historical-thinking-assessment-designer

歴史的思考力評価デザイナー

このスキルでできること

生徒の歴史的思考を可視化する形成的評価課題を設計します。生徒が史料の出所を確認し、精読し、文脈化し、複数の史料を照合しているか、またその思考がどの程度洗練されているかを明らかにします。出力には、史料と問いを含む評価課題、初歩・発展中・熟達した回答を区別する採点ガイド、結果の解釈方法に関する診断ガイダンス、評価で測定できることとできないことを明示する妥当性に関する注記が含まれます。

このスキルが取り組む根本的な課題は、歴史の評価の多くが歴史的思考ではなく、事実の想起を測っていることです。「ゲティスバーグの戦いはいつ起きましたか」と問うテストでは、生徒が日付を暗記したかどうかが測られます。一方、「この絵画は、1621年の最初の感謝祭で何が起きたかを理解するうえで役立ちますか。理由を説明してください」と問い、1932年に制作された絵画を提示するテストでは、生徒が史料と描かれている出来事の時間的な関係を考慮するかどうかが測られます。前者からわかるのは生徒が何を覚えているかであり、後者からわかるのは生徒がどのように考えるかです。

Wineburg、Smith、Breakstone（2018）は、この隔たりを鮮明に示しました。史料の出所確認、文脈化、主張と証拠の関連づけを対象とする短い記述式課題、History Assessments of Thinking（HATs）を用いたところ、大学の初級課程の学生の94％が、1621年の出来事と1932年の絵画との300年の隔たりを無視しました。上級課程の歴史専攻の学生でさえ、成績はわずかに上回る程度でした。戦争への世論の反対を示す証拠として、上院公聴会の内容ではなく、公聴会が開かれたこと自体を用いる必要がある課題で、78％が0点でした。生徒は一貫して、文脈ではなく内容を読み取っていました。つまり、文書に何が書かれているかには取り組んでも、それが作成された状況には注意を向けていませんでした。

こうした知見は、歴史的思考力はあるものとみなすのではなく、明示的に評価しなければならないことを裏づけています。また、HATsのモデルはその方法を示しています。史料を中心とした短い課題で、特定の歴史的思考力を用いなければ適切に答えられない問いを提示するのです。このスキルは、そのモデルに沿った評価を作成します。

エビデンスの基盤

Wineburg、Smith、Breakstone（2018）は、米国議会図書館の支援を受けて、歴史的思考評価（HAT）を開発しました。入門レベルの大学生78人と上級レベルの大学生49人を対象に、3つのHATが実施されました。各HATでは、完全な書誌情報を添えた資料（絵画、証言の記録、劇場の番組）を提示し、適切に回答するために出典の特定、文脈化、または主張と証拠の推論を必要とする質問をしました。採点基準は3段階で、基礎（0）は対象スキルの証拠がない、萌芽（1）は証拠はあるものの不完全または表面的、熟達（2）はスキルを明確に示している、というものでした。結果は衝撃的でした。入門レベルの学生の平均点は12点中0.5点未満で、最高点も12点中3点でした。HATモデルは、歴史的思考を短時間で、真正性を保ちつつ、診断的に評価できることを示しています。それぞれの課題から、特定のスキルがあるかないかが明らかになります。

Reisman（2012）は、成果指標として30項目の歴史的思考テスト（選択式22問＋記述式8問、α = .79）と20項目の転移テストを用いました。歴史的思考テストでは、出典の特定、精読、文脈化、相互検証の方略を適用する力を評価しました。介入を受けた学生はこの指標で有意な伸びを示し、歴史的思考スキルは教えることも評価することも可能だと実証されました。効果が出典の特定と精読に集中し、文脈化や相互検証には及ばなかったというReismanの知見は、診断に役立つ指針となります。評価で学生が出典の特定はうまくできる一方、文脈化が不得手だと分かった場合、これは研究結果と一致しています。スキルはそれぞれ異なる速さで発達し、異なる指導方法を必要とするためです。

Wiliam（2011）は、形成的評価の価値は、教師が指導を調整できるよう生徒の思考を可視化することにあると示しました。最も有用な形成的評価課題とは、スキルを身につけた生徒とまだ身につけていない生徒を見分けられるものです。誤答が正答と同じくらい有益な情報をもたらし、特定の誤解やスキルの不足を明らかにする課題です。歴史的思考を評価する場合、生徒が出典を特定するかどうかによって答えが異なり、出典を特定できないときの具体的な誤り方から、次に何を学ぶ必要があるかが分かる課題が求められます。

Wineburg（2007）は、適切な評価がなければ、「批判的であること」と「批判的に考えること」の違いは見えないと論じました。学生のJacobはコロンブスを熱烈に批判していました。しかし、その批判は資料の分野横断的な分析ではなく、活性化の広がり（コロンブスについてすでに信じていたことすべて）によって導かれたものでした。コロンブスに関する事実を問う選択式テストでは、この違いは明らかにならなかったでしょう。Jacobに資料そのものとして向き合い、その出典、文脈、言葉遣いに注目させる課題だけが、この違いを可視化できたのです。

GottliebとWineburg（2012）は、出典への言及数は専門家と初心者で同程度であり、違いは質的なものだと実証しました。そのため評価課題では、出典に言及することと、出典を問いただすことを区別しなければなりません。「これは1624年にJohn Smithが書いた」と書く生徒は、出典に言及しています。「Smithがこれを書いたのは事件から17年後で、ポカホンタスが有名になっていた時期です。それが彼が救出の話を付け加えた理由かもしれません」と書く生徒は、出典を問いただしています。採点基準は、この違いを捉える必要があります。

入力スキーマ

教師が指定する項目：

• 対象とするスキル： 例：「史料の出所の分析のみ」／「史料の出所の分析と歴史的背景の理解」／「4つのスキルすべて」／「複数の説明の比較 ― 生徒が2つの記述を比較できるか知りたい」
• 生徒のレベル： 例：「Year 8、史料を使った学習を始めて最初の学期の中間」／「Year 11 IB History、史料分析の経験あり」／「Year 7、指導を受ける前の基準診断」
• 評価の目的： 例：「基準診断 ― 史料の出所の分析を教え始める前に、生徒の現状を知りたい」／「単元中間チェック ― 生徒は促されなくても史料の出所を分析できるか？」／「単元末 ― 未知の史料を使って4つのスキルすべてを発揮できるか？」

任意：

• 歴史的なトピック： 取り上げるトピック。省略した場合は、幅広い人に馴染みのあるトピックを使用します
• 評価形式： 希望する形式
• 使用可能な時間： 課題の数と複雑さを調整します
• これまでの指導内容： すでに教えた内容
• カリキュラムの枠組み： 整合性を取るために使用します

プロンプト

You are an expert in assessing historical thinking skills, with deep knowledge of the History Assessments of Thinking (HATs) model developed by Wineburg, Smith, and Breakstone (2018), Reisman's (2012) assessment of sourcing, close reading, contextualisation, and corroboration, and Wiliam's (2011) principles of formative assessment. You understand that the purpose of formative assessment is to make student thinking visible so that teachers can adjust instruction — and that most history assessments fail at this because they test factual recall rather than historical thinking.

Your task is to design a formative assessment:

**Target skills:** {{target_skills}}
**Student level:** {{student_level}}
**Assessment purpose:** {{assessment_purpose}}

The following optional context may or may not be provided. Use whatever is available.

**Historical topic:** {{historical_topic}} — if not provided, select a topic and document that are accessible without specialised prior knowledge (the assessment should test historical thinking, not content knowledge).
**Assessment format:** {{assessment_format}} — if not provided, default to constructed response (short written answers), as these reveal more about student thinking than multiple choice.
**Time available:** {{time_available}} — if not provided, design for 15–20 minutes (a single task or brief set of tasks, not a full exam).
**Prior instruction:** {{prior_instruction}} — if provided, align the assessment to what has been taught. If not, design tasks that can function as baseline diagnostics.
**Curriculum framework:** {{curriculum_framework}}

Design the following:

1. **Assessment tasks:** For each task:
   - **Document/stimulus:** A brief historical document or source (with full attribution) that students will work with. The document should be short enough to read in 2–3 minutes and should contain features that reward the target skills — e.g., source information that is analytically productive for sourcing tasks, language choices that reward close reading, a date that matters for contextualisation.
   - **Question/prompt:** The question students must answer. Design the question so that a student who deploys the target skill will answer DIFFERENTLY from a student who does not. The question should not cue the skill by name (don't say "Source this document") — it should require the skill without naming it.
   - **What this task reveals:** Which specific skill the task targets and what a successful vs. unsuccessful response looks like.

2. **Scoring guide:** For each task, a three-level rubric:
   - **Basic (0):** The student does not demonstrate the target skill. Describe what a Basic response looks like — what the student does instead of the target skill (e.g., evaluates the painting by whether it matches their beliefs about Thanksgiving rather than noting the 300-year temporal gap).
   - **Emergent (1):** The student demonstrates the skill partially or superficially. Describe what partial demonstration looks like (e.g., notes the date of the painting but doesn't reason about what the temporal gap means for its reliability as evidence).
   - **Proficient (2):** The student demonstrates the skill fully. Describe what a proficient response includes (e.g., identifies the temporal gap, reasons that a 1932 painter could not have witnessed 1621 events, and concludes that the painting reflects 1930s ideas about Thanksgiving rather than historical reality).

   The scoring guide must distinguish between mentioning a skill and deploying it (Gottlieb & Wineburg, 2012). "This was written by Smith in 1624" is mentioning. "Smith wrote this 17 years after the event, which raises questions about..." is deploying.

3. **Diagnostic value:** What the results tell the teacher:
   - **If most students score Basic:** What this suggests about the class's skill development and what instruction to prioritise
   - **If most students score Emergent:** What the gap between Emergent and Proficient typically looks like and how to close it
   - **If scores vary across skills:** What it means if students source well but don't contextualise (consistent with Reisman, 2012) and what instructional adjustment to make
   - **Specific response patterns to watch for:** Common wrong answers that reveal specific misconceptions (not just "the student didn't get it" but "the student evaluated the source by its content rather than its provenance, which suggests...")

4. **Validity notes:** What the assessment does and does not measure:
   - What construct the assessment targets
   - Potential construct-irrelevant variance (e.g., does the assessment inadvertently test reading comprehension, content knowledge, or writing ability rather than historical thinking?)
   - Whether the assessment can distinguish between students who lack the skill and students who possess the skill but lack the content knowledge needed to deploy it in this specific context

Return your output in this exact format:

## Historical Thinking Assessment

**Target skills:** [Skills]
**Students:** [Level]
**Purpose:** [What the teacher wants to learn]
**Time:** [Duration]

### Task 1: [Brief title]

**Document:**
[Brief source with full attribution]

**Question:**
[The prompt — designed to require the target skill without naming it]

**What this reveals:** [Target skill and what success vs. failure looks like]

**Scoring guide:**
- **Basic (0):** [Description of a response that does not demonstrate the skill]
- **Emergent (1):** [Description of a partial or superficial demonstration]
- **Proficient (2):** [Description of a full demonstration]

[Repeat for additional tasks]

### Diagnostic Value

**If most students score Basic:** [What it means and what to do]
**If most students score Emergent:** [The gap and how to close it]
**If scores vary across skills:** [What the pattern reveals]
**Response patterns to watch for:** [Specific wrong answers and what they diagnose]

### Validity Notes

**What this assesses:** [The construct]
**Potential threats:** [Construct-irrelevant variance]
**Important caveat:** [Skill vs. knowledge distinction]

**Self-check before returning output:** Verify that (a) the questions require the target skill without naming it, (b) the scoring guide distinguishes between mentioning and deploying the skill, (c) a student who sources/close-reads/contextualises/corroborates will answer DIFFERENTLY from one who doesn't — the task discriminates, (d) the diagnostic value provides specific instructional guidance, not just "teach more sourcing," and (e) the validity notes honestly identify what the assessment does not measure.

出力例

シナリオ： 対象とするスキル：「史料の出所の分析と歴史的背景の理解」／生徒のレベル：「Year 9、史料の出所の分析を6週間学習済み。歴史的背景の理解は導入されたが、まだ個人で練習していない」／評価の目的：「単元中間チェック ― 促されなくても史料の出所を分析できるか、歴史的背景の理解を始めているか？」／使用可能な時間：「15分」／歴史的なトピック：「指定なし ― 馴染みやすいトピックを使用」

---

歴史的思考の評価

対象とするスキル： 史料の出所の分析と歴史的背景の理解 生徒： Year 9、史料の出所の分析を6週間学習済み、歴史的背景の理解は導入段階 目的： 単元中間の診断 ― 史料の出所を分析する習慣と、歴史的背景の理解の芽生え 時間： 15分（課題2つ、各約7分）

課題1：感謝祭の絵画（史料の出所の分析）

史料： J.L.G. Ferris 作「The First Thanksgiving 1621」のカラー複製 出典注記：「J.L.G. Ferris、The First Thanksgiving 1621、キャンバスに油彩、1912～1915年頃制作、1932年出版。」

質問： 「この絵画は、1621年のピルグリムとワンパノアグ族の関係を歴史家が理解するのに役立ちますか？理由を説明してください。」

この課題でわかること： 文書の有用性を歴史的証拠として評価する際に、生徒が史料情報（絵画の制作年と出来事の年）に注目するかどうかです。史料の出所を分析する生徒は、300年の隔たりに気づきます。そうしない生徒は、絵画の内容が感謝祭に関する自分の考えと一致するかどうかを基準に評価します。

採点ガイド：

• 基礎（0）： 生徒は絵画の内容だけを基準に評価します。「一緒に仲良く食事をしているので、良い関係だったことがわかります」または「実際にはピルグリムは先住民に意地悪だったのに、仲良く描かれすぎているので、これは違います」。どちらの場合も、生徒は絵画が自分の先入観と一致するかどうかで判断しています。絵画の制作年は無視されています。
• 発展途上（1）： 生徒は制作年に触れますが、その意味について十分に考察していません。「これは1912年に描かれていて、1621年からかなり時間が経っています」または「画家はその場にいなかったので、正確ではないかもしれません」。時間の隔たりは特定されていますが、「正確ではないかもしれない」という指摘にとどまり、その隔たりがなぜ重要なのか、あるいは絵画が代わりに何を反映している可能性があるのかを説明していません。
• 習熟（2）： 生徒は時間の隔たりを特定し、その影響を考察します。「これは1621年の出来事から約300年後に描かれたので、Ferrisはその場面を見ていません。この絵画は、実際に起きたことではなく、1900年代初頭の人々が感謝祭をどのようなものだと想像していたかを示している可能性が高いです。実際の出来事の証拠というより、1912年のアメリカ人が感謝祭をどのように記憶したかったかを示す証拠として役立つかもしれません。」

タスク 2：募集ポスター（歴史的背景の理解）

資料： 第一次世界大戦中のイギリスの募集ポスター。肘掛け椅子に座る男性に、子どもたちが「お父さん、大戦で何をしたの？」と尋ねています。 出典注記：「議会募集委員会、Johnson, Riddle & Co.印刷、ロンドン、1915年。」

質問： 「このポスターはなぜ1915年に作られたのでしょうか？　当時、必要とされた背景には何があったのでしょうか？」

この問いからわかること： 生徒が資料を歴史的背景と結び付けられるかどうかです。歴史的背景を踏まえて考える生徒は、1915年の状況、つまりイギリスが1916年の徴兵制導入前は志願兵に頼っていたこと、当初の熱意が薄れつつあったこと、そして死傷者が増えていたことにポスターを結び付けます。そうでない生徒は、ポスターが何を描いているかを説明するだけで、なぜ存在したのかには結び付けません。

採点ガイド：

• 基本（0）： 生徒はポスターの内容を説明するか、1915年という時代に結び付けず、明らかな目的を述べます。「男性に罪悪感を抱かせて軍隊に入らせるために作られた」や「戦争に行かなかったお父さんを描いている」などです。これらの回答はポスターの説得意図を捉えていますが、なぜ1915年にこの種の説得が必要だったのかを説明していません。1914年や1917年のポスターでも同じ回答になってしまいます。
• 初歩（1）： 生徒は戦争との大まかなつながりを示しますが、1915年にこのポスターが必要だった理由を具体的に述べません。「第一次世界大戦が起きていて、兵士が必要だったから作られた」や「イギリスは戦う男性をもっと必要としていた」などです。背景には触れていますが、曖昧です。この種の募集が促された1915年特有の事情を特定できていません。
• 習熟（2）： 生徒はポスターを1915年特有の状況に結び付けます。「1915年までに戦争は1年以上続いており、当初の志願者の急増も落ち着き始めていました。イギリスではまだ徴兵制が導入されていなかったため、このようなポスターで男性に入隊を促していました。子どもを使って父親に罪悪感を抱かせるという感情に訴える手法は、率直な愛国心への訴えがもはや通用しなくなっていたことを示しています。」生徒は歴史的背景の知識を使って、ポスターが作られたということだけでなく、なぜこの特定の時期にこのような形式が取られたのかも説明しています。

診断的価値

タスク 1（史料の出典確認）で多くの生徒が初歩レベルの場合： 6 週間の史料の出典確認に関する指導を受けた後であれば、生徒は出典注記に注目しているはずです。初歩レベルの生徒が多い場合、出典確認が習慣になっていません。生徒は依然として、出典を確認せずに内容だけを読んでいます。基礎となる出典確認の手順に戻り、文書の本文を隠して、読む前に出典注記に 60 秒をかけるよう求めてください。このスキルは導入されていますが、まだ定着していません。

タスク 1 で多くの生徒が発達途上レベルの場合： 習慣は形成されつつあり、生徒は日付に気づいていますが、分析的な深さが不足しています。生徒は情報の欠落を指摘しても、その意味を考察していません。これは、Gottlieb と Wineburg（2012）が指摘した「言及すること」と「問いただすこと」の違いです。指導では「それで、どういう意味があるのか？」と考えることに焦点を当てます。生徒が日付に注目した後、その日付が文書の信頼性にとって何を意味するのか、説明するよう促してください。

タスク 2（文脈化）で多くの生徒が初歩レベルで、タスク 1（史料の出典確認）では発達途上レベルまたは熟達レベルの場合： これは研究結果と完全に一致しています。Reisman（2012）は、史料の出典確認には介入効果があったものの、文脈化にはなかったことを報告しています。史料の出典確認はより具体的で、習得も速く進みます。文脈化には、知識に加えて、その知識を活用する姿勢も必要です。課題が知識にあるのか（生徒が 1915 年の募集状況について知らない）、活用にあるのか（知っているが文書と結びつけていない）を確認してください。知識が不足している場合は、背景情報を増やしてください。活用が課題の場合は、contextualisation-skill-builder の 2 段階の橋渡し用足場を使用してください。

注目すべき回答パターン：

• 内容への賛同で評価する：「はい、この絵は穏やかな食事の様子を描いているので役に立ちます」 — 生徒は絵の内容を、そのまま真実を示すものとして扱っています。あらゆる史料には、視点を持つ作者がいることを学ぶ必要があります。
• 信頼性を二者択一で判断する：「300 年後に描かれたものなので、信頼できません」 — 観察は正しいものの、結論が誤っています。この絵は有用です。後世の人々がその出来事をどのように想像したかを示す証拠として使えます。生徒は、「1621 年当時の記録として信頼できない」ことと「役に立たない」ことは同じではないと学ぶ必要があります。
• 関連づけずに描写する：「ポスターには、子どもたちといる父親が描かれています」 — 純粋な描写です。生徒はポスターに何が描かれているかだけを見て、なぜポスターが存在するのかを考えていません。これは内容を読むことであり、文脈を読むことではありません。

妥当性に関する注記

評価対象： 歴史文書を解釈する際に、生徒が史料の出典確認（タスク 1）と文脈化（タスク 2）を自発的に活用するかどうかです。これらのタスクは、対象スキルの有無によって回答の質が大きく異なるように設計されています。同じ回答がより良くなるのではなく、根本的に異なる回答になります。

潜在的な脅威： タスク 2（文脈化）は、文脈化スキルそのものではなく、第一次世界大戦の募集に関する内容知識を測定している可能性があります。1915 年当時のイギリスについての知識がない生徒は、スキルの水準にかかわらずポスターを文脈化できません。第一次世界大戦を学んでいない生徒にこの評価を使用する場合、タスク 2 が測定するのはスキルではなく知識であり、低いスコアを、生徒が文脈化できない証拠として解釈すべきではありません。内容知識に不安がある場合は、ポスターを、生徒が学習済みの時代の文書に置き換えることを検討してください。

重要な注意事項： 慣れ親しんだトピックでこれらのタスクに熟達レベルの成績を収めた生徒でも、慣れないトピックにスキルを転移できるとは限りません。史料の出典確認と文脈化は、指導中に特定の文書の種類を使って練習しています。生徒がこれらのスキルを新しい種類の史料にも応用できるかどうかは、まだ明らかになっていません。単元末の評価には、少なくとも 1 つ、授業で扱ったトピック以外の文書を含め、スキルの転移を確認してください（Reisman, 2012 参照。同研究では、慣れない現代のトピックを用いて、顕著な転移効果が確認されています）。

---

既知の制約

1. 記述式の課題は、選択式問題よりも生徒の思考を詳しく明らかにしますが、文章を書く能力も測定します。 歴史的に考える力があっても文章を書くのが苦手な生徒は、その歴史的思考力に見合う点数を得られない場合があります。教師は、議論中の観察（各スキルビルダーの評価指標を参照）を筆記評価に加えて、複数の観点から評価する必要があります。可能であれば、生徒が文章だけでなく、口頭でも推論を説明できるようにしてください。

2. HATs モデル（Wineburg, Smith & Breakstone, 2018）は、アメリカの大学生がアメリカ史の資料を読むことを前提に開発・検証されました。 課題の構成（資料と、特定のスキルを求める設問）は他の文脈にも応用できますが、年齢層、各国のカリキュラム、歴史上のテーマに合わせて、具体的な資料と採点基準を調整する必要があります。

3. 形成的評価は、指導を変える場合にのみ役立ちます。 「診断的価値」のセクションでは、得点パターンごとに具体的な指導方法を示していますが、それを実行するのは教師です。生徒が文脈化できていないことが評価で明らかになっても、指導を変えなければ、その機会を無駄にすることになります。評価の価値は、その後の対応にすべてかかっています。