Badanie dotyczyło oceniania rozumianego jako pomiar rozpoczynający się od najprostszych form klasyfikacji i gradacji; zamierzano odpowiedzieć na pytanie, od czego zależy klasyfikacja wypracowań. Na podstawie rzeczywistego wypracowania ucznia szóstej klasy skonstruowano wypracowanie wzorcowe i wypracowania zawierające błędy ortograficzne, stylistyczne, wywodu i interpunkcji; następnie po ocenie przez sędziów kompetentnych na tej podstawie skonstruowano cztery serie liczące od ośmiu do 27 wypracowań zawierających różne rodzaje błędów w różnym natężeniu. W badaniu uczestniczyły cztery grupy nauczycieli języka polskiego ze szkół podstawowych w województwie warszawskim, po odpowiednio 17, 24, 17 i 20 osób dla każdej serii wypracowań; badani mieli podzielić wypracowania na dowolnie wybraną liczbę grup według subiektywnych kryteriów. Zachowanie osób badanych kształtowały dwa czynniki: liczba obiektów decydujących o poziomie pierwszego podziału – był on lepszy w grupach, które operowały mniejszą liczbą wypracowań; poziom artykulacji poszczególnych atrybutów, którego wzrost pociągał za sobą wykonanie dodatkowych czynności – grupy klasyfikujące serie wypracowań różniących się cechami występującymi na trzech poziomach napotkały większe trudności, z którymi poradziły sobie przez dokonanie większej liczby podziałów. W ostatecznym podziale błędy uwzględniono w różnym stopniu, ale we wszystkich grupach ich porządek był ten sam – najważniejsza była ortografia, następnie spójność wywodu, styl (w analizie tej nie uwzględniano interpunkcji, która występowała tylko w jednej serii). Badaniem nad przebiegiem procesu ewaluacji objęto 64 czynnych zawodowo nauczycieli, z których połowa oceniała wypracowania, wypełniając zamknięty reptest krótki, a pozostali – reptest długi – rozszerzony o cechy: szata graficzna, kompozycja, gramatyka, fleksja, składnia, temat, treść, ujęcie tematu, słownictwo (wymiary dwubiegunowe, np. poprawny – niepoprawny); połowa nauczycieli miała poprzestać na ocenach częściowych, pozostałych poproszono o zaproponowanie oceny globalnej każdego wypracowania w skali pięciostopniowej. Badaniem objęto też 16 osób tworzących grupę kontrolną, która miała wystawiać oceny globalne w skali sześciostopniowej. Średnie wykrywalności pozytywnych cech wypracowania były stosunkowo niewysokie, wykrywalność błędów była ogólnie bardzo niska, nauczyciele używali przeważnie górnego odcinka skali, pojawiły się znaczne różnice w sposobie oceniania na różnych skalach przez tego samego nauczyciela. Przewidywanie integracji ocen wpływało w ograniczony sposób na dokładność opisu ocenianych obiektów na podstawie cech rzeczywistych; gdy wymuszone było wzbogacenie opisu bez integracji, pojawiały się tendencja do ograniczonego różnicowania według jednego z kryteriów domyślnych, niepokrywających się z cechami materiału, oraz osłabienie związku jednego z kryteriów adekwatnych z ocenami cząstkowymi (analizowanie cech domyślnych zamiast rzeczywiście występujących). Stwierdzono pozytywną funkcję oceniania analitycznego; oceny częściowe były wykorzystywane do ocen globalnych, które stawały się bardziej surowe, gdy analiza opierała się na ocenach według kryteriów adekwatnych do opisu wypracowań; wzrastała też trafność ocen rozumiana jako odwzorowanie ich obiektywnej wartości wyliczonej na podstawie sumowania cech. Nie odnotowano widocznych różnic na poziomie opisu między grupami, dla których ocenianie analityczne stanowiło przygotowanie do sformułowania ocen globalnych, i grupami nieformułującymi takich ocen; porównania między grupą eksperymentalną a kontrolną przemawiały na korzyść oceniania analitycznego, nie wyróżniały jednak żadnej jego postaci. Uzyskany obraz oceniania profesjonalnego pozwala wnioskować, że jako sposób mierzenia nie jest ono zbyt zaawansowane, nie daje się łatwo sterować.