姚怀青：生成式人工智能赋能的教学评一体化教学实践研究
《义务教育课程方案(2022年版)》要求教师关注教学评一致性的实现，全面推进基于核心素养的学习评价，强化学习评价与课程标准、教学评的一致性，促进教、学、评的有机衔接。如今教学评一致性已经成新课程标准对课程实施、改进教育评价的统一规范要求，新时代教育工作者已经意识到提高学科教学的有效性更需要遵循教学评一致性的原则。《教育强国建设规划纲要(2024—2035年)》提出的“促进人工智能助力教育变革”的总体要求，为更有效落实立德树人的根本任务，教育工作者有必要对生成式人工智能赋能的教学评一致性实践路径展开积极的探索和创新。
在生成式人工智能赋能的教学评一体化教学模式中，教师要以学生为中心，以核心素养为教、学、评三者的共同目标，打造一个基于人工智能的动态循环的“要素育人链”，发挥人机育人的合力。教师要顺应人工智能的浪潮，以数智思维更新育人理念，利用人工智能技术构建新的教学模式。通过人工智能迭代思维创新教与学的方式，打造新的人工智能教育场景、业态和模式，弥合教育数据鸿沟，促进基础教育的高质量发展。生成式人工智能赋能的教学评一体化教学模式改良了现行课堂教学方式，可以实现高效率教学，提升学生自主探究学习能力，把课堂还给学生，充分调动学生的学习积极性，促进学生个性化学习，培养了学生问题意识和创新思维能力。
1 教学评不一致的现实困境
1.1教、学、评的目标不一致的问题。
教师很多时候只重视自己如何教而忽视了学生如何学。很多教师在教学过程中，理想化地进行教学设计，而对于学生怎么学以及学得如何，则鲜有关注与研究。教师没有制定出针对性的教学策略，教师的教学内容与学生的学习基础、学习需求不匹配，教学理念陈旧，导致教师教得辛苦，学生学得吃力，教学效果不理想。很多教师重视知识的教学而忽视评价的功能，让教学评价游离于教学过程之外，没重视和利用好评价的诊断和反馈功能，因而无法及时了解学生学习方面的优势及不足，模糊地制定教学目标，想当然地实施理想化教学策略，无法做到以评促教、以评促学。
教学评价是制定教学目标的出发点，评价结果为教师检视学生的学习是否达成教学目标提供参考，也是检验自身的教学是否科学有效的重要依据。然而当前部分教师的教学中存在教、学、评的目标不一致现象。教、学、评的目标不一致导致教与学之间成了一种简单的线性活动，教师无法通过有效评价判断学生的学习效果，更无法通过评价反馈来反思、改进自身的教学。
1.2教、学、评的评价主体和标准单一的问题。
课堂中教师占据着主导地位，学生更多的是作为被评价者，处于弱势地位，不利于激发学生学习的积极性。而在教学评一体化体系中，教师与学生都是重要的评价主体，没有这两者的共同积极参与，就不可能真正实现教学评一体化的高效教与学。当前教学评价以学习成绩为唯一标准，评价标准过于单一化，应该转型到多元化评价和多维的综合评价。
1.3教学评价依赖经验主义，难以实现精准教学的问题。
过于依赖经验的教学评价往往无法全面、准确地反映学生的真实学习状况。学校教师往往基于以往的经验对学生的表现进行主观判断，而忽视了学生个体差异和学生的发展性。数字课堂中教师可利用智能技术收集和分析的学情数据，在教学评一体化理念下根据学生的真实需求来调整教学内容和策略，从模糊判断转向精准定位，提升了课堂教与学的效率。在教学过程中，有的为了凸显教学评的一致性，在每个教学环节都设置了评价，实现了边教边评，但在具体实施过程中，对学习目标或任务完成评价的反馈并不理想，依然是传统的教学思维，使教学评一致性成为时尚摆设。
1.4评价量规使用不当，不能发挥评价量规的价值
许多教师对评价量规的理解和应用仍不够深入，未能充分发挥其价值。同时对量规的概念、意义以及在教学中的作用了解有限，往往只停留在表面。在课堂中，虽然教师会使用评价量规，但他们对量规的实际应用的理解仍显不足。作为教学评一体化的关键工具，量规本应帮助教师和学生明确评价标准并提供具体反馈，但很多教师只是把它当作形式工具使用，未能真正理解它在教学过程中的重要性。例如，在传统教学中，教师可能只关注学生作业的结果评价，而忽视了学生学习过程中的过程性评价和思维发展。在教学评一体化的框架下，评价量规应成为教师与学生之间互动的桥梁。教师通过合理设计和灵活使用量规，能够引导学生进行自我反思与同伴评价，激发学生更积极地参与学习，并在评价中识别自身优势与不足，进而高效提升学习效果。
2 生成式人工智能赋能的教学评一体化教学的实施：
在生成式人工智能赋能的教学评一体化教学模式中，教师应该以学生为中心，把核心素养作为教、学、评三者的共同目标，努力构建一个动态循环的人工智能“要素育人链”，发挥人机育人的合力。
2.1以AI诊断为出发点，确立明晰的教学导向，实现教学目标精准化
学习目标的制定是基于“教—学—评”一致性教学设计的首要步骤。教要站在学的起点上，学情分析是实施精准教学的前提，往往基于经验的学情分析不够科学，其颗粒度较大难以做到因材施教。利用生成式人工智能助力学情分析，通过数据统计结果制定出有效的对策。一要解读课程标准，将具体化的学科核心素养融入其中。二要进行教材的深度理解，确定学习内容。三要多角度分析学情，落实因材施教，让学习目标更接近学生的“最近发展区”。生成式人工智能赋能的教学评一体化教学模式应以教学诊断为出发点，教学目标指向精准，学习体验更高效。教学目标始终围绕丰富多样的人工智能诊断数据展开，找共性，找趋势，找规律，找变化，有的放矢。通过AI诊断进行精准的数据分析，为分层教学提供数据支撑，充分了解学生缺什么、学生要什么，对学生进行精准辅导和布置满足个性化需求的作业。教师通过人工智能引导不同层次学生从不同视角进行问题的思考、分析、推理和评价，实现知识的有效精准迁移。
2.2以AI评价的前置为创新点，融合多种评价策略，实现教学活动具身化
在生成式人工智能赋能的教学评一体化教学模式中，利用AI协同制定的教学目标和学习目标，实现符合“教学评一致性”原则的精准教学。在这一过程中，每个课时都必须围绕四个核心问题展开：“在哪里、要去哪、怎么去、到了吗？”以评估为中心，强调教学过程中各环节之间的协调性、一致性、精准性。依据设定的学习目标对教师的教学行为和学生的学习成果进行全面反思与评价，确保学生能在各个学习环节中顺利实现预期的学习目标。
AI评价量规的前置方能实现教学方式的转变，学生依据量规决定提交达标证据的形式，学习方式也围绕证据提交所展开，是自主学习还是合作交流，整个进程完全掌握在学生自己手中，教师依据AI量规及时发现学生学习中存在的问题并及时反馈，使教的行为真正促进了学生的学习。学生在基于AI学习过程中，依据量规自评、互评，整个学习数据是真实、客观。在人工智能赋能的教学评一体化教学模式中，将AI的过程性评价贯穿于整个课堂教学过程中，AI持续关注教师的教学质量和学生的学习状态。过程性评价和增值性评价是这种AI赋能教学评一体化模式的主体评价措施，可以高效地推动学习进程，包括促进学习、同构性学习、扩展学习和优化学习，大大拓宽了学生学习的空间。
2.3以AI即时反馈为效率点，引入动态生成课堂，实现学习路径个性化
课前，师生利用人工智能技术生成教学资源进行的预习互动，AI生成的数据用于科学地评估学生的预备知识，并为课堂教学活动的设计与实施提供指导。课中，通过AI生成的随堂检测和大数据进行学情反馈，丰富教学资源激发学生主动参与课堂任务，教师可以做到实时调整课堂教学内容和进度，确保教师对教学活动的精准调控。课后，基于AI的课堂互动数据的分析及个性化作业的学情数据，通过AI辅助的教学设计优化和分层作业布置，高效实现个性化学习的目标。
2.4以基于AI的反思重构为能力点，持续优化教学设计，实现课程设计动态化
教师可以向AI工具deepseek传达自己的教学需求，AI能迅速生成一份教学评一体化要求的教学设计草案，教师根据学情诊断数据修改后得到基于教学评一致性的精准教学设计。AI工具deepseek和kimi能根据教师的输入提示，自动生成包含基于教学评一体化的PPT，节省教师搜集素材和课件的排版时间。生成式人工智能赋能的教学评一体化教学课堂是一种螺旋式学习结构，AI要求教师的教学要求从学生视角、教师视角和实施视角三个维度进行反思，逐层进阶推进，促使螺旋上升，突出课堂核心内容。在该模式中，学生不仅会牢固掌握所学的知识和技能，还能通过反思促进知识的巩固，及时调适学习策略，不断修正之前的学习路径。AI根据实时情况持续优化教学设计，协助教师实现课程设计的动态变化。
2.5利用AI制定有效评价量规，使学习进程真实可见
AI赋能的教学评一体化教学评价有广阔的视角，不仅评价的维度更加多样，评价的范围也从局部走向了整体，参与评价的手段是混合式的，也是动态的。随着AI数据的迭代，评价也不断更新。人工智能辅助的教学设计应注重“目标-评价-活动”的紧密结合，确保评价与教学目标相对应，通过评价来引导教学活动，提供学生学习成果的“证据”。评价标准需明确，以便清楚描述学生的学习成果和任务完成情况，不能仅停留在描述性语言上，因为这无法反映学生是否达标。学生要通过“证据”来展示自己的学习成果，证据可以通过观察、测试、提问、报告和作品展示等多种形式呈现。评价应结合“标准”进行，利用榜样的力量和标准的引导，激励学生对照标准进行自我反思与感悟，理解并内化知识。通过这种“悟”的过程，学生能够不断迁移和升华所学的知识。教师的角色是AI协助下组织学习活动，引导学生提交高质量的学习“证据”，并在对标过程中促进学生的知识获取和精神成长。
3 生成式人工智能赋能的教学评一体化教学价值总结
3.1基于诊断的精准化教学：
教师运用智慧平台和AI工具进行诊断实现高质量精准教学，能够做到精准收集与分析学习数据，帮助教师精准设计教学目标与内容，教学中能实时作出教学决策，有针对性地实施教学干预的一种高效循证式教学创新。
3.2基于数据的差异化教学：
AI通过对学生学习数据的分析，教师可以精准了解每个学生的学习需求和薄弱点，可以为学生提供针对性的课堂教学设计和学习支持，实现课堂的真正差异化教学。
3.3基于智慧课堂的即时反馈：
教师可以通过数智技术的应用，对自己教学全过程进行即时动态评估。根据学生实时的AI学情评估，对自己的教学进度和策略进行更精准的调整，提高老师的教与学生学的适配度。
3.4基于数据生成数字画像：
通过AI多维评价方式评估出每个学生的强项和弱项，对教学过程进行全数据链的分析，科学全面地实施增值性评价和综合评价，给学生和教师创建“数字画像”，做到以评促学和以评促教。
综上所述，生成式人工智能赋能的教学评一体化教学模式运用迭代思维创新了教与学的方式，打造出新的AI教育教学场景、高效的数智业态和精准的教学模式，弥合了教育的数智鸿沟，促进中小学教育的高质量发展。
作者简介：
姚怀青，华师教育研究院学科特聘专家，高级教师，广东省江门市第一中学景贤学校。广东省骨干教师，江门市名教师工作室主持人；广东二师教师专业发展指导特聘专家，中学教材编写特约教研员，中学数字教材编写特约编辑，江门市基础教育信息网特约编辑，全国青少年无人机大赛优秀辅导员，全国物理竞赛优秀指导教师，科技创新大赛优秀科技辅导教师，江门市高层次人才；主持参与省、市课题3项，荣获广东省教育教学成果奖1项；主编教学专著2本，校本教材2本，4本著作由新华书店全国发行并多次重印；发表论文12篇，省级获奖论文6篇，市级获奖论文多篇。
