2017年，国务院发布《新一代人工智能发展规划》，明确提出要在中小学阶段开设人工智能相关课程。自此，人工智能课程在全国范围内逐步推广，各地结合实际情况探索多样化的课程实施模式。然而，由于我国各地区在算力基础设施、师资水平等方面存在发展不均问题[1]，《义务教育信息科技课程标准（2022年版）》仅在9年级设置了“人工智能与智慧社会”模块，表明在全学段普及人工智能课程仍面临一定挑战。在这一背景下，深圳市作为人工智能教育普及的先行者，积极探索具备国际视野与本地特色的人工智能课程体系。2024年10月，深圳市教育局发布了《深圳市义务教育人工智能课程纲要（修订版）》（以下简称《纲要》），为我国人工智能课程的全学段推进和“教—学—评”一体化实施提供了重要参考。

理论引领回答三个问题：为何、何谓与如何？

为何“教—学—评”一体化？

美国教育学家古德莱德（John I. Goodlad）曾将课程实施分为5个层次：理想的课程、正式的课程、领悟的课程、运作的课程和经验的课程。正式的课程由教育行政部门制定，包括课程计划、课程标准和教材，是学校教学的基本依据。但从正式课程大纲发布到教师理解，再到教学实践，最终到学生体验的过程中，常因教师理解、教学压力、学生差异等复杂因素，导致经验课程偏离正式课程设计。为减少这一“偏差”，强化正式课程对一线教学的指导效能，“教—学—评”一致性原则应运而生，并在《义务教育课程方案（2022年版）》中有具体阐述，不仅明确了“为什么教”“教什么”及“教到什么程度”，更强调“怎么教”的具体指导，以促进教、学与评的连贯一致，确保课程目标的达成。

然而，“教—学—评”一致性与当前一些主流教育观念之间存在抵牾。新课程改革中“课堂生成”“生命·实践教育”与“知识建构”等后现代教育理念，倡导以学生为中心，通过学生自主构建知识，发展其主体性，这与强调“教—学—评”一致性的观点存在冲突。为避免争议，本文采用“一体化”而非“一致性”的表述，因为前者表达的是一种动态的系统观念，而后者含有“线性对齐”的意味。进一步说，“教—学—评”一体化并非传统“以评定教”至“以教定学”的模式，而是通过教学、学习、评价三位一体的动态平衡，实施科学化、系统化的教学，促进学生自主、高效、有生命力地学习，发展其主体性。鉴于人工智能课程的挑战性，本文将“教—学—评”一体化作为课程实施的核心原则，以强化《纲要》对一线课堂的指导作用。

何谓“教—学—评”一体化？

“教—学—评”一体化以“教”为起点，首先明确教学目标，围绕学生“学”的全过程组织教学活动，旨在促使学习有效发生，随后通过“评”优化教学与学习，实现三者有机统一。在这一过程中，教师的“教”是实现评价目标的关键触发条件，教学设计应以学生学习需求为导向，充分考虑学生的认知特点、课程内容和核心素养等要素，灵活运用多样化的教学策略，实现“以学定教”与“以教引学”的有机统一。学生的“学”是“教—学—评”一体化的核心目标，在学习过程中学生持续接受教师指导与评价反馈，逐步加深对知识的理解并提升技能应用能力，以期望学习与教学效果达到评价目标。而“评价”作为反馈与调节的重要机制，既帮助教师及时发现教学中的不足，优化教学策略，又为学生提供自我反思的机会，引导其认识自身的学习短板，激发学习动机，从而实现“以评促学”与“以评促教”。总体而言，“教”“学”“评”三者在相互作用与动态平衡中，形成互为支撑的“三位一体”循环系统，提升“教”与“学”的效果，强化“评”的反馈功能，发展学生人工智能素养。

如何“教—学—评”一体化？

为推进中小学人工智能课程的有效实施，以下从教、学与评三个方面详细解析其一体化的实现路径（见图1）。中小学人工智能课程作为中心大齿轮，连接“教”“学”“评”三个外围小齿轮，构成了一个相互支持、相互依存的整体系统。

图1 中小学人工智能课程“教—学—评”一体化要求

**如何教：**以学生为中心的多元化教学 教学作为推动学生人工智能素养发展的关键驱动力，应以立德树人为根本任务，着眼于提升学生人工智能素养，切实服务于人工智能人才培养的需求。教学设计以学生为中心，围绕人工智能课程的主要模块（如《纲要》设计的“人工智能概述”“人工智能技术基础”“机器学习与深度学习”“人工智能伦理与社会”等），结合学生的认知特点和知识基础，通过多样化的教学形式合理安排教学内容，引导学习过程，逐渐实现“以教引学”至“促学达评”。例如，针对实验类课程内容的学习，可以采用问题驱动或任务导向方式，引导学生进行实验探究、过程回溯等活动，培养人工智能应用能力与探究精神；针对创造类课程内容的学习，则可用小组合作的方式，引导学生采用项目式学习或逆向工程方法共创人工智能方案或作品，培育创新精神与协作能力；在涉及人工智能社会议题的内容中，则可以借助讨论或辩论等形式，帮助学生深入理解人工智能对社会的影响，增强其社会责任感。此外，学校可举办人工智能竞赛、专题讲座或科技节等校园活动，营造浓厚的学习氛围，激发学生的学习兴趣与热情。

**如何学：**以素养为导向的主动性学习 学习是素养培育的核心环节，发展人工智能素养是人工智能课程学习的核心目标。为实现这一目标，明确人工智能素养的构成要素至关重要。《纲要》指出，人工智能素养由人工智能知识、人工智能思维与人工智能情感三大要素构成。学生可以通过观察、体验与模拟等方式，理解人工智能的实际应用并掌握人工智能知识；通过“做中学、用中学、创中学”等实践性活动，在解决真实问题的过程中发展人工智能思维；通过分析与讨论人工智能伦理与社会议题，逐渐加深对人工智能可持续发展的责任意识，培养人工智能情感；通过解决复杂现实问题，灵活运用跨学科知识，深化人工智能素养发展。此外，在生成式人工智能技术迅速发展的背景下，学生可将其作为辅助学习的工具，与传统搜索引擎相辅相成，获得更具个性化的学习支持，助力人工智能素养全面提升。

**如何评：**以育人为目的的全方位评价 评价作为保障学生素养发展的综合调节手段，承担着统整教与学的重要功能。在该模式下，评价不仅限于对学生学习成果的终结性总结，更应发挥“以评促学”与“以评促教”的双重作用。为实现评价的导向功能，应构建全方位、立体化的评价体系，注重过程性与终结性评价相结合，从知识、情感、思维等多维度进行综合分析，建立包括教师、学生、家长等多元主体参与的评价体系，采用上机实践、作品创作等多种评价形式。通过全面了解学生的成长过程，教师可以提供切实可行的改进建议，从而充分发挥评价的育人功能。

实践创新探索三条路径：总结性、环节性和实时性

鉴于评价对教与学的诊断与激励作用，本文根据评价介入教学过程的时间节点与频率，将“教—学—评”一体化模式分为总结性、环节性与实时性3种实施模式，并通过案例展示如何将理论框架转化为实践操作，阐明“教—学—评”一体化的可行路径。

“教—学—评”一体化的总结性模式

在总结性模式中，教师在每节课或单元结束后进行总结性评价，随后基于学生不同的认知水平，差异化设计后续作业或教学活动，促进其人工智能素养的发展。该模式以课程整体目标为导向，适用于数字化程度较低的教学环境，便于教师实现“轻量化”的“教—学—评”一体化设计。为进一步解释此教学模式，本文以团队前期研究的“中小学人工智能教育五级框架”中“停车场自动抬杆系统优化”[2]为例进行说明（见图2）。教师在课堂结束后开展总结性评价，依据人工智能创作工具的抽象程度（从低到高依次为编程体验工具、程序交互工具、算法代码工具、人工智能框架工具），结合布鲁姆认知目标的六层水平（记忆、理解、应用、分析、评价、创造），将人工智能教育划分为“体验级”“理解级”“应用级”“综合级”和“优化级”。以“理解级”学习为例，学生需使用非代码工具完成数据集标注与模型训练等基础性学习任务，熟悉数据预处理流程，并认识到数据质量对模型性能的影响。与此同时，教师可通过Netron工具可视化模型结构，帮助学生更深入理解模型的工作原理。在学习结束后的评价中，若学生已具备使用非代码工具开展模型训练的能力并对模型的基本结构有初步认识，下一阶段将进入低代码模型训练的“应用级”学习。

图2 “教—学—评”一体化的总结性模式案例

“教—学—评”一体化的环节性模式

在环节性模式中，课堂被划分为若干教学活动环节，教师在每个环节结束后根据教学目标进行即时评价，并据此调整下一环节的设计。该模式的核心在于以教学环节为单位实现“教—学—评”一体化，同时各环节相互配合与紧密衔接，最终形成一个环环相扣的闭环系统。由于该模式强调课堂中环节性的评价反馈，需要简洁高效的数据采集与分析系统提供支持，因此更适用于智慧教室教学环境。以江苏省常州市某高中学校的实践为例[3]，该校将“教—学—评”一体化引入人工智能课堂，围绕“课前、课中、课后”3个主要阶段，结合“提出问题—分析问题—解决问题”3个课中子环节，形成了以教学环节为单位的“教—学—评”一体化模式（见图3）。以“辨识动物分类别”单元为例，教师在各环节均设计了有针对性的评价与学习任务，旨在考查学生在不同阶段的知识掌握程度，为后续教学环节的设计与调整提供依据。例如，在“分析问题”环节，任务2要求学生完成与“图像像素、分辨率”相关选择题。若学生未能有效完成，说明对该概念的理解不足，可能影响任务3的开展。对此，教师可分析学生的错题情况，定位薄弱知识点，回到任务2开展针对性授课。最后，教师在各环节“教—学—评”一体化过程中不断优化教学效果，以螺旋式上升的路径发展学生人工智能素养。

图3 “教—学—评”一体化的环节性模式案例

“教—学—评”一体化的实时性模式

在实时性模式中，教师借助数字化技术工具，围绕即时教学任务与学生的个性化需求展开，通过将教学、学习和评价过程深度嵌入课堂，为教学策略和学生学习提供实时指导，旨在每个教学时刻实现“教—学—评”一体化的效果。区别于环节性模式关注阶段性评价，此模式更强调评价贯穿整个教学过程，无固定阶段划分。因此，此模式适用于高度数字化的教学环境，依赖即时数据支持，便于教师根据学生反馈快速调整教学策略。以广东省湛江市某高中“星火智慧种植园管理系统”课程构建的伴随式评价为例[4]，教师利用学习管理平台实时监测学生的实验进度和代码编写情况，并结合课堂观察和即时反馈工具，持续获取学生学习状态，并在学生遇到困难时提供个性化指导，如增加示范操作或调整任务难度，使教学过程动态适应学生的学习需求，达成“教—学—评”的动态平衡（见图4）。

图4 “教—学—评”一体化的实时性模式案例

结语

随着生成式人工智能的迅速发展，提升青少年的人工智能素养已成为社会共识，而如何有效开展人工智能教学成为亟待解决的重要课题。在此背景下，“教—学—评”一体化作为重要的教学指导原则，为《纲要》的有效实施和一线教学提供了明确的方向指引。为此，教师应紧扣这一原则，结合具体的教学情境与数字化环境，选择总结性、环节性或实时性的“教—学—评”一体化模式。这不仅能切实促进学生对人工智能的深度理解与创新应用，发展学生的人工智能素养，同时也为其他学科实现“教—学—评”一体化提供示范借鉴。

参考文献

[1] 张志新，杜慧，高露，等．发达地区中小学人工智能课程建设现状、问题与对策——以某“新一线”城市为例探讨[J]．中国电化教育，2020，（09）：40-49．

[2] 钟柏昌，顾荣桢．中小学人工智能教育的五级框架——以“停车场自动抬杆系统的优化”案例为例[J]．中国科技教育，2024，（04）：14-20．

[3] 夏国生．高中人工智能教育：以大单元的方式[J]．教育研究与评论（中学教育教学），2023，（10）：66-69．

[4] 詹宋强，叶均杰．初中人工智能TPBL教学评一体化设计：现实困境与实践推进[J]．中小学信息技术教育，2024，（08）：43-46．

来源: 《中国科技教育》2024-12