فعلى سبيل المثال، يصف تقييم واتسون-جليسر التفكير النقدي بأنه «القدرة على دراسة المواقف وفهمها فهما واضحا من عدة أوجه، مع تمييز الحقائق عن الآراء والافتراضات».
30
وبناء على هذا التعريف، فإن المؤلفات المتعلقة بالاختبار، تعرفه بأنه القدرة على التمييز بين الحقائق والافتراضات والتوصل إلى الاستدلالات وتقييم الحجج واستخلاص استنتاجات منطقية.
مثلما ذكر من قبل، استند اختبار ولاية كاليفورنيا لمهارات التفكير النقدي إلى تعريف دراسة ديلفي للتفكير النقدي، وهو يحدد النتائج في مجالات المعرفة والمهارات مثل التحليل والتأويل، والاستدلال والتقييم، والشرح والاستنتاج، والاستقراء والدراية العددية (القدرة على تأويل المعلومات الكمية). وتبدأ اختبارات مهنية أخرى بتعريف بديل يضم من التفاصيل ما يكفي للاسترشاد به في عملية التخطيط للاختبار وصياغته.
لا شك أن مرحلة تخطيط تصميم الاختبار تعتمد هي أيضا على الأبحاث، وعادة ما تتضمن استعراض أعمال خبراء المجال وآرائهم. ويتمثل الهدف من تلك المرحلة في وضع شكل الامتحان «مخطط» الذي يحدد المعارف والمهارات والقدرات التي سيتناولها الامتحان، إضافة إلى الجوانب العملية الأخرى مثل طريقة إجراء الامتحان (على الورق أم عبر الإنترنت، على سبيل المثال)، ومدة الاختبار، وفور الانتهاء من مرحلة البحث والتخطيط، تبدأ مرحلة وضع محتوى الاختبار.
عند صياغة الاختبارات، يبرز العديد من أنماط الاختبارات التي تفيد في قياس مختلف أنواع المعارف والمهارات والقدرات. فالسمات الشخصية والصفات السلوكية على سبيل المثال، غالبا ما تقاس باستخدام تقييمات استبيانية يملؤها المرشح نفسه أحيانا (وتسمى دراسة استقصائية ذاتية) وفي أحيان أخرى يملؤها مقيم خارجي.
ويشار إلى أسئلة الاختبارات التي تكون لها إجابات صحيحة وأخرى غير صحيحة، باسم «الأسئلة المغلقة» أو «الأسئلة المحددة الإجابة». وتعد أسئلة الاختيار من متعدد هي أكثر الأنواع استخداما من فئة الأسئلة المحددة الإجابة، لكن هذه الفئة تضم تنويعات أخرى أيضا مثل أسئلة التطابق وأسئلة الإجابة بصح أو خطأ.
بالرغم من أن تصحيح الأسئلة المحددة الإجابة بسيط وقابل للقياس، إذ يمكن إجراء العملية آليا؛ فإن الأسئلة ذاتها قد تكون معقدة. فيمكن مثلا أن ترد الأسئلة على «أشكال» معقدة مثل فقرات نصية، أو الوسائط المتعددة التي تستلزم من الطلاب تجميع المعلومات أو إجراء عمليات حسابية أو غيرها من المهام للوصول إلى النتيجة التي يمكن استخدامها لتحديد الخيار الصحيح في سؤال الاختيار من متعدد.
في مرحلة ما، تصبح بنية الاختبار بالغة التعقيد أو متعددة الأوجه بدرجة تجعل من الصعب قياسها من خلال عناصر فردية في الاختبارات. وتستدعي هذه الحالات إجراء ما يسمى ب «التقييمات القائمة على الأداء»، التي تقتضي من الطلاب تنفيذ مهمة ما تقيم نتيجتها بناء على عدة معايير. يعد المقال المكتوب أشهر أشكال هذه التقييمات، بالرغم من وجود أنواع أخرى من منتجات العمل (أو «الأعمال» فحسب)، التي يمكن أن تصبح أساسا لوضع الدرجات هي وأنشطة الأداء؛ مثل الخطابة العامة التي يمكن تقييمها على يد مراقب. وإضافة إلى ذلك، توجد أيضا تقييمات أداء معينة يمكن إجراؤها آليا، مثل اختبارات مهارات الكمبيوتر التي يجري تقييمها بناء على نماذج محاكاة للأدوات البرمجية والتطبيقات.
بوجه عام، يتعارض تعقيد الاختبارات مع قابليتها للقياس، مما يفسر السبب في أن الاختبارات المستخدمة على نطاق واسع، مثل التقييمات الأكاديمية القياسية وامتحانات القبول بالجامعات، عادة ما تعتمد على أسئلة الاختيار من متعدد أو غيرها من الأسئلة المحددة الإجابة. ولهذا السبب نفسه تستخدم اختبارات التفكير النقدي التجارية الأسئلة المحددة الإجابة؛ مثل الاختيار من متعدد التي تقيم مهارات مثل القدرة على التوصل لاستدلالات أو تقييمها أو استخلاص النتائج بناء على الأدلة المتاحة. وفيما يلي على سبيل المثال، نموذج لسؤال من اختبار واتسون جليسر:
Shafi da ba'a sani ba