ضمان أن تُقدّم تقييمات الطلاب معلومات سليمة ودقيقة وموثوقة حول تعلّم الطلاب وأدائهم.

في المملكة المتحدة، تتوفر جائزة في التدريب والتقييم وضمان الجودة (TAQA) لمساعدة الموظفين في تعلم وتطوير الممارسات الجيدة في التقييم التربوي في سياقات تعليم وتدريب الكبار والتعليم الإضافي والتعليم القائم على العمل. ^{[ 31 ]}

بالنسبة لمعظم الباحثين والممارسين، لا يكمن السؤال في ما إذا كان ينبغي إجراء الاختبارات من الأساس؛ فهناك إجماع على أن الاختبارات، عند إجرائها بطرق فعّالة، يمكن أن توفر معلومات حول تقدم الطلاب وتطبيق المناهج الدراسية، فضلاً عن كونها تخدم أغراضًا تكوينية للمتعلمين. ^{[ 35 ]} إذن، تكمن القضية الحقيقية في ما إذا كانت ممارسات الاختبار المطبقة حاليًا قادرة على توفير هذه الخدمات للمعلمين والطلاب.

وقّع الرئيس بوش قانون "عدم إهمال أي طفل" (NCLB) في 8 يناير 2002. أعاد هذا القانون العمل بقانون التعليم الابتدائي والثانوي (ESEA) لعام 1965. وكان الرئيس جونسون قد وقّع قانون التعليم الابتدائي والثانوي للمساهمة في مكافحة الفقر، ودعم تمويل المدارس الابتدائية والثانوية. وكان هدف الرئيس جونسون هو التأكيد على تكافؤ فرص الحصول على التعليم، ووضع معايير عالية ومساءلة فعّالة. وقد ألزم قانون "عدم إهمال أي طفل" الولايات بوضع تقييمات للمهارات الأساسية. وللحصول على التمويل الفيدرالي للمدارس، كان على الولايات إجراء هذه التقييمات لجميع الطلاب في مراحل دراسية محددة.

في الولايات المتحدة، ينص قانون "عدم إهمال أي طفل" على إجراء اختبارات موحدة على مستوى البلاد. تتوافق هذه الاختبارات مع المناهج الدراسية الحكومية، وتربط بين نتائجها ومساءلة المعلمين والطلاب والمناطق التعليمية والولايات. ويرى مؤيدو هذا القانون أنه يوفر طريقة ملموسة لقياس النجاح التعليمي، ومحاسبة المعلمين والمدارس على نتائج الطلاب المتدنية، وسد فجوة التحصيل الدراسي بين مختلف الطبقات الاجتماعية والأعراق. ^{[ 36 ]}

يعارض معارضو الاختبارات الموحدة هذه الادعاءات، بحجة أن محاسبة المعلمين على نتائج الاختبارات تؤدي إلى " التدريس من أجل الاختبار ". إضافةً إلى ذلك، يرى كثيرون أن التركيز على الاختبارات الموحدة يشجع المعلمين على تزويد الطلاب بمجموعة محدودة من المهارات التي تُحسّن أداءهم في الاختبار دون تعزيز فهم أعمق للمادة الدراسية أو المبادئ الأساسية في مجال المعرفة. ^{[ 37 ]}

أثارت هذه التقييمات جدلاً واسعاً في الولايات المتحدة، إذ تعتمد على امتحانات التخرج من المرحلة الثانوية ، والتي تُستخدم لحرمان الطلاب الذين درسوا في المرحلة الثانوية لمدة أربع سنوات من شهاداتهم، لكنهم لا يستطيعون إثبات استيعابهم للمادة المطلوبة في الامتحانات. ويقول المعارضون إنه لا ينبغي حرمان أي طالب أمضى أربع سنوات في الدراسة من شهادة الثانوية العامة لمجرد رسوبه المتكرر في اختبار، أو حتى لعدم إلمامه بالمادة المطلوبة. ^{[ 38 ] [ 39 ] [ 40 ]}

تُعزى الاختبارات المصيرية إلى التسبب في المرض والقلق لدى الطلاب والمعلمين، وإلى تضييق المعلمين للمناهج الدراسية لتقتصر على ما يعتقدون أنه سيُختبر فيه. وفي تمرينٍ يهدف إلى جعل الأطفال يشعرون بالراحة تجاه الاختبارات، نشرت صحيفة في سبوكان، واشنطن، صورةً لوحشٍ يتغذى على الخوف. ^{[ 41 ]} ويُزعم أن الصورة المنشورة هي رد فعل طالبة طُلب منها رسم صورةٍ تُعبّر عن رأيها في التقييم الحكومي.

ويشكك نقاد آخرون، مثل دون أورليش من جامعة ولاية واشنطن ، في استخدام بنود اختبار تتجاوز بكثير المستويات المعرفية القياسية لأعمار الطلاب. ^{[ 42 ]}

بالمقارنة مع تقييمات الملفات، تُعدّ اختبارات الاختيار من متعدد البسيطة أقل تكلفة بكثير، وأقل عرضةً لاختلافات المُصحِّحين، ويمكن تصحيحها بسرعة كافية لإعادتها قبل نهاية العام الدراسي. غالبًا ما تستخدم الاختبارات المعيارية (التي يخضع فيها جميع الطلاب للاختبار نفسه في ظل الظروف نفسها) أسئلة الاختيار من متعدد لهذه الأسباب. ينتقد أورليش استخدام الاختبارات المكلفة ذات التقييم الشامل، بدلًا من اختبارات الاختيار من متعدد غير المكلفة، لقياس جودة النظام والأفراد على حد سواء لأعداد كبيرة جدًا من الطلاب. ^{[ 42 ]} ومن بين أبرز منتقدي الاختبارات عالية المخاطر فيرتيست وألفي كوهن .

حُظر استخدام اختبارات الذكاء في بعض الولايات لاتخاذ القرارات التعليمية، كما وُجهت انتقادات لاختبارات التقييم المعياري ، التي تُصنّف الطلاب من "الأفضل" إلى "الأسوأ"، بسبب تحيزها ضد الأقليات. ويؤيد معظم المسؤولين التربويين اختبارات التقييم المرجعي (حيث تعتمد درجة كل طالب فقط على إجابته الصحيحة على الأسئلة، بغض النظر عن أداء زملائه) لاتخاذ القرارات المصيرية.

لوحظ على نطاق واسع أنه مع ظهور وسائل التواصل الاجتماعي وتقنيات وعقليات الويب 2.0 ، أصبح التعلم أكثر تعاونًا، وتنتشر المعرفة بشكل متزايد بين العديد من أعضاء مجتمع التعلم. ومع ذلك، تركز ممارسات التقييم التقليدية بشكل كبير على الفرد، وتغفل بناء المعرفة والتعلم في سياقهما. وبينما ينظر الباحثون في مجال التقييم إلى التحولات الثقافية الناجمة عن ظهور ثقافة أكثر تشاركية ، سيحتاجون إلى إيجاد أساليب جديدة لتطبيق التقييمات على المتعلمين. ^{[ 43 ]}

تُعدّ تقييمات التعلّم واسعة النطاق تقييمات على مستوى النظام التعليمي، تُقدّم لمحةً سريعةً عن التحصيل الدراسي لمجموعة من المتعلّمين في عام دراسي مُحدّد، وذلك عبر عدد محدود من المجالات. وغالباً ما تُصنّف هذه التقييمات على أنها تقييمات وطنية أو عابرة للحدود، وتُسلّط الضوء على قضايا تتعلّق بمستويات التعلّم ومحدّداته، بما في ذلك مؤهلات المعلّمين ، وجودة البيئات المدرسية ، ودعم وتوجيه أولياء الأمور ، والصحة النفسية والاجتماعية داخل المدارس وخارجها. ^{[ 44 ]}

لا تُقدّم مدارس نموذج سادبري للتعليم الديمقراطي تقييمات أو تقييمات أو سجلات أكاديمية أو توصيات، ولا تُجري أي تقييمات. وتؤكد هذه المدارس أنها لا تُقيّم الأفراد، وأن المدرسة ليست جهة حُكم؛ فمقارنة الطلاب ببعضهم البعض أو بمعيار مُحدد تُعدّ، في نظرها، انتهاكًا لحق الطلاب في الخصوصية وتقرير المصير . ويُقرر الطلاب بأنفسهم كيفية قياس تقدمهم كمتعلمين مُبادرين، وذلك من خلال عملية تقييم ذاتي: وهو ما يُمثل، بحسب زعمهم، التعلم الحقيقي مدى الحياة والتقييم التربوي الأمثل للقرن الحادي والعشرين. ^{[ 45 ]}

بحسب مدارس سادبري، لا تُلحق هذه السياسة أي ضرر بطلابها عند انتقالهم إلى الحياة خارج المدرسة. ومع ذلك، تُقرّ المدارس بأنها تُصعّب العملية، لكنها ترى أن هذه الصعوبات جزءٌ من تعلّم الطلاب كيفية شقّ طريقهم بأنفسهم، ووضع معاييرهم الخاصة، وتحقيق أهدافهم.

تساهم سياسة عدم منح الدرجات والتقييمات في خلق جو خالٍ من المنافسة بين الطلاب أو الصراعات على استحسان الكبار، وتشجع على بيئة إيجابية وتعاونية بين الطلاب. ^{[ 46 ]}

المرحلة الأخيرة من الدراسة في سودبري، إن اختار الطالب الالتحاق بها، هي أطروحة التخرج. يكتب كل طالب عن كيفية إعداده لنفسه لمرحلة البلوغ والانخراط في المجتمع. تُقدَّم هذه الأطروحة إلى مجلس الجامعة للمراجعة. المرحلة الأخيرة من عملية الأطروحة هي مناقشة شفهية يُجريها الطالب، حيث يفتح المجال للأسئلة والاعتراضات والتعليقات من جميع أعضاء مجلس الجامعة. في النهاية، يُجري مجلس الجامعة تصويتًا سريًا لتحديد ما إذا كان سيمنح الطالب شهادة التخرج أم لا. ^{[ 47 ]}

يُعدّ مدى صحة ودقة وعدالة التقييمات التعليمية، عند تقييم متعلمي اللغة الإنجليزية، مصدر قلق بالغ. فمعظم التقييمات في الولايات المتحدة تعتمد معايير معيارية تستند إلى الثقافة الناطقة بالإنجليزية، والتي لا تُمثّل متعلمي اللغة الإنجليزية تمثيلاً كافياً. وبالتالي، يكون من غير الدقيق وغير المناسب في كثير من الحالات استنتاج درجات معيارية لهؤلاء الطلاب. تُشير الأبحاث إلى أن معظم المدارس لا تُعدّل التقييمات بما يتناسب مع الطلاب من خلفيات ثقافية متنوعة. وقد أدّى ذلك إلى إحالة عدد كبير من متعلمي اللغة الإنجليزية إلى برامج التربية الخاصة، ما يُؤدّي إلى تمثيلهم غير المتناسب في هذه البرامج. ورغم أن البعض قد يرى في هذا الإلحاق غير المناسب بالتربية الخاصة دعماً وفائدة، فقد أظهرت الأبحاث أن الطلاب الذين وُضعوا في هذه البرامج بشكل غير مناسب تراجعوا في تحصيلهم الدراسي.

غالبًا ما يكون من الضروري الاستعانة بمترجم لإجراء التقييم باللغة الأم للطالب الذي يتعلم اللغة الإنجليزية كلغة ثانية؛ ومع ذلك، توجد عدة مشكلات تتعلق بترجمة بنود التقييم. إحدى هذه المشكلات هي أن الترجمات قد توحي في كثير من الأحيان بإجابة صحيحة أو متوقعة، مما يُغير من صعوبة بند التقييم. ^{[ 48 ]} إضافةً إلى ذلك، قد تُشوّه ترجمة بنود التقييم أحيانًا المعنى الأصلي للبند. ^{[ 48 ]} أخيرًا، لا يمتلك العديد من المترجمين المؤهلات أو التدريب الكافي للعمل مع الطلاب الذين يتعلمون اللغة الإنجليزية كلغة ثانية في سياق التقييم. كل هذه العوامل تُؤثر سلبًا على مصداقية التقييمات وعدالتها، مما يجعل النتائج غير موثوقة. تُعدّ التقييمات غير اللفظية أقل تمييزًا ضد الطلاب الذين يتعلمون اللغة الإنجليزية كلغة ثانية؛ ومع ذلك، لا يزال بعضها يُظهر تحيزات ثقافية في بنوده. ^{[ 48 ]}

عند النظر في إمكانية إلحاق طالب متعلم للغة الإنجليزية كلغة ثانية ببرامج التربية الخاصة، ينبغي لفريق التقييم دمج جميع المعلومات التي تم جمعها وتفسيرها لضمان التوصل إلى استنتاج غير متحيز. ^{[ 48 ]} يجب أن يستند القرار إلى مصادر بيانات متعددة الأبعاد، بما في ذلك مقابلات مع المعلمين وأولياء الأمور، بالإضافة إلى الملاحظات الصفية. ^{[ 48 ]} ينبغي أن تراعي القرارات الخلفيات الثقافية واللغوية والتجريبية الفريدة للطلاب، ولا ينبغي أن تستند بشكل صارم إلى نتائج التقييم.

قد يرتبط التقييم بالتفاوت عندما يُستبعد الطلاب من الفئات المهمشة تقليديًا من الاختبارات المطلوبة للالتحاق ببرامج أو فرص معينة، كما هو الحال في برامج الموهوبين . ومن طرق مكافحة هذا التفاوت الفحص الشامل، الذي يتضمن اختبار جميع الطلاب (مثلًا، للكشف عن الموهبة) بدلًا من اختبار بعضهم فقط بناءً على توصيات المعلمين أو أولياء الأمور. ويؤدي الفحص الشامل إلى زيادات كبيرة في عدد الفئات المهمشة تقليديًا (مثل السود، واللاتينيين، والفقراء، والإناث، ومتعلمي اللغة الإنجليزية كلغة ثانية) الذين يتم تحديدهم لبرامج الموهوبين، دون تعديل معايير التحديد بأي شكل من الأشكال. ^{[ 49 ]}