0 引言
不断提倡批判性思维应该是20世纪教育的首要目标(如约翰杜威(John Dewey)1910年的著作《我们如何思考》、1961年教育政策委员会的《美国教育的核心目标》)，但人们所做的实际工作并不多。好在自20世纪80年代初开始，批判性思维教学受到了广泛重视相应地，曾经一度被忽视的批判性思维测试也得到些许关注。笔者认为，目前关于批判性思维测试的研究虽有亮点，但由于之前对这方面的忽视，其整体上仍不完善。更明确地说，从目前我们具备的知识来看，批判性思维测试尽管不易，但是可行。
以下为笔者的两个分论点：①测试的难度和可行2016年6月刊环球视角Global Views性因测试的目的和形式而异;②我们稍有不慎便会陷入误区。为论证这些观点，笔者将从分析测试目的入手，指明误区，列举并评价现有的测试(没有哪个测试可以满足所有目的)，最后就如何设计测试提出建议，并针对几个主要测试形式展开讨论。首先，我们必须对批判性思维的定义加以重视，因为我们要测试批判性思维，就必须清楚了解它到底是什么。
1 批判性思维的定义
本杰明布鲁姆(Benjamin Bloom)所提出的教育目标的3个层次(分析、概括、评价)通常被视为批判性思维的一种定义，有时也会补充另外两个层次(理解和应用)。这一定义不错，但仍存在问题。正如布鲁姆的理论所言，这些层次之间并非呈阶梯性，而是相互依赖的。比如，概括和评价需要分析能力，分析也需要概括和评价能力。
更为重要的一点是这3个(或5个)层次在概念上均过于模糊，因此无法为批判性思维测试的设计和评判提供指导作用。以分析能力为例，到底怎样才能测试一个人的分析能力呢?如果我们考虑下列这些被分析的事物，困难就显而易见了：分析中东的政治局势，分析一种化学物质，分析一个字，分析一个论断，分析篮球比赛中对手的弱点。这些事物从测试角度来看有何共同之处呢?恐怕唯一的共同之处就是模糊的分析原则。笔者曾将批判性思维定义为对某一观点的正确评价。
如果不对这一定义加以阐述，那么它则与布鲁姆的分类体系一样含糊不清。然而，即便加以阐述，仍难免会漏掉批判性思维的创造性方面，如设想多种替代可能性，构建假说和定义，设计实验方案。笔者现在认为，当代的批判性思维概念包含这些方面。所以说，正确评价这一定义较之标准用法更为狭窄，妨碍了批判性思维倡导者之间的顺畅交流。
2 批判性思维测试的目的和误区
2.1 目的
选择、批评或设计批判性思维测试时，不仅需要一个准确合理的定义，还需要明确的测试目的。测试的目的可能有多种，而没有一种测试可以同时满足所有目的。以下对测试的7个主要目的进行阐述和评论。
(1)诊断学生的批判性思维水平。若要探寻批判性思维教育的重点，就必须从了解学生当前的批判性思维水平开始。从这一角度来看，批判性思维测试的意义在于其有助于发现学生的批判性思维能力具体强在哪里，弱在何处(例如，识别假设的能力)。
(2)给予学生批判性思维能力方面的反馈。如果清楚自己的强项和弱项，学生就有更明确的努力方向。
2.2 误区
在追求上述目的时，教师需要警惕以下8个误区。
(1)将考试分数作为衡量标准，并将其视为课堂教学的结果。其实，影响批判性思维能力的因素有很多，包括周围环境的影响。当下普遍存在的追责意识往往使我们陷入这一误区。
(2)在没有对照组的情况下进行前测和后测。缺乏对照组会使得前测和后测的结果缺乏可靠性，这是因为除了学习，学生还会参与许多活动，而这些活动可能对测试结果产生影响。
3 已公开发表的批判性思维试题
虽然许多考试都包含了批判性思维(包括上述关系重大的测试)，但是真正将批判性思维(或批判性思维的某一方面)作为首要内容的测试却少之又少，更没有适用于4年级以下学生的测试。题量的缺乏令人沮丧不已，我们需要更多适用于不同场合和目的的批判性思维试题。笔者试着列出所有公开发表的侧重批判性思维的测试，并根据所测的是批判性思维的一个还是多个维度将它们分组。
总体来说，论文式测试比其他测试更为全面。还可以根据测试内容是否涉及专业学科知识来进行分组。专业性批判性思维测试考量在学科领域内的批判性思维能力，而一般性的批判性思维测试通常采用应试者所熟悉的各种不同领域的内容。美国国家教育研究院的一个委员会建议设计专业性的高阶(higher order)思维测试。一个人若要对某一学科领域有充分的理解，必须有能力就该学科内容进行全面深入的思考。遗憾的是，笔者并未发现专业的批判性思维测试(旨在测试某一学科领域内批判性思维能力的测试)，尽管有些测试的某些题项(比如，美国大学入学考试的科学推理部分)符合这一标准。因此，在测试列表中没有根据专业领域进行分组。表中所列全部属于一般性测试。
4 结语
批判性思维测试可用于多种目的。关系越重大，预算限制越多，其适用范围就越小。关系重大的测试尤其缺乏全面性。许多公开发表的测试以批判性思维为核心目标，且大多数是多项选择测试。优点是效率高，成本低。
缺点是缺乏全面性，仍有待于进一步研究和完善。其他测试包括带有论证要求的多选题、不同结构程度的作文题及效能测试。与多项选择测试相比，大规模使用这些测试的成本很高，若小规模使用，则效度高成本低，但阅卷时间很长。
