评估一直是学习的重要组成部分，但是最近，我们已经变得越来越依赖人工，昂贵，单一目的，缺乏信息性和不公平的测验和测试。我们特有的美国痛苦是我们对可靠性(一致且廉价)的重视超过对有效性(真实和有意义的)的重视。

就像商业界已经转移到关注大数据提供的客户体验一样，教育的未来就是测量带来的学习者体验。通过测量，它不仅适用于计划的评估，还包括嵌入式检查，自适应调整，收集的观察，反射和系统诊断。

下文概述的13个构建基块以David Conley的下一代评估大纲为基础。他们描述了测量系统将如何结合嵌入在学习体验中并与之相关的许多小量度，而不是大笔的年末测试。上半部分描述了测量在学习过程中的作用。下半部分描述了健壮的测量系统。

智能测量而非哑巴评估

1.学习者成长：衡量主要集中在告知学习者成长。程序管理和系统责任排在第二位。正如大卫·康利(David Conley)所说：“学生是演员，而不是对象。

2.连续体：度量标准以新手专家连续体的形式查看增长情况。它并没有固定在通过年底标准化测试衡量的人工年龄队列能力目标上。

3.嵌入：大多数衡量标准都嵌入或反映在学习经历中。反馈通常是即时的，总是有益的。它有时是定量的，有时是定性的。

4.应用：测量的重点是知识和技能的应用。这与反驳事实和公式无关。有时，如果需要精通的判断(对于认证或进入下一个级别)，风险很高，但是衡量仍然是真实可信的。

5.所有权：测量可以促进学生对学习的所有权，并帮助他们确定兴趣并发展自我知识。建立成功技能与获得学业进步并提供反馈一样，可以帮助学习者确定下一步。

6.可行的：测量产生可行的信息。它不仅将学习者置于类别中。它可以帮助他们了解自己的学习并促进目标设定和坚持不懈。

7.洞察力：测量可以洞察知识在上下文中的应用。因为专业知识是与上下文和领域相关的，所以度量并非一次孤立的事情。重要技能应用于不同环境中的不同问题，以证明可移植性。测量可以使教师了解所学的内容以及任务和环境的性质。

测量系统而非评估事件

8.适应性强：将测量整合到适应性系统中，可识别出下一个最佳步骤-挑战的级别和类型。自适应系统特别适合密集的技能培养，可以为扩展的挑战做出公平的贡献。

9.概况：测量用于创建全面的学习者记录，以帮助个人发展和目标实现，确定最有生产力的环境和增长经验。

澳大利亚非营利组织High Resolves 在一篇关于评估的未来的论文中将档案描述为“非常庞大，动态的数据库，其中包含来自基于多种活动的评估中所有已归档的认知，情感和行为指标”

全面的记录不仅可以告知各个后续步骤，而且(具有完全的保密性)可以提供有关小组表现和学习经验功效的宝贵见解。

10.主动：测量可以在学校内外的强大沉浸式体验中找到所需能力的证据。它不仅仅依赖于精心设计和不真实的，经过解构的事后评估任务(那些年末多项选择测试的任务)。教师，顾问和算法都可以成为主动发现能力的一部分。

您可以计划一些机会来激发创造性的问题解决方案，但是在重视好奇心和自我指导的条件下，您也可以发现它的出现时间和地点。

11.累积有效性：测量利用累积有效性。结合数百个数据点(例如，两年来对来自多个类别的30个写作样本的多特征反馈(每个版本有2-3个修订版))，可以提供比年底标准化测试更准确的写作能力描述。自动化的反馈系统可以增强人们在评估技能进步方面的判断力。

好的学校知道每个学习者每天在每个重要能力上的表现—他们利用高质量的形成性评估的累积收益，而在年底不需要一天(或一周)的长时间测试。

12.公平：良好的衡量系统可以解决公平问题。他们确定需要更多时间和支持的学习者;他们为预警系统提供动力。公平的测量系统避免了带有偏差的任务和测试。

13.凭证：度量系统以凭证和工件组合的形式帮助交流能力发展中的里程碑，使学习者能够讲述自己的故事。

有一些从零开始兴建的学校系统和中学后课程，可以很好地完成许多事情。现有的学校体系很难采用这些原则，但是有几十种正在发展中。CompetencyWorks记录了大多数州的进展情况。

州可以通过支持学校朝这一方向发展的试点计划来推进智能测量。未来的州责任制可能会授权学校网络，以提供能够一致，准确地描述学习者成长的综合数据集。

学习的未来是智能测量-它是随着时间的推移收集的真实观察结果，通常是自适应的和嵌入式的，具有主动性，并产生有用的配置文件，可帮助学习者讲述自己的故事。