Korábbi fejezetekben már utaltunk arra, hogy az értékelés dilemmája olyan dimenzió mentén mozog, amelyben az egyik szélsőség a szubjektív – esetleg nagy validitású -, de kevéssé megbízható értékelési forma, míg a másik véglete az objektív feladatokból álló nagy reliabilitású, de a globális minőséget emiatt szem elől tévesztő, kétes validitású teszttechnika. Az írásbeli vizsgálatok történetében az előbbi inkább az úgynevezett ösztönös, ad hoc vizsgálatok korszakára jellemző, míg az utóbbi az audiolingvális módszerek által kiváltott diszkrétpontos tesztelés sajátja. A tesztalkotók általában arra törekednek, hogy mind a feladat validitása, mind reliabilitása magas legyen: így például az integrált tesztelésben megtartották az objektíve elbírálható tesztlépéseket (pl. szövegkiegészítés), ugyanakkor globális, komplex készségeket igénylő feladatokat válogattak a magasabb validitás érdekében (amely, ha nem is maradéktalanul, de igazolódott a szövegkiegészítéses tesztek és csekélyebb mértékben a diktálás esetén). A kommunikatív tesztelés hívei az írásos tesztfeladatok összeállításánál is azt az alapelvet követték, hogy a feladat az eredeti életbeli helyzethez minél közelebbi reakciót váltson ki, és ezáltal közelítettek a „direkt” teszteléshez performanciavizsgálataikkal. Ezzel sikerült ugyan magasabb validitás értékeket elérni, viszont az elbírálás mégis inkább értékítélet jellegű maradt. Ennek szubjektivitását – mint tudjuk – vagy a bírálók számának növelésével, vagy pedig gondos kiképzéssel lehet csökkenteni. E kiképzés szerves része megbízható, kellően részletezett értékelési skálák felállítása, nemkülönben a bírálók egyetértése alkalmazásukban. Az alábbiakban a pontozási skálák néhány alaptípusával foglalkozunk.