PISA 排名是一个有用、但常被过度解读的快照：OECD 每隔几年对一个 15 岁学生的样本进行阅读、数学和科学测试，并按平均成绩对参与国家进行排名。PISA 不是任何个别学生要报考的考试，它与任何考试局都没有关联，它本身也无法告诉你，某个国家的考试局结构是否「比」另一个国家「更好」。

关于 PISA 排名的新闻标题，往往带着强烈的暗示性结论——认为排名靠前国家的整个教育体系，包括其考核学生的方式，一定在做着某种值得全世界效仿的事情。OECD 自己的文档，态度要比这些标题谨慎得多；在就考试局这一具体问题下任何结论之前，弄清楚 PISA 实际衡量的内容与外界对它的种种说法之间的差距，是很值得的。

PISA 究竟是什么

**Programme for International Student Assessment（PISA）**由 OECD（Organisation for Economic Co-operation and Development，经济合作与发展组织）大约每三年开展一次——不过这一周期偶尔会有调整，包括因新冠疫情而导致的一次延后。它对参与国家和经济体中的 15 岁学生，测试其阅读、数学和科学能力，每个周期轮流侧重某一个科目进行更详细的考察。

它的设计有两个特点，对于如何解读结果至关重要：

  • 它是抽样调查，不是普查。 PISA 并不会测试一个国家的每一个 15 岁学生。它使用一个经过统计设计的学校样本，并在这些学校内再抽取学生样本，力求能代表该年龄段的全国人口。全国平均值是从该样本推算出的估计值，带有相应的误差范围——而不是对每一个孩子的直接测量。
  • 它测试的是能力，而不是任何国家的课程或资历。 PISA 的题目由 OECD 设计，用于评估一般性的阅读、数学和科学素养——即把知识应用到不熟悉的、贴近现实世界的问题中的能力——而不是考核对任何具体国家课程内容的掌握程度。某个国家的 GCSE、Abitur、Baccalauréat 或任何其他国家资历，在 PISA 的设计和评卷中都不起任何作用。

为什么这排除了一种简单的「考试局解释」

由于 PISA 与任何全国性考试或资历都没有关联，它不可能直接衡量某个考试局的工作做得有多好。一个国家的 PISA 平均分，充其量反映的是该国 15 岁人口在某个特定时间点的一般读写和数理能力——而这个数字还经过了抽样、翻译、题目设计以及各周期参与率不同等因素的过滤。它丝毫说明不了这个国家有多少个考试局、这些考试局是慈善机构还是公司、试卷如何评阅，或者分数线是如何划定的。

这一区别，直接关系到英国在 PISA 数据中呈现的样子。英格兰、苏格兰、威尔士和北爱尔兰在 PISA 中被作为各自独立的实体报告，正是因为每个地区都有自己的课程和自己的评估体系——参见我们的相关文章苏格兰为何采用 SQA、北爱尔兰为何保留了 CCEA以及威尔士为什么创立了 Eduqas。在 PISA 数据中，并不存在一个可以拿去与其他国家比较的统一「英国考试局成绩」，只有同处这几个岛屿之内、彼此独立的四份全国性成绩。

高 PISA 分国家之间结构上的多样性

如果考试局结构以任何直接的方式驱动了 PISA 表现，你会预期高分国家拥有相似的结构。但事实并非如此。在不同周期中表现强劲的国家和地区包括：

  • 高度集中、由单一全国考试局或政府部门运营评估的体系，例如新加坡和韩国。
  • 历来在较小年龄段几乎不进行外部标准化测试、更多依赖教师主导的持续性评估，直到中学高年级末才参加一次统一毕业考试的体系，例如芬兰。
  • 存在多个考试局、评估方式因地区而异的联邦制或区域性体系，见于多个 OECD 成员国。

这种跨度——从几乎没有外部测试，到高度集中的全国性考试，二者在不同时期都出现在 PISA 强势表现者之列——本身就是反对把「考试局数量」或「评估集中程度」视为 PISA 结果明确驱动因素的证据。如果这个光谱的两端都能产生优异表现，那么任何一个具体国家成绩的解释，都不太可能仅仅在于其考试局结构本身。

真正可能解释差异的因素（须保持适当谨慎）

研究 PISA 结果的学者们指出了大量可能的相关因素——教师培训与地位、经费及其分配的公平程度、贫困与不平等、学前教育的数量与性质、社会对教育的文化态度，以及校外辅导的多少，等等。这些因素中没有任何一个被证实是单一的、占主导地位的成因，OECD 自身的文档也明确指出，其结果不应被解读为在单一质量维度上对整个教育体系进行排名。任何引用某个具体因果说法来解释某国为何得分优异的人，都应该能够指出一项具体的研究，而不仅仅是排名本身。

PISA 不是唯一的国际评估——与 TIMSS 混淆会造成实际错误

一个常见而具体的错误，是把任何一项国际学业表现排名都当作 PISA 来对待。家长们可能见到的另一项主要研究是 TIMSS（Trends in International Mathematics and Science Study），由 IEA（International Association for the Evaluation of Educational Achievement）而非 OECD 运营，它与 PISA 在多个对解读结果同样重要的方面有所不同：

  • TIMSS 考核的是课程内容，而不是一般性素养。 PISA 刻意避免考核任何单一国家的课程，而是评估应用性的阅读、数学和科学素养；相比之下，TIMSS 明确围绕参与国家实际教授的数学和科学课程来设计——它更接近「学生对所教内容学得如何」，而不是 PISA 所衡量的「学生把一般能力应用到陌生问题上的能力如何」。
  • TIMSS 测试的年龄段不同。 它评估的是四年级和八年级学生（大致相当于 9-10 岁和 13-14 岁），而不是 PISA 固定的 15 岁群体——因此一个国家的 TIMSS 成绩和 PISA 成绩，描述的是处于不同学校阶段的不同学生，而不是对同一批学生的两次测量。
  • 两项排名可能出现分歧，实际上也确实会出现分歧。 一个在 TIMSS（9-10 岁或 13-14 岁的课程掌握程度）上表现强劲的国家，并不保证在 PISA（15 岁时的应用性素养）上也有同样的排名，正是因为这两项研究由不同机构运营，针对不同年龄段，采用不同的题目设计，衡量的其实是真正不同的东西。

一则引用「国际排名」却没有说明具体是哪项研究的新闻标题，或者把 TIMSS 的结果当作 PISA 结果来引用（反之亦然），都应该带着真正的谨慎去看待——这两者并不能互换使用，把它们混为一谈，是围绕 PISA 的种种说法最常出错的方式之一。

参与是自愿的，这同样影响着结果

一个国家是否加入 PISA 并非强制性的，哪些国家和经济体选择参与——以及它们在一届又一届调查中参与的连贯程度如何——本身也是解读任何一次排名所需要的背景信息的一部分。近几届 PISA 大约有 80 个国家和经济体参与，既有 OECD 成员国，也有非成员的伙伴国家和地区，这份名单在各周期之间会有所变化，有国家加入、退出，或者参与情况受到各种事件影响（例如前面提到的，2022 年这一届的时间安排本身就因新冠疫情而被推迟）。某个国家未出现在某一届的成绩表中，未必意味着它表现不佳——它可能只是没有参加那一轮调查——而一个国家在不同周期之间排名的变化，也可能反映的是其他参与国家构成的变化，而不仅仅是该国自身学生表现的变化。

PISA 真正擅长衡量的是什么

以上这些，并不意味着 PISA 没有用处——它是目前少数几个方法论一致、规模庞大的国际学生能力比较研究之一，遵循一套公开发表、经过同行评审的方法，能让政策制定者追踪一个国家 15 岁学生平均的阅读、数学和科学素养，相较于可比较国家而言，随时间呈现怎样的变化趋势。这是一件真正有价值、但也真正有其局限的事情。

而这种局限，正是本文想要说明的重点：PISA 衡量的是某个特定年龄段抽样人口的素养能力，采用的是与任何国家资历都无关、由 OECD 设计的题目。它从来不是、也从来没有被设计成对任何国家的考试局、评分体系或颁证机构数量的一份成绩单。任何想就自身结构优劣比较英国考试局与其他国家考试局的人，都需要 PISA 排名表之外的证据——也应对那些拿出 PISA 排名就仿佛已经解决了这个问题的说法保持警惕。

准确的结论

一个较高的 PISA 排名，只能告诉你：在某一次特定的测试周期中，该国抽样的 15 岁学生，在一套国际设计的特定素养题目上，平均表现良好。它不能告诉你，该国的考试局管理得更好、评分更可靠、资历更严格，也不能说明该国组织评估方式的任何具体特点导致了这一结果。请把 PISA 排名当作 OECD 设计它时的初衷来看待——一张能力快照——至于任何类似「考试局质量究竟如何」这样问题的答案，请转向本系列涵盖的结构与监管细节去寻找。