一、成績單之外的信號
2026年秋天，紐約皇后區的一位母親陪著14歲的兒子複習數學，發現情況與成績單給她的印象很不一樣。
按照她後來在《紐約郵報》的講述，兒子剛進入第一志願錄取、評價很高的一所高中。此前，他的數學成績一直不錯：小學時經常拿到最高等級，六年級期末92分，七年級期末最低89分，八年級93分。這樣的成績單，看起來沒有什麼值得擔心的。
直到高中第一次數學考試，他得了78分。母親決定陪他準備第二次考試，卻發現他只能答出練習題開頭的幾道題，一些基礎代數和幾何題無法完成，連小學階段的分數運算也存在困難。她說，孩子面對這些題目時，眼裡湧出了淚水。隨後，老師打電話告訴她，第二次考試的10道多部分題目，他只答對了2道，總分是100分中的10分。
這位母親名叫Adriana Aviles。她曾是紐約警察，長期參與學校事務，擔任過家長教師協會和社區教育委員會的負責人。為了讓孩子進入她信任的第26學區，她曾特意搬家。她並不是一位從不關心學校的家長，卻發現自己對孩子學習狀況的判斷，可能與實際情況相去甚遠。
更令她震驚的是，回頭查看記錄時，她才注意到：兒子七年級的紐約州標準化數學考試，已經顯示他沒有達到相應的熟練標準。[1]
有人也許會問：如果數學基礎存在缺口，為什麼還能被一所好高中錄取？紐約市高中並不都採用同一種錄取方式。部分篩選類項目依據七年級四門主科的期末成績分組，同組申請人數超過名額時，再按隨機號決定錄取。[2] 但原報道沒有披露這個孩子的高中名稱和具體錄取路徑。一般規則可以幫助理解背景，卻不能代替對個人經歷的核實。
真正需要追問的是：為什麼不同評價發出了不同信號？這些信號當時是否得到了解釋？孩子是否及時獲得了幫助？
10月26日，Aviles在紐約市公立學校總監出席的公開會議上講述了自己的經歷。五天後，《紐約郵報》刊登了她的第一人稱自述。她用“欺騙”“做假”等強烈措辭，指責學校系統以好看的成績掩蓋了孩子的學習困難。[1]
這裡需要劃清邊界：這是一位家長的公開指控。個人成績記錄尚缺少完整的獨立核驗，我們查到的資料也不足以認定學校有意提高成績，不能把它當作已經查實的成績造假事件。
她還提到，兒子高中的一些家長也反映孩子學習代數吃力。但這些反饋尚不是經過獨立核實、具有相同經歷的一組案例，也不能確定相關學生是否來自同一所初中或同一學區。[1]
與此同時，紐約市教育局2024—25學校質量摘要顯示，兒子原就讀的M.S. 67 Louis Pasteur初中，數學達標指標為91%。這一口徑包括部分學生提前參加高中數學Regents考試後的成績折算，並非單純的普通州統考通過率。[3] 整體表現較好，並不能解釋這個孩子的成績差異，也不能排除某些困難未被充分識別；一個孩子的經歷，同樣不足以證明學校普遍評分失真。
但她提出的問題，值得認真討論：一張優秀的成績單，究竟能夠告訴我們多少關於學習的真相？
二、成績膨脹：當A越來越多，A還意味著什麼？
一個孩子的高分與實際表現不一致，不足以證明整個系統存在成績膨脹。研究中所說的“成績膨脹”，通常關注的是：分數持續上升，卻沒有相應的學業進步支撐。
2022年，美國大學入學考試機構ACT發表了一份研究報告，分析了2010年至2021年參加ACT考試的公立高中畢業生數據，涉及超過439萬人、4783所學校。研究以學生自報的核心課程成績計算高中GPA；在控制部分學生和學校特徵後，模型估計的平均GPA從3.17升至3.36，而ACT成績並沒有出現相匹配的提高。[4]
這並不意味著GPA與標準化考試應該完全一致。前者反映一段時間內的課程表現，後者是在特定條件下進行的測驗，兩者測量的內容並不相同。這項研究的樣本，也不能直接代表全體美國高中生。它支持我們討論成績膨脹這一更廣泛的問題，卻不能據此認定第26學區或當事學校存在同樣的問題。
不過，當日常成績持續提高，而相對獨立的學業指標沒有同步改善時，我們就有理由追問：學生學得更好了，還是分數的含義發生了變化？
ACT報告發現，成績上升在2018年至2021年間尤其明顯，但趨勢在疫情前已經存在，不能簡單地把全部變化歸因於疫情。[4]
成績膨脹值得擔心的，不只是A越來越多，而是一個A所傳遞的信息，可能不再像過去那樣可靠。
三、為什麼低分有時難給？
當一個孩子學習很努力，卻仍然沒有掌握關鍵知識時，老師可能面對幾種彼此拉扯的要求：如實說明能力缺口，肯定努力與進步，避免孩子失去信心，也要向家長解釋為什麼成績不理想。
這些目標並不必然衝突。但當一個分數同時承擔鼓勵、溝通、評價和升學等多種任務時，它就不再只是對知識掌握程度的記錄。
《教育週刊》2024年的一篇報道，援引了一項於2023年10月開展、覆蓋約1500名教師的全國代表性調查。在過去一年受到改分壓力的回答中，家長和學生兩項的比例都在四成左右，超過四分之一的教師還提到了來自校長的壓力。[5]
受到壓力，不等於教師實際修改了成績，更不能直接證明這些壓力導致了成績膨脹。但它說明，評分並不獨立於學校與家庭的關係、學生的升學機會和教師的工作處境。
除了外部壓力，成績如何構成，同樣值得注意。
Aviles在自述中提到，兒子可以在試卷批改後修改答案，並獲得新的分數。[1] 僅憑這段描述，我們無法判斷具體評分規則，更不能認定訂正造成了他的學習困難。但它提出了一個重要區別：把舊答案改對，與重新證明自己已經掌握，並不是同一件事。
訂正錯誤可以促進學習，一次考試失常也不應決定整個學期的評價。問題在於，分數提高之後，是否有新的學習證據支持它？學生能否獨立完成一道新的同類題目，能否解釋自己為什麼這樣解答？
同樣，努力、參與和進步都值得肯定，但它們與知識掌握程度不是同一件事。如果這些信息全部被壓縮進一個字母，家長就很難知道：這個A究竟意味著什麼？
鼓勵孩子與誠實告知困難，不必是二選一。更有幫助的評價，應當讓兩件事都發生。
四、家長以為孩子學會了，孩子真的學會了嗎？
2023年秋季，Learning Heroes與蓋洛普開展了一項調查，訪問了近2000名美國公立學校K–12學生的家長，也就是孩子從幼兒園到高中階段的家長。
約89%的受訪家長認為，孩子的數學達到或超過當前年級水平；閱讀方面，這一比例約為88%。與此同時，79%的家長說，孩子大多拿到B或更好的成績。成績單是家長判斷孩子學業水平時最常依靠的來源之一。[6]
另一種評價呈現的情況卻很不同。2024年美國全國教育進展評估（NAEP）中，約28%的八年級學生達到或超過其數學Proficient標準。[7]
這裡必須小心：NAEP的Proficient，不等同於家長所理解的“達到年級水平”，也不等同於各州的達標標準。家長調查覆蓋K–12，而這裡引用的是八年級數學結果，年份和受測群體也不同。因此，不能把兩組數字直接相減，算出有多少家長被成績單“矇蔽”。
這些資料更適合提醒我們：理解孩子的學習情況，需要知道每一種評價究竟在回答什麼問題，不能把不同的標準混為一談。
紐約市公立學校2026年8月公佈的州考市級彙總顯示，三至八年級受測學生中，57.0%達到州考試的數學熟練標準；八年級為47.6%，比2025年的49.2%低1.6個百分點。[8] 這是紐約州考試的市級彙總，不能代表某個學區或學校的具體情況。
未達到這一標準，不等於不會基礎數學；標準化考試也不是不容質疑的“真相”。它有自己的測量範圍和侷限，同樣需要結合具體作業、課堂表現和教師觀察來理解。
但如果一個學生長期獲得不錯的成績，卻在其他測評中暴露出明顯困難，就值得進一步瞭解：是評分標準不同，考查內容不同，還是確實存在尚未發現的知識缺口？
Aviles後來承認，自己過去沒有仔細查看兒子的作業和州考結果，因為她以為，成績單不錯就意味著一切順利。[1] 這也讓問題變得具體：即使是一位熟悉學校事務的家長，也可能過於依賴那個醒目的分數。
五、“拋開成績不談，你先說人家快樂不快樂”
讀到這句話，很多接受過中國教育的讀者，大概會會心一笑。考試、排名、補習，以及圍繞成績展開的競爭，是不少人熟悉的成長經歷。一個不必時刻為分數焦慮、能夠擁有更多自由時間和童年樂趣的孩子，確實令人羨慕。這份嚮往，真實而重要。
學習中的快樂，並不意味著完全沒有困難和壓力。為了理解一道難題而經歷的挑戰，與不斷擔憂排名、害怕被否定所承受的壓力，並不是同一種體驗。
按照母親的講述，兒子進入高中後，一些數學學習困難才被她注意到。這樣的落差也可能帶來新的壓力。我們不知道他的童年是否快樂，也不能憑一次流淚判斷他的整體狀態；但她描述了孩子面對不會做的題目時的挫敗，以及家長隨之而來的焦慮。
教育心理學中的自我決定理論，提供了一個值得參考的角度。它強調自主性、勝任感和關係感：一個人是否出於認同而願意學習，是否感到自己能夠掌握知識、應對挑戰，以及是否在這個過程中得到理解和支持。
2022年一項彙總144項研究、涉及超過7.9萬名學生的薈萃分析發現，這些心理需要得到滿足，與更積極的自主學習動機存在關聯。這是關聯性證據，不能直接當作某種教育措施必然有效的因果證明。[9]
不過，它可以幫助我們理解，學習的樂趣不只來自輕鬆。一個孩子通過努力，終於理解一道困難的數學題，或者自己選擇一個問題，經歷嘗試和失敗後找到答案，也可能獲得深刻的滿足感。
這裡需要的，不是用漂亮的成績製造“我已經會了”的印象，而是讓孩子在支持中獲得真實的能力，也保有探索的自由。
寬鬆評價和過度應試，不必分別貼給兩個國家。孩子既需要不被成績定義的安全感，也需要面對困難時能夠得到幫助。我們希望快樂的童年與能力的成長相伴，而不是把它們當作只能選擇其一的目標。
六、當指標變成目標
教育並不是唯一面對這種困難的領域。
在醫學研究中，研究者常常通過腫瘤縮小了多少、生物標誌物怎樣變化、疾病進展被延緩多久，判斷一種治療的作用。這些結果有價值，卻不總能直接回答患者最關心的問題：我是否能夠活得更久、減少痛苦、維持日常生活？
其中一些指標會被用作“替代終點”。它們能否、以及在多大程度上預測患者真正關心的獲益，需要結合具體疾病、治療和證據判斷，不能僅憑一個指標改善，就把所有重要問題都視為已經得到回答。[10]
教育評價也有類似的困難。考試成績、GPA、排名和升學率容易被記錄和比較，但理解知識、獨立思考、解決問題，以及遇到困難後繼續學習的能力，很難由一個數字完整表達。
用能夠測量的指標幫助理解複雜目標，本身並沒有錯。困難在於，當這些指標開始影響學校評價、教師工作、家長選擇和學生前途時，人們就可能調整自己的行為，優先爭取更好的數字，而不是指標原本希望代表的東西。
這讓人想到古德哈特定律。用通俗的話說，當一個指標成為被追逐的目標，它作為衡量工具的可靠性就可能受到損害。這更像是對一種常見風險的提醒，而不是任何情境下都必然成立的公式。[11]
不妨想想一個生活場景：有人為了湊滿每天一萬步，睡前還在客廳來回踱步，數字終於達標，卻擠佔了原本需要的睡眠。問題不在於走路沒有價值，而在於“完成步數”開始壓過“照顧健康”這個真正的目標。
這也與我們在《參照越來越多，我們為什麼越來越像？》裡討論的問題相通：參照可以幫助我們探索，也可能漸漸替我們規定，什麼樣的結果才值得追求。生活中的範本與學校的評價標準並不是一回事，但它們都可能影響我們把注意力和努力投向哪裡。
考試標準本來幫助我們瞭解學生掌握了多少知識；當高分成為最重要的目標，教學就可能越來越圍繞熟悉的題型展開。分數提高了，我們仍然需要問：換一種提問方式，換一個應用情境，孩子還能不能理解和解決問題？
成績膨脹與過度應試，看似朝著兩個不同方向發展，卻可能產生相似的後果。前者可能讓學習困難被好看的數字掩蓋，後者可能讓學習被過多地壓縮為獲得高分的訓練。
一個問題是，成績沒有充分反映學習；另一個問題是，學習被過多地限制在成績之內。
七、我們需要的，究竟是什麼樣的評價？
面對成績失真，一個直觀的辦法，是增加統一考試。共同的標準確實可以提供相對獨立的參照，但一次測試不足以呈現一個學生的全部能力，更不應該成為評價一個孩子價值的依據。反過來，取消考試也不自動意味著教育變得全面：沒有其他可靠的評價，學校和家庭同樣可能失去發現困難的工具。
真正需要討論的，不只是考試多一點還是少一點，而是讓不同的信息發揮不同的作用。
日常成績、具體作業、獨立測評、教師觀察，以及學生對自己解題思路的解釋，可以相互補充。教師觀察也應有具體事例和學習證據支持，而不是隻憑印象。這些信息不必全部擠進同一個分數，卻應幫助我們回答：孩子已經學會了什麼，哪裡還不懂，取得了哪些進步，接下來需要什麼幫助？
具體的改進，可以從三個方向考慮。
第一，讓分數的含義更清楚。知識掌握程度，與努力、參與和進步，都值得被看見，但不必混成同一個字母。分開呈現，才能既肯定孩子的付出，又不遮住需要幫助的地方。
第二，讓不同評價能夠相互參照。日常成績與獨立測評出現明顯差異時，重要的不只是把結果交給家長，還要幫助他們理解差異可能意味著什麼，以及下一步可以做什麼。
第三，把成績提高與新的學習證據聯繫起來。訂正有價值，但舊題改對了，不等於已經能夠獨立處理新問題。重新學習之後，可以通過新的同類題目、解釋解題思路等方式，進一步瞭解孩子是否真正掌握。
這些改進本身，也需要警惕另一種偏移：學校的目標，會不會從幫助孩子學習，變成不斷向家長證明“我們已經盡責”？
讓家長知情、把支持措施記錄清楚，本來就是必要的責任。但如果評價工作的重心逐漸變成發出了多少通知、完成了多少表格、是否取得家長簽字，程序就可能成為新的目標。家長收到的材料更多了，卻未必更瞭解孩子；教師需要證明的事情更多了，卻未必有更多時間提供幫助。
不妨設想，一個孩子反覆做錯分數題。老師需要的，可能是坐下來聽他解釋：你為什麼這樣算，在哪一步開始困惑？如果有限的時間被重複填表、上傳記錄和逐項確認佔據，這樣的交流就可能受到擠壓。原本圍繞“你是怎麼想的”展開的師生互動，也可能越來越圍繞“這些要求是否已經完成”展開。
因此，改進評價，不應只是增加要求，也應檢查哪些重複程序可以減少。每多收集一項信息，都值得問：它會幫助老師怎樣調整教學，幫助家長怎樣支持孩子？清楚的記錄應當服務於理解和行動，而不能代替它們。學校需要向家長負責，但這種責任最終應當落在孩子獲得了什麼幫助，而不只是學校留下了多少已經履責的證明。
至於紐約這個家庭，仍有幾個關鍵環節需要核實：州考結果當時是如何告知和解釋的？日常成績包含哪些內容，修改答案怎樣影響最終分數？不同評價出現差異之後，學校和家庭是否討論過原因、採取過幫助措施？
目前的資料還不足以回答這些問題。我們可以據此討論怎樣改進評價，卻不能把可能的機制，寫成這個孩子已經被查明的遭遇。
八、分數應該是一扇窗，而不是一面牆
在這位母親的講述中，令人難過的不只是孩子的數學成績沒有預期中那麼好，更是她感到，自己長期相信的成績單，並沒有讓她充分了解孩子的學習狀況。
家長需要關注孩子的具體學習情況，學校也需要讓重要信息足夠清楚。兩者應當圍繞孩子展開合作，而不是等到問題積累之後，才開始追問責任屬於誰。
對於熟悉考試和分數的中國讀者，這條新聞也提供了一個不同的觀察角度。我們不必在“嚴格考試”和“寬鬆評價”之間簡單站隊，而可以換幾個問題來問：
孩子取得高分時，我們是否仍然關心他真正理解了什麼？孩子取得低分時，我們能否先看到他需要什麼幫助？孩子感到疲憊時，我們是否願意瞭解，他還保有多少主動探索的空間？
評價應該像一扇窗，讓我們看到孩子已經走到了哪裡，以及前面還有怎樣的道路；而不是一面牆，把複雜的學習經歷、努力、困難和可能性，都壓縮成一個數字。
我們需要警惕的，不是分數本身，而是有一天，我們已經如此習慣於相信分數，以至於忘記了去看那個正在學習的孩子。
作者補記｜為什麼從教育談到醫藥研發？
我們為什麼在一個以醫學與科學為出發點的欄目裡，討論教育？因為那些圍繞分數的困惑，也能幫助我們理解醫藥研發中的一些困難：真正重要的結果，未必最容易測量；等它充分顯現時，往往已經過去很長時間。
一種治療是否讓人活得更久、生活得更好，可能需要長期觀察。但用於確證療效的臨床試驗，需要事先選擇主要終點——用來回答核心問題的結果指標——並規定關鍵分析方法。[12] 如果採用較早能夠觀察到的指標，就需要了解它在多大程度上能夠預示真實獲益；如果等待更長期的結果，又必須面對等待本身的時間成本。[10]
監管者同樣面對這些取捨：既要避免證據不足的治療讓患者承擔風險，也要考慮延遲獲得有效治療的代價。隨著新知識出現，評價方法和標準需要不斷完善；但更新標準，不等於可以看完一項試驗的結果，再倒過來挑選有利的“成功標準”。
教育關係到許多家庭，因此更容易引起討論。臨床終點、研究設計和監管要求聽起來專業，卻同樣關係到我們將來接受什麼治療、承擔什麼風險。讓更多人理解這些困難，不是為了降低對證據的要求，而是讓追問更具體：已經證明了什麼，尚有哪些不確定，還需要什麼驗證？我們希望，藉助一個熟悉的教育故事，讓更多讀者願意走近這些問題，也讓關於醫藥研發的討論，更貼近患者真正關心的生活。
更新說明｜2026年11月2日：補充了當事學校的官方整體數據，並進一步明確個案、全國研究與學區判斷之間的證據邊界。
參考資料
[1] Adriana Aviles，《紐約郵報》第一人稱自述，2026年10月31日。本文關於孩子經歷的敘述來自這一家長陳述，不等於對成績造假的獨立認定。
https://nypost.com/2026/10/31/us-news/adriana-aviles-says-her-son-was-given-phony-grades-is-behind-in-math/
[2] 紐約市公立學校：Screened Admissions。用於說明部分篩選類項目的一般規則，不用於推斷當事孩子的具體錄取路徑。
https://www.schools.nyc.gov/ScreenedHS
[3] 紐約市公立學校：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頁說明學生歸屬口徑及部分數學Regents考試成績的折算方法。正文91%採用學校質量報告口徑，不等同於僅統計普通州數學考試的達標率。
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為模型調整後的GPA估計值。
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；調查方法說明確認調查開展於2023年10月，教師樣本為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與Learning Heroes，B-Flation: How Good Grades Can Sideline Parents，2023年。
https://www.gallup.com/analytics/513881/parents-perspectives-on-grades.aspx
[7] 美國全國教育進展評估：2024年數學評估結果。NAEP Proficient不等同於各州或學區定義的年級達標標準。
https://www.nationsreportcard.gov/reports/mathematics/2024/g4_8/?grade=8
[8] 紐約市公立學校，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] 美國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頁討論指標成為目標後可能失去衡量作用的問題。
https://gwern.net/doc/statistics/decision/1997-strathern.pdf
[12] ICH E9，Statistical Principles for Clinical Trials，FDA指導文件，1998年。關於主要分析的預先規定，見第5.1節。
https://www.fda.gov/media/71336/download
資料核查截至2026年11月2日。本文區分家長個人陳述、公開研究與官方數據，以及作者分析；相關指控不等於已經查實的成績造假。文中的程序負擔與課堂互動場景，是對可能風險的討論，不是對當事學校已經發生之事的認定。
結論之外，還有值得繼續追問的問題。
醫學 · 科學 · 思想與閱讀
歡迎關注《結論之外》，一起保持好奇，獨立思考。