![zoޛ)j馟i6
t9 tӞ|ںPf1^]ןiiuZ](http://tp.67gu.com/showimg.php?url=http://img.qikan.com.cn/qkimages/zgyj/zgyj201805/zgyj20180507-1-l.jpg)
报告集中在基于常模参照测量下的排序和比较，具有较为明显的“排位次”现象。测评需要为教师精准教学和学生高效学习提供有效支持，如果盲目追求测评的选拔和甄别作用，缺少基于测评结果的教与学的优化，则会造成测评活动舍本逐末无助于教与学改进的困境。
2. 测评数据采集相对单一
数据采集的内容和形式将直接决定后续分析的广度和深度。从数据内容上看，当前智能测评平台主要以学业成绩数据为主，缺乏对学生日常学习行为数据、家庭背景信息等重要内容的采集；从数据类型上看，已有分析数据以结构化数据为主，如学生的试卷分数、调查问卷结果、在线学习时间、点击次数等，缺乏对更能体现学生情感、价值观、学习品质和学习思维等非结构化信息内容的采集；从数据收集时间跨度上看，以阶段性、结果性数据为主，缺乏对日常关键事件和典型表现等行为数据的收集。当前，无论是数据内容和类型，还是数据收集的时间跨度，现有测评平台尚未达到智能测评对数据采集的要求。
3. 测评分析缺乏深度
受限于测试数据采集较为单一，目前各测评平台在分析内容和分析方法上的设计也较为简单。在分析内容上，主要是对采用问卷、试卷等测量工具获取的区域教育质量、学生学业成就等方面信息进行分析；从分析方法上看，以描述性的量化统计分析为主，缺乏质性分析及纵向和横向的对比分析，缺乏从多角度、多层次分析同一对象；从测量统计理论的应用上看，主要以经典测量理论作为理论依据，缺乏对于更能反映学生认知过程、数据处理精度更高的认知诊断和项目反应等理论的应用。因此，分析结果往往较为片面，无法形成有效的证据链，可信度不高。