夜雨聆风这一题的核心素养水平为0.51，另一题0.88
这些数字可能让人大吃一惊，唯物史观、时空观念、史料实证、历史解释与家国情怀，这些核心素养怎么能被装进一个公式呢？
梁丽红（发表于2026年7月《历史教学》（上半月）的论文《高考历史试题综合核心素养水平测评模型的构建与运用》）尝试挑战这项高难度工作，把课程标准中的素养要求翻译成可观察、可编码、可计算的指标。
当我们说“一道题综合考查了核心素养”时，有什么证据？
文章认为，照搬课标中的四级水平并不可行，因为其中部分表述难以在高考题中找到对应的考查方式，而且学业质量标准也包含不少过程性要求，纸笔考试通常只能观察结果。因此，论文选择回应“怎样把规范性的课程目标，改写为可以在试题和作答中辨认的行为指标”的问题。
具体说来，包括以下操作。第一，划分核心素养的结构与层级；第二，把不同素养的不同层次纳入同一尺度；第三，通过公式证量化，并论证起结果的相对科学性。也就是说：核心素养不能直接测量，必须借助可观察的任务要求与行为表现进行间接推断。
梁丽红综合新旧课标中的核心素养水平和学业质量描述，重新建立了一套分类分层体系，把五项素养被拆分为13个亚类（见下表，摘自论文），再划为4个水平。值得注意的是，层级区分主要依靠行为动词，同时参考材料数量、史事复杂度、时空跨度和任务开放程度。
关于赋值，除家国情怀外，作者认为同一素养内部的不同亚类还存在隐含的难度或认知层级。因此，第一类的四级分别赋1-4分，第二类赋2-5分；时空观念还有第三、第四类，分别可达到6、7分。家国情怀的三个亚类被视为并列关系，均按1-4分赋值。最终的计算思路可以简化为：
H＝素养数量调节系数×（实际层级分值之和÷相关分类最高分值之和）
其中，试题考查一至五项核心素养时，调节系数依次为0.9、1.0、1.1、1.2和1.3。作者的考量是，解决问题时需要调用的素养越多，试题的综合性通常越强，因此应给予一定补偿。
以2025年广东卷第1题为例，作者将其判定为同时考查唯物史观、时空观念和历史解释，三项实际分值分别为3、2、2，最终得到：H＝1.1×（3＋2＋2）÷（5＋5＋5）＝0.51； 第19题要求学生围绕中国古代边疆治理自主拟定论题、选择关键词并撰写历史短文。作者将其判定为考查时空观念、历史解释和家国情怀，三项分值分别为5、4、3，计算结果为0.88。
由此可见，这个数字测量的并非学生已具备的素养水平，而是依据试题任务推断出的“素养要求水平”。它首先是一个试题需求指标，而不是考生成绩。
三、论证路径
论文强调，模型旨在诊断和优化试题，而非作出简单鉴定；量化结果只是评价依据之一，必须与质性分析结合，并在应用中不断校准。这种自我限界，使文章保留了必要的测量审慎。
一定要吹毛求疵的话，这篇文章可以完善处可能是亚类赋值的进一步呈现实验样本、评价者构成、校准的过程与分析等。虽然作者说明，亚类赋值经过实验论证和试测校准，然而，为什么第二类要比第一类整体多1分，为什么素养数量系数按0.1递增，仍缺少可复核的经验依据。这里其实，还涉及一个尺度问题。将不同水平依次赋1到4分，意味着默认相邻层级之间的距离相等；将时空变化能力的最高层赋7分，又意味着它可以与其他素养的分值直接相加。这些处理不等于已经证明不同素养能够共享同一把等距标尺。更值得注意的是，论文宣称H的取值区间为[0，1]，但按公式推演，当一道题考查三项以上素养且各项接近最高层级时，H理论上可能超过1：三项素养的最高值可达到1.1，五项则可达到1.3。现有案例没有越界，不代表公式本身不会越界。后续模型需要增加重新归一化、封顶规则，或者重新设计调节系数。
（一）备课时检查任务是否真的需要素养
（二）设计有依赖关系的任务链
（三）把错题分析改造成思维链的诊断
（四）校本使用前先建立共同判例
这篇文章迈出了重要一步：将课标中的抽象概念拆解为行为指标，并尝试用实测数据检验专业判断。数字让判断变得可见、可问、可修改，成熟的学业评价，也可能需要把公式当作一项有待持续检验的假设。