Andreas Schleicher ：《数据告诉我们，学校可以办得更好》

有三种素养在我们看来非常重要。作为PISA的设计人员，我让大家看看我们在想什么。

第一是创造新价值，也就是进行创新。在人工智能的时代，计算机可以做许多事情。人怎么跟计算机区别开来？人的技能怎么跟人工智能区别开来？一项非常重要的技能就是创新，能够创造新的价值，让下一代的人学到我们在做什么。

第二种非常重要的价值就是能够处理紧张局势的能力，知道何为正确何为错误，知道在进退维谷的时候应该怎么取舍。

最后也是非常重要的，就是富有责任感，这意味着道德和智力的成熟。

这三个素养是OECD认为在现在的学习中非常重要的。我们试着在PISA测试中反映所有方面，但这并不容易。我给大家讲一讲我们怎么测试，虽然有局限性，但是这个框架却能够给我们一些想法，让我们知道支撑这些素养的是哪些东西。

素养可以学习，我们认为有这三个维度。

第一是进行预判，能预测未来可能需要什么，可能有哪些变化。你有眼光看出每一天每一时刻世界在变化，有能力进行预判，这是非常关键的起步，跟以前自己背诵的东西都不一样。这样的预测会帮助你进行反应。这点非常重要，是PISA评估的理论基础支柱。

我们再来看一下PISA中的科学评估。不是说学生在学校里生物学了多少、化学学了什么，我们希望跟科学相关的话题是关于科学的想法，你能够理解在背后支撑科学的见解。这种素养就是我们前面讲过的，能够用科学的词语解释现实的社会现象。通过历史来理解世界，不是只讲过去的年代，而是让你思考历史，什么时候发生了什么，里面有哪些迹象。

第二点很重要的能力就是能够评估和设计科学探究。许多PISA测试题目都要学生进行实验，让他们看看大家都公认东西是怎样的，怎样通过实验来证明它是大家公认的那样。PISA测试中有很多数据，怎么科学地解读数据和证据，将它们说通并且讲出道理来，这些都在PISA测试中得以体现。

能力总是跟知识相关，内容知识很重要，在测试上并没有变少。此外，要想像科学家一样来理解问题，还需要很好的关于科学的态度，需要科学家们证明主张时的认知性知识和想法。学生相信科学是一种方法吗？学生如果在科学知识方面很好，但是没有把科学当作未来解决问题的工具，那他就没有很好地学到科学。这是非常重要的。我等一会儿给大家比较一下，你就可以看到不同的国家是怎么样的。你看看新加坡，它有很好的成绩，再看看多米尼克共和国，它跟新加坡有五到六年的差距。所以教学质量的差别是非常大的。

教育公平问题

我们感兴趣的不仅仅是整体的教育系统的质量，还有公平性的问题。测试教育中的公平性，有很多不同的方法，在PISA里面是怎么定义的？就是看这个学校里面的教育多大程度上是根据学生的社会身份来进行的。如果一个学校不是以学生来自哪种家庭来进行教学的话，这就是公平的。如果一个系统关注的是学生来自于哪里，比如说富裕家庭出身的学生来到好的学校，出身不好的学生就到差的学校，这就是不公平的。这些数据都解释了。每个人都希望到绿色的区域，这里教学质量好公平性又高。没有人想到红色的这一块，这里的教学质量又差公平性又差。

有的人觉得教育如果只是关注公平性的话可能会影响到学习成绩。这里面就需要有取舍。PISA的评估，你不能把有些东西糅合到一起。所以我们不仅关注总体，看大家都做得怎么样，还关注它的公平问题。中国香港和中国大陆就是很好的例子，有一些来自不好家庭的学生反而学得更加好。芬兰、加拿大也可以看到相似的情况。这些国家和地区做到了质量和公平并重。我们想看谁能够最好地把质量和公平兼顾到一起，他们又是怎么做到的。

优等生、科学成绩与职业预期

我们来看看优等生的情况，看多少同学的考分是非常高的。美国占整个饼图的很大一部分。不是因为美国在科学方面教育得很好，实际上只有8.5%的美国学生考得非常好，只是这个国家非常大，所以为全球的人才库贡献不小。另外就是中国的四个省份，北京、江苏、上海、广东，都是做得非常好的，优等生的比例比美国高很多，人才的密集度是非常高的。

再看日本，这是一个小的系统，但是15%的学生都能够解非常难的科学题。不是因为他们在科学方面比中国学生知道得多，而是由于它自身的系统。还有德国以及其他的一些小国家，他们也没有很多科学方面的背景。未来的人才主要来自于这几个国家，要么地方很大，要么系统很好。

PISA不关注学生在科学方面的成绩怎么样，我们希望知道他们多大程度上能够把科学当做他们未来的事业追求，在这些15岁的男生女生中，有多少人将来想从事科学方面的工作。在韩国、日本、中国、芬兰、德国中，想当科学家的人非常少，他们没有将科学当做终身从事的事业，可是他们在PISA中科学题做得非常好。这是怎么回事？出什么问题了？而美国PISA测试题做得并不是很好，但是所有的学生都想成为科学家。所以存在两种可能，要么把学生教得很好，要么让他们成为科学家。

我们把这些问题放在一起再看一看。红色部分是学生科学成绩非常好的，紫色部分是学生认为他们未来要从事科学的，蓝色的部分是学生真正想变成科学家的国家。有没有可能把所有这些都结合在一起，成为中间重叠的这部分？有，就好像新加坡、加拿大，他们的确有科学成绩非常好，也相信科学是他们未来所从事工作的学生。这很有意思。我们以为如果学得非常用功会讨厌科学，有的时候需要取舍。其实不是的，新加坡、加拿大、斯洛文尼亚、澳大利亚这些国家能够把科学方面的情感与认知结合起来。左边的区域中，测试的结果很好，但是他们就此洗手，因此学生对科学的灵感联系不是很强烈。而在美国、西班牙、阿联酋等国，学生想成为科学家，但是学校没有给他们做准备。

有一些国家做得非常成功，能够将所有的因素结合在一起。现在的问题就是，这种成功之后是什么？PISA的评估结果告诉我们，如果你不喜欢科学，你就可以看到，成绩好的学生在对未来的规划或者期待的方面的分差会很大。如果真喜欢科学，成绩与学生想从事这方面工作的程度之间的关系非常强。所以有时候我们说，学是挺难的，你要学得有趣。如果学习好玩的话，你就不光是成绩好了，也可以对自己的未来产生期待。这是一种非常重要的策略。学生不是只是学东西。他如果心没放在上面，就只会得到很好的分数，而不会在他们将来的一生当中使用这些知识。所以PISA希望能够把这些认识论方面的动作和情感联系起来。

我们再看一下职业预期。在科学方面，师资力量、学校管理情况都可以影响到学生的科学成绩，进而影响学生的就业预期。看学生的科学成绩，如果老师引导得好，最终的整体结果总是好的。如果你想学生有很好的职业预期，教学方式非常重要，要让学生更好地控制自己的学习节奏以及学习时间。

还要有感知、反馈，这些是不同的教学策略，会导致更高的职业预期。前面已经提到了，现在的人工智能来势凶猛，在劳工需求市场方面需要很多技能，但是机器人现在已经取代了很多的工人，时代要求的知识和技能已经不止步于做劳动力、做手工劳动。很多东西看上去很容易教很容易测试，也很容易数字化，越容易教越容易学的东西越容易数字化。所以当今社会，不同的新的知识才是更重要的。

现在社会需要你根据自己学的东西知道怎么做。看一下绿色的线，它代表的是社交能力、社交技术以及协作能力。这种社交能力越来越重要，体现在做一个有情感，有血有肉的人。根据2015年的测试结果，中国这方面还有很多需要提升的地方。学生应该知道自己怎么解题，同样应该知道怎么协作。跟自己的同伴协作来完成一项任务，在这方面有些国家的学生真的做得很好，例如日本、澳大利亚、美国。美国学生自己解题比较差，但是协作方面做得非常好。绿色区域内是教育孩子与别人合作方面做得比较好的，黄色部分是个人自己和协作方面做得差不多的，红色部分就是协作方面做得还不够好的国家。