北京市海淀区第四实验小学《多彩的活动》主题语文公开课上，老师借助AI评改指导学生。
专家在甘肃省定西市漳县盐川学校为孩子们上AI启蒙课程。
聚焦评价价值：激发教师内在成长
有什么样的评价“指挥棒”，就有对应的教育教学。AI凭借超越人类的观察与计算能力，突破了传统人工听评课时课堂教学评价偏主观、小规模等局限，使课堂教学评价向客观、精准、规模化迈进。
但技术赋能的精准测量能否等同于有效评价？国际教育评价专家李·舒尔曼认为：“尽管精准与客观是必要的，但最重要的评价原则是，小心任何你能精确测量的东西，因为你能精确测量的东西往往不是最重要的。”当AI支持的课堂教学评价越是能够精准分析教师说的每一句话、记录学生每一次发言时，越是追逐评价颗粒度的不断细化、精准性不断提高时，越是不能忘记“为什么评价”的教育初心——不是为了给课堂“打分定级”，而是为了促进教师的专业成长。正如人民教育家于漪所说：“卓越教师的成长，最根本的是内驱动力，是生命的高度觉醒。教研，首先教师要研究自己，这是非常重要的。上完一堂课要反思要研究，这堂课目标是什么，哪些同学能够清楚，还不适合哪些学生学习。这个教研，是最根本的教研。只有拥有了内生的驱动力，教师才会不断地发现：我要进步，我要改进，我要自我超越。”这揭示出，若要将AI从冰冷的“算法裁判”转变为温暖的“成长伙伴”，关键在于要将教学评价视作教师专业成长的支持活动，引导教师利用AI提供的数据“镜子”，更为清晰地“照见”自己的课堂，认识自己、发现自己，激发内驱动力，这种用外因推进内因的改变，才是技术赋能评价所能带来的最深刻、最持久的力量。
聚焦评价主体：教师不可或缺
AI进入课堂评价，一个常见的误区是让算法充当评委，而教师仅仅是被评价的对象。例如教师在AI课堂评价系统里上传了精心设计的教学设计方案和教学视频后，算法会在很短的时间内，根据提前预置的评价标准，直接生成课堂分析结果和改进建议。这种“数据进、机器出”的评价回路，看似高效，但是更了解课堂情境、更有师生互动真实体验的教师本人，被排除在了评价的回路之外。试问，算法真的能够读懂课堂教学的灵魂吗？其实，面对生动鲜活、复杂多变的课堂教学百态，AI往往表现得力不从心。比如课堂中“静悄悄的时刻”，看似是师生零交互，但或许是教师精心设计，给学生留出深度思考的宝贵时间；比如教师对一位学生进行追问与解答，看似其他同学的参与度不高，但或许正是教师抓住典型案例加以引导，向全班同学进行示范……当算法依据预设的标准进行趋同化计算，蕴含教育思考的教学行为可能会被归为低分值表现。
因此，在AI赋能的课堂评价体系里，依旧应将教师视作评价的灵魂人物。“人在回路”源于面向工程的优化设计思想，本意是表述人在设计迭代中的参与，目的是利用人比机器更善于进行综合且模糊判断的优势，将人工经验与自动优化相结合，使优化结果符合工程实践要求的同时，提高优化效率。参考这一设计思路，在具体实践中，教师可在回路前端当好评价目标、指标体系的“设计者”；也可以在回路中端成为与AI协同工作的“分析师”，判断教学目标达成度、跟踪与记录教学过程、发现学生成长证据等；还可以在回路后端以“反思者”视角研判AI分析结果，辅助优化教学实践。如此，教师回到了评价的主体地位，每一位教师的声音、智慧嵌入评价的回路中，得以被听见、被看见、被发现、被激活，使算法成为“智慧助攻”，助力评价主体的专业成长。
聚焦评价内容：寻找育人证据
观察教师如何教学，是课堂教学评价内容的重要组成。因此，AI课堂教学评价系统会惯常地将分析重点聚焦在看得见、数得清的课堂外显行为上，比如师生的动作、话语、表情、姿态等。然而，课堂中的外显行为，不是无源之水，它一方面根植于教师的专业思考，由课前教学设计和课中教学的动态生成决定；另一方面，它也左右着学生的学业表现、反映了教师的专业实践表现。若只通过分析外显行为探究课堂“发生了什么”，便会陷入“只见树木、不见森林”的浅层分析局限。
因此，课堂教学评价的主体内容，需要将目光投射到整个课堂教学的环节，不仅关注外显行为，更要关注行为的前因后果。例如，要分析课前的教学设计，看其是否紧扣课程标准要求，又切合学生实际学情；要分析课中的教学实施，看是哪些环节支持了学生核心素养发展、指向深度学习；要分析课中和课后的学生表现，看其能否让不同层次的学生都有机会达成学习目标，获得学习成就，展现出创新精神和合作能力等。江苏省南京市太阳城小学就围绕学生自主学习能力培养，提出“自主预习、自主质疑、自主探索、自主应用、自主发展”的“五自”课堂，不止用AI评价系统做单纯的师生问答次数等外显行为的统计，而是用AI追踪学生的表现数据，并将其与“自主”目标做出关联分析，形成学生自主学习能力的判断依据，据此优化教学。可见，只有将外显行为和行为相关的前因后果都作为评价内容的有机组成部分，才有可能透过AI容易捕捉的“数据表象”，揭示出教学外显行为背后的教育意图和育人价值，呈现出教师专业实践中的“育人证据”，从而避免教师为了让AI评价数据变得漂亮，而将精力放到外显行为的调整，增加不必要、不合理的交互次数上，陷入“迎合算法”的误区。
聚焦评价应用：提高队伍建设质量
课堂教学评价的生命力根植于有效促进教学改进，而非单纯鉴定或证明教师的能力。第四代评价理论认为，评价并非评价者单方面的“裁决”，而是包括被评价对象在内的所有参与者，通过真诚对话、沟通协商，共同达成评价目标与价值共识，寻求改进方向。在中国特色的传统教研制度里，教师正是通过参与集体听评课等活动，在与同行和专家的沟通与协商中，将个人摸索的“隐性经验”转化成团队共享的“外显知识”，成为教师队伍的共有智慧，推动教师队伍高质量发展。当AI技术融入听评课等教研活动中时，就如同教师团队中又添了一位AI同行。它的价值不在于替代同行对课堂教学进行价值判断，而在于为教师个体和群体提供更丰富、更客观、更多样的证据，促进教师据此开展更有深度的教学研究。
恰当应用AI评价结果，可以让它为新手教师服务，使刚步入职业生涯的教师从中发现教学中的突出问题，再向教学师傅请教，转化为可操作的改进策略；也可以为熟练型教师服务，让已有多年教学经验的资深教师从中找到突破专业成长瓶颈的切入点，再进行迭代实践；还可以为专家型教师服务，让积累了大量教学实践智慧的卓越教师通过AI协助，发现独到的教学特色，让案例和数据分析共同为专家级的教育智慧添加注脚。如此，处于不同专业发展阶段的教师，就能通过与教师同行、大模型和智能体的多轮沟通与协商，实现人机协同的课堂教学评价，从而助力高质量教师队伍建设。
