夜雨聆风情境化试题作为当代教育评价改革的核心载体，其难度控制直接关系到测评的效度与公平性。本文基于认知负荷理论、SOLO分类理论及项目反应理论（IRT）等现代测评学理论框架，系统阐述情境化试题难度控制的理论基础、操作机制与实践策略。通过分析中高考情境化试题的典型特征，本文构建了"情境-认知-统计"三维难度控制模型，为大规模教育考试及日常教学评价提供科学的命题技术路径。
关键词：情境化试题；难度控制；认知负荷理论；SOLO分类理论；项目反应理论
一、作者简介
陈友芳，华南师范大学教育科学学院教授、博士生导师，教育部考试中心重大委托项目“中国高考评价体系”研制核心成员，教育部高中/义务教育课程标准修订组核心成员，国家统编思想政治教材主编。他深耕基础教育研究二十余年，兼具教育顶层设计的宏观视野与扎根一线教学的实践经验，被誉为“教育评价与核心素养落地的实战派专家”。其研究聚焦于学科课堂教学、考试评价及教材理论，在《课程·教材·教法》《中国考试》等核心期刊发表数十篇高质量成果，始终秉持“怀抱着教育的梦想，贴着中国大地行走”的理念，为中小学“教—学—评”一体化改革提供核心技术支撑。
二、推荐语
作为教育领域“顶层设计+一线实践”双栖专家的倾力之作，本书打破了核心素养“只谈理念、难落地”的困境，提炼出双层多维细目表、学科思维考查等价、情境化试题难度控制、等级评分量表等一系列经实践检验的硬核技术。它不仅打通了“核心素养”与“课堂教学、考试评价”的转化通道，更提供了一套可复制、可迁移的实操方案，是中小学教师、教育研究者及管理者破解素养落地难题、提升教学与评价质量的案头必备指南。
三、图书目录
前辅文
第一章 导论
1. 核心素养的内涵及国际代表性核心素养框架2. 独具特色的中国核心素养框架3. 核心素养的基本特征与操作性转化问题
第二章 核心素养测评框架构建
1. 核心素养测评框架构建的理论基础2. 核心素养测评框架的构建原则和构成要素
第三章 双层多维细目表技术
1. 从双向细目表到双层多维细目表2. 双层多维细目表技术示例
第四章 学科思维属性考查等价技术
1. 学科知识与学科思维 2. 学科思维考查的操作性转化技术
第五章 必备知识情境化模式下的试题难度控制进阶技术
1. 必备知识情境化 2. 试题难度控制进阶技术
第六章 基于学科任务完成质量的等级评分量表技术
1. 基础教育课程改革需要新的评分技术 2. 基于学科任务完成质量的等级评分方法
第七章 学科本质与课堂教学
1. 学科本质的三重理解与课堂教学的本质偏离问题 2. 体现学科本质的课堂教学基本模式与原则
第八章 基于关键问题解决的课堂教学
1. 基于关键问题解决的课堂教学理论构成 2. 基于关键问题解决的课堂教学代表性学科示例
第九章 “教—学—评”一致性的多维理解
一、情境化试题的时代背景与内涵特征
1.1 情境化测评的兴起逻辑
21世纪以来，国际教育评价领域经历了从"知识本位"向"素养本位"的深刻转型。PISA（国际学生评估项目）作为这一转型的标杆，率先将"情境化"作为测评设计的核心原则，强调在真实或模拟真实的问题情境中评估学生运用知识解决实际问题的能力。我国基础教育评价体系改革亦紧随其后，《中国高考评价体系》明确提出"四层四翼"的考查要求，其中"情境"被确立为考查载体，成为连接学科知识与现实应用的桥梁。
情境化试题的兴起并非偶然，其深层逻辑在于回应知识经济时代对人才素养结构的全新要求。传统去情境化的抽象试题虽然能够高效检测知识记忆与程序性技能，但难以评估学生在复杂、不确定的真实情境中整合知识、迁移应用的能力。情境化测评通过构建"问题场域"，迫使学生激活跨学科知识网络，执行高阶思维操作，从而实现对核心素养的有效测量。
1.2 情境化试题的操作性定义
从测评学视角审视，情境化试题是指将学科知识、能力要素嵌入特定背景材料（情境）中，要求考生通过情境信息的提取、加工与应用完成作答的试题类型。其结构包含三个核心要素：
情境载体：提供问题产生的背景信息，包括生活实践情境、学习探索情境、社会参与情境等类型。情境载体的功能在于激活学生的先备知识，建立知识应用的语境框架。
任务驱动：明确考生在情境中需要完成的具体认知操作，如分析、解释、设计、评价等。任务类型决定了认知负荷的性质与强度。
知识锚点：情境与任务背后所依托的学科核心概念、原理与方法。情境化并非目的，而是促进深度知识运用的手段。
1.3 情境化带来的测评挑战
情境化设计在提升测评效度的同时，也引入了新的技术难题。情境信息的加入使试题的认知加工路径复杂化，情境的呈现方式、复杂度、熟悉度等因素均会独立影响试题难度，而这些影响往往与学科知识本身的难度交织在一起，形成"难度叠加效应"。若缺乏科学的控制机制，情境化试题极易产生"情境超载"或"情境干扰"，导致测量误差增大，甚至诱发系统性偏差。
因此，情境化试题的难度控制成为命题技术的核心环节，需要建立在坚实的测评学理论基础之上，实现从经验判断向科学设计的范式转换。
二、情境化试题难度控制的理论基础
2.1 认知负荷理论：难度的心理机制解释
认知负荷理论（Cognitive Load Theory, CLT）为理解情境化试题难度的生成机制提供了最为直接的理论框架。该理论由Sweller于1988年提出，核心观点是工作记忆容量有限，学习或问题解决任务对工作记忆施加的认知负荷总量决定了任务难度。
认知负荷理论区分三种负荷类型，为情境化试题设计提供了精细化的控制维度：
内在认知负荷（Intrinsic Load）：源于任务本身的复杂性与学习者先备知识的交互作用。在情境化试题中，内在负荷取决于情境中需要同时加工的信息单元数量及其交互强度。例如，涉及多变量耦合的物理情境比单变量情境产生更高的内在负荷。
外在认知负荷（Extraneous Load）：由信息呈现方式与教学设计不当所导致，与学习目标无关。情境化试题中常见的图文不匹配、信息冗余、导航困难等均属此类负荷。优化外在负荷是情境化设计的重点，需遵循"最小化原则"。
相关认知负荷（Germane Load）：指向图式建构与自动化的有效认知投入，是"好的"负荷。情境化设计应通过合理的支架设置，引导学生将认知资源投入到深层的知识整合与迁移中，而非消耗在情境信息的表层处理。
基于认知负荷理论，情境化试题难度控制的本质是三类负荷的统筹管理：通过降低外在负荷释放工作记忆资源，通过优化内在负荷匹配考生能力水平，通过增强相关负荷促进深度学习的发生。三者遵循累加性原则，总负荷不得超过工作记忆容量阈值。
2.2 SOLO分类理论：难度的结构层次标定
SOLO（Structure of the Observed Learning Outcome）分类理论由Biggs和Collis提出，通过五个层次描述学习成果的结构复杂性，为情境化试题的难度分级提供了操作性框架。
前结构层次（Pre-structural）：考生无法理解情境要求，回答与问题无关或逻辑混乱。情境化试题通常避免设置此层次，因其难以反映有效的学科思维。
单点结构（Uni-structural）：考生仅能联系单一要素或执行单一步骤。对应情境化试题中的简单信息提取或直接应用，如从图表中读取单一数据。
多点结构（Multi-structural）：考生能联系多个要素，但缺乏有机整合。对应情境化试题中需要识别多个信息点但无需深度关联的任务，如列举情境中的多种现象。
关联结构（Relational）：考生能将多个要素整合为统一的整体，理解其内在关系。对应情境化试题中需要建立情境信息与学科知识的复杂关联，执行综合分析与推理。
拓展抽象结构（Extended Abstract）：考生能将知识结构迁移至新的、不熟悉的情境，进行概括与推广。对应开放性、创新性情境任务，要求超越给定情境进行抽象思考。
SOLO分类理论的价值在于将难度从"主观感受"转化为"结构特征"。在情境化试题设计中，可通过控制情境的SOLO层次实现难度梯度：低层次试题聚焦情境的单一维度，高层次试题要求跨情境迁移与元认知监控。研究表明，中高考情境化试题的设问结构通常遵循SOLO层次的递进分布，以关联结构为主，兼顾多点结构与拓展抽象结构。
2.3 项目反应理论：难度的统计建模与精准控制
项目反应理论（Item Response Theory, IRT）是现代心理测量的基石，为情境化试题难度的量化控制提供了统计工具。与经典测量理论（CTT）不同，IRT将试题难度（Difficulty）、区分度（Discrimination）和猜测参数（Guessing）视为独立的题目特征参数，通过项目特征函数（Item Characteristic Function, ICF）描述这些参数与考生潜在能力（θ）的概率关系。
IRT在情境化试题难度控制中的应用体现在三个层面：
难度参数的独立标定：通过大样本预测试，可以精确估计情境化试题的难度参数（b值），并建立情境特征（如文本长度、信息密度、熟悉度）与难度参数的回归模型，实现难度的预测性控制。
信息函数的最优配置：测验信息函数（Test Information Function, TIF）表明不同能力水平的测量精度。情境化试题的选编应依据TIF曲线，在目标能力区间（如高考的一本线、本科线附近）配置高信息量的情境任务，实现测量效率最大化。
计算机自适应测验（CAT）：基于IRT的CAT系统能够根据考生实时作答表现，动态推送难度匹配的情境化试题，实现"因境施测、因能调题"的个性化评价。
近年来，解释性项目反应理论（Explanatory IRT）的发展进一步拓展了情境化试题难度控制的可能性。通过将情境特征（如文本复杂度、图式激活度）直接纳入IRT模型，可以分离"情境难度"与"知识难度"的独立贡献，为精准命题提供数据支持。
三、情境化试题难度的多维构成分析
3.1 情境维度的难度贡献
情境化试题的难度首先源于情境本身的特征。基于认知负荷理论与大量实证研究，情境难度的关键调控变量包括：
情境熟悉度：依据图式理论，熟悉的情境能够激活长时记忆中的先备图式，降低工作记忆负荷；陌生情境则需要额外的认知资源进行解码。研究表明，情境熟悉度与试题难度呈显著负相关，但这种效应受考生专业知识水平的调节——专家在陌生情境中表现出更强的适应性。
信息复杂度：情境呈现的信息数量、类型多样性及组织方式直接影响外在认知负荷。多模态情境（图文表混合）若缺乏有效的信息整合设计，将产生较高的视觉搜索负荷。
情境真实度：高度仿真的情境（如基于真实数据的统计分析、实验设计）往往包含更多无关变量与噪声信息，增加了信息筛选的难度。但适度的真实度能够提升动机与投入度，产生"相关负荷"的正面效应。
情境距离：指情境与学科核心知识的映射距离。距离越远（如跨学科情境、非常规应用），所需的远迁移能力越强，难度越高。PISA的"个人-社会-全球"情境梯度即体现了这一设计逻辑。
3.2 认知维度的难度层级
情境化试题的认知难度体现在所需的思维操作类型与层次。布鲁姆教育目标分类学的修订版（Anderson & Krathwohl, 2001）提供了认知操作的层级框架，但在情境化测评中需要进一步细化：
情境解码：理解情境信息的意义，建立与学科概念的初步联系。这是情境化试题的基础门槛，若考生无法完成情境解码，后续认知操作无从谈起。
知识激活：从长时记忆中提取相关的学科知识、程序与策略。情境的提示功能（cueing function）在此阶段发挥关键作用，良好的情境设计能够精准激活目标知识，避免"知识钝化"。
情境建模：将学科知识应用于情境，构建问题解决的认知模型。这是情境化试题的核心难点，要求考生执行"去情境化-再情境化"的认知转换，建立抽象知识与具体情境的映射。
监控调节：对解题过程进行元认知监控，评估策略有效性，进行错误修正。高难度的情境化试题往往包含认知陷阱，需要考生具备较强的自我监控能力。
创新迁移：超越给定情境，提出新的问题解决方案或进行概括推广。对应SOLO的拓展抽象层次，是情境化试题的最高难度体现。
3.3 统计维度的难度表征
从测量精度角度，情境化试题的难度需要满足统计模型的假设与要求：
难度分布的合理性：整套试题的难度分布应近似正态或略呈负偏态，多数试题集中在中等难度区间（P值0.4-0.7），形成有效的区分梯度。
区分度的保障性：情境化设计不应以牺牲区分度为代价。理想的情境化试题应在目标能力区间具有陡峭的ICC曲线（高区分度a值），确保不同能力水平的考生有显著不同的答对概率。
DIF（差异项目功能）的控制：情境化试题需警惕群体偏差。某些情境（如涉及特定地域文化、性别刻板印象）可能对不同背景考生产生系统性难度差异，违反测量公平性原则。
四、情境化试题难度控制的操作机制
4.1 基于认知负荷的"减负-增效"设计策略
针对情境化试题可能产生的认知超载，研究者提出了系统的"减负-增效"设计原则：
精准锚定知识要素：运用"知识要素分解表"拆分考点，区分核心概念、边缘概念与冗余概念。每道情境化试题应聚焦1-2个核心要素，边缘要素不超过1个，冗余要素清零。这直接控制了内在认知负荷的源头。
动态调节元素交互性：对于低阶考生，采用"低交互版本"，将复杂情境拆分为若干子任务，每子任务仅涉及1-2个变量；对于高阶考生，保留变量耦合，但通过"先行组织者"（advance organizer）提前激活先备图式，降低额外负荷。
利用"元素自动化"策略：对于课标要求达到自动化的子技能（如基本运算、单位换算），题干不再提供模板或提示，避免浪费工作记忆资源；对于尚未自动化的技能，应在卷首统一提供"工具包"（如公式表、常数表），防止因检索失败导致认知资源耗竭。
版式与图形降噪：图形坚持"一图一功能"原则，若仅为美化则删去；若需呈现多重信息，应采用"分层显示"技术（色彩编码+数字标注），减少视觉搜索负荷。文字段落遵循"倒金字塔"结构，首句即给情境要义，后续仅补充必要细节，严禁文学化铺陈。
4.2 基于SOLO的层次化难度梯度设计
在中高考等大型考试中，情境化试题的难度梯度设计通常遵循SOLO分类理论的层次递进原则：
基础层次（单点-多点结构）：情境相对简单，信息显性，任务明确。考生只需识别情境中的单一或多个信息点，进行直接应用或简单推理。此类试题占整套试卷的30%-40%，确保基础达标功能的实现。
中等层次（关联结构）：情境复杂度提升，信息间存在隐性关联，要求考生整合多个知识点进行综合分析。此类试题占40%-50%，是试卷的主体部分，承担主要的区分功能。
高阶层次（拓展抽象结构）：情境开放，问题结构不良，要求考生自主建构解决方案，进行创新迁移。此类试题占10%-20%，用于鉴别顶尖考生，体现选拔功能。
值得注意的是，同一情境素材可通过设问的SOLO层次转换实现难度调控。例如，2021年广东高考物理实验题中，同一力学实验情境设置了四个递进的设问：前两问为单点结构（计算单一数据），第三问为多点结构（判断数据趋势），第四问为抽象拓展结构（综合受力分析、重力分解、二力平衡等知识计算劲度系数）。这种"一境多问、梯度递进"的设计模式，既保证了情境的连贯性，又实现了难度的精准控制。
4.3 基于IRT的统计质量控制
在命题实践层面，IRT为情境化试题的难度控制提供了数据驱动的决策支持：
预测试与参数估计：在正式施测前，通过代表性样本的预测试，运用IRT模型（如2PL或3PL模型）估计每道情境化试题的难度（b）、区分度（a）和猜测参数（c）。这些参数成为试题选编与修订的客观依据。
题库建设与等值设计：建立经过IRT参数标定的情境化试题库，实现不同年份、不同版本试卷的难度等值。通过共同题等值或IRT真分数等值技术，确保考试标准的稳定性与可比性。
CAT情境化题库：开发基于IRT的计算机自适应测试系统，根据考生实时能力估计（θ̂），从题库中动态选择难度匹配（b≈θ̂）的情境化试题。这种方法能够在缩短测验长度的同时，提高测量精度，特别适用于诊断性评价与个性化学习。
多维IRT（MIRT）的应用：针对复杂情境化任务（如PISA的合作问题解决测评），单一能力维度难以充分解释作答表现。MIRT模型能够估计被试在多个维度（如学科知识、情境理解、合作技能）上的能力水平，为综合素养评价提供更丰富的信息。
五、中高考情境化试题难度控制的实证分析
5.1 高考情境化试题的认知负荷特征
近年来，高考命题改革显著强化了情境化设计。以2024年高考数学新课标II卷为例，全卷情境化试题占比超过60%，涵盖社会经济发展（如新能源汽车产量）、科技创新（如芯片制造）、传统文化（如剪纸艺术）等多元情境。
基于认知负荷理论的分析表明，这些情境化试题的难度控制呈现以下特征：
内在负荷的学科锚定：情境信息的加入并未显著增加无关的内在负荷。试题设计者通过"情境剥离"技术，确保情境仅作为问题背景，解题的核心认知操作仍聚焦于数学学科本质。例如，新能源汽车产量情境最终转化为等差数列与等比数列的建模问题，情境复杂度与数学复杂度形成合理匹配。
外在负荷的极简设计：图表、文字、符号的呈现遵循"必要最少"原则。统计图表多采用标准化设计，减少考生的解码负担；文字叙述控制在150字以内，关键信息通过加粗、编号等方式显性化。
相关负荷的刻意增强：部分高阶情境化试题通过设置开放性任务（如"提出你的猜想并证明"），引导考生将认知资源投入到深层的数学探究中，促进数学建模与逻辑推理素养的发展。
5.2 中考情境化试题的SOLO层次分布
中考作为衔接义务教育与高中阶段教育的关键评价，其情境化试题的难度控制更注重基础性与梯度性。以2023年贵州省中考数学试卷为例，基于SOLO分类理论的分析显示：
整体分布特征：关联结构层次试题占比最高（约40%），多点结构与单点结构次之（各约25%），抽象拓展结构最少（约10%）。这种分布体现了"以中档题为主，兼顾两头"的命题策略。
内容领域差异："图形与几何"领域的SOLO层次要求最高，关联结构与抽象拓展结构合计超过60%，反映了该领域对空间想象与逻辑推理的高阶要求；"数与代数"领域多点结构占比最高，强调程序性知识的熟练掌握；"统计与概率"领域各层次分布较为均衡，注重数据分析观念的分层培养。
情境类型与SOLO层次的匹配：生活实践情境多对应单点-多点结构，学习探索情境多对应关联结构，社会参与情境多对应抽象拓展结构。这种匹配确保了情境的真实性与认知挑战性的协调。
5.3 情境化试题难度预测的经验模型
长期命题实践积累了关于情境化试题难度预测的经验性规律。研究表明，以下情境特征与试题难度存在稳定的关联：
文本可读性：情境文本的句法复杂度（如平均句长、从句嵌套层级）、词汇难度（如学术词汇密度、生词率）与试题难度正相关。通过Flesch-Kincaid可读性公式等工具，可以对情境文本难度进行预评估。
信息显性与隐性之比：情境中显性信息（直接给出）与隐性信息（需推断提取）的比例影响难度。高阶情境化试题通常降低显性信息比例，增加图表解读、条件筛选等认知环节。
学科边界清晰度：跨学科情境（如物理-数学综合、生物-化学综合）由于涉及知识领域的切换与整合，通常比单一学科情境难度提高0.3-0.5个对数单位（以IRT难度参数计）。
时间压力效应：情境化试题通常需要额外的情境阅读与理解时间。若情境化试题在试卷中占比过高，可能产生时间压力，间接提升感知难度。因此，全卷情境化比例通常控制在60%-70%，并相应调整题量与分值配比。
六、情境化试题难度控制的挑战与前瞻
6.1 当前实践中的突出问题
尽管情境化试题难度控制的理论框架日趋成熟，但在实际操作中仍面临诸多挑战：
情境真实性与测量效度的张力：高度真实的情境往往包含过多无关变量，增加外在认知负荷；过度简化则可能丧失情境的教育价值与测评效度。如何在"真实"与"纯净"之间寻求平衡，是命题设计的永恒难题。
群体差异与测量公平：情境熟悉度存在显著的群体差异。城市考生对科技类情境、农村考生对农业类情境可能具有先备优势。若缺乏系统的DIF检验，情境化试题可能引入系统性偏差，损害测量公平。
难度预测的准确性：情境化试题的难度受多重因素交互影响，现有预测模型的解释力有限。特别是创新型情境（如基于真实数据的探究任务），由于缺乏历史数据，难度预测往往依赖专家判断，主观性较强。
技术赋能的伦理边界：基于IRT的CAT系统虽然能够实现难度的动态适配，但在高风险考试中应用仍面临公平性质疑。"一人一卷"模式是否影响横向比较？自适应过程中能力估计的波动如何处理？这些问题需要技术与伦理的双重考量。
6.2 人工智能时代的革新方向
人工智能技术的发展为情境化试题难度控制带来了新的可能：
自动试题生成（AIG）与难度预测：基于自然语言处理（NLP）技术，可以自动生成情境素材，并通过机器学习模型预测试题难度。研究表明，利用BERT等预训练语言模型从题目文本特征预测IRT参数，已在一定程度上达到可接受的精度。未来，AIG系统有望实现"情境素材-难度参数-认知层次"的协同优化。
过程数据的深度挖掘：计算机化测评能够记录考生的完整作答过程（如答题轨迹、时间分配、修改行为）。通过隐马尔可夫模型（HMM）、动态贝叶斯网络（DBN）等随机过程模型，可以分析考生的认知状态转换，揭示情境化试题难度作用的动态机制。这种"过程本位"的难度分析，将超越传统的"结果本位"视角，提供更丰富的诊断信息。
神经测量学的应用：眼动追踪、脑电（EEG）、功能性近红外光谱（fNIRS）等技术能够实时监测考生在情境化任务中的认知负荷状态。通过建立生理指标与主观难度评价、客观成绩表现的关联模型，可以实现难度的"神经标定"，为情境化试题设计提供生物证据。
多模态情境的沉浸式设计：虚拟现实（VR）、增强现实（AR）技术能够构建高度沉浸的三维情境，支持考生在虚拟环境中执行复杂的探究任务。这类任务的难度控制需要开发新的测量模型，整合行为数据、生理数据与环境交互数据，形成多维度的难度评估体系。
6.3 理论整合与本土化创新
未来的情境化试题难度控制研究，需要推动理论的深度整合与本土化创新：
理论整合：将认知负荷理论的微观加工视角、SOLO分类理论的结构层次视角与IRT的统计测量视角进行有机整合，构建"认知-结构-统计"三位一体的难度控制模型。这一模型应能够同时解释：情境特征如何影响认知加工（认知负荷）、认知加工如何体现为可观察的学习成果结构（SOLO层次）、以及这些结构如何映射为可量化的概率反应（IRT参数）。
本土化创新：中国基础教育评价体系具有独特的制度逻辑与文化语境。情境化试题设计需要回应"立德树人"的根本任务，融入中华优秀传统文化、科技自立自强等时代主题。这些本土化情境的难度特征（如文化负载词的认知负荷、时代热点的熟悉度分布）需要系统的实证研究，形成具有中国特色的情境化测评理论。
七、结论与建议
情境化试题难度控制是一项系统工程，涉及认知心理学、教育测量学、学科教学论等多学科知识的交叉融合。本文基于认知负荷理论、SOLO分类理论与项目反应理论，构建了情境化试题难度控制的理论框架，分析了中高考命题的实践特征，并展望了人工智能时代的革新方向。
对于命题实践，提出以下操作性建议：
第一，建立"三维难度"分析框架。每道情境化试题在命制阶段应接受三重审查：认知维度（三类负荷的分配是否合理）、结构维度（SOLO层次与考查目标的匹配度）、统计维度（预测试参数是否符合预期）。三维审查通过后方可进入题库。
第二，实施"情境校准"制度。定期收集考生对情境熟悉度的主观评价，建立情境特征数据库。对于DIF检验显示存在群体偏差的情境，及时进行修订或淘汰，确保测量公平。
第三，开发"智能命题助手"。利用AIG技术辅助情境素材生成与难度预测，但保持专家在价值判断与质量审核中的核心地位。人机协同，提升命题效率与科学性。
第四，加强"过程评价"研究。在计算机化测评环境中收集过程数据，探索基于反应时、眼动轨迹等指标的动态难度调节机制，实现情境化测评从"结果鉴定"向"过程诊断"的转型。
情境化测评代表了教育评价的发展方向，但其技术复杂性要求我们必须以科学严谨的态度对待难度控制问题。唯有理论与实践的紧密结合，才能确保情境化试题既承载素养考查的功能，又坚守测量科学的底线，真正实现"情境为体、素养为魂、科学为用"的测评理想。
