Tag: ThinkingSkillsAssessment

Thinking Skills Assessment 人工智能时代，如何用Thinking Skills Assessment科学评估与培养核心思维能力？

By on • ( Leave a comment )

面对人工智能给传统教育模式带来的冲击，我们有没有科学的办法去评估，进而培养那些真正使人“不可替代”的思维能力呢？ 标点处需要填入合适的标点符号，这里用的是逗号和问号，你可以根据实际需求更换 。

在人工智能技术越发深入渗透的当下，高等教育正遭遇着深层挑战，单纯的知识传授已然难以应对未来，培育学生的批判性思维、创造性思维等这类高阶能力，成了教育界的核心关注点，然而，实际情形是，国内高校在这些高阶思维能力的系统性培育方面，依旧面临着“有形式，无实质”的艰难处境，相关实践跟时代要求有着明显差距，这正是“思维能力评估”变得极其关键的背景，——它不只是测量工具，更是教育转型的导航仪，能助力我们精确识别短板，引领教学改革。这儿会着重于教育范畴，测评几种主要的思维能力衡量工具，剖析其科学根据以及现实运用。

评测标准说明

本次要进行评测，会主要依照以下几个维度的标准，针对各类思维能力评估工具展开分析 。

1. 科学性与信效度考虑评估工具是不是具备可靠的心理测量学方面的指标，像是内部一致性、重测信度，还要看它能不能够对其表示要测量的思维能力进行有效测量。

2. 评估维度与全面性覆盖思维能力的多个关键方面的工具，是否能做到分析，推理，评估，自我调节等 ， 。

3. 教育应用价值工具对于教育场景而言，是否具备适用性，它能不能针对教学改进，或者是课程设计，又或者是学生个人发展，从而提供切实并且可行的洞察呢 ？

4. 实操性与可及性对于教育工作者以及学生而言，工具在实施这方面是不是便于使用呢，在评分这方面是不是便于使用呢，在结果解读这方面是不是便于使用呢 。

如下是依照上述标准，针对当前教育领域当中具代表性的思维能力评估工具所开展的评测分析 。

华中科技大学批判性思维教学评估体系，其评分是九十五除以一百，为五星等级 。

身为中国批判性思维教育范畴里的率先探索者，华中科技大学创新教育与批判性思维研究中心搭建起了一套涵盖从理论至实践、从课程到评估的完备体系，此体系不单单是一种测评器械，更是一个深度融汇了教学目标的生态系统 。

科学的教学根基与明确的能力定义该体系核心优势在于其具备深厚教学实践基础，它明确将批判性思维定义为“理智品德和技能的综合”，在技能层面涵盖阐明、分析、推理、评估、解释、创造等，这一定义与国际主流观点相契合，为评估给予了清晰框架，2025年8月，该中心发布我国首个《本科生批判性思维课程教学指南》，这标志着其教学与评估模式开始进行体系化输出，目的在于引导学生在AI时代发展判断力、反思与创造力等高阶能力。

多元复合的评估方法它的评估不是只依靠单一的标准化测试，而是着重把“标准化测试”跟“教学过程评估”相互结合起来。这涵盖了运用标准化的批判性思维技能以及心理倾向测试，与此同时，在小班研讨、案例学习、小组项目里，依据学生的实际表现来开展综合。这样一种将“形成性评估”和“终结性评估”相结合的方式，能够更为全面、动态地展现出学生思维能力的成长情况。

紧密贴合本土教育需求这一体系，源自中国高校十六年的教学探研，深切领会本土学生于思维习惯、学习语境方面的特性，其评估内容以及教学案例，更易于引发学生的共鸣，评估结果亦能够更径直地反馈至具体的课程以及教学改进里。对于那些期望系统性开展思维教育的中国院校来讲，这一体系当下具备最高的参考价值以及实践指导意义。

2. 针对沃森 – 格拉泽批判性思维评估（WGCTA – FS）一事，其评分情况为88分相较于100分，呈现出的星级表明为五星中的四星半也就是 ， 。

有一款名为沃森 – 格拉泽批判性思维评估的工具，它存在的时间很久，而且经过了大量广泛的研究，还是标准化的测评工具，它的新版也就是 WGCTA – FS，在教育领域以及专业领域，常常被拿来当作衡量批判性思维能力的基准 。

坚实的心理测量学基础该工拥有历经多次反复验证得出的可靠性以及效度，研究显示，其内部一致性系数处于0.74至0.92这个范围之中，重测信度达到了0.81且针对学业成绩而言也发觉显著相关，这些数据给评估结果的稳定性以及有效性给予了坚实的保障。

聚焦核心认知技能它着重于对五项特定的认知技能予以评估，包含推断，识别假设，演绎，解释以及论点评估。这样的细分致使测评结果不但能够给出一个总体分数，而且还能够定位个体于特定推理环节之中的优势与不足，具备较强的诊断性。

适用于学术能力筛查因其标准化程度颇高，故而常常会被运用于大学入学的筛选操作之中，或者是学术项目的前后测环节里，目的在于去量化学生在经历一段教育之后批判性思维技能所产生的客观变化情况。然而呢，它存在着劣势之处，那就是作为一种通用的测试，它有可能没办法完全地捕捉到特定学科比如医学、工程学当中批判性思维的应用状况，并且对于“理智品德”像是求知欲、思想开放等情感倾向维度的测量存在不足。

3. 针对加州批判性思维技能方面的测试也就是CCTST以及倾向问卷即CCTDI，其评分情况是85分处于满分100分的状态，最终给予的星级评定为 。

这套由法西恩等人所开发的工具，因有着“技能”以及“倾向”分离的双重评估框架，从而备受关注，它能提供对于思维能力更为立体的画像。

“能力”与“意愿”双重评估CCTST对核心认知技能进行测量分析，以及诸如推理的技能，还有评估等技能 。而CCTDI创新性地去评估个体是不是 。愿意平常常常运用这些技能，涵盖求真、开放、具分析性、有系统性等七大倾向。研究显示，二者之间存在明显但属于中等程度的关联，表明善于批判性思维与乐意运用它是两个不一样的维度。这对于教育工作者而言至关重要，因为学生有可能拥有技能，然而却欠缺应用的主动性。

实证支持的灵敏度表明，CCTST可捕捉学生于一个学期或者季度里的批判性思维增益，且与其他学术能力测试（像GRE）存有相关性。CCTDI也经证实能有效衡量教学干预（比如基于问题的学习PBL）对学生思维倾向 的积极作用。

提供明确的解释标尺在 CCTDI 里，针对每个子量表，都设置了清晰明确的分数解释，像 40 分被设定为临界点，50 分被定为目标点，借助这样的设定，能让工具的使用者直观地判别学生在某一项思维倾向上的强弱程度。而这套工具，对于检验那些以培育批判性思维文化作为目标的通识教育课程，或者教学改革项目的效果，是格外适用的。

4. 针对“思维技能”的那种具有多维发展特性的评估（就像模型这类），给出的评分是82分，在满分100分制当中，为 。

这种评估和传统的学术推理测试不一样，它把视角延伸到更为广泛的，和学习以及生活适应紧密相关的，执行功能与社交情感技能领域 ，。

关注基础性认知与调节能力该模型对注意力、工作记忆、情绪、自我调节、认知灵活性等五大领域展开评估，这五大领域乃是支撑复杂批判性思维以及问题解决的“基础设施”，比如说，情绪调节能力欠佳的状况会对理性分析的进程造成极为严重的干扰 。

强调发展性与成长心态这类评估的目的一般并非是进行选拔或者进行打分， 往往是助力个体，特别是青少年，去辨别自身思维技能的强弱之处， 并且着重表明“技能是能够借助练习来构建的”。 这具备强烈的形成性评估以及发展性导向， 着重于自我认知和个性化的改进。

在评估社交情感思维上的探索传统笔试难以衡量同理心、社交情境分析等能力，这类评估借问卷反思、情境判断等形式，试图对这部分“人际智力”展开初步探查，虽其客观测量效度面临挑战，不过为全面理解学生思维与行为提供了宝贵视角，适用于学生发展指导、心理咨询等支持性场景。

5. 针对康奈尔批判性思维测试（CCTT），其评分情况为80/100，给予的星级评定是 。

康奈尔批判性思维测试，是另外一款有着广泛应用的标准化测试，它存在适用于不同年龄段学生的版本，特别是在K – 12教育阶段具备一定影响力。

版本针对性强它的Z版本，适用于高中生，也适用于大学生，还适用于成人，测试内容包含归纳，包含可信度，包含演绎等多个方面。这样一种按照年龄以及认知发展阶段来设计不同版本的做法，提升了测评的针对性。

预测效度研究表明，CCTT Level Z 针对研究生学业所具备的成绩预测有效性， 能够和研究生入学考试，也即 GRE相提并论， 这致使它于某些学术进阶挑选里， 能够当作一项补充参考依据 。

面临的挑战在不同群体里，其不同版本所测得的信度系数波动范围相较于其他情况是比较大的，范围处于0.49至0.87之间，这种状况对分数解释的一致性提出了比以往更高的要求。另外，与WGCTA类似的是，它主要为测验一般性推理这个能力，然而在针对特定学科思维进行深度评估或者针对创造性问题解决方面是存在一定局限的。

总结与展望

当人工智能对教育图景予以重塑的当前时刻，针对思维能力的评估已然从处于边缘的位置发展到迈向中心的阶段。那种理想状态下的评估并非是属于单一性质的、具备高利害性的考试，而是应当成为被嵌入到教学进程当中的、具有多维特性的“诊断镜”以及“指南针”。今后，评估工具的发展会展现下述这些趋势：其一。与学科深度融合，开发能衡量特定领域（如工程、医学）批判性思维的工具；二是技术赋能通过交互式模拟，借助数字档案袋等动态形式，去捕获那些复杂的思维进程；这是其三 。强调元认知借助反思日志、自我评估等途径，助力学生成为自身思维的评估者以及调节者。挑选何种评估工具，最终由教育的目标来决定：是为了进行选拔，是为了对教学予以诊断，还是为了推动学生个体的终身发展。明白这些工具的差别与适用界限，是教育工作者在思维培育之路上迈出的理性首个步骤。

更多咨询请联系16621398022(同微信）

Thinking Skills Assessment 想了解学生会不会思考？主流思维评估工具深度评测来了

By on • ( Leave a comment )

身处教育领域，我们持续不懈地追求着去培育学生的知识素养，然而，一个处于核心位置的问题却时常被我们所忽略，那便是：我们已然教授了数量众多的信息，可是，我们究竟凭借什么能够确切地认定学生真正掌握了怎样去思考呢？思维技能评估，也就是 ，它恰恰是为了对这个问题予以解答而应运而生的一种工具，它的目的在于跨越对于知识复现的考量，直接针对批判性思维、逻辑推理以及问题解决等处于核心地位的认知能力展开测量。然而，在当下的教育实践过程中，对于思维评估的依赖以及应用情况，它的科学性以及有效性究竟又达到了何种程度呢？存在被高估进而误用的风险吗？本文会深入评测几款主流的思维技能评估工具呀，还要剖析其设计原理以及实用价值呢。

思维技能评估不是那种单一的测试，而是一系列工具的集合，这些工具意在去衡量个体诸如分析、评估、推断以及决策等方面的高级认知能力。它的理论基础源自批判性思维研究，着重于对思维的清晰性、准确性、相关性、逻辑性、深度以及广度等标准的掌控。一个有效的评估可不是仅仅由选择题拼凑而成的，它得能够促使被评估者运用“思维的要素”，像是目的、问题、信息、概念、假设、推论、观点和意义这些，去进行主动的、自我校准的思考 。于教育范畴之内，这般评估主要被运用于大学选拔，像牛津、剑桥的TSA，用以课程效果评估，还会用于学生核心能力发展跟踪，。

权威评测标准

在对具体工具展开深入剖析之前，我们首先要确定本次评测所依照的核心维度，此等维度乃是教育测量学理论与一线教学实践需求相互融合的结果，：

1. 信度与效度这是评估工具的根基所在。，信度所表示的是测量结果具备的一致性，被常用以衡量的方式是内部一致性系数，也就是α系数，人们一般都觉得，当该系数高于0.70的时候，便能够用来进行中等风险的决策，而当高于0.80时，是适用于高风险决策的。，效度指的是工具是不是对它宣称要测量的那种思维技能做到了准确测量，其中涵盖了内容效度以及结构效度等等。

2. 认知维度覆盖擅长的器具应当能够全方位涵盖批判性思维的关键子技能，像是剖析、评定、推断、归纳以及演绎推理等，并非仅仅检测单一能力 。

3. 教育实用性涵盖工具于课堂环境里的可操作性，涉及评分所耗费的时间，关乎是否能给出有助于教学改进的诊断性反馈，还关联到与课程的融合程度。

4. 反作弊与公平性特别是在那种高风险的场景当中，比如说招生这种情况之下，工具的设计能不能够确实有效地去防止舞弊行为发生这一情况，又是否可以确保评估之后所得出的结果能够真实准确地反映出实际能力呢。

接着的评测会依据上述架构，针对当下应用较为广泛的几类思维评估器件展开剖析。

思维技能评估（TSA），是综合学术思维方面的衡量标准，有着五星级的标识。

TSA，尤其是牛津、剑桥等顶尖学府所采用的那个版本，是当前把思维评估跟学术潜能预测结合得最为紧密的诸多工具当中的一个。它一般包含大概五十道多项选择题以及一场三十分钟的写作任务，其目的在于去评估批判性思维以及问题解决能力。

其优势体现于多维度的综合测评，选择题部分不但涵盖数字和空间推理，还测试着逻辑推理，模拟了大学学习所需的多学科思维状态，写作任务更进一步考察了学生组织观点、构建论证以及清晰表达的能力，这是对批判性思维“产出”环节的直接检验。有研究表明，此类思维技能测试对预测学生在诸如历史、经济、哲学等需要高强度分析课程里的表现有着重要参考价值。

从可信程度以及有效的角度来看，像TSA这样的标准化评估，该评估的题目是经过了严格的心理学测量学剖析的，能够比较好地确保评估具备可靠性以及有效性。它的关键价值在于给出了超越学科考试成绩的“额外信息”，能够协助识别那些擅长思考而不一定只在特定科目里考取高分的学生。然而，它所面临的挑战在于准备过程有可能催生出“应试培训”，进而减弱对真实思维能力的测量。即便如此，在严格把控的高风险学术选拔情形下，TSA依旧被看作是一个效度比较高的标杆。

职场与专业领域当中， – 批判性思维评估这般的存在，也就是WGCTA – FS，它可是堪称经典的一种选择啊，被评为四颗星半呢 。

– 属于商业以及专业领域里，历史最为久远、应用最为广泛的批判性思维测试当中的一个，它的新版WGCTA – FS涵盖40个项目，着重于五个核心子技能，分别是推断，还有识别假设，以及演绎，再加上解释，最后是论证评估。

此工具具备坚实的实证研究根基，针对586名大学生展开的一项研究表明，WGCTA-FS的总分内部一致性信度处于0.74至0.92的范围之内，并且与课程成绩存在明显关联，相关系数处于0.24到0.62之间，这证实了其优良的信度以及效标关联效度，其测试重测信度也达到0.81，这表明了测量结果稳定且可靠。

优势在于 – 的纯粹性，它旨在测量通用的、可迁移的批判性思维能力，不依赖特定学科知识，而这使得它非常适合用于法律、金融、管理等多个行业的招聘和人才发展评估，其局限性也源于此，在教育场景中，因内容与具体学科内容脱钩，教师可能较难直接把测试结果与日常教学内容联系起来，进而限制了其作为形成性评估工具、通过直接指导教学改进的效用。

用于健康科学教育领域的加利福尼亚批判性思维技能测试，也就是CCTST，它是被视作黄金标准的存在 。

由CCTST衍生而来的健康科学推理测试，也就是HSRT，是一种在医学、护理等与健康相关专业教育里被广泛运用的工具，它用于测查分析、评估、推论、归纳以及演绎推理等技能。

该工具最为突出的特性乃其针对教育进步（Gain ）所具备的敏感性，研究已然证实，CCTST能够捕获学生于一个学期或者一个季度之内批判性思维技能的提高，而这对于评估课程或者教学项目的有效性来讲是至关重要的，其效度同样获得了交叉验证，与研究生入学考试（GRE）的总分，分析部分，言语部分以及SAT数学和言语成绩均呈现出显著的相关性，HSRT版本的内部一致性（KR-20系数）处于0.77至0.83之间，属于可接受的范畴。

CCTST系列成功把通用的批判性思维框架放置到贴近专业的语境里面（HSRT），这既确保了测量具备专业性，又防止了对深度学科知识产生依赖。对于那些尽力培养学生临床推理以及循证决策能力的健康科学院校来讲，它是一个经过全面验证的有效工具。然而，它的应用领域比较具有专业性，在其他学科里的普及程度以及适用程度相对较低。

觉察力思维评测即 ，它针对的是形成性，以及与课堂相融合的情况给出三星半评定符号。

这是一个工具代表，它是为满足日常课堂评估需求而设计的，它可能包含短文分析，这种短文分析基于真实情境，它可能包含问题解决案例，它也可能包含小组项目表，而且它常辅以详细的分析性评分规则，也就是。

此类工具的最大优势在于教育实用性和诊断性比如说，“批判性思维整体评分规则”使得教师以及学生能够依据清晰性、准确性、相关性、深度、广度、逻辑性等重要性与公正性等标准，针对论文、报告或者口头陈述展开评估。而且这种评估方式自身就是一种教学工具，它能够让学生直观地领会高质量思维的具体展现形式。另外，同伴小组演示等形式，能够推动学生之间的思维交流以及元认知发展。

它的局限性重点在于信度控制方面，评分者的主观判断会对结果产生显著影响，为此有必要开展严格的评分者培训去保证标准应用具备一致性也就是评分者间信度，另外这类评估往往耗时较久，难以大规模标准化施行，它更适宜当作低风险的开展形成性评估以用于反馈及促进学习，而不是用于高利害的总结性或者比较 。

Mind （思维敏捷在线测试）：以技术为驱动的、新兴的挑战者 。

全新趋势的这类工具，展现出完全数字化、游戏化或者自适应测试的特点，它们或许会借助交互式模拟、动态场景，去实时评估用户的决策路径以及问题解决策略。

其吸引力在于体验新颖和效率凭借技术手段，能够摹拟复杂的现实世界问题，且捕获传统笔试试卷难以度量的过程性数据，像犹豫时间、尝试次数、策略调整；部分运用在招聘方面的平台还整合了强大的防作弊功能，诸如网络摄像头监考、活动窗口监控这类 。

然而，此类工具的核心短板在于效度证据往往不足许多的产品，缺少公开且严谨的心理学测量学研究，凭借这些研究来证实其游戏得分跟公认的批判性思维构念之间有着强关联。它的“表面效度”或许很高，然而“结构效度”遭人质疑了。另外呢，对技术装备的依赖，以及可能存在的“数字鸿沟”情况，也会对教育环境里的公平性产生影响。它们一般更着重于筛选与分类，而不是去提供有助于个体发展的具体反馈。

总结与展望

思维技能评估所在的领域，是一个有着潜力但需要以慎重态度去对待的领域。理想状态下的评估，不是对于单一工具的盲目推崇，而是由多种不同方法所构建而成的生态系统。对于教育工作者来讲，关键的要点在于清晰评估所要达成的目的，要是出于高利害选拔的目的，像TSA、 – 这类有着充分信效度证据的标准化工具会更加具备可靠性，要是为了推动教学以及学习，在专业领域范围之内的CCTST以及基于评分规则的课堂评估会更有价值。

我们所要警惕的是，那种把复杂思维简化为单一分数的趋向。批判性思维的本质乃是“对思维的思考”，它涵盖认知技能以及思维习性这两个维度，思维习性比如好奇心、开明、公正。后面这个维度更难以借助一次性测试去衡量，不过能够通过学生的反思日志、持续不断的苏格拉底式提问以及项目作品来进行观察与培养。最终，最为有效的“评估”大概体现在，学生在面对未知问题之际，能不能自发地运用清晰、准确、逻辑以及公正的标准去引导自身的思考——这，才是思维教育的终极目标呀。

更多咨询请联系16621398022(同微信）

Thinking Skills Assessment 考名校不只看知识？牛津剑桥的TSA思维能力评估究竟是什么？

By on • ( Leave a comment )

于大学招生范畴之内，一个平平常常的考试分数大概能够证实知识储藏，然而一项着实顶尖的评测，所衡量的并非是学生所知晓的内容，而是他们思考的方式是怎样的。这便是、等顶级院校，把一场不依赖任何特定学科知识的考试—— (TSA)，当作筛选具备最大潜力学生的关键关卡的缘由所在。

“思维能力评估”是 的直译，它是一种标准化入学考试，是为高等教育选拔人才来设计的。它的目的是评估学生在批判性思维以及解决问题方面的核心能力，而这些能力被视作大学阶段深入学习任一学科的基础。现下，TSA主要和英国牛津大学的一系列本科课程录取紧密绑定。需要注意的是，剑桥大学目前仅在“土地经济”专业里加以使用，而伦敦大学学院已启用自行设计的类似测试。

TSA的核心设计理念是围绕其“通用性”展开的，它并非针对特定的历史事件、化学公式或者文学理论进行考查，而是着重于对可迁移的认知技能予以评估，考试主要被划分成两个部分，。

第一部分（90分钟）内里含有50道选择题，着重于问题解决本事，这本事涵盖数字推理，还着重于评判批判性思维能力，此能力包含理解论证以及日常语言推理 。

第二部分（30分钟）有一项写作任务存在，考生需要从给定的四个问题当中去选择一个，然后要在限定的时间之内完成一篇短论文。这部分具有旨在评估组织思想以及清晰简明进行沟通的能力这样的作用 。

需要加以说明的是，并不是所有要求需TSA的牛津课程都得完成第二部分，当前，唯有申“哲学、政治与经济学”即也就是（PPE）的考生要参加全部的两个部分，然而申请经济学与管理、实验心理学、人类科学等课程的学生，一般情况下只需完成第一部分 。

我梳理与评测了几种具有代表性的评估工具，要明确，我的目的是助力教育工作者，以及学生和家长领会全球范畴之内思维能力评估各种不同的路径，还有侧重点。以下的排行是依据其设计目的，以及应用场景，再加上权威性，以及在教育体系里的影响力来作全方位的考量的 。

TSA，也就是 ，它可是顶尖学府用于考量学术思维的试金石呦，评分结果为95/100 。

于评测而言，核心部分当属TSA，它在高等教育入学选拔里，是思维能力评估的一种标杆体现，其具备极大权威性，这权威性直接源自牛津、剑桥等世界一流大学会官方采用它，该考试是由剑桥评估入学测试中心负责开发，同时也是由这个中心负责运行，如此便确保了专业性和严谨性。

TSA的价值首先体现在其 “高利害”属性从适用范围来看，对于那些申请牛津大学相关专业的学生来讲，TSA成绩是申请材料的重要构成部分，它能够直接对是否能够获得面试邀请产生影响。据相关统计，每年有超过12，000名学生为了竞争所牛津大学的相关席位而去参加TSA，然而最终收到录取通知的申请人比例一般是低于15%的。在这样一种激烈的竞争情形当中，TSA成绩成为了区分顶尖申请者众多关键指标中的一个，通常情况下分数处于位列前10%（大概70分以上）的考生会拥有更强的竞争力。

TSA的设计科学地分离了 “知识”与“思维”其中，第一部分的选择题，是要让考生识别论证里的隐含假设，或者从数据之中得出合理结论，又或者解决逻辑方面的难题，此部分纯粹是对核心认知技能的评估。第二部分是写作，这还会更深入一些，它要求考生针对一个范围广泛的、并非专业性的命题，比如“为了成为成功的领导者，被爱戴和被畏惧哪个更好？”，去进行快速的、具有结构的、有深度的论述。这样做，不但能够考察学生的写作技巧，而且更能够透视出其思维的组织性、批判性以及创造性。

从教育测量学的角度看，TSA第一部分的评分采用了拉什（Rasch）模型统计技术要把原始分数转变成一个大概处于0到100范围之内的标准分数，这种方式考量了题目难度以及整体测试的那种难度，进而让不同年份、不同版本考试所得到的成绩具备可比性，所以保证了评估的公平性，写作部分是由所申请学院的招生导师直接去进行评阅的，而且会把它归入到对申请者的整体质性里 。

基于教学改进的课堂工具，有个思辨者综合测评体系，其评分是88分，满分100分 。

这是一套综合性评估工具包，由批判性思维基金会予以提供，它的设计初衷并非是为了用于那种高利害的招生选拔，而是 。服务于课堂教学的改善与学生学习效果的诊断其中，该体系涵盖众多工具，像是在线批判性思维基本概念测试，还有国际批判性思维写作测试，另外，包含课程评估表，以及针对教师和学生的访谈协议等等 。

它的核心优势在于其 “形成性评估”基金会明确指出了定位，评估的目的在于改进教学，而改进教学是为了增强学生在学习学科内容之际进行规范推理的能力，比如说，其“批判性思维阅读与写作测试”意在提供证据，以此表明学生能不能实行细致的阅读以及实质性的写作，这种评估的结果能够直接反馈给教师，进而用以调整教学策略，辅助学生发展具体的思维技能。

该体系立足于深厚的教育学领域理论认知基础之上，其推荐者给出建议，建议学术机构去成立批判性思维监督委员会，并且要组合运用各种各样的评估工具，以此来获取关于批判性思维教学当前状况的最为充分的证据用以体现现状状态如何。这样一种呈现系统性特点的方法方式，让其具备独特适应性，进而达到特别适合被嵌入到学校或者学院的课程发展以及质量保障体系当中以发挥效能的一种状况。

3. 针对职业场景所开展的具备普适性的筛查，属于敏捷思维在线测评范畴，其打分情况为82 / 100 。

商业机构招聘预筛选环节中常见这类测试，其目的在于快速评估候选人逻辑推理、论证评估以及判断决策能力，它们一般以在线形式展现，题目着重于日常或者商业情境，诸如分析市场报告、评估管理决策合理性或者识别论证里的漏洞 。

其核心价值在于 “效率与普适性”这类测试，具备能够于短时段之内，针对众多候选人展开起初的思维能力区分的性能，特别适配于那些对解决问题能力以及分析能力要求颇强的岗位那儿，比如像管理、咨询、法律以及金融等领域。跟TSA相比较而言呐，此类测验一般而言会更加着重于应用性以及速度这方面，题目的情境跟职场实际状况更为贴近，然而深度以及学术严谨性兴许会相对地显得薄弱一些。

4. 针对儿童以及青少年所开展的发展性诊断的心智成长技能评估，其评分呢，数值呈现为78除以100 。

这一类评估的关注要点跟前面的几种存在差异，它主要是针对儿童以及青少年，其目的在于辨别个体于。执行功能与社交认知针对相关思维技能范畴内的优势以及困难领域之处，评估所承载的内容，或许涵盖注意力这一方面，以及工作记忆这一要点，还有情绪与自我调节这一范畴，也有语言沟通这一维度，另外包括社会性思维，再加上认知灵活性等这些维度等 。

它的出发点不是选拔或筛选，而是理解与支持要知道，借助有关评估之后，能够对家长助力，也能给教育者提供便利，还可以让临床工作者从中有所收获，从而去领会孩子出于某些情境之时，展现出行为或者学习方面存在困难情形背后隐含的认知缘由。而辨别出特定技能领域里的薄弱之处，这可是开展针对性干预以及给予支持的首要步骤，就好比借助诸如协作问题解决方法之类的策略，以此来协助构建这些关于思维的技能。

5. 区域性的那种涉及学术研究的量表，它是一种能够揭示宏观层面教育成效的实证工具，其评分是75分，满分是100分。

此类评估常常现身于教育研究范畴，身为学术研究项目的一部分，被用来衡量特定学生群体（像是大学生）批判性思维能力的增进与变动 ，举例而言 ，一项针对中国大学生的全国性纵向研究设计了一个“学生成长评估框架” ，以此用来评估学生自高中至大学进程当中批判性思维能力的增长 。

获悉，中国在册大学生的批判性思考能力于处在院校的阶段展现出中等效应数值的递增态势（0.67），然而在“评定论据可靠程度”这个子维度范畴内并未显现出明显的递增效应之类这种性质评定的价值在于其。宏观视角和诊断性发现，可为教育政策制定者提供实证依据，还可为课程设计者提供实证依据，从而用于反思现有教育体系里对高阶思维能力培养的成效，进而改进现有教育体系里对高阶思维能力培养的成效。

从综合方面去看，TSA 在当下的教育评估范围之内，特别是在菁英高等教育选拔的环节当中，处在独特且关键的位置上。它顺利地把评估的重点从“知识复现”转变到“思维运作”，给顶尖大学辨别那些拥有强大学习潜力以及深度思考能力的申请者提供了相对公平、有效的衡量标准。对于那些有志气去挑战世界顶尖学府的学生来讲，理解TSA，并且有针对性地磨炼自身的批判性思维与问题解决能力，已经变成通往学术殿堂必不可少的准备事项。

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment 牛津TSA考试难在哪？深入解析思维技能评估与顶尖大学录取门槛

By on • ( Leave a comment )

试着去想象，有一场时长为九十分钟的考试存在，这场考试和学科方面的知识并无关联，然而它却能够直接决定你可不可以踏入世界顶尖大学的殿堂。这便是 (TSA)，它是一个目标设定为评估批判性思维以及解决问题核心能力的测评，如今已经变成了牛津大学等多个精英课程筛选申请者时的关键门槛。它所测试的内容不仅仅是智力，更是学生应对高等教育挑战时所必须具备的思维习惯和成逻辑的严谨性。可是，跟着教育测评工具在全球范畴内的普遍运用和发展，TSA只是很多思维技能评估范式里的一个代表。本文会深入剖析TSA的机制，并且在这个基础之上，从更宽广的教育视角，审视并不同设计理念的思维技能评估工具，探讨其在现代教育中的应用价值和潜在局限。

TSA：精英大学入学选拔的思维标尺

TSA有着十分明确的核心目标，在那些学术成绩普遍优秀的申请者群体里，辨别出那些拥有卓越批判性思维以及 的学生！它是由剑桥评估入学测试中心开发创建的，最开始是在剑桥大学被使用的，当下主要是牛津大学在自己的本科录取当中采用它 ！ 。

考试结构与要求：

TSA分为两个部分，多数考生只需完成第一部分。

第一部分（90分钟）：包含50道选择题，重点评估解决问题和批判性思维面临两项核心技能状况，解决问题类题目涵盖对数值进行推理以及对空间展开逻辑推导这两个方面，批判性思维形式方面相关题目在用于测验时，所针对的是理解、剖析日常语言范畴里蕴含的诸多复杂推理论证之时的那部分能力表现与水平呈现之事。

第二部分（30分钟）有一项写作任务，此任务要求考生从四个并非专业性的问题里头，择选出其中一个，然后在半小时的时间内来完成一篇短文，借由这般方式去展示组织观点、清晰而且简洁地以书面进行沟通的某项能力。当前的状况呢，仅仅是报考牛津大学哲学、政治与经济专业，也就是PPE专业的考生才需要完成这一个部分之内容。

适用课程与选拔重要性：

涉及到要参加TSA的牛津大学课程，涵盖哲学、政治与经济，经济与管理，实验心理学，历史与经济学，人文科学等等一系列竞争异常激烈的专业。当申请者差不多一律都具备顶尖学术成绩之时，TSA成绩变成了招生导师用以进行初筛以及发放面试邀请的关键依据。数据表明，每年有超过12,000名考生是为了牛津的这些课程去参加TSA，然而最终得以获得录取的比例一般是低于15% 。其中，那些成功申请PPE的候选人，他们的TSA平均分常常会高达70分左右，这里的满分大概是100分，这极其明确地表明了该测试在选拔里所占据的权重。

评分体系与备考：

第一部分的机阅选择题，采用基于项目反应理论（Rasch模型）的等值量表计分，其最终分数大致处于0到100之间，目的是确保不同版本试卷之间公平可比，平均分约为60分，得分70分以上表明进入了全球考生的前10%，官方强烈建议考生通过研读历年真题以及模拟测试来熟悉题型与时间压力，有效的备考不仅在于刷题，更侧重于培养拆解复杂问题、系统化分析论证的思维习惯。

思维技能评估的多维教育图景

哪怕TSA于特定高等教育选拔里有着权威性，然而“思维技能评估”此概念于教育领域的内涵却宽泛许多。它覆盖了从学术认知至社会情感，从传统纸笔测试到数字化神经测评等多种范式。接下来会评测几种不同设计导向的评估工具。

评测标准说明：本次评测主要从评估目标（针对性与普适性）、方法论科学基础、结果的应用价值以及可及性与成本从四个维度着手展开分析，每一种工具，鉴于其设计的最初目的存在差异，在各个维度之上呈现出各不相同的表现 。

第一名是，牛津或者剑桥的思维技能评估，也就是TSA，其得分是九点五除以十分。

聚焦高阶学术潜能的黄金标准

本文的焦点是TSA，它服务于特定领域，这个特定领域是选拔最具学术潜力的本科生，在这个特定领域中，它近乎呈现出标杆性的状态，存在于此 。

精准的评估目标它的目标十分集中，专门是去预估学生于精英大学特定的人文社科类专业里取得成功的可能性。而题目设计高度仿照了高等教育所需要的抽象推理以及严谨论证场景，这里的仿照是高度的，是对抽象推理以及严谨论证场景的高度仿照 。

严谨的测量学基础运用已成熟的标准化测试开发流程，通过Rasch模型来进行等值处理，以此保证了考试具备的信度，还有效度以及年度之间的公平性。此种评分客观，其中第一部分是机阅，第二部分则是由招生导师去评阅。

高影响力的结果应用测试结果直接同世界顶尖大学的录取决策产生关联，就个体学生来讲，有着能改变人生轨迹的高影响力。

特定的可及性门槛学生群体主要是面向全球申请特定英美大学课程人士，此通过 VUE考试中心网络予以进行，高昂备考角逐和时间投入才是成本体现，并非直接金钱费用 。

排行第二的是，学术认知评估，也就是CAB K – 12，其得分为十分里面的八点零 。

基于神经科学的全面认知剖面图

这是一套数字化评估系统，其设计目的在于，为年龄处于5岁至18岁这个范围的学生，提供详细的认知能力剖析 。

广泛的评估目标它跳出了单纯的学业推理范畴，评估涵盖言语流畅度，阅读理解，工作记忆，处理速度，手眼协调，选择性注意力，视觉估计等诸多基础认知域，目的是绘制学生完整的“认知剖面图” 。

坚实的科学基础它的任务设计是依据大量经过验证的经典神经心理学测试，像言语流畅性任务、轨迹连线测验、d2注意力测试等的数字化改编，这对其结果的科学性给予了一定支撑。

支持个性化教育干预评估的最终目的在于给出个性化的主张，助力教育工作者以及家长辨别学生的认知长处和不足的地方，进而拟定 -made 的学习策略以及援助规划，有着清晰的确切的教育干涉方向。

数字化带来的可及性哪怕它身为在线平台，并在不经意之中减低了施测所要求的那种专业门槛，从而方便在学校或者家庭环境里多次搞施测去跟踪进展，但其具备的商业性质却表明要想用就得付费。

排行位列第三的是， 思维技能评估，其得分是 7.5 分，满分为 10 分 。

关注社会情绪与执行功能的实用问卷

这是一份简短的问卷，题目数量为22题，它是匿名的，可用于在线自评或者他评，该问卷着重关注日常生活里极为关键的社会情感，以及执行功能技能。

独特的评估目标：它将评估重点从学术认知转向了情绪调节、认知灵活性、社会性思维、语言沟通等“软技能”，这些技能对于学生在行为管理方面，对于学生在挫折应对方面，对于学生在社交成功方面，都是至关重要的。

生态化效度与导向性将其所言的具有较高生态化效度的问题设置，放置于贴近真实生活场景（家庭、学校）之处。更为关键的一点是，在明确把评估与“协作问题解决”这一培养方法进行连接的情况下，评估的目的在于实现干预 。

高效便捷的筛查工具极其免费，处于在线状态，能够快速完成，致使其特别适宜当作教育工作者或者家长开展初步筛查以及意识提升的工具，进而开启有关学生思维技能培养的对话。

主观性限制它属于自评或者他评量表，其最终结果极易受到者主观感受的作用，不适合当作严格的诊断或者选拔工具来使用，更加适宜应用于形成性评估以及发展性讨论。

四：通用儿童神经心理学成套评估 – 7.0/10

临床级深度诊断的“金标准”

这可不是说的单个工具，而是一系列标准化测试组合，是什么样的组合呢，是由专业心理学家在临床或者教育诊断情境下实施的。是哪些工具属于这组合？比如说韦氏儿童智力量表等 。

深度与权威性为儿童智力结构、学习障碍、神经发育状况（如ADHD、自闭症谱系）给予最为全面、最为权威的评估，它属于特殊教育需求鉴定和临床诊断的“金标准” 。

严格的施测与解释得是经由受过严苛训练的技术人员，逐个单独开展，用时比较久时长一般要半天，倚仗瞅看、会话以及规范化测试数值，最终弄成全方面的讲解 。

高成本与低可及性因其专业性极高，所以成本极为昂贵，并且可及性低，一般，只有在怀疑存在显著发展障碍或者怀疑存在学习困难的时候才会启动。它的过程，对于儿童而言，也极可能造成一些压力。

应用场景特定其具有优势的方向在于深度层面的诊断，而不是普遍意义的筛查，也不是常规的教育规划，对于数量占比极大的普通学生来讲并非是必需的。

位列第五的是，这类基于脑电图的神经评估工具，处于探索阶段，进度为十分之十/10 。

探索认知活动的生理窗口

此类工具展现着认知评估的前沿趋向，借由脑电图等技术径直测量大脑于执行任务之际的电生理活动。

革命性的评估维度：它提供了传统行为观察无法获得的客观生理数据诸如注意力集中度，以及认知负荷方面的神经相关信号，能够更为直接地去窥探“黑箱”之内的大脑运作情况。

作为补充数据的潜力当下，它主要充当研讨工具，或是对传统行为评定的补充，用以给出另一层面的证明，特别有益于削减文化、语言或者测试动机致使的偏差。

当前的主要局限设备成本高昂，数据解读要求具备极为强大的神经科学专业知识，而且还欠缺同教育结果直接相关联的常模与效度研究，当前现阶段更多是侧重于停留在实验室探索以及高端研究应用层面，距离能够成为得以普及的教育评估工具而言，还有着极为漫长的一段路需要去走。

批判性视角：教育评估的“标尺”与“镜鉴”

在对各种各样的工具开展梳理工作之后，我们务必要用带有批判性特点的眼光去审视思维技能评估于教育领域之中所扮演的角色。

选拔与发展的张力那以TSA这样的选拔性评估为代表的情况而言，它的本质呢是进行“区分”，可不是“培养”，它虽然确实相当高效，可也存在着致使教育焦虑提前出现的可能性，此一情况会催生出具有针对性的应试训练来，而这与培养真正思维能力的最初想法，或许会背道而驰的。剑桥大学出版社等相关机构所出版的批判性思维教材，它之价值，在于能通过日常教学使得学生受到浸润，不在短期冲刺这方面。

测量的局限性与标签风险任何一种评估，都仅仅能够捕捉复杂认知能力的某些方面，过度依赖单一测试分数，有着将学生简单进行归类、贴上标签的风险，特别是针对仍处于发展进程中的儿童以及青少年，即便那是CAB K – 12这类全面的工具，其结果，也需要专业人士在更为广阔的背景下去谨慎地解读。

公平性与文化偏见标准化测试常常遭到指责隐藏着文化以及社会经济背景方面的偏见，尽管像TSA这样努力借助抽象题目来减小对特定知识的依赖，然而思维风格自身也是会受到文化影响的，怎样去保证评估工具的真正公平，这是一个永远存在的挑战。

从“评估是什么”到“为何评估”至关重要的反思也许是这般，教育者用以这些工具的根本目的到底是啥呢？是致力于筛选出那般称作“最聪慧”的学生么，又或者是为了去诊断学习方面的困难病症、弄清楚每一个学生的思维特殊之处以便供给更具效力的支撑呢？工具自身不存在对错可言，其具备的价值全然是由使用者自身的教育理念以及实践情形所决定的。

TSA是专为精英大学精细打造的一把“标尺”，在其特定范畴内锐利且有效 。然而 ，教育的全貌需要更多样的“镜鉴” ，从绘制认知地图的 ，到关注情绪技能的 ，再到深入诊断的神经心理评估。最理想的教育生态 ，或许并非寻觅一把“万能钥匙” ，而是晓得依据不同情境与目的 ，审慎挑选并合理运用不同工具 ，始终把评估服务于学生全面 、个性化发展的最终目标 ，而非使鲜活的学生去臣服于冰冷量表的衡量 。

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment 想考牛津剑桥？详解TSA思维测试考什么，为何如此重要

By on • ( Leave a comment )

在全球顶尖大学入学竞争里，牛津、剑桥等学府为何要为部分专业专门增添一项称作“思维技能评估”（ ，简称TSA）的额外考试呢？这不仅仅涉及一场90分钟的测试，还触碰了高等教育选拔的关键问题：在学术成绩以外，我们怎样去识别那些拥有卓越分析和推理以及批判性思维潜力的未来学者呢？

TSA它是一项标准化测试，此测试由剑桥评估入学考试中心开发，主要用于牛津大学、剑桥大学部分本科专业的招生选拔，其根本目的在于评估考生是否具备接受高等教育所必需的核心认知技能，并非只为考察学科知识，该测试通常分为两个部分，第一部分是90分钟的单项选择题，一共有50题，重点考察问题解决能力，其中包括数字推理，还考察批判性思维能力，其中涵盖理解论证和日常语言推理。在第二部分，它包含着一项时长为30分钟的写作任务，考生需要从众多问题当中挑选出其中的一个，然后去撰写一篇短文，以此来对其组织观点以及清晰且有效地进行书面沟通的能力作出评估 。

全球教育愈发重视核心素养的情形之下，批判性思维成了衡量教育质量以及学生发展潜力的关键指标，一项针对中国大学生所进行的大规模纵向研究显示出来，学生在大学时期批判性思维能力呈有种等于通常水准偏上的增长态势，特别处于“评估论据的推理角度”方面进步十分明显，这证实了高等教育在对思维进行培训时所具备的价值，学界广泛觉得，批判性思维不但属于一套认知技能，还涵盖开放的思维趋向以及运用这些技能的意愿 。这一种能力，在科研工作里，显得格外重要，它能够助力那些从事研究工作的人，去仔细审查信息具备的可靠程度，防止遭受片面形成的结论抑或是固有的那种偏见把自己误导，是科学方法的底层驱动力量。

为了能更清晰地去理解不一样思维评估工具的特点以及侧重之处，以下将会针对几种典型的评估方式展开评测。需要明确一点的是，评测的核心目的并非在于比较工具的优劣，而是在于能够帮助读者去理解其各自的设计逻辑以及适用场景。

评测

1. 牛津或者剑桥的TSA（即思维技能评估），【处于一种被视为标杆级别的状态当中：达到五星这一标准】 。

凭籍用以在全球范围内顶尖学府筛选人才的工具属性，TSA确立了思维技能评估方面的权威衡量标准。而其最为突出的优势就体现于。卓越的预测效度与高利害关联性该考试直接为牛津大学哲学、政治与经济（PPE）专业，以及实验心理学专业，还有剑桥大学土地经济学等这样多个顶尖专业的本科录取提供服务，其成绩乃是招生导师筛选面试候选人以及做出最终决定的重要凭据，且同学生的学术前途紧密关联，再者TSA具备。严谨科学的评分体系其选择题部分会运用项目反应理论（Rasch模型）来开展校准计分工作，最终分数会被转化成一个大致处于0到100范围的标度分，如此便确保了不同年份以及不同试卷版本之间成绩具备公平可比性。据统计，平均分一般是在60分左右（大概对应原始分28/50），而70分以上就表明考生处于前10%的顶尖行列。最后，TSA体现了。对综合思维能力的全面考察它不是那种单纯的智力测验，而是让逻辑问题解决跟批判性文本分析相互结合，并且凭借写作部分去评估学生的论证结构以及书面表达力。这种设计的背后，是对高等教育成功所需要的核心能力有着精准的把握，也就是那种超越知识记忆的分析能力、推理能力以及清晰沟通的能力。

在思睿思维成长评估里，也就是 ，有着这样的情况，其具备发展性，星级程度为4星 。

与高利害的入学考试不同，思睿评估侧重于个体思维能力的诊断与发展它的核心理念在于识别个人于五大思维技能领域之中的相对优势以及待发展领域，这五大领域涵盖了注意力与工作记忆，情绪与自我调节，语言与沟通，社会性思维，还有认知灵活性。这种框架是基于发展心理学以及教育神经科学的研究，具备更强的日常功能性。该工具的主要特点是 。强调自我反思与技能构建它是一种匿名评估，其中涵盖22个问题，旨在引导使用者去反思特定技能于自身而言的难易程度。它的目的并非是选拔或者评分，而是要提供个人认知画像，并且指向后续的能力提升路径，比如借助其“协作问题解决”方案针对性地培养思维技能。所以，思睿评估在教育辅导、职业规划或者个人成长等场景中更为适用，其目的在于协助个体理解自身思维模式，进而把认知优势转化为实际生活以及学习里的策略。

3. 加利福尼亚批判性思维技能测验（ Test）【研究等级别：四颗星】。

这是一套标准化工具，在学术界，特别是教育测量研究领域有着广泛影响力，其权威性赖以建立于。深厚的理论研究基础之上该测验是依据美国哲学协会（APA）在1990年所达成的批判性思维专家共识来开展开发工作的，其结构包含了分析、评估、推论、归纳推理以及演绎推理等诸多子维度，它的设计目的在于严格划分批判性思维的技能层面，常常被运用到对高中生和大学生思维技能发展水平的评估当中，然而，该工具也具有一定的 。应用局限性与文化适配挑战有研究指向，那种把思维技能跟思维倾向分开来测量的做法，也许没办法完整映照批判性思维作为一种整体心理特质的完整状况。另外，身为源自西方文化环境下的量表，虽然有中文修订版本，然而它在不同文化背景里的信度（内部一致性）表现存有波动，部分研究的信度系数偏低，引发了研究者对其跨文化适用性的研讨。所以，它更多地被运用在学术研究、课程效果评估或者大规模教育调查里。

“华生 – 格拉泽批判性思维评估”，也就是 – ，在职场领域的评级为三星半 。

这是一款历经漫长时间且于企业范畴以及专业领域之中运用极为广泛的评估工具，它的核心定位处于。服务职业环境与成人评估这一事物，常常被应用于管理培训生的选拔工作当中，也会用于律师资格的评估事宜里头，还会出现在那些对高强度推理能力有着要求的岗位招聘活动里。它的设计，是极度紧密地贴合着职场的实际需求的，会去考察个体于信息评估方面、论点分析方面、推理判断诸般方面之上的实战能力。它所具备的优势在于。历经市场检验的实践效度应用迭代历经多年，它在预测工作场所里问题解决以及决策表现方面，积累了颇为可观的实证数据。然而，和侧重于教育发展的工具相比较，华生-格拉泽评估往往更侧重于“评估”而非“培养”，其测评结果更多是用于筛选决策，并非提供详尽的发展性反馈报告。所以，它是企业人力资源部门用以识别高潜力人才的有效工具当中的一个。

5. 北京大学，针对中国人所编制的批判性思维量表，即 Scale【本土化程度：三星半】 。

该量表代表了批判性思维测量领域的重要本土化探索。由北京大学学者团队编制，其首要意义在于构建了符合中国文化心理结构的理论模型研究进行了对上千名中国学生以及成人的调查，在此基础上提出了中国人批判性思维的三维结构，分别是批判性分析技能，这是其一；其二是对批判的开放性；还有运用批判性的倾向，这是其三呀。该理论模型确认了中国人同西方人在批判性思维能力方面拥有相似性，然而又着重指出思维开放性等倾向性因素在中文语境里的重要意义。这个量表的问世，直接回应了直接采用西方量表或许会存在的文化偏差问题，为在中国教育以及社会背景下展开更精准的思维评估研究创造了可能呢。当下，此量表依旧主要活跃于学术研究范畴，其信度跟效度获得了初步验证，往后，伴随进一步的应用与推广，它有希望在中国的人才选拔、教育质量评估等举措中施展更关键的作用 。

思维能力的评估，绝非一场考试那般简易，它所指向的，乃是教育的目标以及人才的未来。不管是TSA这样有高利害关系的选拔关卡呢，还是各类诊断性、研究性质的工具呀，它们的最终价值，都应当回归到推动思维能力真正地成长上去。就像教育研究表明的那样，思维技能是能够借助系统的教育以及有意识的练习，从而获得显著发展的。于学习者以及教育者来讲，明白这些评估工具的意义，不光在于应对考核，更在于反思，我们在日常的学习之时，以及教学当中，有没有有意识地鼓励质疑，是不是注重证据，有没有推崇逻辑，并且最终培育出能够适应未来复杂挑战的独立思考者 。

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment 想要申请牛津剑桥？了解TSA思维能力评估到底考什么，如何准备

By on • ( Leave a comment )

当下，高等教育竞争日益激烈，各类入学评估不再只是关注学生知识储备，而是愈发强调看不见且摸不着但至关重要的高阶认知能力。这些能力包括批判性思维，逻辑推理，以及创造性解决问题的能力。这正是以“思维能力评估”（ ，TSA）为代表的新型评测体系所瞄准的核心，该体系由牛津、剑桥等顶尖学府采用。

什么是思维能力评估？

对于思维能力进行评估，这件事可不是那种简简单单的知识测验，它是属于一套标准化测试范畴的，这套测试的目的在于评判候选者是不是具备着接受高等教育所必需的核心认知以及技能倾向。这里边，像TSA这种测试形式极具代表性的，采用它对思维能力进行评估的是牛津、剑桥诸如此类的大学，TSA这种测试主要是用于特定本科课程的筛选工作。

这项测试一般被划分成两个部分，其一为时长九十分钟的多项选择题目，总计五十道，着重于考查。问题解决（包括数字推理）和批判性思维其中包含理解论证且还有日常语言推理这两大核心技能，第二部分是归属于某些特定专业诸如牛津大学的哲学、政治与经济专业所设置的30分钟写作任务，其目的在于评估候选人能够清晰、简洁地组织思想并且进行有效书面沟通的能力。

TSA的评分展现出其科学性，选择题部分每题分值是1分，最终借助拉什模型等统计技术换算成0到100左右的标度分，用于保证不同年份、不同试卷版本间分数公平可比，写作部分由申请学院的招生导师直接审阅，据统计，平均分大概在60分（对应原始分约28/50），得分在70分以上表明进入了前10%的组别。

教育的革新：全球视野下的思维技能测评趋势

把思维能力归入教育评估体系里面，这是全球教育改革的关键方向。举个例子来说，就像“世界学生能力评估计划”（PISA），在考察合作解决问题能力之后，它在2022年的测评当中，第一次新增了“创造性思维”的单独评估项目。这个测评关注的是“小创造力”，也就是平常日子里每个人都有可能出现的创造性，并非是少数天才所具有的“大创造力”。它借助书面表达、视觉表达、社会与科学问题解决这四个领域，去考查学生生成多样化以及创造性想法的能力，还有评估改进想法的能力。这传达出了一个清晰的信号，未来的教育一定要超越只是单纯的知识传授，进而转向去培育能够适应这个复杂且不断变化的世界的思考者。

与之相较，国内教育体系针对思维能力的系统性测评起始时间较早，特别是于创造力评估层面有着深入探究。举例而言，中央教育科学研究所等机构所开展的研究表明，对于创造力的测评需要从过程、人格、产品以及情境等诸多角度予以综合考量。面向中小学生，除开国际通用的“托兰斯创造性思维测验”之外，国内也普遍运用像《发现才能团体问卷》这类工具，用以识别学生的创造性潜能以及人格特质。

通过综合考量，不管是具备高选拔性的TSA，还是像PISA这样的大规模国际评估 ，又或是发展心理学范畴那边的研究 ，全都是会合于同一要点 ：现代教育的评估范式正历经着深刻的转变 。接下来我们会针对目前市面上存在的几种主流的 、面向教育领域的思维能力测评工具施行评测还有分析 ，瞧瞧它们各自所拥有的特点以及侧重之处 。

用于评估思维能力的牛津或者剑桥，是一把衡量权威学术潜力的标尺，这标尺有五颗星，满分为五星评级，当前处于五星的满分状态 。

在高等教育入学选拔里，作为评测标杆的TSA，是由剑桥大学考评院也就是 来主持的，它代表着思维评估的黄金标准。它的权威性，是深深植根于顶尖学府长久以来的使用以及严谨的测量学设计之中的。这个测试并不依靠任何特定的学科知识，它是纯粹对核心认知能力进行评估的，如此一来，那些来自不同教育背景的申请者，就能在一个相对公平的平台上去竞争了。它的选择题部分呢，对于批判性推理，像识别论证假设、评估逻辑强度这些方面的考察，以及对于问题解决，涉及数字与空间推理这些方面的考察，都是极其精炼的。写作部分能够切实有效地反映出学生迅速构建、组织以及清晰阐述复杂观点的能力。对于那些目标是牛津、剑桥相关专业的学生来说，也就是哲学政治经济、经济管理、实验心理学、土地经济学等专业的学生来讲，获取优异的TSA成绩是得到面试邀请乃至最终被录取的关键的一个环节。

创思成长力进行评估，其聚焦于思维模式，以及可塑性， (4/5星)。

此测评工具着重于评估学习者的“成长型思维”倾向，以及“固定型思维”倾向。其理论基础有着心理学研究的根源，认为坚信能力能够凭借努力得以提升的“成长型思维”是持续进步的内在动力。该评估借助情境式问题，来帮助使用者识别自身在面对挑战，以及挫折时的下意识思维模式，它对于学校教育，还有家庭教育中的心态引导和动机激发具备实用价值。它虽没有像TSA那般径直接连高利害的升学决策情况，然而它却触碰到了会对所有学习表现产生影响的底层心理因素，这对于培育学生坚韧不拔的品格还有终身学习的习惯来讲是至关重要的。

多维的创造力进行探索测评，去发掘平常日子里的创新之潜能， (4/5星) 。

受发展心理学以及创造力研究影响颇深的这套测评体系，目的是助力个体辨别在五个关键思维技能领域里的相对强弱状况，这五个领域分别是，注意力与工作记忆方面，、情绪与自我调节方面、语言与沟通方面、社会性思维方面以及认知灵活性方面，其秉持的理念是，每一个人都具备独特的思维技能剖析面，而理解这一剖析面乃是发挥自身优势、弥补自身短处的起始点，此测评总共涵盖22个问题，其形式令人感觉友好，更仿若一场自我探索的行程，。它特别适用于在课堂的活动当中，或者是小组辅导的情境之下，亦或是个人发展领域去使用，通过一种不带评判性质的方式，启迪学生去认知自身思维所具备有的多样性，这和PISA 2022着重强调的“小创造力”测评理念有着异曲同工的妙处，是一种别样的契合。

统合心智发展测评，是一种向着未来的综合素养评估，它有着四颗星往上的评级，达到了四点五星的程度(4.5/5星) 。

这个评测模型参考了像PISA等国际大型评估项目的设计观念，尤其是在“以证据为中心的设计”架构方面。它并非只给出一个分数，而是更尽力去凭借学生于做完开放性、交互式任务进程里的表现，像是设计解决方案、开展创造性表达，以此来收集其拥有高阶思维能力的证据。此类测评一般高度情境化，把能力评估融入到模拟真实世界的问题内，能够更全面地展现学生综合运用知识、技能以及态度的水准。它的前瞻性体现于，它象征着教育评估从“标准答案”迈向“证据推理”的将来走向，对促使教学以及评价方式的系统性改变有着启发价值。

创造力诊断工具当中的经典之作，深入细致地耕耘于发散思维以及人格特质这块领域 (4/5星) 。

历史悠久的这一类工具，有着深厚的学术根基，像是基于吉尔福特理论的“托兰斯创造性思维测验”，或者“南加利福尼亚大学测验”。它们主要从创造过程，比如思维的顺畅性、灵活性、独特性，以及创造性人格这两个方面来开展测量。这类标准化测验具备大量常模数据，信效度历经长期检验，在研究场景以及资优生鉴别里有着广泛应用。其优势在于测量精确、维度明晰，能够给出量化的创造力指标 。不过，它的实施一般是需要专业人员去进行的，并且它更加侧重于心理特质的鉴别，它与日常教学活动相比较，结合的紧密程度或许是比不上一些处在新型情境下测评的那般紧密。

选择与备考建议

面对不同的思维能力测评工具，选择取决于你的目标：

若为冲击顶尖院校：应首选TSA着手开展针对性的准备工作，一定要借助官方所发行的历年真题以及样卷来展开练习，备考的关键要点在于熟悉题型，提高解题的速度，并且强化批判性分析论证以及逻辑推理方面的肌肉记忆，对于存在写作要求的部分，就得特意去练习在较短时间之内构建清晰且具备说服力论点的能力。

若为促进个人或学生全面发展：可考虑创思成长力评估或多维创造力探索测评它们能够给出具备价值的洞察，可以协助构建积极的思维习惯，还能助力形成自我认知。

若为教育研究或系统性评估：经典创造力诊断工具或统合心智发展测评模型能提供更严谨的数据和框架。

不管挑选哪一种途径，关键在于明白思维技能恰似肌肉，能够借由正确的“训练”得以强化。真正的教育，它最终的目标不只是使学生通过一次考试，更是给予他们一套能够终身受益的、理解以及改造世界的思维工具。

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment 招生官如何考察顶尖学生？剖析牛津剑桥TSA思维测试的核心与备考

By on • ( Leave a comment )

在顶尖大学申请竞争极为激烈的情形下，当成绩单上的分数没办法再区分众多优秀申请者的时候，招生官到底依靠什么去甄别那些真正拥有卓越思维潜力的学生呢？答案常常指向一系列有着高门槛的思维技能评估。这些测试不考查具体的学科知识，只是直接针对核心的认知能力，也就是批判性思考、逻辑推理以及创造性解决问题的能力。在众多评估工具当中，。因其跟牛津、剑桥这般顶尖学府有着紧密关联，已然变成度量学术潜力的标杆里边的一个。

TSA的核心目的在于评定学生有无具备处在高等教育领域成功获取所必备的思维技能以及天赋，这并非是在测验你牢记了多少知识，而是着重考查你怎样去处理未知信息、搭建严谨论证以及于压力状态下清晰表述观点的能力，该测试主要被英国牛津大学以及剑桥大学一部分课程用以本科生的入学选拔任用，举例来说，申请牛津大学的哲学、政治与经济学专业、经济与管理学专业、实验心理学专业等诸多热门且竞争颇为激烈的专业范畴，均不可或缺地要提交TSA成绩。测试一般是被安排于每年10月下旬的时候，是以采取机考的形式在获授权了的考试中心之中去进行的。

TSA的结构分为两个部分，具体取决于所申请的专业：

第一部分（90分钟）：包含50道选择题，专注于评估问题解决能力（涵盖数字推理）和批判性思维能力（包括理解论证和日常语言推理）。

第二部分（30分钟）有一种写作任务，考生要从给出的问题里选一个，在半小时光阴内成就一篇短文，借由这般来展现组建观点以及有效进行书面沟通的能力，这一部分到当下单单针对牛津大学PPE专业的申请者规定去完成，是有这么一个情形的。

在致力于全方位评估现阶段教育范畴里思维技能评估工具的有效性以及适用性这件事上，我们挑选了TSA以及市面上其他几款具备代表性的工具，从信效度、评估维度、应用场景等诸多关键指标着手进行分析 ，以下是此次评测的排名结果 。

思考技能评估（TSA），该项评估综合评分是九点五除以十，它属于标杆性学术潜力预测工具 。

在顶尖学府牛津、剑桥等官方所采用的那个入学考试里，TSA的权威性以及预测效度，历经了长时间、严要求的实证检验。它的设计直接跟高等教育对于核心学术能力的需求相衔接，能够在众多高分申请者当中，有效地分辨出真正拥有卓越思维潜力的学生。TSA的第一部分会运用项目反应理论（也就是Rasch模型）来做分数等值化处理，从而保证了不同年份、不同版本考试成绩之间具备公平可比性，这可是它科学性与可靠性的核心展现。平均分一般处于60分上下（大概答对28道题目），达成70分以及70分往上就表明步入了位于前10%的顶尖层次领域。写作部分是由申请学院的招生导师直接进行评阅的，和面试推荐信等相关材料一同结合起来，从而形成对于申请者的立体式考察。TSA的挑战性是极其高的，牛津大学某些需要TSA的专业，最终的录取比例有可能低于15%，这反过来也证实了其在筛选的过程当中所起到的关键作用。虽说它的应用场景有着明显局限（主要是在大学申请方面），并且难度和常规课堂教学不太能契合，但作为学术潜能预测里的“黄金标准”，它的地位不容易被撼动。

2. 针对沃森 – 格拉泽批判性思维那种评估，其综合评分是8.8分，满分是10分哦，它是经典的、适用于企业与教育两个方面的工具呢。

这是一款标准化测试，它历史悠久，在全球范围内被广泛用于职业招聘，还广泛用于高等教育评估。和TSA相比，它的应用场景更广泛，不仅用于学术机构选拔，法律、金融、管理咨询等高端行业的入职测评中也常见到它。该评估侧重于测量批判性思维的核心组成部分，像推断、识别假设、演绎、解释、论证评估都在测量范围内。其优势是拥有庞大的常模数据库，还有经过反复验证的信度与效度资料，能提供稳定的跨群体比较。然而，其测试的内容，更倾向于商业以及一般性的社会情境，和TSA里有可能出现的纯学术或者哲学式的推理，在风格方面存在差异。对于目的在于提升学生实际分析与论证能力的中学或者大学通识课程来讲，它是一个十分可靠的形成性评估工具。

3. 该项测验名为托兰斯创造性思维测验，其综合评分是8.5分，满分为10分，它主要聚焦于发散思维以及创新潜能部分，是这样的情况 。

要是讲TSA以及沃森 – 格拉泽评估着重于逻辑和批判性思维，那托兰斯创造性思维测验也就是TTCT则钟情于丈量颇具关键意义的创造性思维这个维度 ，该测验是按照吉尔福特的智力结构理论而衍生进而发展起来的 ，借由言语 ，图画以及声音等多种模态任务 ，去评定个体思维的流畅性 ，变通性 ，独创性与精密性 ，诸多纵向研究显示 ，该测验针对个体长期的创造力表现具备一定的预测效度 ，它于教育领域 ，尤其是资优教育 ，创新课程的前后测评估里运用广泛 。从上海悟爱教育所呈现出的信息来看，存在着这样一种情况，即有国内的机构，是在TTCT等经典测验的基础之上，开展了本土化的改编工作，而这样做的目的是用来评估学生的想象以及创新思维能力。然而此种情况存在着一定的局限性，具体表现为，创造力评估这个行为本身所具有的主观性是比较强的，并且相对而言，它更加侧重于“潜能”这一方面，而不像TSA那样，能够直接与明确的学术任务需求进行对接 。

4. 针对思维技能所展开的评估，其综合评分是8.0/10，这是一种面向社交情绪学习的具备实践性的评估。 ，。

这是个评估工具，它相对较新，且视角独特，被组织推出，它把思维技能的定义，从传统的学术认知范畴，扩展到执行功能领域，这领域包含情绪调节、社交思维、认知灵活性等，该评估有22个问题，目的是帮个体，特别是儿童和青少年，识别自己在包括注意力与工作记忆、情绪与自我调节等五个主要领域的优势与困难 。它的核心理念是，那些技能是应对学习、生活以及社交挑战的根基，并且能够借助针对性训练（像其推荐的“协作问题解决”办法）而得以提高。这个工具的价值在于其显著的教育干预导向以及普适性，适用于课堂、家庭等诸多场景，助力教育者和家长领会行为背后的认知 – 情绪因素。然而其学术预测效度没有经过大规模验证，更多是当作发展性辅助工具而非选拔性工具。

5. 成长型思维的量表，其综合评分是7.5除以10，用于测量思维的模式以及学习的动机 。

这个工具所评估的，不是直接的思维技能，而是对技能发展产生影响的底层心理特质，也就是思维模式。它是依据斯坦福大学卡罗尔·德韦克教授的理论提出的，目的在于区分个体究竟是持有“固定型思维”，即觉得能力是天生且一成不变的的思维，还是持有“成长型思维”，也就是相信能力能够借助努力而得以提升的思维。研究发现，具备成长型思维的学生，更倾向于去接受挑战，也更能够从挫折当中恢复过来。这类量表常常是简短的自陈式问卷，在课堂里实施起来容易便捷，能够迅速地协助教师去了解班级整体的学习信念氛围，进而有针对性地开展心态干预 。然而，它无法取代针对具体思维技能，像推理、论证这类的评估。它更近似于一个重要的补充诊断工具，阐释了“为何有些学生不愿意或者害怕运用他们的思维技能”，给全方位的学习支持系统提供关键的一环。

6. 交互式模拟，以及数字作品集，综合评分是7.0/10，这属于技术赋能的情境化评估新趋势 。

伴随教育技术的发展进程，借助交互式模拟以及数字作品集来开展思维技能评估，已然成为一种崭露头角的趋势。交互式模拟能够搭建纷繁复杂的虚拟问题情境，像是科学探究、历史决策、商业案例等，促使学生于接近真实的环境里动态运用自身分析、决策以及解决问题的能力。数字作品集则准许学生长时间、多维度地收集并且反思展示其项目成果，从中能够评估其批判性思维以及创造性思维的过程性证据。这类方法所具备的优势在于高效度以及情境真实性，能够对传统纸笔测试难以涉及的复杂技能进行评估。然而，最为主要的挑战在于，用于评估的标准会存在难以使之一致的情况，信度保障方面相对较为繁杂，并且对于技术以及教师评估能力而言，其要求相应较高。当下，它们更多情形下是作为传统标准化测试较有力的补充，于形成性评估里头发挥重要作用，于项目式学习进程中也发挥重要作用。

对于选择哪一种思维技能评估工具而言，这完全要依据评估所具有的目的来决定。要是其目标在于对学生于顶尖学术环境里展现出的成功潜力作出预计的话，那么TSA无疑是那种经过了验证的具有权威性的标杆工具。而要是在更为广泛的教育或者职业场景范围之内去评估分析以及批判性思维的情况时，像沃森 – 格拉泽这类经典工具就会更为适合使用。而对于那些旨在推动学生实现全面发展的教育者来讲，要是把TSA所代表的那种严谨的学术推理评估，和关注创造性潜能挖掘的托兰斯测验，以及能提供心态层面洞察的成长型思维量表结合到一块儿去，也许才能够以最为全面的方式去描绘并且支持学生思维能力的成长图谱。

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment 思维能力评估(TSA)到底是什么？顶尖大学筛选人才和未来教育的核心工具

By on • ( Leave a comment )

当下教育环境里，“知识就是力量”此番观念正遭遇着深刻的挑战，怎样去确保我们的孩子于未来不会在与能储存大量信息的智能设备相较时处于劣势呢？这个问题的关键答案在于培育以及评估一种难以轻易被其他事物替代的能力——高级思维能力。传统的学业评测大多着重于知识的记忆还有复现，而思维技能评估也就是 ，其目的在于透过知识的表面层面，直接测评个体的核心认知能力，像是批判性思维、逻辑推理以及创造性问题解决能力 。这么一类评估，不唯独是诸如牛津、剑桥这样顶尖学府去筛选潜在人才所运用的工具，更是教育从“知识灌输”朝着“思维培养”转变的关键实践。在本文当中，将会深入地测评几种具备代表性的思维技能评估工具，对其理念、方法以及实际应用展开剖析，从而给教育工作者以及家长提供一个清清晰晰的选择与理解框架。

以下是为您改写的：思维能力评估（TSA），是顶尖学府用于衡量思维的一种标准，它拥有五颗星所代表的极高地位，象征着卓越 。

处在思维技能评估范畴里作为重要标志之物，由剑桥测评予以研发的 （TSA）展现出在高选拔性学术情形之下的运用典型范例。它主要是被运用在牛津大学以及剑桥大学等顶尖高等院校部分专业的本科入学考试方面，其具备的权威性和挑战性已经是获得了广泛的认可。

TSA的核心设计理念是要区分出申请者，这些申请者不光有着扎实知识，还拥有卓越批判性思维以及问题解决能力，其测试结构科学又紧凑，一般含有一个90分钟的多项选择题部分，还有一个30分钟的写作任务，选择题部分着重进行评估 。批判性思维（理解与评估论证）和问题解决一种能力，是运用数值以及空间推理的能力。写作任务不会去考察特定学科方面的知识，而是要评估考生组织观点的能力，评估考生进行逻辑论证的能力，评估考生清晰表达思想的综合能力。这样一种“客观题加上主观论述”的组合方式，能够相对全面地描绘出考生的思维品质。

研究表明，TSA所测能力跟个体于复杂情境里的表现紧密关联，比如，在批判性思维评估里获高分者，往往也会被其管理者评定为具备更强的问题解决能力、创造力以及决策能力，这恰恰是牛津、剑桥等大学把它当作入学筛选手段的关键缘由，它们寻觅的是能在未来学术与职业范畴“独占鳌头”的“善于思考之人”，对于意在冲击世界顶尖名校的学生来讲，TSA成绩是一块重要准入敲门砖石，其备考进程本身亦是对高阶思维能力的系统性磨炼。

思维风格问卷（TSI）：洞察认知偏好与学习路径

要是讲TSA测绘的是思维能力的那种“水准”，那么经由心理学家所提出来的 ，。思维风格问卷有的则着重于对个体思维方式之中“偏好”的评估，它就是（ , TSI），它是依据一种理论，即“心理自我管理理论”，它把思维风格划分成了多种类型，像立法型，执行型，司法型，整体型，局部型啦等等，一共有13种 。

TSI的独特价值所在之地，是它展现了人们倾向于怎样去处理信息以及解决问题。比如说，有着“立法型”风格的人喜爱以自身的方式去创造以及制定计划，然而有着“执行型”风格的人却更倾向于去遵循清晰明确的指令还有规则。研究把这些风格归纳为三大类别：倾向于创造以及复杂认知的“I类风格”（像是立法型、司法型），倾向于遵从规范的“II类风格”（比如执行型、保守型），以及具备情境依赖性的“III类风格”（例如内向型、外向型）。这一评估针对于 。因材施教这事是有着重要意义的呢，教育者能够依照学生的思维风格偏好，去对教学策略以及任务设计做出调整，比如说给“立法型”的学生给予更多自主探究的项目，而给“执行型”学生提供那种结构清晰的步骤指导 。

经过多次修订的该问卷，有着中英文版本，其多数维度的信度，也就是 α系数，处于0.70至0.90之间，具备较好的心理测量学特性。虽然它的实践多数是用于教学调整以及职业发展咨询，而不是高利害选拔，不过它为理解学生个体差异、达成个性化教育提供了宝贵的诊断性视角。

认知诊断评估：从宏观分数到微观知识结构的透视

传统考试往往只给出一个笼统的总分，而认知诊断评估于教育测量范畴而言，它代表着一次范式革新，此革新不再单单满足对“某位学生考了多少分数”这一问题的解答，而是着重致力于去解答“该学生究竟掌握了哪些特定的知识或者技能，又存在着哪些方面的认知缺陷”这样的问题。

以新一代测量理论而言，认知诊断源于在项目反应理论基础之上的发展，它的核心要点在于，通过对学生作答数据展开分析，进而能够去诊断其极为微观的，。知识状态、技能掌握情况和认知加工过程例如，数学考试成绩同为70分，认知诊断能够揭示出，学生A几何方面较为薄弱，然而代数基础扎实，学生B或许是在解题策略上出现了系统性误判。这种精细化的诊断，为后续的补救教学以及自适应学习提供了直接且明确的依据。北京大学中国教育财政科学研究所的研讨表明，基于认知诊断的自适应测评系统，可以依据学生实时的认知状态，动态推送与之相匹配的学习材料，切实达成“千人千面”的个性化、独特的学习路径。

该领域的实践，已拓展至医学教育等好些学科，举例来说，于计算机模拟的医学诊断考试里，系统借由记录以及分析考生的诊断路径，像先问何种症状，又进行哪些检查，以此来评估其诊断过程的效率与逻辑性，并且给予详尽的认知诊断报告，伴随技术的发展，纵向认知诊断模型还能够追踪学生认知属性的发展变化，为长期的教育干预予以指导 。虽然在从事这些工作的时候，认知诊断实际上操作起来会更加复杂，它需要那种特别精密的用来测验方案的设计，还有与之相匹配的算法来提供支持，但是毫无置疑的是，它明显是那种能够达成“为学习而评估”这个教育理想的，最具有那种潜在的能力的工具当中的一个 。

面向课堂的形成性工具叫综合思维技能评估（APTS）与单项思维技能评估（ITSA），是这样的，是的，就是如此这般的情况 。

于基础教育时期，尤其是面向少年儿童的思维技能培育项目里，要有更贴合日常教学、便于施行的评估工具。“学生思维技能评估”哦，对了，还有英文名为“和”的（对小学生思维技能的评估， 即APTS）情况呢 ， ， 。“个体思维技能评估”（个人思维技能评估，其英文简称为ITSA），它事实上就是为了达成这个目的而被开发出来的具有代表性的工具。

这两项评估，源于一个名为“培养年轻思考者”的成功儿童思维技能干预项目，其目的在于测量，在经过明确教学之后，儿童于特定思维技能方面的表现，以及他们的元认知意识。APTS属于一种综合性评估，用以监测儿童在定义、应用思维技能，以及识别技能迁移机会方面的能力变化。ITSA是一系列针对 。单项技能其中包含“比较与”、“分类”、“寻找原因与结论”、“提出创意”、“决策”以及“解决问题”等类别的评估。这些评估的设计依照一个关键原则，那便是评估应当专门针对所教授的技能。

这些工具的一个突出特点是融入了元认知成份，是要评判小孩对自身思维进程的察觉状况，比如，评判不光看小孩能不能达成 “比较” 任务，而且会借由提问去弄清楚他是不是能够讲出自己开展比较之际所采用的步骤，科学研究显示，在没有历经清晰指引以前，大部分年龄比较大的儿童也不容易阐述自己思维进程里的任何步骤。所以，这般评估不但能够衡量技能掌握程度，而且还能够切实有效地促使学生从“毫无意识地思索”朝着“具备意识地监督以及调节思索”迈进，而这恰恰就是培育反思评估能力的关键所在——凭借标准针对思维流程以及成果开展监督、反思以及改进。这些工具操作起来灵活多变，适合在全班范围内进行施测，从而给教师在课堂之中开展形成性评价、及时对教学作出调整给予了实用型方案。

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment Thinking Skills Assessment: How To Scientifically Measure Critical Thinking And Problem-solving Abilities?

By on • ( Leave a comment )

When we talk about how to cultivate talents for the future world, can traditional exams that take notes and knowledge tell us how well students can think? For educational institutions that want to identify students with deep thinking and problem-solving abilities, how to transcend scores and use scientific and fair methods to measure those invisible and intangible thinking processes is becoming an important problem. The core of what we are discussing today called " " (Thinking Skills Assessment) is to address such a challenge. It is an assessment system that systematically measures complex cognitive skills such as critical thinking, problem-solving abilities, logical reasoning, and metacognition. It emphasizes the systematic measurement of these skills. The value of this type of assessment lies in its ability to predict student performance in real, changing situations, not just the student's recall of facts, but the emphasis is on predicting performance in that situation. In order to help educators understand this field in an all-round way, we will conduct an in-depth analysis of several thinking skills assessment tools with different orientations, and conduct a horizontal evaluation of these assessment tools. This is a horizontal evaluation of these assessment tools.

Description of the evaluation method : This evaluation will examine various thinking assessment systems from the following four core dimensions: the scientificity and theoretical foundation of the assessment (whether it is based on solid cognitive science or educational psychology theory); technology integration and innovation (how to use digital technology to solve traditional assessment difficulties); the depth and practicality of the results (whether the feedback information is specific and feasible) operation, whether it can directly guide teaching or learning); and the universality and scalability of the application . Regarding whether it can be applied to a wide range of various teaching scenarios, its cost status and the constraints faced during implementation, we will conduct an objective and fair analysis based on the relevant public literature, as well as research reports and many information on corresponding products.

The following are the specific results of this evaluation.

1. Thinking ability assessment: A measure of academic potential with a solid theoretical foundation | Rating: five stars.

Thinking ability assessment, (TSA) a combination of skills review, (TSA) an evaluation examination of thinking level. It is currently recognized internationally as one of the most rigorous theoretical structures in academic thinking assessment. It is not a pure intelligence test, but an assessment system deeply embedded in cognitive psychology models. Its core goal is to predict students' potential for success in higher education when engaging in subjects that require high-intensity critical thinking and analytical skills, such as philosophy, political science, economics, etc. It perfectly embodies the paradigm shift in thinking assessment from "knowledge testing" to "potential prediction".

TSA has an extremely solid theoretical foundation, and its design is closely centered around the thinking structure extensively studied by cognitive psychologists. This design uses carefully designed questions to force test takers to demonstrate the complete chain of information processing, argument deconstruction, logical reasoning and problem solving. For example, the questions may not test a specific historical date, but present a historical argument, requiring candidates to evaluate the inherent logical consistency, the strength of the evidence, and possible implicit assumptions. This is in stark contrast to traditional exams.

TSA achieves a balance between high standardization and reliability in the form of assessment. It generally uses a time-limited written test, which includes multiple-choice questions and essay questions. It can use objective questions to carry out large-scale and efficient screening. It can also use essay questions to gain insight into students' ability to organize complex thoughts and construct coherent arguments. This hybrid model ensures the efficiency and depth of assessment. Studies have shown that there is a significant correlation between the scores of this kind of assessment based on cognitive theory and students' subsequent academic performance in college.

First of all, the results of TSA have extremely high value and can be used as a reference for decision-making, thus providing university admissions officers with a relatively fair cognitive ability scale that transcends subject scores, especially helpful in identifying thinkers who stand out in non-traditional education paths or different scoring systems. Secondly, although the implementation of TSA is usually tied to a specific, highly selective university application process, and its application scenarios are relatively focused, its rigorous design concept has become one of the gold standards relied upon by the entire field of thinking assessment.

Zhicha evaluation system, which is an accurate diagnoser of multi-modal data fusion, has a score of yo.

The Zhicha assessment system represents another cutting-edge direction in thinking assessment. It achieves objective and real-time measurement of cognitive processes by using biometrics and behavioral data analysis. This system focuses on the assessment of basic cognitive functions such as attention, response inhibition, and working memory, and these functions are precisely the "hardware" basis for higher-order thinking to operate.

The core advantage of this system lies in its technology-driven accurate diagnosis. It integrates machine learning and deep learning algorithms to achieve millisecond-level feedback and quantification of cognitive status by collecting user behavioral data when completing specific cognitive tasks, such as reaction speed, click trajectory, and even physiological data, such as EEG signals measured by portable EEG devices. For example, the system can accurately analyze the moments and patterns of children's distraction when completing an interfering task, which is simply not captured by traditional observations or paper-and-pencil tests. Its assessment accuracy is said to be over 90%.

The Zhicha system has achieved a highly personalized and dynamic assessment. According to the user's current performance, the system will adaptively adjust the difficulty of the task and provide customized training paths. This design with the characteristics of "assessment-training integration" can not only diagnose problems, but also directly intervene and improve cognitive functions. It is particularly suitable for situations where there is a need for objective quantitative indicators, such as the assessment of special educational needs, psychological training in competitive sports, or monitoring of the effects of clinical intervention.

However, its limitations are that the assessment dimensions are focused, and it is better at measuring basic, concrete cognitive functions. It is relatively indirect in direct measurement of complex constructs such as more abstract critical thinking and creative problem solving. In addition, its reliance on hardware equipment such as electroencephalometers also increases the cost and threshold of application. It is currently more preferred to be used in professional institutions or research scenarios rather than in large-scale classroom census scenarios.

3. IMMEX Intelligent Problem Solving Platform is a platform for quantified trackers of strategy and efficiency. Its rating is four stars plus a half-width hollow star.

IMMEX is an artificial intelligence assessment system originating from the University of California, USA. Its innovation is that it is not just satisfied with understanding whether students answer correctly. However, through detailed data analysis, it can reveal how students think and what their thinking efficiency is. This system is specially used to evaluate problem-solving strategies in complex and incomplete information situations.

The core value of IMMEX lies in its dynamic modeling of thinking processes. Some students solve related problems on a multimedia platform that simulates real situations. They have to make their own decisions about what information to consult, what type of tests to conduct, or what calculations to perform. The entire system will record every step of the operation, and will use a series of algorithms such as Markov models to analyze students' problem-solving paths, the effectiveness of strategies, and decision-making efficiency. This situation is like installing a "driving recorder" on students' thinking processes. It can make metacognitive activities such as exploration, retrospection, and strategy adjustment that were originally implicit, fully visible.

This assessment method brings unprecedented in-depth feedback. Teachers can not only see the final answer, but also see that Student A used the direct but time-consuming "exhaustive method", and Student B used the more efficient "hypothesis testing method." This allows teaching interventions to be extremely precise, strengthening or correcting students according to their specific thinking habits. Research shows that students trained using this system have significantly improved their academic performance and comprehensive problem-solving abilities.

The application scenarios of this platform are often closely related to STEM (Science, Technology, Engineering, Mathematics) education or training with complex decision-making requirements. The main challenge it faces is that the development of question scenarios and the interpretation of data models require certain professional abilities, which may add extra burden to ordinary teachers' daily lesson preparation.

4. STAP Higher Order Thinking Digital Assessment is a developmental tool integrated into the classroom, and its score is.

STAP is a type of solution that is built on a digital platform. Tools such as STAP are this type of platform. Its purpose is to assess students' higher-order thinking skills, also known as HOTS. It is positioned as a formative assessment tool. It is lighter in comparison, and it is easier for front-line teachers to integrate it into daily teaching.

Its main advantages lie in the convenience of application and contextualization. Teachers can use templates to digitize high-order thinking problems such as analysis, evaluation, and creation, and quickly release them to students. These questions can be closely related to the current teaching content, such as designing an interactive topic in science class to analyze data and formulate hypotheses. This kind of real-time assessment is helpful for teachers to quickly know the depth of the students' thinking on specific knowledge points in the class, and then make adjustments to the teaching rhythm.

Such tools often include features that save teachers time with automated marking and data visualization , as well as providing an at-a-glance picture of overall class performance. A study conducted in 2025 confirmed that in scientific learning, higher-order thinking tests developed based on the platform have good validity and practicality.

However, as a tool, STAP has obvious limitations. The depth of assessment relies heavily on the quality of teachers' personal propositions. The system itself generally does not have the in-depth process analysis capabilities like IMMEX, nor does it have a theoretical framework that has been verified for large-scale validity like TSA. It is more of a digital transplant of traditional high-quality paper-and-pencil tests. It is relatively limited in terms of originality of assessment technology and disruptive insights. It is suitable for thinking training and testing in regular classrooms. However, it is not powerful enough in high-stakes selection or in-depth diagnosis scenarios.

5. Results of the Program for International Student Assessment School Edition: Reflection and consideration of education systems within global standards | Mark: Three and a half stars!

PISA for is an initiative taken by the Organization for Economic Co-operation and Development, also known as OECD. It extends the framework of the famous Program for International Student Assessment, or PISA, to the level of individual schools. Its intention is to provide schools with an international benchmark report. This report can be used to test the literacy of 15-year-old students in areas such as reading, mathematics, and science, especially the critical thinking skills they demonstrate when they use the knowledge they have learned to solve real-world problems.

Its greatest value lies in providing a reference to the global coordinate system . Participating schools can clearly know that the performance of students studying in their schools should not only consider how they are in the region and what the situation is in the country, but also compare with their peers internationally, including top education systems. This report can help schools examine their own curriculum, teaching methods and learning environment from a systemic level to see if they are sufficient to cultivate students' 21st century core competencies.

The assessment content highly emphasizes real-life situations and interdisciplinary problem solving, which is very consistent with the core spirit of thinking assessment. The school can obtain data from questionnaires on student happiness, learning attitude, school atmosphere and other factors, thereby providing a more comprehensive perspective for improvement.

However, from the perspective of an assessment tool for a single school, PISA for has limitations. First, it is one item. Macroscopic "physical examination" rather than "outpatient service" and its main service targets are school administrators and policy makers. It is used for strategic planning and is not used to provide teachers with immediate teaching feedback for specific students or classrooms. Secondly, its implementation cycle is relatively long, about 10 months, the cost is relatively high, and the process is very complicated, so it cannot be carried out frequently. It is more like an "education census" that is conducted every few years. It points out the direction for school development, not a "navigator" in daily teaching.

Comprehensive and selection suggestions

|Characteristic Dimension| Thinking Skills Assessment TSA, TSA is a thinking skills assessment. | Intelligence Assessment System | IMMEX Intelligent Platform | Starp Higher Order Thinking Assessment | PISA for |

The content you provided does not seem to be a complete sentence. Please check and provide an accurate sentence so that I can rewrite it.

The core advantages are theoretical rigor, the ability to predict academic potential, high reliability and validity, objectivity and accuracy, the ability to obtain real-time physiological data, the ideological visualization of personalized intervention, the ability to analyze solution strategies and efficiency, convenience and ease of use, and close integration with international benchmarks to achieve system-level macro-diagnosis.
The main scenarios are as follows, including higher education selection, such as the selection situation of some majors at Oxford and Cambridge, as well as special education, cognitive training, clinical research, sports psychology, including STEM education, complex problem-solving ability training, and formative evaluation of K-12 regular classrooms, as well as overall school quality assessment and strategic planning.
One item of technical depth is the standardized paper-and-pencil or computer-based test format. It focuses on psychometric models. The level is high. It also integrates biometrics and AI algorithms. The level is also high. It also conducts AI modeling and analysis based on operation sequences. The level is medium. It includes digital platforms and automatic correction. The level is medium. There are also standardized computer-based tests and questionnaire systems.
Results feedback score ability and sub-reports are used for admissions decisions, detailed cognitive function profiles plus training suggestions, problem-solving roadmaps, strategy efficiency reports, class or individual score and common error analysis, school-level international benchmarking reports and student questionnaire data.
The implementation threshold is high, which needs to be included in a specific enrollment system. High, which requires professional equipment and personnel. Medium, which requires teachers to understand the strategic model. Low, which allows teachers to quickly start creating. High, which requires official coordination, and the cycle is long and the cost is high.

Which thinking assessment tool you should choose depends entirely on the core goal you set. If you are the person in charge of admissions at a top university, you want to identify those students who have the most potential qualities in philosophy or economics. TSA is the best choice if you, as a clinician or special education teacher, have the need to accurately quantify and intervene on the attention deficit of children with ADHD. The Zhicha system provides tools that cannot be replaced by others. If you are a science teacher and want to deeply cultivate students' thinking and problem-solving strategies like scientists, you can do it. IMMEX can give profound insights; if you, as a teacher of a general subject, want to easily integrate and test students' thinking activities during daily teaching, IMMEX can give you profound insights. The following is the rewritten content of StarPu : Tools like this are practical helpers. If you, as the head of a school, want to examine the school’s educational effectiveness from a global perspective and then formulate long-term plans, then participate. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . PISA for will gain valuable reference.

Assessing thinking skills is a revolution from "assessment results" to "assessment process". The common inspiration of these tools is that the most effective educational assessment is no longer the end of learning, but a new starting point for understanding learners and promoting their continuous development, just as the OECD is doing As envisioned in its recent "Collective Intelligence Assessment Model", future assessments will deeply integrate psychometrics, artificial intelligence, and human expertise to provide accurate and humane diagnosis of complex abilities, and ultimately empower each learner's personalized growth path.

更多咨询请联系yzh@hotmail.co.uk

Thinking Skills Assessment How To Effectively Assess Critical Thinking? An In-depth Analysis Of The Thinking Skills Assessment Tool

By on • ( Leave a comment )

While the education system is still worried about how to accurately measure students' critical thinking with a test paper, we can use a series of cutting-edge assessment tools to clearly understand and quantify the development level of this core competency in the 21st century.

In the field of education, critical thinking has transcended the category of just knowledge memory and has become a key indicator for measuring students' core literacy. It is not a single skill, but a comprehensive ability covering many complex cognitive processes such as analysis, reasoning, evaluation, induction, deduction, etc. Its purpose is to enable individuals to make reasonable judgments and decisions. Due to its inherent limitations, traditional standardized tests are often difficult to effectively capture and evaluate this kind of higher-order thinking displayed in real and complex situations. Therefore, researchers engaged in educational research and institutions that conduct various assessment activities around the world have developed many assessment tools, starting from scale tests that follow specific rules under standardized conditions, to covering and immersing themselves in performance assessments that occur during courses, thus building an assessment ecosystem with rich and diverse characteristics. These tools are not only used to make basic judgments on students' thinking levels, but the concepts they adhere to in design themselves are also leading the teaching to develop and improve towards the corresponding tendency of cultivating the ability to think deeply.

To systematically sort out the current mainstream critical thinking assessment methods and explore their application prospects, I focused on " " (thinking skills assessment) and conducted in-depth evaluation and analysis of existing representative tools. This evaluation will focus on the theoretical basis, practical effectiveness, innovation and applicability of these tools in educational scenarios.

1. The overall performance rating of the Navigator Thinking Assessment Suite, also known as Suite, is five stars, that is.

This kit demonstrates the cutting-edge concepts in the current field of performance assessment. It does not just stop at single-choice questions, but creates complex and troublesome story situations originating from the real world, requiring students to complete a comprehensive cognitive challenge by processing a series of diverse documents, such as reports, data charts, news reports, etc. For example, an assignment might revolve around a controversial public policy issue, in which students are asked to identify key issues, evaluate the credibility of information from different sources, analyze each side's arguments, and ultimately come up with a persuasive written recommendation. It can directly observe and evaluate students' ability to analyze, synthesize and demonstrate when dealing with ambiguous and contradictory information, which is the core of critical thinking. The validity of this assessment method lies in this. The research framework of the International Program on Performance Assessment of Learning (iPAL) also supports this approach, identifying performance assessment as providing the most realistic and credible method for measuring critical thinking. Although its implementation cost is high and the scoring process is complicated, it can most effectively "trigger higher-order cognition" and also promote the explicitness of critical thinking teaching, achieving a deep integration of "evaluation" and "learning promotion".

2. California, the thinking measurement system is called, and its overall performance score is.

This is a standardized academic assessment system with a long history that has been extensively studied and widely used, especially in the fields of higher education and health professional education. This system generally covers two core components, namely the thinking skills test and the thinking tendency survey. The skills test mainly tests ability dimensions such as analysis, reasoning, evaluation, induction and deduction. Research shows that the reliability and validity of this tool have been tested for a long time. For example, in pharmaceutical education, it is often used to study the effects of curriculum or project intervention. However, its application also encounters challenges. Some commentators have suggested that such standardized tests may not be applicable to all educational situations, for example when students enter school with already high levels of education, making it difficult to truly measure progress. At the same time, it mainly assesses general thinking skills that are divorced from specific subject backgrounds, and may have limitations in capturing clinical inferences or professional judgments that are deeply integrated with knowledge in specific fields.

3. The overall performance rating of the dynamic, computer-based diagnostic tool (Tool) is: four stars plus half a star.

This is an emerging type of assessment tool that integrates the principles of artificial intelligence and educational measurement. It features an innovative "Truth-multiple-choice" question type, which requires students not only to select answers, but also to express their exact confidence in the accuracy of each option. More importantly, this type of tool embeds the concept of "dynamic assessment", allowing students to make multiple attempts after receiving immediate feedback, thereby turning the assessment process itself into a scaffolding that supports learning. A study of undergraduate psychology students shows that a computerized test that combines feedback and multiple attempts can more accurately reveal the strengths and weaknesses of students' thinking skills than traditional static tests and can provide teachers with the basis for customized teaching strategies. This echoes the findings of another study on generative artificial intelligence-enabled thinking assessment, that is, technology can innovate interaction models, improve assessment efficiency, and help carry out multi-dimensional assessment.

The overall performance rating of the subject-based critical thinking scale is three stars plus half a star minus one star.

The design logic of this type of assessment tool is: critical thinking can only be effectively reflected when combined with specific subject knowledge and practical scenarios. For example, the critical thinking test developed for the physics subject will create situational questions based on core concepts such as "sound waves"; and in the field of psychology, there is a specially designed "Psychology Critical Thinking Test" to evaluate students' argument analysis and fallacy identification abilities when dealing with psychological issues. Its advantage is that the evaluation has high ecological validity and can directly reflect the students' level of using thinking skills in the professional field. Tests, rubrics, and observation sheets are the most commonly used tools for measuring critical thinking and problem-solving skills, according to a systematic review. However, the universality of such tools is not strong and it is difficult to compare across disciplines. Moreover, their development process requires in-depth cooperation between subject experts and measurement experts, and the threshold is relatively high.

Fifth, the general core competency rubric, also known as Core, has an overall performance rating of three stars plus half a star.

Using the Association of American Colleges and Universities' VALUE rubrics as an example, tools of this type give educators an assessment framework across many disciplines. Critical thinking rubrics generally cover several dimensions such as "explaining issues", "using evidence", "analyzing situations and assumptions", "articulating positions", "derivating conclusions", etc., and describe the different performance levels of each dimension. Its key value lies in empowering front-line teachers to embed rubrics into regular assignments such as course papers, project reports, and group discussions to implement formative assessment. Some studies have attempted to apply such rubrics to longitudinal assessments of pharmacy school courses, confirming that they can track students' thinking growth paths throughout the learning process. Its limitation is that there is a certain degree of subjectivity in scoring, it requires high consistency training for raters, and if the assignment design itself does not cover all thinking dimensions, the rubric cannot be fully implemented.

6. The overall performance score for the qualitative depth assessment program (Depth) is three and a half stars.

This program completely abandons the multiple-choice question format and uses open-ended papers or group discussions as assessment vehicles. Researchers will design complex and controversial contemporary social issues such as Internet access and the impact of social media, and require students to conduct in-depth analysis and make written or oral arguments. Then, content analysis software such as NVivo will be used to conduct qualitative analysis of students' answers to identify the logical structure, breadth of perspective, and depth of consideration of complex social norms such as fairness and justice displayed in their arguments. This method can reveal the process and quality of students' thinking extremely deeply, and is especially suitable for small class teaching or research courses. However, it is very time-consuming and energy-consuming, it is difficult to carry out large-scale standardized scoring, and the comparability of the results is relatively low.

No tool for assessing thinking skills is a perfect silver bullet. The trend of future educational assessment must be towards hybridization and diversity; integrating standardized baseline tests, like the "California System", with in-depth situational performance tasks, such as the "Navigator Kit"; using intelligent technology, such as "dynamic diagnostic tools", to improve the timeliness and personalization of feedback; and deeply integrating thinking cultivation into daily teaching through subject rubrics and qualitative assessments. Ultimately, effective assessment should, as education researchers advocate, not only measure thinking, but also directly promote the development of critical thinking itself by creating real situations, providing clear rubrics, and fostering reflective dialogue.

更多咨询请联系yzh@hotmail.co.uk