如何利用AI评价改进教学

　　AI教学评价是人工智能赋能教师专业发展的重要手段。当前，全球教育领域正涌现出一股基于AI教学评价证据改进教学的强劲发展趋势，其核心是利用AI技术分析多模态学习数据，为教师教学质量提高与教学方式调整提供实时、客观的证据支持，推动课堂教学从“经验导向”迈向“数据驱动与精准个性化”。根据全球数字教育发展指数2025，当前42%的国家在探索人工智能在教学中的应用。各国教学改进重点从过去单纯聚焦于识别“什么是有效教学”的具体方法，转向深入探究“有效教学何以发生”的动态过程与实践条件，AI教学评价系统被广泛应用于课堂。

　　我国从2018年启动人工智能助推教师队伍建设试点工作以来，在北京、上海、广州等地乃至欠发达地区，开展了一系列AI教学评价系统应用实验。AI评价已经成为支撑教育科研、教研、教师专业发展以及教学改进的关键技术与路径。

　　当下AI课堂教学

　　评价的优势与不足

　　AI课堂教学评价技术实施的场景是课堂，聚焦的核心是教学。实践表明，AI评价解决了许多过去人工听评课解决不了的问题。AI评价依托技术优势，推动教师从“依赖他人评价”转向“人机协同评价与主动自我提升”，为教学改进提供更科学、精准的支撑。AI评价的优势主要体现在以下四个方面：

　　教师课堂教学行为“看得清”。AI系统通过多模态数据采集，能够实现人类观察难以企及的精细度。AI通过摄像头、音频设备等实时采集课堂数据，结合算法自动分析并生成量化报告，比如清晰呈现某一节课中师生发言时间、教师板书和行走、师生互动时间等。比如学生学习参与度仅为20%、平均等待回答时间不足10秒等细节，为教学改进提供客观、可追溯的数据支撑，让教师根据自身对教学行为改进的深度理解，明确自身课堂行为的优化方向。

　　教师专业发展需求“判得准”。通过对教师教学数据长期跟踪分析，AI能够识别教师个人的教学风格特点和专业发展短板。AI可以对某位教师与区域内外优秀教师进行大数据比对，精准找出某位教师的问题与优势。例如发现某教师擅长知识讲解，但课堂互动设计不足；或某教师课堂管理有序，但对学困生的关注不够。同时，系统还能根据短板推送个性化资源，如为课堂管理存在问题的教师提供分层管理策略指导，让教师的专业发展更具方向性。

　　教师教学成长轨迹“跟得全”。传统听评课往往是片段化的，一次听评课仅能反映教师某一时刻的教学状态，难以形成完整的成长记录。AI系统可以为每位教师建立专属的专业发展电子档案，持续记录不同时期的教学视频、评价报告、改进成果等数据。教师随时可回顾自己半年前、一年前的教学视频，对比分析教学行为的变化。比如有教师发现高阶思维问题占比已从20%提升至50%，巡视覆盖范围从教室前半区扩展到全场，清晰感知教学改进的方方面面以及需改进的持续性问题，为后续教学改进提供参考线索。

　　教师自主改进动力“激得活”。传统评价中，教师多依赖教研员、同事的外部评价获取改进意见。而AI将“评价权”交还给教师自己，AI只提供数据，教师可随时调取自己的课堂数据报告，自主分析教学行为中的问题，比如通过对比不同班级的课堂互动数据，发现自己在教低年级时提问更耐心，教高年级时则过于急躁。基于AI评价，教师日益形成了“自我发现、自我分析、自我优化”的专业发展自觉。

　　当然，随着AI教学评价在教学实践中的突飞猛进，AI评价优势不断凸显，但其实践应用困境与问题也日益显现。一是AI评价对复杂教学情境“识不透”；二是对教学复杂情境、多元教学价值“量不全”；三是教师可能为“迎合算法”而采取标准化教学行为；四是AI教学评价指标维度设计的科学性和价值目的性争议频频发生；五是大量AI评价报告“被闲置、被搁置”的问题日益增多。

　　基于AI评价促进

　　教学的四个着力点

　　未来，AI教学评价应用会更加常态化、精细化。AI评价对于学校和教育部门动态掌握区域教师群体以及个体的教学动态将产生重要作用。因此，AI评价不仅是技术趋势，更是提升教学质量、促进教育公平、提升教师队伍能力建设的必要选择。我们的实验研究表明，未来AI教学评价促进教学改进需要从以下四个方面发力：

　　一是构建“数据—评价—改进”人机协同评价模式，让教师对每一份评价报告都能“看得见、读得懂、能落实”。首先，数据采集阶段，AI着力于“关键指标采集”。根据新课程改革的价值追求，聚焦“学生高阶思维能力发展”“课堂互动效率”，如AI重点采集“提问类型、学生响应时长、小组讨论参与度”等核心数据，要避免冗余信息干扰。其次，AI评价报告要简洁，关键锚定“教学改进点”。要避免冗余信息干扰。例如让AI将数据转化为“可直接解读的改进提示”，如“本节课封闭性提问占比70%，建议下次增加‘为什么，如何做’这类开放性问题”，并提供可供参考的开放式问题模式。最后，教师需要根据自己的教学理念与价值追求，读懂AI分析报告，制定“小步改进计划”，如每周针对一个AI指出的问题（如高阶思维问题太少）调整教学，并让AI记录调整后的课堂数据，形成“数据反馈、迭代改进”的循环，让数据真正成为教师教学反思的参考依据和教学优化的“导航仪”，真正做到知行合一，改进教学。

　　二是解构“复杂情境、多元表征”的深层次原因，让AI“看得到有用数据”，教师“拎得清关联意义”。AI“识不透复杂教学情境”，但教师可以。例如，AI可能识别出“某教师在讲解‘向量和矢量的区别’时，学生注意力下降”，但无法判断背后原因是“例题难度过高”“教师讲解逻辑不清晰”还是“学生不喜欢这样的讲解方式导致分心”。教师课后可结合课堂回忆，解读、反思、重构教学设计，让AI不断深度学习，让教师长期进行基于数据的教学反思，实现科技赋能与人文解构和重构的融合，不仅能让AI更精准地关联“数据异常”与“情境原因”，更能帮助教师养成“用数据证现象、用专业析原因”的习惯，避免因AI的“机械判断”导致课堂教学改进方向出现偏差。

　　三是搭建“多元价值”协同量化框架，让AI“量得准指标”，教师“守得住温度”。AI难以量化“教学的人文价值”（如教师对学困生的耐心引导、课堂中的价值观渗透），这需要研究者与产品商开发“量化+质性”的协同教学评价框架。一方面，让AI负责“可量化的基础指标”，如“知识点讲解时长、作业批改准确率、学生课堂参与率”；另一方面，教师需补充“质性评价维度”。最重要的是，要建立“AI分析+人工研判”的双轨评价机制。中国教科院“名师成长项目组”、北京市海淀区、深圳市南山区等地区通过实施“AI+专家+教研员+教师+学生……”的混合式评价，即“AI+N”教学评价模式，先由AI系统完成基础数据分析，再由教研专家结合具体教学实践进行人文情感解读，关注学生的学习状况，更关注学生的情绪情感、社会性发展等非智力因素，这样既提升了评价效率，又保证了教学改进的价值追求与人文关怀要素，为课堂育人提供了价值遵循与根本保障。

　　四是守住“隐私伦理”协同防线，让AI“锁得住数据安全”，教师“践行教育家精神”。隐私伦理是AI教学评价的“红线”，在人工智能重塑教育评价的时代浪潮中，教育部门需要制定严格的数据规范，技术团队构筑加密与访问控制屏障，学校建立伦理审查机制，多方力量共同编织起守护学生隐私的防护网。当AI深度融入课堂观察、作业分析、学情追踪，这条防线能确保敏感数据如瞳孔信息、学习障碍以及家庭背景等不被泄露。同时，校长、教师要始终践行教育家精神，否则技术、规范和AI评价报告都可能流于形式，甚至被误用、误读。

　　总之，AI是手段，育人是根本。在AI赋能教育的时代，教师的核心角色与作用不能被削弱，其专业素养、精神内涵和道德责任理应更加凸显。未来教师更应关注学生的全面发展、情感需求、价值观塑造，这是AI难以替代的。AI评价宛如课堂上的显微镜和扫描仪，教师以教育家精神驾驭AI评价，如太阳般照亮每个学生，课堂才能真正回归育人本质，教学改进才能真正发生。

　　（作者系中国教育科学研究院教师发展研究所副所长、研究员。本文系中国教育科学研究院科研业务基金课题“人工智能赋能教师专业发展的路径与成效研究”[项目编号GYI2023011]的成果）

《中国教育报》2025年11月03日 第05版