安德烈亚斯·施莱歇尔是一位德国数据科学家——身材高挑，做事严谨，留着灰色胡须，目光锐利。他是经济合作与发展组织（OECD）教育部门负责人，给人的印象是专注而坚定。这很有用，因为他肩负着一项使命：改变世界各国教育孩子的方式。
施莱歇尔认为，社会为工作未来所做的准备完全走错了方向。我们担心人类的工作会被机器人取代，却仍在教孩子像机器一样思考。
“我们知道，容易教、或许也容易测试的东西，恰恰也是容易数字化和自动化的东西。”施莱歇尔1月在伦敦的LearnIt大会上说。比如，数学相当容易教，也容易测试——但机器人恰好也很擅长数学。然而，孩子能够想象、创造、质疑和协作，做到机器人无法做到的事（至少目前如此）。施莱歇尔希望世界各地的教育体系着重培养这些技能。他说：“人工智能的出现应促使我们更深入地思考，是什么让我们成为人类。”他还说，如果我们不谨慎，世界培养出来的将是“二流机器人，而不是一流的人类”。
他并非第一个提出这一问题的人。2018年在世界经济论坛上发言时，中国电商巨头阿里巴巴前负责人马云指出，除非教育工作者着重培养独属于人类的技能——独立思考、团队合作和关爱他人——否则孩子们就毫无胜算。他说：“如果我们不改变教育孩子的方式，30年后我们将陷入大麻烦。”
施莱歇尔所监管的一项强大工具，使他特别适合推动这种变革：国际学生评估项目（PISA）。如今，这项测试每三年举行一次，覆盖79个国家的50万名儿童；其结果受到教育工作者关注的程度，堪比足球迷对世界杯抽签的热衷。
二十多年来，他一直专注于思考测试能准确评估哪些技能，以及更重要的是，我们最初究竟想衡量哪些技能。和马云及许多教育改革者一样，他认为，工业化教育模式需要改变：这种模式让孩子沿着学科流水线一路学习，然后要求他们在考试中复述信息。
他的解决方案是：改变测试，或许世界的优先事项也会随之改变。
珍视所衡量的事物
教育界有句广为人知的话：衡量什么，就会珍视什么。施莱歇尔的使命似乎是尝试扭转这一点：要改变人们珍视的事物，就改变衡量的内容。
PISA最初评估数学、科学和阅读能力。但自1997年以来，施莱歇尔一直大力推动一场日益公开的变革，将关注重点从偏重内容的学业测试转向评估多种技能、思维方式和能力的测试，其中包括同理心和创造力。他在一次采访中说：“我们必须承认，PISA目前呈现的只是重要事项的一部分。这项批评我会认真对待。”
近年来，施莱歇尔一直推动设计和开发新的自选测试，以补充PISA。（PISA理事会投票决定采用哪些测试。）这些测试包括问题解决、协作解决问题，以及今年推出的所谓“全球胜任力”测试，例如开放包容的心态和让世界变得更美好的愿望。2021年，测试将转向创造性思维，尝试寻找评估方法，并让学生评估自己思维灵活性的方式，以及好奇、坚持等创造力习惯。
他所推动的变革规模巨大：以一种相当明显的方式，促使世界各地的教育体系摆脱对科学、阅读和数学等学科的单一关注，转而重视更复杂的跨学科技能和思维方式。有人认为这种变革早就该发生了；也有人认为施莱歇尔和OECD都把目标定得过高。
这时，他沉着从容的性格便派上了用场。他说：“在这些事情上，我不怕以数十年为尺度来思考。要想在这个领域取得真正出色的成果，就必须投入这样的时间。”
世界最大规模测试简史
首届PISA测试于2000年在32个国家举行，测试结果（PDF）于2001年公布。韩国和日本十分重视教育，表现出色，这并不令人意外。拥有庞大而复杂教育体系的美国成绩居中。与此同时，芬兰这个多数国际专家此前甚至从未考虑过的国家，在数学和科学排名前五，阅读成绩则位居第一，一跃成为业内的新宠。芬兰没有高风险考试，也没有家庭作业，私立学校几乎不存在，但芬兰学生的成绩却名列前茅。（这个国家的秘诀是什么？教师经过竞争性选拔，频繁接受培训并与同事交流反馈，而且拥有极大的自主权。）
世界由此首次能够比较各国教育体系。在PISA出现之前，数据基本上由各国自行掌握。（两项国际测试——国际阅读素养进展研究（PIRLS）和国际数学与科学趋势研究（TIMSS）——早于PISA问世，但影响力都不及PISA。）哈佛大学全球教育创新倡议负责人费尔南多·雷默斯说，在PISA出现之前，“我们全都蒙在鼓里”。
施莱歇尔常举巴西为例。巴西曾自夸拥有世界一流的教育体系，直到成绩公布，才发现自己排在最后。施莱歇尔说，OECD揭示真实学习情况的目的，并非羞辱表现落后的国家，而是促使政府领导人像重视就业数据或国内生产总值那样，重视教学与学习。
“为什么女孩报告的生活满意度低于男孩？”
PISA数据带来了许多非凡发现，远不止哪些国家的数学、阅读和科学成绩最好。例如，一项幸福感研究通过学生自我报告的生活满意度，衡量了各国学生的学习动力、压力程度和幸福感。该研究无法证明幸福感与成绩之间存在因果关系。有些国家学业测试成绩不错，学生也很快乐，例如瑞士和荷兰。有些国家PISA成绩优异，学生却表示并不快乐（韩国）。另一些国家，如墨西哥，学生非常快乐，但成绩较低。
施莱歇尔说，数据中的差异本身就令人惊讶，也揭示了重要情况，并指出学生的幸福感与他们感受到教师支持之间存在密切联系。新加坡、美国和英国的孩子即便为考试准备充分，也属于最焦虑的群体；爱沙尼亚、芬兰和瑞士的学生则不那么焦虑。女孩始终比男孩更焦虑，也更希望取得好成绩。
OECD幕僚长加布里埃拉·拉莫斯说，这种性别差异令人深感担忧。她问道：“为什么女孩报告的生活满意度低于男孩？我们能否采取行动，而不只是对此表示担忧？”
报告还试图剖析学生的幸福感、归属感与学业成绩之间的关键联系。“感觉良好，学得就更好，”拉莫斯说。“问题不在于是否要促进优异成绩，而在于如何在培养儿童所需的其他技能的同时做到这一点。”
PISA还揭示了其他情况，例如中国的PISA成绩很好，尽管班级规模通常超过50名学生。施莱歇尔据此认为，班级人数与学习无关；最重要的是教师的质量。教师需要在智力上受到挑战、得到信任，并拥有职业成长的空间。
再看法国，它的归属感得分较低：贫困家庭和移民家庭的孩子报告的疏离感，在所有参与国中位居最高之列。法国还面临极端主义问题。施莱歇尔并未声称两者存在因果关系，但这是值得考虑的一项数据。
理想情况下，PISA数据可以用于制定政策决策。麦肯锡已经将机器学习应用于PISA数据，以探究教师主导或学生自主的课堂哪种更有利于学习。OECD也利用PISA数据，研究哪些教育体系能为世界上最贫困的学生带来最佳教育成果。
测试的演变
1997年，施莱歇尔召集了一个小组，由瑞士牵头，并听取其他OECD国家的意见，讨论的不是哪些内容可以测试，而是哪些内容应该接受测试。和OECD的项目一贯风格一样，这个项目的名称十分乏味：能力的界定与选择（DeSeCo）。
其构想是超越OECD视角下的教育——将教育视为提高生产力、降低失业率的手段——转而从更广泛的角度思考教育，把它视为促进社会凝聚、民主发展并减少不平等的途径。PISA当时的设计固然不错，但该报告（PDF）在2003年最终发布时指出：“学生能否在人生中取得成功，取决于范围广泛得多的能力。”
该小组确定了三个探索领域：关系能力，即我们如何与他人相处；自我能力，即我们如何调节情绪并激励自己；以及内容，即学校需要教授什么。报告写道：
人力资本和社会资本的开发与维护，是社会繁荣、凝聚与和平的重要因素，但更重要的是，它们有助于应对一个日益相互依存、不断变化且冲突频发的世界所带来的挑战与紧张局势。
测试也随之演变。对一些改革者而言，新增测试领域意味着人们开始重视批判性思维方式和知识，这是许多人如今津津乐道的所谓21世纪技能。LearnIt大会上，Smarttech.com全球教育战略师詹卡洛·布罗托说，他希望儿子未来10年的学习目标是：“我希望儿子回家抱怨自己的同理心得分。”听众为之欢呼。
“我希望儿子回家抱怨自己的同理心得分。”
道格拉斯·阿奇博尔德是Whole Education的负责人。该组织是一个学校网络，致力于帮助孩子取得学业成功，同时培养更广泛的技能和素质。他认为，施莱歇尔极大地提升了人们对未来学习应有面貌的讨论水平。但他怀疑，施莱歇尔如今着手推动的变革，能否在最关键的层面上实现：也就是在更大的教育体系中推行。
他说：“没有其他人能把这些教育体系的负责人聚集起来，认真思考如何让他们的体系面向未来”，其中也包括我们最需要哪些技能和思维方式的问题。但阿奇博尔德曾在这类体系中工作多年，因此对此持怀疑态度。他说：“真正要推动这种改变，难度很大。”
阿奇博尔德说，在培养同理心和沟通能力等技能方面取得成功的国家和地区——新加坡、芬兰以及加拿大的部分省份——教育体系规模都相对较小。但规模扩大也会带来新的挑战。例如，英格兰的学校督察机构（OFSTED）承认，由于政府要求学校和学生取得良好考试成绩，培养创造力和韧性一直很困难。
但施莱歇尔并未被挑战的规模吓倒。他说：“很多次有人告诉我，这完全是异想天开，根本不可能做到。”
批评者众多
许多人欢迎PISA优先事项的变化。英国前教育部长吉姆·奈特说：“OECD帮助政策制定者关注孩子的全面发展，而不只是学业表现，是一件好事。如果我们继续一味迷恋学业成绩，就无法为经济培养出未来各种创造价值的职业所需的人才。”
但随着PISA日益受到重视，围绕它的批评也随之增多。许多人说，它导致各国围绕考试教学，教育部长们忙着争相胜过彼此，而不是认真思考如何改进各自的体系。一些人批评其抽样方法，包括如何统计上海的学生。其他知名批评者则谴责OECD与培生等营利性教育公司合作；随着各学科测试不断增多，这些公司从中获利。
一些批评者还质疑，OECD是否为了每隔几年推出新的亮眼测试而走得太远。2014年，全球100多名学者呼吁暂停PISA测试，指出的正是施莱歇尔声称试图解决的问题：过度依赖测试，以及倾向于用权宜之计应对复杂问题。他们写道：
新PISA体系不断进行全球测试，损害了我们的孩子，也使课堂教学变得贫乏，因为它不可避免地带来更多、更长的选择题测试、更多由供应商编写的照本宣科式课程，以及教师自主权的减少。
PISA是否已经扩张过度，也是一个问题。美国教育部教育科学研究所所长马克·施耐德表示，该组织应专注于跟上数学、阅读和科学评估方式的变化，而不要过多涉足全球胜任力等领域。他说：“他们应该做好自己的本职工作，确保现有测试不断发展，以纳入核心测试科目中的新思想和新概念”，而不是扩展到如此众多的“创新”领域（OECD的回应见此处）。
“如果没有北极星，视野或许就会受限。”
布鲁金斯学会的汤姆·洛夫莱斯也认同PISA试图做得太多。他在2014年写道：“政策相关性已成为PISA的首要目标，导致它提出了过多且缺乏依据的政策建议。”
由于PISA测试是自选参加的，新的非学业技能测试是否会产生多大影响也尚不明确。例如，美国选择不参加“全球胜任力评估”，79个国家中还有多达40个国家也没有参加。
但施莱歇尔仍坚持认为，只有设定独立思考等方面的目标，各国才能制定计划，让学生具备所需技能。他说：“如果没有北极星，视野或许就会受限。”
打造更好的测试
施莱歇尔称，他一直希望测试关注真正重要的事物——学习动力、社会性学习和情感学习。但PISA刚启动时，各国绝不会接受这样的测试，而且当时也没有相应的衡量指标。
这两方面如今都已改变。
人们已经认识到，孩子承受着极大的压力。学习科学揭示了我们的学习方式：知识和内容至关重要，但我们也需要意义感和自主权，需要能够参与决定学什么以及如何学习。孩子感到多么安全也会影响他们的学习，你如何管教他们、如何念出他们的名字，以及如何评判他们的表现也是如此。
与此同时，包括人工智能在内的技术使我们能够衡量远不止孩子掌握多少数学或科学知识。施莱歇尔说：“人工智能的能力非常强大。它确实可以帮助我们诊断学生的学习情况、实现个性化学习，让学习更有吸引力。”
例如，借助技术，测试人员不仅能看到学生答题对错，还能了解他们是如何解题的。这会让OECD深入了解人们如何学习，而这比单纯知道学生掌握了什么更有价值。施莱歇尔说：“这类信息将帮助学生学得更好、教师教得更好，也让学校变得更有效。”他举例说，他曾在中国看到一间教室，孩子们在扫描仪上书写汉字，身旁的iPad会解读书写结果并立即给予反馈。教师通过仪表板接收所有数据，可以看到哪些孩子比其他人花的时间更长，或者在哪些任务上遇到了困难。
英国前教育部长奈特说：“技术让我们能够采集更丰富的数据，因此过去无法衡量的事物如今更容易衡量。通过观察，我们可以记录自己认为人们表现如何，以及同伴认为我们表现如何，从而形成更丰富的数据集。”
问题在于，对这些方面进行测试是否会带来意想不到的后果。PISA就产生了这样的后果。正如广受尊敬的芬兰教育专家帕西·萨尔贝里在《华盛顿邮报》上所说：“这项测试对各国教育政策产生了巨大影响。许多成绩下滑的国家陷入了‘PISA震惊’，大幅改变方向，以提升排名和标准。”
我们知道，对成绩的期望会影响成绩。那么，当我们对一个人的存在状态抱有期待时，会发生什么？
对一些人而言，政策制定者因学生幸福感而受到震动，听起来是个令人欣喜的变化。但在课堂上，这也可能有点像科幻小说：学生数据被用来追踪的不仅是未达到学业标准的学生，还包括未达到社会、情感和价值观标准的学生。我们知道，对学业的期望会影响成绩。那么，当我们对一个人的存在状态抱有期待时，会发生什么？不难想象这样一个世界：富裕的家长雇请家教，帮助孩子掌握同理心；争强好胜的学生则竞相成为排名最高的创意人才。
目前可以确定的是，在施莱歇尔的主导下，OECD积累了丰富的数据宝库；和所有数据一样，这些数据既可以用于善，也可以用于恶。
施莱歇尔目前正全身心投入“教育2030”项目。该项目旨在“帮助各国找到答案：当今学生要蓬勃发展并塑造自己的世界，需要具备哪些知识、技能、态度和价值观；教育体系又如何才能有效地培养这些素养”。他继续推动人们讨论教育应有的面貌，同时也提升了人们对开展这场讨论必要性的认识。这无疑是件好事。每个人都应关心教育的发展方向，并参与其变革，包括家长和学生自己。事实上，近期加入讨论的是学生的观点：作为界定2030年教育应有面貌的一项工作，学生提出了他们希望自己接受何种教育的意见。
施莱歇尔说，学生初次来到OECD那座非常保守的办公楼时，人们质疑孩子们为什么会出现在那里。随后，由36个成员国的学者和政策制定者以及巴西代表组成的“教育2030”小组开始倾听，并意识到孩子们对自己的教育有很多想法。
他说：“如果我们要培养自主能力，就必须运用并依靠儿童的自主能力。”
发挥人类独有的优势
过去20年，尤其是最近10年，改革教育的理由日益充分。神经科学揭示了大脑具有极强的可塑性，尤其是在幼儿期和青少年时期，这表明学习存在关键的机会窗口。
这些发现出现之际，政治极化也在加剧，右翼民族主义团体在美国和欧洲日益受到欢迎，英国发生脱欧，唐纳德·特朗普当选总统。在这样的环境下，关注价值观和沟通能力既令人欣喜，也有其必要。
对施莱歇尔而言，这恰恰是我们需要衡量价值观和同理心等方面的原因，而不应只衡量我们对光合作用了解多少。他说，人们拥有“想象并创造具有内在积极价值事物的能力”。与机器人不同，人能够处理黑白之间的灰色地带、整合知识，并结合具体情境加以运用。他说，人类最独特之处在于“我们有能力承担责任，调动认知、社会和情感资源，去做有益于社会的事”。
我们能为此设计一项测试吗？施莱歇尔果然回答说可以。他说：“评估可以缩小你的视野，也可以拓宽视野。这取决于你如何使用它。”
奈特表示赞同，前提是我们对测试采取更广泛的理解。他说：“为了成功培养施莱歇尔所说的这些能力，我们必须不再认为学校教育的一切最终都要归结为考试。”施莱歇尔说，谁也不知道未来会怎样：评估或许会使用3D摄像机，也可能借鉴艺术领域的工具和方法，例如通过作品展示或观察来评估。
阿奇博尔德把测试的演变比作飞行员的仪表盘。如今的仪表盘只有几个刻度：学业标准，以及少数社会和情感指标。施莱歇尔所期待的未来仪表盘要复杂得多。他说：“上面会有很多刻度，它们都非常主观，在体系层面上设计和评估也相当复杂。”教师需要知道如何利用这些指标帮助学生，家长需要认可这样做的必要性，学校负责人和政界人士也需要支持。
Schleicher认为，值得一试。“我们仍然拥有一套工业时代的遗留教育体系，”他说。他很容易就能举出已经开始发生变化的地方：他说，日本改变了以死记硬背为基础的学习体系，从课程中删去了30%的内容，以鼓励更深入的学习，并更加重视创造力。
“你可能会认为，像英国这样的国家重视创造力，而日本更注重遵循规范，但现实恰恰相反，”他说。“英国课堂上死记硬背的现象，比亚洲许多课堂更为普遍。”
Schleicher表示，世界已经在推动教育朝着更好的方向变革。但他对这种变革的速度和广度相当悲观。
“现在正是让教育成为一项更以目标为导向的活动的大好时机，”他说。“我看到这种做法大规模推行了吗？我不确定。”
“世界变化越快，人们就越执着于自己最熟悉的事物。”
