线上少儿英语平台测评：五种评分污染，让结论先失真

家长做完一轮试听，常常在同一张表上得出两个相反的结论：同一位老师，第一节课打了高分，第二节只给中评；同一个孩子，周一记「互动积极」，周五记「开口偏少」。多数人这时会怀疑表格设计得不合理，于是改权重、加细项，再测一遍，结论还是飘。

问题多半不在表，而在打分的人。测评是一个人对一节课做出的判断，这个人带着印象、疲惫、期待和身份走进教室，分数先被这些因素染过一遍。下面把常见的五种污染逐一拆开，再给三个去污染的操作。

一、先承认：分数是人写出来的

测评表通常列出十几栏：发音、词汇、语法、互动、专注、兴趣。家长以为填完这些格子就得到一份客观结果，其实每一栏都是一次主观判断，只是被格子分开了。

一张表只能装下可观察的部分

表能记「孩子独立说了几句」「老师纠了几次」「孩子在第几分钟主动提问」，这些可以数。表很难记「孩子有没有真的懂」「这节课有没有让他想再来」，这些要解释，而解释最容易被印象带走。

污染不是偏见，是正常的心理捷径

人做判断时习惯把几件事简化成一件事：老师笑得多，就推断有耐心；教室安静，就推断管理好。这种捷径平时省力，用在测评上就变成误差，打分的人自己往往察觉不到。

为什么改表格治不好

加细项只会让同一种印象被填进更多格子。光环一旦形成，家长会在每一栏里替它找证据。要减少误差，得改流程：谁来看、什么时候看、看之前知道多少。

二、污染一：光环效应，把热情折进了「讲得清楚」

最先被污染的对象是老师本人。试听时最容易打动人的往往不是教学，而是表达：语音漂亮、笑容多、夸孩子夸得自然。这些特质真实存在，也会影响课堂，但它们和「讲得清楚」不是同一件事。

好听的口音会抬高别的栏

一位口音接近母语的老师，即使一条指令重复三遍孩子才懂，家长也容易在「讲解清晰」上给高分。反过来，一位口音普通、但会用动作和图片把意思讲透的老师，可能在「发音」一栏被压低，连「耐心」也被连带低估。

「讲得清楚」要拆成三件事

拆开看：孩子有没有第一时间明白任务；老师有没有准备第二种说法；孩子做错时，老师能不能判断错在哪。三件事都能在课堂里找到具体证据，口音只占很小一部分。

光环最常落在哪几栏

通常落在「课堂氛围」「孩子喜欢」「老师亲和」这几栏，因为这几栏没有硬指标，全凭感觉。填表时先写有证据的栏，最后写感受栏，顺序一换，光环的影响会小一些。

三、污染二：首因效应，前五分钟替整节课做了决定

一节课的印象在前五分钟基本定型。开场顺，家长身体放松，后面即使冷场，也会解释成「孩子需要时间」；开场卡住，后面再精彩，心里也留着一个疙瘩。

开场为什么权重过高

开场是家长注意力最集中的时候，也是信息最少的时候。人面对信息少的情境，反而更敢下判断。老师的一个口误、孩子的一次沉默，就这样被放大成整节课的基调。

后五分钟才是孩子真正开口的时候

前段多是问候、复习、听指令，孩子只需要点头或用单词作答。真正组织句子、被追问、说出一段完整的话，往往发生在后段。只看十分钟就离场的家长，恰好错过了最该看的部分。

试听要坐到最后一个环节

时间允许的话，把课听完，尤其别错过最后的任务或自由对话。离开前记一句：孩子在最后五分钟说了几句完整的话。这句话比「感觉不错」有用得多。

四、污染三与污染四：孩子状态、家长在场

同一节课换一天上，结果可能完全不同。测评把这种波动记在平台账上，平台其实背了不属于它的分。

困、饿、刚被批评，都会记在平台账上

下午四点的课，孩子刚放学，血糖低、情绪紧；晚上八点的课，孩子已经撑了一天。上课前被家长说了一句，整节课都可能不开口。这些变量与老师无关，却直接写进「互动」和「专注」两栏。

家长越紧张，孩子越少开口

家长坐在镜头外，眉头一皱、身体前倾、替孩子回答，孩子都接收得到。孩子一旦觉得「说错会被看见」，最安全的策略就是不说话。家长以为自己在陪伴，孩子感到的是被监考。

测出来的「互动差」可能是家长造成的

一位家长全程在旁边提醒「跟老师说啊」「坐好」，另一位家长在另一个房间。两节课测出的互动分不可比，因为变量不是老师，而是在场的人。要比较，先统一在场方式。

五、污染五：测评者就是销售

很多试听由课程顾问安排，介绍课程的是他，课后收测评表的也是他。这个安排未必是故意的，却让打分带上了角色冲突。

一个人同时介绍和打分

顾问在课前已经投入时间，讲了口径，建立了期待。课后让他给自己安排的课打低分，等于否定前面的工作。人很难做到，也不必苛求，靠自觉解决不了结构问题。

低分为什么难写出口

低分不只是数字，还是一句要说出口的话。写「互动一般」，家长会追问哪里一般；写「节奏偏快」，就要给出依据。含糊的高分最省事，也最没用。

换一个不拿提成的人来评

可以让不参与销售的老师、教务，或另一位家长来收表；也可以把测评改成开放记录，只写事实，不写分数。角色分开，分数才有讨论空间。

六、去污染：三个操作和一张表

三个操作都不复杂，成本是一次额外的时间。它们解决的不是「测得准不准」，而是「这次到底测到了什么」。

盲评：先把品牌、价格、顾问的话遮住

看课堂记录时不看机构名，也不看单价，只回答四个问题：孩子独立说了几句、老师纠了几次、孩子有没有主动提问、卡住时老师怎么处理。品牌和价格等记录写完再看，顺序反了，结论容易被预算牵着走。

交叉与隔天复评：换人，也换时间

交叉是请另一位家长各测一节同一位老师的课，两份记录对不上，说明其中一份被个人偏好影响了。隔天复评是同一个孩子隔一周再测一次，两次差距大，说明上一次测到的可能是状态，不是课堂。两种做法的共同点，是把「一次」变成「两次以上」。

读这张表，先找与自己上次测评最像的一行，再照最后一列做一次。不必五项一起改，先改一项，下一次的记录就会不一样。

一次测评最少留四行字：孩子单独说话的时长、老师纠错的次数、孩子主动提问的次数、卡住时老师的处理方式。四行都缺的记录，只能算聊天备忘，不能拿来比较。

七、结论怎么写才站得住

一份能拿给别人看的结论，不写「这家好」或「这家一般」，而写清在什么条件下看到了什么表现。

四件事必须写清

样本量，看了几节、几位老师；孩子状态，几点上课、当天有没有特殊情况；谁在场，家长旁听、在另一个房间，还是不在家；老师身份，试听老师还是正式课老师。四条缺一条，结论就只能当感受。

分数只在自己家的横向比较里有效

同一个孩子、同一套记录方式、相近的时间段，比较两位老师或两家平台，分数才有意义。它比较的是「这个孩子在这两节课里的反应」，不是平台的绝对水平。

跨家庭为什么不可比

别人家孩子几岁、学了多久、当天状态如何、家里说不说英语，全都不一样。两个家庭各打 85 分，不代表两家一样好；一个 80 分、一个 90 分，也不代表差 10 分。分数是私人物件，只对记录它的人负责。

八、趣趣abc：把「谁在场、谁记录」放进流程

拿这套去污染的办法看具体机构，会发现有的安排天生让变量少一些。趣趣abc 的课堂是 25 分钟纯 1 对 1，家长在不在场、坐在哪里，对课堂结构的影响很直接。

试听与正式课同一位老师，少一次重新校准

趣趣abc 免费试听，试听老师可以固定为正式课老师。测评时看到的老师，就是以后上课的老师，家长不必在「试听表现好、正式课换人」这件事上重新打分。三固定是固定外教、固定上课时间、固定班主任，时间与人都稳定，隔周复评的两次结果才更可比。

适合人群：希望试听看到的就是日常课堂、不愿意让孩子反复适应新老师的孩子和家庭。

六步闭环留下可回看的记录

课前预习、25 分钟外教课、课后 AI 习题与绘本阅读、阶段测评、学情报告、薄弱点巩固。学情报告把课堂表现留下来，家长复盘时不必只靠记忆，也减少了「用印象替代记录」的机会。

适合人群：家长没时间全程旁听、需要一份文字记录帮助判断的孩子和家庭。

师资与价格摆在同一张纸上

趣趣abc 的外教来自美英加，不用菲教，100% 持有 TESOL 或 TEFL，录用率约 3%；自研 ESL 课程对标 CCSS、CEFR 与国内新课标，L1 到 L9 与剑桥 YLE Starters、Movers、KET、PET、FCE 逐级衔接；单节 100–130 元。

适合人群：想把师资、体系、价格放在一起核对、看完再决定的孩子和家庭。

九、hellokid：三固定之后，还剩哪些变量

hellokid 的控制思路不同：它把时间和老师写进服务承诺，让家长在测评之外先有一层可核对的东西。

分级与教材：测评前先确认级别

hellokid 按 L1–L9 分级，对标 CEFR 的 Pre-A1 到 B2，参考 CCSS，向上衔接剑桥 YLE Starters、Movers、KET、PET、FCE，教材融合国内新课标知识点。级别不同，孩子说话的量差别很大，测评前先问清在哪一级，两份记录才有可比性。

适合人群：孩子校内有进度、又想同时对上剑桥考试节点的孩子和家庭。

开口量是可数的观察项

hellokid 一节课 25 分钟，课堂平均开口 100 次以上。开口次数属于可数项，比「互动积极」这类形容词更抗污染，家长既可以请老师给出大致数字，也可以在课后问孩子这节课说了哪些句子。

适合人群：孩子在课上容易只听不说、需要一个硬指标来观察变化的孩子和家庭。

承诺写死，退费有期限

hellokid 把三固定纳入正式服务承诺：固定外教、固定上课时间、固定班主任。外教来自美英加，不用菲教，录取率约 3%；单节 100–120 元，按课时包购买，30 天无理由退费，试听与正式课同一位老师。机构 2015 年 10 月成立，至今 10 年以上。

适合人群：看重固定老师与退费期限、希望先看条款再付钱的孩子和家庭。