一、成绩单之外的信号
2026年秋天，纽约皇后区的一位母亲陪着14岁的儿子复习数学，发现情况与成绩单给她的印象很不一样。
按照她后来在《纽约邮报》的讲述，儿子刚进入第一志愿录取、评价很高的一所高中。此前，他的数学成绩一直不错：小学时经常拿到最高等级，六年级期末92分，七年级期末最低89分，八年级93分。这样的成绩单，看起来没有什么值得担心的。
直到高中第一次数学考试，他得了78分。母亲决定陪他准备第二次考试，却发现他只能答出练习题开头的几道题，一些基础代数和几何题无法完成，连小学阶段的分数运算也存在困难。她说，孩子面对这些题目时，眼里涌出了泪水。随后，老师打电话告诉她，第二次考试的10道多部分题目，他只答对了2道，总分是100分中的10分。
这位母亲名叫Adriana Aviles。她曾是纽约警察，长期参与学校事务，担任过家长教师协会和社区教育委员会的负责人。为了让孩子进入她信任的第26学区，她曾特意搬家。她并不是一位从不关心学校的家长，却发现自己对孩子学习状况的判断，可能与实际情况相去甚远。
更令她震惊的是，回头查看记录时，她才注意到：儿子七年级的纽约州标准化数学考试，已经显示他没有达到相应的熟练标准。[1]
有人也许会问：如果数学基础存在缺口，为什么还能被一所好高中录取？纽约市高中并不都采用同一种录取方式。部分筛选类项目依据七年级四门主科的期末成绩分组，同组申请人数超过名额时，再按随机号决定录取。[2] 但原报道没有披露这个孩子的高中名称和具体录取路径。一般规则可以帮助理解背景，却不能代替对个人经历的核实。
真正需要追问的是：为什么不同评价发出了不同信号？这些信号当时是否得到了解释？孩子是否及时获得了帮助？
10月26日，Aviles在纽约市公立学校总监出席的公开会议上讲述了自己的经历。五天后，《纽约邮报》刊登了她的第一人称自述。她用“欺骗”“做假”等强烈措辞，指责学校系统以好看的成绩掩盖了孩子的学习困难。[1]
这里需要划清边界：这是一位家长的公开指控。个人成绩记录尚缺少完整的独立核验，我们查到的资料也不足以认定学校有意提高成绩，不能把它当作已经查实的成绩造假事件。
她还提到，儿子高中的一些家长也反映孩子学习代数吃力。但这些反馈尚不是经过独立核实、具有相同经历的一组案例，也不能确定相关学生是否来自同一所初中或同一学区。[1]
与此同时，纽约市教育局2024—25学校质量摘要显示，儿子原就读的M.S. 67 Louis Pasteur初中，数学达标指标为91%。这一口径包括部分学生提前参加高中数学Regents考试后的成绩折算，并非单纯的普通州统考通过率。[3] 整体表现较好，并不能解释这个孩子的成绩差异，也不能排除某些困难未被充分识别；一个孩子的经历，同样不足以证明学校普遍评分失真。
但她提出的问题，值得认真讨论：一张优秀的成绩单，究竟能够告诉我们多少关于学习的真相？
二、成绩膨胀：当A越来越多，A还意味着什么？
一个孩子的高分与实际表现不一致，不足以证明整个系统存在成绩膨胀。研究中所说的“成绩膨胀”，通常关注的是：分数持续上升，却没有相应的学业进步支撑。
2022年，美国大学入学考试机构ACT发表了一份研究报告，分析了2010年至2021年参加ACT考试的公立高中毕业生数据，涉及超过439万人、4783所学校。研究以学生自报的核心课程成绩计算高中GPA；在控制部分学生和学校特征后，模型估计的平均GPA从3.17升至3.36，而ACT成绩并没有出现相匹配的提高。[4]
这并不意味着GPA与标准化考试应该完全一致。前者反映一段时间内的课程表现，后者是在特定条件下进行的测验，两者测量的内容并不相同。这项研究的样本，也不能直接代表全体美国高中生。它支持我们讨论成绩膨胀这一更广泛的问题，却不能据此认定第26学区或当事学校存在同样的问题。
不过，当日常成绩持续提高，而相对独立的学业指标没有同步改善时，我们就有理由追问：学生学得更好了，还是分数的含义发生了变化？
ACT报告发现，成绩上升在2018年至2021年间尤其明显，但趋势在疫情前已经存在，不能简单地把全部变化归因于疫情。[4]
成绩膨胀值得担心的，不只是A越来越多，而是一个A所传递的信息，可能不再像过去那样可靠。
三、为什么低分有时难给？
当一个孩子学习很努力，却仍然没有掌握关键知识时，老师可能面对几种彼此拉扯的要求：如实说明能力缺口，肯定努力与进步，避免孩子失去信心，也要向家长解释为什么成绩不理想。
这些目标并不必然冲突。但当一个分数同时承担鼓励、沟通、评价和升学等多种任务时，它就不再只是对知识掌握程度的记录。
《教育周刊》2024年的一篇报道，援引了一项于2023年10月开展、覆盖约1500名教师的全国代表性调查。在过去一年受到改分压力的回答中，家长和学生两项的比例都在四成左右，超过四分之一的教师还提到了来自校长的压力。[5]
受到压力，不等于教师实际修改了成绩，更不能直接证明这些压力导致了成绩膨胀。但它说明，评分并不独立于学校与家庭的关系、学生的升学机会和教师的工作处境。
除了外部压力，成绩如何构成，同样值得注意。
Aviles在自述中提到，儿子可以在试卷批改后修改答案，并获得新的分数。[1] 仅凭这段描述，我们无法判断具体评分规则，更不能认定订正造成了他的学习困难。但它提出了一个重要区别：把旧答案改对，与重新证明自己已经掌握，并不是同一件事。
订正错误可以促进学习，一次考试失常也不应决定整个学期的评价。问题在于，分数提高之后，是否有新的学习证据支持它？学生能否独立完成一道新的同类题目，能否解释自己为什么这样解答？
同样，努力、参与和进步都值得肯定，但它们与知识掌握程度不是同一件事。如果这些信息全部被压缩进一个字母，家长就很难知道：这个A究竟意味着什么？
鼓励孩子与诚实告知困难，不必是二选一。更有帮助的评价，应当让两件事都发生。
四、家长以为孩子学会了，孩子真的学会了吗？
2023年秋季，Learning Heroes与盖洛普开展了一项调查，访问了近2000名美国公立学校K–12学生的家长，也就是孩子从幼儿园到高中阶段的家长。
约89%的受访家长认为，孩子的数学达到或超过当前年级水平；阅读方面，这一比例约为88%。与此同时，79%的家长说，孩子大多拿到B或更好的成绩。成绩单是家长判断孩子学业水平时最常依靠的来源之一。[6]
另一种评价呈现的情况却很不同。2024年美国全国教育进展评估（NAEP）中，约28%的八年级学生达到或超过其数学Proficient标准。[7]
这里必须小心：NAEP的Proficient，不等同于家长所理解的“达到年级水平”，也不等同于各州的达标标准。家长调查覆盖K–12，而这里引用的是八年级数学结果，年份和受测群体也不同。因此，不能把两组数字直接相减，算出有多少家长被成绩单“蒙蔽”。
这些资料更适合提醒我们：理解孩子的学习情况，需要知道每一种评价究竟在回答什么问题，不能把不同的标准混为一谈。
纽约市公立学校2026年8月公布的州考市级汇总显示，三至八年级受测学生中，57.0%达到州考试的数学熟练标准；八年级为47.6%，比2025年的49.2%低1.6个百分点。[8] 这是纽约州考试的市级汇总，不能代表某个学区或学校的具体情况。
未达到这一标准，不等于不会基础数学；标准化考试也不是不容质疑的“真相”。它有自己的测量范围和局限，同样需要结合具体作业、课堂表现和教师观察来理解。
但如果一个学生长期获得不错的成绩，却在其他测评中暴露出明显困难，就值得进一步了解：是评分标准不同，考查内容不同，还是确实存在尚未发现的知识缺口？
Aviles后来承认，自己过去没有仔细查看儿子的作业和州考结果，因为她以为，成绩单不错就意味着一切顺利。[1] 这也让问题变得具体：即使是一位熟悉学校事务的家长，也可能过于依赖那个醒目的分数。
五、“抛开成绩不谈，你先说人家快乐不快乐”
读到这句话，很多接受过中国教育的读者，大概会会心一笑。考试、排名、补习，以及围绕成绩展开的竞争，是不少人熟悉的成长经历。一个不必时刻为分数焦虑、能够拥有更多自由时间和童年乐趣的孩子，确实令人羡慕。这份向往，真实而重要。
学习中的快乐，并不意味着完全没有困难和压力。为了理解一道难题而经历的挑战，与不断担忧排名、害怕被否定所承受的压力，并不是同一种体验。
按照母亲的讲述，儿子进入高中后，一些数学学习困难才被她注意到。这样的落差也可能带来新的压力。我们不知道他的童年是否快乐，也不能凭一次流泪判断他的整体状态；但她描述了孩子面对不会做的题目时的挫败，以及家长随之而来的焦虑。
教育心理学中的自我决定理论，提供了一个值得参考的角度。它强调自主性、胜任感和关系感：一个人是否出于认同而愿意学习，是否感到自己能够掌握知识、应对挑战，以及是否在这个过程中得到理解和支持。
2022年一项汇总144项研究、涉及超过7.9万名学生的荟萃分析发现，这些心理需要得到满足，与更积极的自主学习动机存在关联。这是关联性证据，不能直接当作某种教育措施必然有效的因果证明。[9]
不过，它可以帮助我们理解，学习的乐趣不只来自轻松。一个孩子通过努力，终于理解一道困难的数学题，或者自己选择一个问题，经历尝试和失败后找到答案，也可能获得深刻的满足感。
这里需要的，不是用漂亮的成绩制造“我已经会了”的印象，而是让孩子在支持中获得真实的能力，也保有探索的自由。
宽松评价和过度应试，不必分别贴给两个国家。孩子既需要不被成绩定义的安全感，也需要面对困难时能够得到帮助。我们希望快乐的童年与能力的成长相伴，而不是把它们当作只能选择其一的目标。
六、当指标变成目标
教育并不是唯一面对这种困难的领域。
在医学研究中，研究者常常通过肿瘤缩小了多少、生物标志物怎样变化、疾病进展被延缓多久，判断一种治疗的作用。这些结果有价值，却不总能直接回答患者最关心的问题：我是否能够活得更久、减少痛苦、维持日常生活？
其中一些指标会被用作“替代终点”。它们能否、以及在多大程度上预测患者真正关心的获益，需要结合具体疾病、治疗和证据判断，不能仅凭一个指标改善，就把所有重要问题都视为已经得到回答。[10]
教育评价也有类似的困难。考试成绩、GPA、排名和升学率容易被记录和比较，但理解知识、独立思考、解决问题，以及遇到困难后继续学习的能力，很难由一个数字完整表达。
用能够测量的指标帮助理解复杂目标，本身并没有错。困难在于，当这些指标开始影响学校评价、教师工作、家长选择和学生前途时，人们就可能调整自己的行为，优先争取更好的数字，而不是指标原本希望代表的东西。
这让人想到古德哈特定律。用通俗的话说，当一个指标成为被追逐的目标，它作为衡量工具的可靠性就可能受到损害。这更像是对一种常见风险的提醒，而不是任何情境下都必然成立的公式。[11]
不妨想想一个生活场景：有人为了凑满每天一万步，睡前还在客厅来回踱步，数字终于达标，却挤占了原本需要的睡眠。问题不在于走路没有价值，而在于“完成步数”开始压过“照顾健康”这个真正的目标。
这也与我们在《参照越来越多，我们为什么越来越像？》里讨论的问题相通：参照可以帮助我们探索，也可能渐渐替我们规定，什么样的结果才值得追求。生活中的范本与学校的评价标准并不是一回事，但它们都可能影响我们把注意力和努力投向哪里。
考试标准本来帮助我们了解学生掌握了多少知识；当高分成为最重要的目标，教学就可能越来越围绕熟悉的题型展开。分数提高了，我们仍然需要问：换一种提问方式，换一个应用情境，孩子还能不能理解和解决问题？
成绩膨胀与过度应试，看似朝着两个不同方向发展，却可能产生相似的后果。前者可能让学习困难被好看的数字掩盖，后者可能让学习被过多地压缩为获得高分的训练。
一个问题是，成绩没有充分反映学习；另一个问题是，学习被过多地限制在成绩之内。
七、我们需要的，究竟是什么样的评价？
面对成绩失真，一个直观的办法，是增加统一考试。共同的标准确实可以提供相对独立的参照，但一次测试不足以呈现一个学生的全部能力，更不应该成为评价一个孩子价值的依据。反过来，取消考试也不自动意味着教育变得全面：没有其他可靠的评价，学校和家庭同样可能失去发现困难的工具。
真正需要讨论的，不只是考试多一点还是少一点，而是让不同的信息发挥不同的作用。
日常成绩、具体作业、独立测评、教师观察，以及学生对自己解题思路的解释，可以相互补充。教师观察也应有具体事例和学习证据支持，而不是只凭印象。这些信息不必全部挤进同一个分数，却应帮助我们回答：孩子已经学会了什么，哪里还不懂，取得了哪些进步，接下来需要什么帮助？
具体的改进，可以从三个方向考虑。
第一，让分数的含义更清楚。知识掌握程度，与努力、参与和进步，都值得被看见，但不必混成同一个字母。分开呈现，才能既肯定孩子的付出，又不遮住需要帮助的地方。
第二，让不同评价能够相互参照。日常成绩与独立测评出现明显差异时，重要的不只是把结果交给家长，还要帮助他们理解差异可能意味着什么，以及下一步可以做什么。
第三，把成绩提高与新的学习证据联系起来。订正有价值，但旧题改对了，不等于已经能够独立处理新问题。重新学习之后，可以通过新的同类题目、解释解题思路等方式，进一步了解孩子是否真正掌握。
这些改进本身，也需要警惕另一种偏移：学校的目标，会不会从帮助孩子学习，变成不断向家长证明“我们已经尽责”？
让家长知情、把支持措施记录清楚，本来就是必要的责任。但如果评价工作的重心逐渐变成发出了多少通知、完成了多少表格、是否取得家长签字，程序就可能成为新的目标。家长收到的材料更多了，却未必更了解孩子；教师需要证明的事情更多了，却未必有更多时间提供帮助。
不妨设想，一个孩子反复做错分数题。老师需要的，可能是坐下来听他解释：你为什么这样算，在哪一步开始困惑？如果有限的时间被重复填表、上传记录和逐项确认占据，这样的交流就可能受到挤压。原本围绕“你是怎么想的”展开的师生互动，也可能越来越围绕“这些要求是否已经完成”展开。
因此，改进评价，不应只是增加要求，也应检查哪些重复程序可以减少。每多收集一项信息，都值得问：它会帮助老师怎样调整教学，帮助家长怎样支持孩子？清楚的记录应当服务于理解和行动，而不能代替它们。学校需要向家长负责，但这种责任最终应当落在孩子获得了什么帮助，而不只是学校留下了多少已经履责的证明。
至于纽约这个家庭，仍有几个关键环节需要核实：州考结果当时是如何告知和解释的？日常成绩包含哪些内容，修改答案怎样影响最终分数？不同评价出现差异之后，学校和家庭是否讨论过原因、采取过帮助措施？
目前的资料还不足以回答这些问题。我们可以据此讨论怎样改进评价，却不能把可能的机制，写成这个孩子已经被查明的遭遇。
八、分数应该是一扇窗，而不是一面墙
在这位母亲的讲述中，令人难过的不只是孩子的数学成绩没有预期中那么好，更是她感到，自己长期相信的成绩单，并没有让她充分了解孩子的学习状况。
家长需要关注孩子的具体学习情况，学校也需要让重要信息足够清楚。两者应当围绕孩子展开合作，而不是等到问题积累之后，才开始追问责任属于谁。
对于熟悉考试和分数的中国读者，这条新闻也提供了一个不同的观察角度。我们不必在“严格考试”和“宽松评价”之间简单站队，而可以换几个问题来问：
孩子取得高分时，我们是否仍然关心他真正理解了什么？孩子取得低分时，我们能否先看到他需要什么帮助？孩子感到疲惫时，我们是否愿意了解，他还保有多少主动探索的空间？
评价应该像一扇窗，让我们看到孩子已经走到了哪里，以及前面还有怎样的道路；而不是一面墙，把复杂的学习经历、努力、困难和可能性，都压缩成一个数字。
我们需要警惕的，不是分数本身，而是有一天，我们已经如此习惯于相信分数，以至于忘记了去看那个正在学习的孩子。
作者补记｜为什么从教育谈到医药研发？
我们为什么在一个以医学与科学为出发点的栏目里，讨论教育？因为那些围绕分数的困惑，也能帮助我们理解医药研发中的一些困难：真正重要的结果，未必最容易测量；等它充分显现时，往往已经过去很长时间。
一种治疗是否让人活得更久、生活得更好，可能需要长期观察。但用于确证疗效的临床试验，需要事先选择主要终点——用来回答核心问题的结果指标——并规定关键分析方法。[12] 如果采用较早能够观察到的指标，就需要了解它在多大程度上能够预示真实获益；如果等待更长期的结果，又必须面对等待本身的时间成本。[10]
监管者同样面对这些取舍：既要避免证据不足的治疗让患者承担风险，也要考虑延迟获得有效治疗的代价。随着新知识出现，评价方法和标准需要不断完善；但更新标准，不等于可以看完一项试验的结果，再倒过来挑选有利的“成功标准”。
教育关系到许多家庭，因此更容易引起讨论。临床终点、研究设计和监管要求听起来专业，却同样关系到我们将来接受什么治疗、承担什么风险。让更多人理解这些困难，不是为了降低对证据的要求，而是让追问更具体：已经证明了什么，尚有哪些不确定，还需要什么验证？我们希望，借助一个熟悉的教育故事，让更多读者愿意走近这些问题，也让关于医药研发的讨论，更贴近患者真正关心的生活。
更新说明｜2026年11月2日：补充了当事学校的官方整体数据，并进一步明确个案、全国研究与学区判断之间的证据边界。
参考资料
[1] Adriana Aviles，《纽约邮报》第一人称自述，2026年10月31日。本文关于孩子经历的叙述来自这一家长陈述，不等于对成绩造假的独立认定。
https://nypost.com/2026/10/31/us-news/adriana-aviles-says-her-son-was-given-phony-grades-is-behind-in-math/
[2] 纽约市公立学校：Screened Admissions。用于说明部分筛选类项目的一般规则，不用于推断当事孩子的具体录取路径。
https://www.schools.nyc.gov/ScreenedHS
[3] 纽约市公立学校：M.S. 67 Louis Pasteur的2024—25 School Quality Snapshot；同年度Educator Guide（2026年5月19日更新），第8—9页说明学生归属口径及部分数学Regents考试成绩的折算方法。正文91%采用学校质量报告口径，不等同于仅统计普通州数学考试的达标率。
https://tools.nycenet.edu/snapshot/2025/26Q067/EMS/
https://infohub.nyced.org/docs/default-source/default-document-library/finalized-2024-25-educator-guide-ems--1-1.pdf
[4] ACT Research，Grade Inflation Continues to Grow in the Past Decade，2022年5月。正文3.17至3.36为模型调整后的GPA估计值。
https://www.act.org/content/dam/act/unsecured/documents/2022/R2134-Grade-Inflation-Continues-to-Grow-in-the-Past-Decade-Final-Accessible.pdf
[5] Education Week，Where Teachers Say the Pressure to Change Grades Comes From，2024年5月24日；调查方法说明确认调查开展于2023年10月，教师样本为1498人。
https://www.edweek.org/the-state-of-teaching/2024/teaching-learning/where-teachers-say-the-pressure-to-change-grades-comes-from/
https://www.edweek.org/the-state-of-teaching/2024/teaching-learning/data-5-key-insights-into-americas-teachers/
[6] Gallup与Learning Heroes，B-Flation: How Good Grades Can Sideline Parents，2023年。
https://www.gallup.com/analytics/513881/parents-perspectives-on-grades.aspx
[7] 美国全国教育进展评估：2024年数学评估结果。NAEP Proficient不等同于各州或学区定义的年级达标标准。
https://www.nationsreportcard.gov/reports/mathematics/2024/g4_8/?grade=8
[8] 纽约市公立学校，New York City Public Schools Releases Citywide Results for State Assessment，2026年8月7日。
https://www.schools.nyc.gov/about-us/news/announcements/contentdetails/2026/08/07/new-york-city-public-schools-releases-citywide-results-for-state-assessment
[9] Bureau JS, Howard JL, Chong JXY, Guay F. Pathways to Student Motivation: A Meta-Analysis of Antecedents of Autonomous and Controlled Motivations. Review of Educational Research，2022年。
https://doi.org/10.3102/00346543211042426
[10] 美国FDA：Surrogate Endpoint Resources for Drug and Biologic Development。
https://www.fda.gov/drugs/development-resources/surrogate-endpoint-resources-drug-and-biologic-development
[11] Marilyn Strathern，‘Improving ratings’: audit in the British University system. European Review，1997年，5(3)：305–321。第308页讨论指标成为目标后可能失去衡量作用的问题。
https://gwern.net/doc/statistics/decision/1997-strathern.pdf
[12] ICH E9，Statistical Principles for Clinical Trials，FDA指导文件，1998年。关于主要分析的预先规定，见第5.1节。
https://www.fda.gov/media/71336/download
资料核查截至2026年11月2日。本文区分家长个人陈述、公开研究与官方数据，以及作者分析；相关指控不等于已经查实的成绩造假。文中的程序负担与课堂互动场景，是对可能风险的讨论，不是对当事学校已经发生之事的认定。
结论之外，还有值得继续追问的问题。
医学 · 科学 · 思想与阅读
欢迎关注《结论之外》，一起保持好奇，独立思考。