科学探究能力是科学素养的重要组成部分，学生不仅要会提出问题、识别变量、预测、设计实验和分析数据，还应理解这些探究行为背后的科学依据。

   作者指出：

   因此，本研究尝试用四阶测试同时考察答案、答案信心、理由及理由信心，以获得更准确的科学探究能力诊断。

   研究旨在设计并实证检验一套用于评价小学生科学探究能力的四阶测试，并将结果与由同一测验转换得到的一阶、二阶评价进行比较。

研究的核心不是单纯判断“会不会做题”，而是进一步辨别学生是否真正理解科学探究的方法论逻辑。

   作者重点回答三个问题：

   四阶测试由四个连续层级组成：

   只有答案与理由均正确且学生对二者都具有较高信心，才被视为较可靠地掌握相应探究技能；若学生对错误答案和错误理由都高度确信，则更可能反映稳定的错误认识。

与传统选择题相比，这种设计能够降低猜测干扰，并区分“不知道”“不确定”和“坚信错误”三种状态。

   四阶测试的核心教育价值：

研究对象为斯洛伐克11所小学的312名七年级学生，年龄12—13岁，其中男生占53.5%、女生占46.5%。

   研究者在既有探究技能测验基础上开发14道四阶题，每两题测量一项能力，共覆盖提出研究问题、识别变量、预测、设计实验、描述变量关系、将数据转化为表格或图形以及分析表格或图形数据七项探究技能。

   测试完成时间设置为45分钟，研究既关注学生总体探究水平，也关注不同技能上的典型困难。

研究兼具“测评工具开发”和“学生科学思维诊断”两层内容。

不同测试对探究能力的评价差异

   学生在一阶测试中的平均得分为6.42分，占满分45.9%；按二阶标准计分后下降至3.56分，占25.4%；采用四阶标准时仅为2.50分，占17.9%。

Friedman检验显示三种评价结果差异显著，且一阶显著高于二阶和四阶，二阶也显著高于四阶。最大差异出现在“提出研究问题”技能，一阶结果比四阶高估约35%。

这表明，只看答案是否正确，甚至只增加理由，都可能把猜测或不稳定理解误判为真正掌握，四阶评价相对更严格、更具诊断性。

错误认识及典型困难

   二阶测试识别出的错误认识平均频率为2.85，而四阶测试为2.14，差异达到显著水平，说明二阶测试也可能把知识不足或不确定误判为稳定错误认识。

   四阶测试发现，学生最常见的困难集中在实验设计、变量识别和研究问题提出，错误认识平均频率分别为23.4%、18.8%和16.5%。例如，一些学生认为研究温度和湿度对霉菌生长的影响时，只设置一个同时改变两种条件的环境即可，忽视了控制变量、操纵独立变量和设置对照条件的必要性。

   作者认为，四阶测试比一阶和二阶选择题更能客观呈现学生的科学探究能力，因为它同时关注答案、理由及学生对二者的确信程度。

研究说明，“答对”并不必然意味着真正理解，错误作答也不一定意味着存在稳定错误认识；把信心纳入评价后，教师能够更准确地区分猜测、知识缺失和深层错误概念。

   总体而言，四阶测试适合作为科学教育中的诊断工具，可帮助教师定位学生在研究问题、变量控制、实验设计和数据处理方面的具体障碍，并据此开展针对性教学。

这项研究提示，科学教育评价应从“只看最终答案”转向同时关注学生的推理过程和元认知判断。

   在物理、化学和生物实验教学中，学生即使选出了正确实验方案，也可能并不理解为什么必须控制变量、设置对照或提出可检验的问题。

教师可借鉴四阶测试思路，在课堂提问、作业或测验中增加“为什么这样判断”和“你有多大把握”等环节，让评价既测量技能表现，也可借此诊断学生对科学探究规则的理解，从而为后续反馈和概念转变提供更精确依据。