2024年12月18日下午，Datakind高级研究经理、美国爱荷华大学副教授、美国西北教育评价协会(NWEA)研究员加文·富尔莫（Gavin W. Fulmer）博士于文科大楼1507室开展了题为“当下科学教育评价中的问题”的学术讲座。本次讲座由国际与比较教育研究所符国鹏副教授主持。
富尔莫副教授围绕科学教育评价的背景以及科学教育评价的新近主题两个方面展开了报告。
在科学教育评价的背景部分，富尔莫副教授以“评价三角”引入，首先从“评价”的定义出发，指出评价是收集关于个体或群体证据的过程，这些证据用来为教育决策做参考，这一过程包括了对观察结果的解释和理解，并提到评价聚焦于知识、技能、素养、其他。接下来，富尔莫副教授结合具体的案例从评价作为过程、评价作为结果、评价作为课程、评价作为教法四个方面详细进行阐述。富尔莫副教授提到，当评价作为过程时，需将评价与课程、与教学法紧密联系；当评价作为结果时，需要创造被测评的新概念或认知，并关注量表的创新和效度，同时需要注意研究与其他测量之间的关系，并且与科学本质这一概念存在联系；而评价作为教法的含义是评价和学习并不是割裂，而是通过评价学习、从评价中学习，并指出课堂互动也是一种形成性评价，强调了非正式评价的重要性。对于评价中的教师和学生，富尔莫副教授提到进行评价时教师的信念与价值观、学生对评价的反映、同伴互评作为教学手段的重要性。此外，对分数（scores）和反馈（comments）的评价形式进行了比较，分数的评价形式存在缺乏细节、学生忽视的缺点，反馈的评价形式则具有更具体、有助于学生反思的优点，因此以反馈形式的评价比分数的评价形式更能促进学生的学习。
在科学教育评价的新近主题部分，富尔莫副教授为大家分析了AI评价的优劣，AI评价的优点在于能够迅速进行分析并发现规律，能够形成个体化的反馈系统，善于处理杂乱的内容；其不足在于AI评价与教法失联，且存在一定的打分偏见，不能够觉察到细微的差异。因此，教育评价中的AI既是新的研究方向，也面临着一定的挑战。
在报告结束后，富尔莫副教授与在场师生进行了深入的交流与讨论。讨论围绕跨学科评价的有效性，科学教育评价与其他学科评价的差异，STEM教育评价中的重要因素，如何更有效地评价学生在科学领域的深层学习能力（包括创新思维和问题解决能力），教师评价素养的重要性，以及如何通过教育和培训提高教师的评价能力等议题展开，并就AI评价所面临的挑战再次进行了探讨。