一、问题提出 拔尖创新人才是国家核心竞争力的战略性资源。在当前全球竞争不断加剧的背景下，能否持续培养和不断涌现拔尖创新人才，已成为影响国家竞争力的关键。近年来，拔尖创新人才的培养理念已逐渐从面向少数群体、人为筛选识别为主的“掐尖”模式，转为面向全体青少年、强调为创新人才自发涌现塑造有力制度环境的“沃土”模式(柯政，李恬，2023；褚宏启，2024)。在这一背景下，如何塑造有利于拔尖创新人才不断涌现的制度环境，成为建设教育强国的重要议题。 高利害考试(high-stakes testing)指将考试结果作为学生、教师、学校乃至地区重要决策依据的评估方式，典型用途包括学校问责、教师评价及学生升学等(Polesel et al.，2014)。通过建立统一的学业标准和外部评价机制，高利害考试为教育体系提供了清晰的目标，在提升教育质量、保障教育公平方面发挥了重要作用。然而，长期以来，教育领域普遍存在一种认知：高利害考试因其强烈的选拔和问责属性，可能会对学生的创造力发展构成潜在阻碍(刘华杰，崔岐恩，2010)。尽管这种直觉性判断在逻辑上具有一定的说服力，但这一观点仍缺乏系统性证据支持(柯政，梁灿，2023)。现有研究主要集中于小范围样本，结论尚存分歧(Fan et al.，2022)，且大多聚焦学生个体层面，将影响机制归因于考试压力对内部动机和冒险精神的抑制(钱佳，李青青，2024)。相较之下，高利害考试塑造的制度环境如何影响学校层面的教育生态，以及这种生态如何影响学校创造性活动的开展及其有效性，学界尚缺乏深入的探讨。 要理解二者之间的复杂关系，需深入分析背后的制度逻辑。高利害考试体现了一种强调行政控制、绩效产出和效率导向的行政绩效逻辑(Xu & Lu，2022)；而学生创造性思维培养依赖于创新课堂教学模式、学校开设创造性活动等方式(林崇德，2024)，背后蕴含专业自主、个体发展和多元价值导向的专业发展逻辑。两种制度逻辑在教育场域的并存与互动，深刻影响着学校的运作方式和学生的学习体验，构成了高利害考试对创造性思维影响的深层根源。 基于此，本研究立足多重制度逻辑视角，通过对PISA 2022中58个国家(地区)大规模测评数据的实证分析，全面考察高利害考试对学生创造性思维的影响效应及机制。本研究聚焦四个核心问题：(1)高利害考试对学生创造性思维的总体影响效应如何?(2)高利害考试对创造性思维的影响是否存在群体差异?(3)学校创造性活动在高利害考试对学生创造性思维影响中是否发挥中介作用?(4)资源禀赋不同的学校其作用机制是否存在不同? 二、研究设计 (一)数据来源 国际学生测评项目(Program for International Student Assessment，简称PISA)作为全球范围内最具影响力的教育测评项目之一，在2022年测评中首次引入“创造性思维”这一测评领域。本研究选取PISA 2022数据库，共有64个国家(地区)参与了创造性思维测评，删除教育系统高利害考试数据缺失的6个国家(地区)样本，最终纳入58个国家(地区)13787所学校共372967名学生作为有效样本。尽管我国大陆地区未参与PISA 2022的创造性思维测评，但研究样本涵盖了包括我国港台地区、东亚发达经济体(如韩国、新加坡等)，以及德国、澳大利亚、芬兰等西方发达国家，同时还包括来自拉丁美洲、东欧、中亚等不同文化背景的经济体，能够更有效地揭示高利害考试对创造性思维影响的普遍规律，为理解中国情境下的教育问题提供重要参考。 (二)变量说明 本研究的因变量为学生的创造性思维。PISA将学生的创造性思维界定为“有效参与创意想法的形成、评估和改进，可能带来原创有效的解决方案、促进知识进步以及想象力表达”(OECD，2019，p.8)，从创造性表达和创造性问题解决的任务情境中测量学生创造性思维。 本研究的自变量为高利害考试。使用OECD根据学校问卷中的标准化考试使用情况，通过项目反应理论合成的高利害考试指数(STDTEST)评估学校使用标准化考试用于问责目的的程度，指数越高表明考试利害程度越高。具体包括学校是否将标准化考试用于“就学生的留级或升学做出决策”“将学校表现与其他学校或全国进行比较”“对教师效能进行评估”等11个目的，即标准化考试的结果应用并不仅限于学生个人，而是涵盖学校、教师与管理者等多方主体，因此与社会语境中所指代的学生升学选拔的高利害考试存在一定差异。根据OECD(2024，p.63)报告，该指数的内部一致性信度(Cronbach's α)为0.83，各题目区分度参数介于0.67-1.46之间，表明题目区分度较高、测量稳定性良好。为检验变量的层级差异与聚合合理性，通过多层线性模型测算国家层ICC系数为0.297，表明变量总变异的近30％来自国家(地区)间的差异，说明不同国家标准化考试利害程度的差异显著，将变量置于国家(地区)层更能体现各国制度环境的系统性特征。同时，计算国家(地区)层内学校间一致性指标Rwg，平均值为0.72，高于0.7的检验标准，表明同一国家(地区)内部学校在考试制度感知上具有中等偏高一致性，将变量聚合至国家(地区)层以反映各国教育系统中标准化考试问责的整体强度具备合理性。因此，本研究使用国家(地区)层面的高利害考试均值反映国家教育系统标准化考试的高利害程度。
