A review of approaches to assessing writing at the end of primary education

Validity of outcomes in relation to assessment purpose and construct 
The extent to which an assessment’s outcomes need to reflect the full breadth of the 
construct may help drive the choice between different methods of marking, grading, 
or judging. For example, secure-fit models can be used to ensure that assessors 
evaluate students’ writing across the entire breadth of the assessment construct 

---

A review of approaches to assessing writing at the end of primary education 
28 
because assessment objectives are clearly defined, and pupils must demonstrate 
proficiency in all criteria to achieve each standard. However, this approach can be 
quite restrictive and time-consuming (see Section 2). In addition, if pupils are 
meeting (or exceeding) expectations in the majority of areas, but fail to meet 
expectations in 1 area, they will receive the lower grade (as previously discussed by 
Cresswell & Houston, 1991). Outcomes from this approach therefore might not 
always provide a valid reflection of general levels of performance, which might give 
rise to tensions when outcomes are at odds with teachers’ professional judgements 
(see Section 2). Best-fit approaches are less strict in their focus on every individual 
criterion, thus can avoid this particular issue, but they do not guarantee such an all-
encompassing coverage of assessment objects as secure-fit models. 
Comparative judgement approaches produce an overall rank-order of pupils without 
the need for potentially complicated marking criteria which may not be consistently 
interpreted. However, while the assessment construct can be defined, this method 
relies on assessors’ holistic understanding of what different levels of performance 
against that construct look like. In other words, instructions are not given to 
assessors under this method for how to differentiate between levels of performance 
in the same way as is done under secure-fit or best-fit models. It is therefore difficult 
under this approach to know how assessors are making their judgements, and 
therefore how closely those judgements may or may not reflect the desired depth 
and breadth of the construct under consideration (eg see van Daal, Lesterhuis, 
Coertjens, Donche, & De Maeyer, 2019). This could potentially raise concerns over 
the validity of judgements, and also limit opportunities for feedback. To help with this, 
assessors could be asked to provide annotated justifications for their decisions, 
which could be used as part of quality assurance processes. To increase the amount 
of feedback for pupils and/or schools, annotated exemplars of performance could be 
produced for various points on the ability scale that this process produces (although 
this is unlikely to provide the same level of detail on what pupils can do as a clear 
mark scheme would; Heldsinger & Humphry, 2010, 2013).
The intended skill coverage of the assessment will have further implications for the 
choice between different methods. For example, where the intention is to focus on 
technical skills via multiple-choice or short-response type items, a points-based mark 
scheme may be appropriate (where every mark that can be awarded is clearly 
defined in terms of what the ‘correct’ response is). However, different methods may 
be better suited for the valid assessment of more subjective skills, such as writing for 
a purpose or audience. Accordingly, most assessments in the international literature 
have adopted a best-fit levels-based approach. However, while KS2 assessments in 
England have historically been assessed via best-fit, a secure-fit model was 
introduced in 2016, because it was felt that the previously adopted best-fit levels-
based approach was too flexible (discussed in Section 2). Comparative judgement 
offers an innovative alternative for judging extended responses. However, while 
comparative judgement approaches may be effective at assessing writing in a uni-
dimensional manner (ie to produce a single outcome score), multi-dimensional 
assessment (eg to produce separate scores for technical and compositional type 
skills) is not possible without multiple rounds of judging. 

---

A review of approaches to assessing writing at the end of primary education 
29