Vi lever i ett samhälle som inom många områden präglas av multimodalitet, och där text innefattar mer än enbart skrivna och tryckta verbalspråkliga texter. Begreppet text har fått en vidgad innebörd och innefattar numera texter där flera teckensystem samspelar (Selander & Kress, 2010), det vill säga multimodala texter. Den nya innebörden av text kan komma att utmana skolans textpraktiker och dess traditionella syn på text och bedömning. Vårt syfte är att undersöka vad lärare tar fasta på vid bedömning av multimodala texter som kombinerar skrift och bild. Vi utgår från den sociosemiotiska teorin samt den multimodala teorin när vi analyserar insamlade bedömningar av lärare samt semistrukturerade intervjuer. Våra undersökningsresultat antyder att lärare saknar verktyg för bedömning av multimodala texter. Dels för att lärare på fältet har en traditionell syn på bedömning av elevtexter. Dels på grund av sättet det multimodala perspektivet kommer till uttryck i skolans styrdokument. Våra undersökningsresultat visar att lärare behöver utveckla ett gemensamt metaspråk i klassrummet, genom vilket eleverna blir medvetna om sitt eget lärande under själva arbetsprocessen. Metaspråket i klassrummet kan fungera som ett verktyg vid bedömningssamtal.