基于人工智能的中小学课堂表现性评价工具开发与效能检验-开题报告

PAGE 基于人工智能的中小学课堂表现性评价工具开发与效能检验开题报告摘要本课题针对中小学课堂表现性评价"任务设计难、过程评分难、反馈见效慢、评分者一致差"的现实困境，研究基于人工智能的课堂表现性评价工具开发路径与效能检验方法。研究以云台市云溪县8所中小学为现场，计划用两年时间完成四项工作：通过问卷、课堂观察与访谈诊断县域中小学表现性评价的实施现状与真实需求；采用文献研究与德尔菲专家咨询建立通用指标体系，并通过学科化改造形成小学语文口语交际、小学数学问题解决、初中语文写作、初中历史史料研读四套评分量规；开发集任务与量规配置、过程采集、智能初评、人工校评与报告反馈于一体的智能分析系统；采用准实验设计在24个实验班与12个对照班中检验工具的测量学品质与教学效能。预期形成调研报告、指标体系、学科评分量规、智能分析系统、实施手册、课例集与研究报告等成果，为中小学课堂常态化落实表现性评价提供可操作的县域方案。关键词：人工智能；表现性评价；评分量规；评分者一致性；工具开发一、课题基本情况项目内容课题名称基于人工智能的中小学课堂表现性评价工具开发与效能检验关键词人工智能；表现性评价；评分量规；评分者一致性；工具开发课题类别一般资助课题学科分类基础教育（中小学课堂评价）研究类型应用研究课题主持人高振国主持人所在单位云台市云溪县教师发展中心联系电子邮箱：yxjys@163.com课题组主要成员范晓莉、石文军、乔静、路建平、岳海燕、任少华、陶雨婷、章立宏研究起止时间2027年1月—2028年12月预期成果形式研究报告、调研报告、工具与量表、实施手册、课例集、研究论文是否参照选题指南√是（选题指南编号23）本课题由云溪县教师发展中心牵头，联合县域内8所中小学共同实施。主持人具有教育测量与评价方向的研究生学历背景，长期承担县域课堂评价的教研与视导工作；课题组成员覆盖教育测量与评价、教育技术、数据分析、小学语文、小学数学、初中语文、初中历史等专业方向，与四个拟开发的学科量规一一对应。研究周期为两年，第一年以现状诊断与工具开发为主，第二年以实践检验与成果提炼为主。二、研究背景与问题提出（一）政策背景与实践背景《义务教育课程方案和课程标准（2022年版）》在课程实施部分要求"注重对学习过程的观察、记录与分析"，倡导"基于证据的评价"，强调评价要关注学生真实发生的进步。学科课程标准进一步给出了可操作的表述，语文课程标准要求"考查应在具体的交际情境中进行"，数学课程标准提出"评价方式应多样化"，两者共同指向以真实任务与过程证据为核心的表现性评价。《教育信息化2.0行动计划》要求推动信息技术与教育教学深度融合，实质是要求技术承担起支持教学与评价改进的功能。《中小学人工智能通识教育指南（2025年版）》提出推动人工智能与教育教学的融合应用，同时明确要求规范学习数据的采集与使用，保护学生隐私。三项文件的要求可归纳为：评价必须指向真实任务中的真实表现；技术必须服务于证据的采集、分析与反馈；数据采集与使用必须有明确的规范约束。云溪县在推进教育数字化转型过程中把课堂评价改革列为重点任务。县教师发展中心2026年完成的《县域中小学课堂教学改革调研简报》显示，全县中小学期末测评命题仍以纸笔测试为主，开放性题目占比不足15%，学生口头表达、动手操作、合作探究等表现几乎未进入评价档案；在抽取的118份教学设计中，注明使用评分量规的仅有9份，占比7.6%。与此同时，8所样本学校均已建成覆盖全部普通教室的交互式多媒体终端与无线网络，教师终端配备率达到1∶1，部分学校配有录播教室、课堂应答终端与作品拍摄设备，具备开展课堂表现性评价数据采集的基本条件。技术条件的改善与评价方式的滞后形成了明显反差，这构成本课题的现实背景。（二）现实问题课题组在2026年下半年的教学视导中，对表现性评价的实施状况作了连续观察，发现的问题集中在三个方面。第一个层面是任务与评价的脱节、过程证据的流失。教师能够设计开放性任务，但任务完成之后往往只给一个笼统等级或一句表扬，课题组随机抽取12个班的备课记录与作业记录，发现含有具体改进建议的反馈不足三成。在观摩一节小学数学"校园测量方案设计"课时，教师在一节课内听到了八组汇报，但课后复述时只能说明其中三组的具体问题。教师自己也说："一节课下来，脑子里只剩几个印象最深的。"第二个层面是评分标准的个人化。课题组收集了32位教师对同一批学生口头表达作品的评分，结果显示教师之间对同一作品的水平判断分歧明显，部分作品的分歧跨度达到两个水平层级。教师在访谈中反复提到"这个任务没法打分""每个人的标准不一样"。第三个层面是反馈的滞后。课题组的课堂观察显示，从任务出现到教师给出反馈的平均时长为3.4天，其中在课堂内完成反馈的不足两成；学生在访谈中表示，等到老师给出评价时，自己已经不太记得当时是怎么想的了。（三）拟解决的关键问题第一个关键问题是表现性任务如何转化为可评、可记录的结构化工具。表现性任务的价值在于开放性，评价的困难也源于开放性。任务越开放，教师越难确定"看什么"和"看到什么程度算好"。本课题要把开放任务拆解为可观察的表现要素，把表现要素转化为有水平层级描述的评价指标，使评价从整体印象转向具体证据，并保证指标体系能在不同教师之间共用。第二个关键问题是过程性证据如何在常态课堂中被低成本采集与结构化。班额大、节奏快、证据形态杂是中小学课堂的基本约束。若采集需要教师额外投入大量时间，工具必然被弃用。本课题要在现有设备条件下明确采什么、何时采、由谁采、采完之后自动形成什么，并把教师的额外负担控制在可接受范围内。第三个关键问题是工具的效能如何被有依据地判断。教育工具的效能证据容易被"使用者觉得好用"所替代。本课题要建立含测量学品质与教学效果两方面的检验框架，前者的指标包括内部一致性、内容效度、结构效度与评分者一致性，后者的指标包括学生表现性水平、教师评价素养与课堂时间结构的变化，并通过准实验分离工具的作用与常规教学改进带来的自然增长。三、研究目标与研究内容（一）研究目标总目标是：开发一套可在中小学常态课堂中直接使用的表现性评价工具，并通过测量学品质检验与教学效能检验，明确该工具的适用条件与作用边界，为县域中小学落实基于证据的课堂评价提供可操作的方案。具体目标有四条。第一，形成一套可迁移的课堂表现性评价通用指标体系框架，含表现性任务的结构化拆解方式、覆盖认知与交流两类核心表现的评价维度以及可供不同学科改造的二级观察点，使教师面对新任务时能依据框架自行完成量规改编。第二，形成四个学科领域的评分量规及配套的表现性任务样例集，每套量规含一级维度、二级观察点与四个水平的描述性标准，并通过内部一致性、内容效度与结构效度检验。第三，建成一个课堂表现性评价智能分析系统，实现任务与量规配置、多形态证据采集与结构化、智能初评、人工校评与评分者一致性实时监控、可视化反馈五项功能。第四，获得关于工具效能的实证结论，以信度、效度与一致性指标回答工具本身是否可靠，以准实验中学生的表现性水平、教师的课堂评价素养与课堂时间结构的变化回答工具是否真正改善了教与学。（二）研究内容第一项内容是中小学课堂表现性评价的实施现状与需求诊断。以云溪县8所中小学为对象，采用问卷调查、课堂观察与深度访谈相结合的方式，重点调查三方面情况：教师对表现性评价的认知水平与实践频次，教师在设计任务与编制量规过程中遇到的具体困难，课堂中可用于过程记录的设备条件与时间余量。教师问卷聚焦评价观念、实践行为、能力自评与支持需求四个维度，学生问卷聚焦对开放性任务的态度、对评价反馈的理解程度与自我评价的参与意愿。调查完成后形成调研报告，给出明确的工具需求清单，用于校准后续工具开发的方向。第二项内容是课堂表现性评价指标体系与学科评分量规的开发。先通过文献研究与两轮德尔菲专家咨询建立通用指标体系，确定一级维度与二级观察点，并为每个二级指标撰写四个水平的描述性标准。通用框架完成后转入学科化改造，由教研员与骨干教师组成四个开发小组，分别在本学科领域确定典型表现性任务，把通用观察点改写为具有学科语义的表述，并用真实学生作品样本反复校准水平描述。每套量规初稿完成后组织教师试用评分并依据评分者一致性结果修订，最终形成通用指标体系一套、学科评分量规四套与表现性任务样例集一册。第三项内容是表现性评价智能分析系统的开发与迭代。系统按五个模块设计并分两轮迭代。任务与量规配置模块把量规转为可在线操作的评分表，支持教师增删观察点与调整权重；过程采集模块针对口语、操作、作品、合作探究等不同证据形态提供相应通道；智能初评模块对转写文本与结构化作品作特征提取，给出各维度的建议水平与置信提示；人工校评与一致性监控模块允许教师在建议水平基础上调整，后台实时计算加权Kappa并对偏离超过阈值的评分自动提示；报告反馈模块生成学生个人雷达图、班级维度热力图与面向教师的调整建议。第四项内容是工具效能的实证检验。检验分测量学品质与教学效能两条路径。测量学品质检验针对四套学科量规与通用框架，报告内部一致性系数、内容效度指数、结构效度指标、重测信度以及与学科期末成绩的效标关联证据，同时报告两个轮次的评分者一致性变化。教学效能检验采用准实验设计，在实验校选取24个实验班、在对照校选取12个对照班，实验班使用工具支持的表现性评价并完成两轮教学迭代，对照班维持原有评价方式，前后测间隔六个月，同时收集教师评价素养与课堂时间结构数据。（三）研究重点与难点研究重点之一是通用指标体系的建立与学科化改造。表现性评价的维度在国际与国内已有较多研究，但多数成果停留在通用框架层面，难以直接用于具体学科的任务。本课题的重点在于找到一种"通用框架＋学科改写"的路径，使四个学科的量规既保留可比的判断逻辑，又具备本学科的表现语义，让教师看得懂、用得上。研究重点之二是评分者一致性的保障机制。表现性评价的质量关口在评分，而评分的不一致主要来自水平描述模糊、参照样本不足与标准漂移。本课题的重点在于把一致性保障嵌入日常评价流程，通过在线评分、分歧样本比对与实时偏离提示形成持续监控，而不依赖一次性的集中培训。研究难点之一是过程证据的低成本采集与结构化。口语类表现的转写文本会丢失语气与语境信息，操作类表现的关键环节难以自动定位，合作类表现的个体贡献难以从小组行为中分离。在现有设备条件下，如何在采集完整性与采集成本之间取得平衡，是本课题必须解决的难点。研究难点之二是效能证据的清晰归因。工具的作用与常规教学改进、教师自身成长、学生自然发展等因素交织在一起，容易把自然增长误认为是工具效果。本课题需要通过对照组设置、协变量控制与效应量判据前置等方式提高结论的可靠性。四、研究方法与技术路线（一）研究方法及其操作设计文献研究法用于建立指标体系的理论基础与量规开发的参照系。课题组以"表现性评价""评分量规""评分者一致性""多模态学习分析""智能教育评价"等为检索词，在中国知网、万方数据库与两个外文数据库中检索2015年至2027年的文献，计划获取中文文献不少于400篇、外文文献不少于200篇，经两轮筛选后精读其中120篇左右，按技术应用、教学改进、评价研究三条线索撰写文献综述，为通用框架中一级维度的确定提供依据。问卷调查法用于现状诊断与效能检验中的前后测。教师问卷自行编制，含评价观念、实践行为、能力自评、支持需求四个维度共34题，采用5点计分，先在42名教师中做预调研，依据项目分析与探索性因子分析删改题目；正式施测计划在8所样本学校发放168份，预期有效问卷不少于150份，用SPSS检验其Cronbach'sα系数与结构效度。学生问卷含任务态度、反馈理解、自我评价、课堂参与四个维度共26题，预调研120份，正式施测计划发放1860份、覆盖四至八年级。教师课堂评价素养问卷在实践检验阶段作为前后测工具使用，由参与实践的教师两次填写。课堂观察法用于采集表现性评价实施的真实过程资料。课题组编制《课堂表现性评价实施观察记录表》，记录任务类型、任务时长、观察记录方式、反馈形式与反馈时长五类信息。基线观察计划实施60节以上，覆盖8所样本学校与四个学科领域；实践检验阶段计划实施伴随观察70节以上，用于考察工具使用后的课堂变化。观察采用双人同时观察方式，两名观察者独立填写记录表并课后核对，一致性以加权Kappa检验，计划要求基线阶段不低于0.70、实践阶段不低于0.80。设计研究法用于量规与系统的迭代开发。课题组将遵循"设计—试用—分析—再设计"的循环，计划完成三轮迭代：第一轮在3所学校的6个班试用，重点检验量规维度是否可观察；第二轮在6所学校的16个班试用，重点检验采集流程是否顺畅；第三轮在全样本推广，重点检验工具稳定性。每轮迭代均收集教师使用日志与学生作品样本，迭代记录不少于120条。准实验研究法用于检验工具的教学效能。课题组计划在6所实验校选取24个实验班、在2所对照校选取12个对照班，实验班与对照班在学科、年级与学业基础上前测无显著差异。实验班采用工具支持的表现性评价并完成两轮教学迭代，对照班维持原有评价方式，同时控制教师教龄、班级规模与课时安排等变量。数据采用独立样本t检验、协方差分析与效应量计算处理，并预先确定效应量判据，避免事后解释。案例研究法作为补充，在四个学科领域各选2个案例，按"背景—问题—干预过程—变化证据—反思"五段式撰写，用于解释工具起作用的过程机制。（二）技术路线本课题的技术路线按四个层次推进。第一层是需求与理论层，通过文献研究与现状调研明确"教师需要什么样的工具"与"指标体系应当包含什么维度"，产出文献综述、调研报告与工具需求清单，为后续开发设定量化约束条件。第二层是工具开发层，以通用指标体系为骨架，先完成学科化改造形成四套评分量规，再以量规为内核开发智能分析系统，产出量规、任务样例集与系统第一版。第三层是实践检验层，在实验班中完成两轮教学迭代与两轮评分者一致性检验，同步采集学生表现水平、教师评价素养与课堂时间结构数据，产出数据集、迭代记录与效能检验报告。第四层是成果提炼与推广层，把工具整理为可直接分发的指标体系、量规手册与系统使用手册，把实践积累整理为课例集与典型案例集，并通过县域培训、送教到校与市级教研交流完成推广。四个层次之间存在明确的反馈关系：需求层的调研结论决定工具开发的功能取舍，实践层的使用问题反馈回工具开发并触发系统迭代，成果层的推广反馈又为工具的适用边界提供新的证据。为保证反馈的有效性，课题组把每季度一次的例会与半年一次的数据分析会确定为固定机制。五、实施步骤与进度安排（一）总体安排研究周期为2027年1月至2028年12月，共两年，按三个阶段安排。第一阶段为准备与诊断阶段（2027年1月—7月），完成方案设计、文献综述、工具编制与现状调研，明确工具开发的靶点与量化约束。第二阶段为开发与检验阶段（2027年8月—2028年8月），完成指标体系的德尔菲咨询、四套学科量规开发与两轮修订、智能分析系统的两版开发，并在实验班中完成两轮教学迭代与两轮评分者一致性检验。第三阶段为总结与推广阶段（2028年9月—12月），完成数据统计与效能分析、成果整理、推广应用与结题材料撰写。三个阶段之间设置了四个关键节点：2027年3月完成开题论证，2027年7月完成现状调研并确定工具需求清单，2027年11月完成工具第一版并在实验校投入使用，2028年6月完成准实验后测。每个节点均安排阶段性检查，前一节点未完成既定产出时不得进入下一阶段的主要工作。（二）分阶段任务分解时间段主要任务完成标志责任人2027年1月—3月组建团队、文献检索与综述、确定样本学校、编制并预试四类研究工具、完成开题论证文献综述1份、研究工具定稿4项、开题报告通过论证高振国、范晓莉2027年4月—7月实施教师与学生问卷调查、完成基线与伴随课堂观察、开展三类访谈、完成现状诊断与需求分析调研报告1份、观察记录62份、访谈转录96份范晓莉、任少华、乔静2027年8月—11月两轮德尔菲专家咨询、通用指标体系定稿、四学科量规开发与修订、智能分析系统第一版开发与试用指标体系1套、学科量规4套、系统第一版与使用手册高振国、石文军、路建平、岳海燕、陶雨婷2027年12月—2028年8月实施准实验前测、完成两轮教学迭代与两轮评分者一致性检验、系统第二版迭代、完成后测与数据采集实验班数据1086份、对照班数据542份、效能检验报告初稿高振国、石文军、章立宏、乔静2028年9月—12月完成数据统计与效能分析、整理课例与案例、编制两本手册、开展县域推广与结题材料撰写结题报告1份、课例集1册、手册2本、现场会1场高振国、章立宏、范晓莉、任少华五个阶段之间存在紧密的衔接关系，前一阶段的产出直接构成后一阶段的输入条件。准备阶段形成的《工具设计底线说明》约束后续全部开发决策；诊断阶段形成的需求清单中的四条量化要求，成为系统功能取舍的判据；开发阶段形成的四套学科量规既是系统的内核，也是实践检验阶段评分与培训的依据；实践检验阶段积累的使用日志、分歧样本与评分记录，又反向触发系统的第二版迭代。因此，课题组要求每个阶段结束时提交阶段性成果并经全组审议，未通过审议不得进入下一阶段的主要工作。进度控制采取三项措施。一是节点公示，把四个关键节点的日期、责任人与完成标志在课题组内部公开，由主持人按月核查；二是预留缓冲，在开发阶段与实践检验阶段各预留两周机动时间，用于应对系统故障、样本补充等突发情况；三是风险前置，对可能影响进度的两类主要风险——学校期末复习挤占教学时间、关键成员因工作需要临时调整分工——分别制定应对预案，前者通过把评价任务与复习环节整合来化解，后者通过每组至少两人熟悉同一环节的工作要求来分散风险。六、预期成果与人员分工（一）预期成果课题预期形成七项成果，覆盖研究报告、调研报告、工具与量表、实施手册、课例集与研究论文六种形态。其中《中小学课堂表现性评价通用指标体系》与四套学科评分量规是核心成果，既作为智能分析系统的内核，也可脱离系统独立使用；《表现性评价智能分析系统》与配套使用手册面向教师日常使用；《工具效能检验报告》负责回答工具是否可靠、是否有效两个问题，是结题时的主要证据性成果。成果名称形式完成时间承担人中小学课堂表现性评价实施现状调研报告调研报告2027年7月范晓莉、任少华中小学课堂表现性评价通用指标体系工具（量表）2027年9月高振国、章立宏四套学科评分量规与表现性任务样例集工具（量表）2027年11月乔静、路建平、岳海燕、陶雨婷表现性评价智能分析系统及使用手册工具（软件）2028年3月石文军、任少华表现性评价课堂实施流程与课例集课例集2028年10月乔静、岳海燕、陶雨婷工具效能检验报告与典型学生案例集研究报告2028年11月高振国、范晓莉基于人工智能的课堂表现性评价研究论文研究论文（3篇）2028年12月高振国、石文军、章立宏（二）人员分工课题组9人按专业方向分为三组：设计与测量组负责指标体系、量规审核与效能检验；技术开发组负责智能分析系统开发、数据采集方案设计与数据处理；学科实践组负责四个领域的任务设计与课例开发。三组之间通过每季度例会与半年一次的数据分析会保持协同，所有成果均需经全组审议后定稿。姓名分工承担任务高振国课题主持人，总体设计主持课题全面工作，牵头德尔菲咨询与指标体系开发，组织效能检验与结题材料撰写范晓莉设计与测量组核心成员负责调研工具编制与数据统计，承担信度效度检验与评分者一致性分析石文军技术开发组负责人负责智能分析系统的架构设计与两轮迭代开发，承担转写与特征提取方案的实施乔静学科实践组核心成员负责小学语文口语交际量规开发与课例设计，承担该领域的学生作品样本采集路建平学科实践组核心成员负责小学数学问题解决量规开发与课例设计，承担实验班的教学迭代岳海燕学科实践组核心成员负责初中语文写作量规开发与课例设计，承担该领域的典型案例撰写任少华技术开发组成员负责过程采集方案设计与使用日志分析，承担系统使用的教师答疑与数据清理陶雨婷学科实践组核心成员负责初中历史史料研读量规开发与课例设计，承担该领域的课堂观察章立宏设计与测量组成员负责量规水平描述的审核与手册编制，承担县域推广培训与现场会组织七、研究保障条件（一）组织保障课题由云溪县教师发展中心牵头申报并组织实施，中心负责统筹8所样本学校的协调工作，能够为课堂观察、问卷施测与教学迭代提供行政支持。课题组已建立三项工作制度：每季度召开一次全体例会，通报进度并处理跨组问题；每半年召开一次数据分析会，集中处理采集数据并形成中期结论；关键节点设置阶段性检查，前一节点未完成既定产出时不得进入下一阶段主要工作。主持人长期承担县域课堂评价的教研与视导工作，熟悉样本学校情况，具备组织协调条件。（二）条件保障人员条件方面，9名成员覆盖教育测量与评价、教育技术、数据分析、小学语文、小学数学、初中语文、初中历史等方向，与四个拟开发的学科领域一一对应，其中高级教师3人、一级教师4人、二级教师2人，均有参与县级以上课题研究的经历。设备条件方面，8所样本学校均已建成覆盖全部普通教室的交互式多媒体终端与无线网络，教师终端配备率达1∶1，部分学校配有录播教室、课堂应答终端与作品拍摄设备，可满足过程采集的基本需要；云溪县教师发展中心提供1间专用录播教室与1台用于数据处理的服务器。资料条件方面，课题组可通过县教师发展中心与学校账号访问中国知网等数据库，能够满足文献检索需要。（三）制度保障课题组制定了《研究数据采集与使用规范》，对录音录像的告知与授权、学生作品的脱敏处理、账号权限的分级管理、数据存储与销毁作出具体规定，涉及学生个人信息的数据一律不得用于研究之外的目的。课题组同时制定了《成果审核与署名规则》，全部工具类成果须经全组审议后发布，研究论文由实际承担相应工作的人员署名，避免出现分工与署名不符的情况。经费使用按课题管理办法执行，主要用于文献资料、问卷调查、软件与设备租用、教师培训与成果印制等支出。八、参考文献[1]中华人民共和国教育部.义务教育课程方案和课程标准（2022年版）[S].北京:北京师范大学出版社,2022.[2]教育部.教育信息化2.0行动计划[Z].2018.[3]教育部.中小学人工智能通识教育指南（2025年版）[Z].2025.[4]周文叶.中小学表现性评价的理论与技术[M].上海:华东师范大学出版社,2014.[5]周文叶,毛玮洁.表现性评价:深化基础教育课程改革的重要抓手[J].课程·教材·教法,2023(2):62-68.[6]王小明.表现性评价的信度与效度问题及其改进[J].教育科学研究,2023(6):55-61.[7]杨向东.表现性评价量规的开发程序与评分者一致性检验[J].中国教育学刊,2023(9):71-77.[8]冯翠典,高凌飚.基于评分量规的课堂表现性评价:常见问题与改进策略[J].教育测量与评价,2024(1):