摘　要：评价是精准把握教与学中存在的问题，促进教师教学发展的有效途径。当前，教师教学评价的维度越来越全面，但是始终缺少对于教学过程的评价研究。从教师评价的现实困境出发，结合技术赋能教师教学的表现特征与执教要素的分类形式，梳理出主体要素、支撑要素和运行要素的内涵，以及相互之间作用关系。其中，主体要素包含教师和学生，支撑要素包含教学环境和教学资源，运行要素包含教学内容、教学方法和教学反馈。在此基础上，设计包含“学生主体性”“资源多样性”“环境智能化程度”三向度的综合评价空间化模型。该模型通过转化难以量化的维度生成教师表现点，该点不仅能够可视化表达教师教学行为区间，观测教学特征，同时还可以对标优质课堂教学表现，通过调节不同要素实现表现点的移动与平衡，生成教师教学过程的动态化区间，帮助教师针对性总结与改进教学。模型的本质是量化难以量化的教师教学过程要素，以可视化形式助力个体教师成长，同时为教育评价综合改革提供理论性贡献。

关键词： 人工智能；教师教学过程；教师评价；教学要素；评价模型

　中共中央、国务院印发的《深化新时代教育评价改革总体方案》明确提出，要改革教师评价，并强调创新评价工具，利用人工智能等现代信息技术实现全过程纵向评价、全要素横向评价，并注重过程性评价，促进评价方法多元化[1]。

　　如果将教学视为一个动态、连续、开放的活动过程，教与学关系则是伴随着教学活动的展开而发生的[2]，即学生的学习活动和教师的教学过程是统一有机体。但目前关注学生端的研究较多，教师端的研究较少，尤其是教师教学过程的评价研究。教师教学过程是指教师在课堂教学中组织、实施与反思的全过程，对其的评价往往是传统的、共性的。但人工智能赋能教师教学过程评价具有独特性，利用人工智能的技术特性开展个性化智能分析，更有利于教师开展自我反思与变革，实现“以评促教”。

一、人工智能赋能教学评价应用现状

　　教师教学质量是学校教育的生命线，科学、客观、公正的教学评价是教育教学质量诊断与改革的重要基础[3]，善用技术赋能评价可以进一步保证结果的真实、可靠与有效。目前，人工智能赋能教学评价主要包括以下三种类型：一是人工智能教学评价思辨研究。例如，李明媚等从变与不变的视角，强调人工智能时代评价反馈机制如何区别于传统评价方式，以全过程的评价和过程性的督导，促进教师更多关注自身成长[4]；赵磊磊等从内在主义视角，提出教学评价智能化转型的技术伦理规约路向，在技术风潮来势汹汹之时，思考人文情感、道德、伦理制约下的智能评价秩序[5]。二是人工智能教学评价设计研究。例如，王辞晓等以课前、课中和课后为维度，构建人机协同在线教学框架，并进行基础教育、职业教育和高等教育的场景异质性分析，从而丰富当前的在线教学评价思路[6]。三是人工智能教学评价应用研究。在实践中，相关应用多集中于阅卷、作业批改等场景的工具，如智能阅卷系统、E-rater、TextEvaluter等[7]；在研究中，炕留一等通过捕捉师生动作、师生交互、师生情绪和师生话语等多维数据，以及有效的实时监测，弥合传统评价缝隙，设计并验证基于多维数据的课堂教学行为评价模型[8]。

　　此外，当前关于人工智能赋能课堂评价、教学评价和技术应用的研究沸沸扬扬，但少有研究将注意力集中于教师教学过程研究。教学过程是教育的核心组成部分，也是促进学生全面发展的重要因素[9]。关注并评价教学过程，不仅能够更加合理地证明教学本身的效果[10]，还可以帮助教师更加清晰地认知执教过程，切实可行地以“评”促“教”，并帮助教师根据评价结果精准改进教学内容。基于此，本文通过分析人工智能赋能教学评价的主要特点，筛选并剖析技术赋能下的教师教学过程关键要素，构建人工智能赋能教师教学过程评价的模型，以期为人工智能促进教师的“教”提供切实可行的方案和指引。

二、人工智能赋能教师教学过程评价的主要特点

　　跳出传统教学藩篱，打破先进技术、理论与实践之间的壁垒，实现行之有效的人工智能技术赋能教师教学过程，需要全样本的评价数据、多模态的评价环境与伴随式的评价过程。

　　（一）全样本的评价数据

　　当前，诸多智慧学校正在探索利用不同在线教学平台赋能教学过程的有效途径，但采集到的评价数据往往存在重点关注学科知识评测、忽视非考试性表现、数据类型单一且状态割裂等问题。而人工智能将采集到更加广泛、多样的教学数据，助力学情的综合研判。一方面，数据来源贯穿“人”与“机”。“人”包括参与教学过程的教师、学生、教学管理者[11]；“机”包括智能化教学平台、智能教具、校园网等。采集的数据不仅包含“人”与“机”的内部生成数据，同时更加关注人机协同过程中生成的混合数据与协同认知数据。另一方面，数据类型“静”与“动”联动。静态数据指有规定格式的结构化数据，如调查问卷、考试试题等；动态数据指教学过程中产生的非结构化数据，如不同境脉下的姿态、语言、心理等多模态数据。真实情境中的动态数据多于静态数据。语音识别、场景识别、人脸识别等技术的应用，能够加强动态数据的深层智能感知与处理，更具针对性地生成个性化反馈信息，助力教师精准提升具体环节的教学效果。

　　（二）智慧化的评价环境

　　传统评价环境无法做到数据的有效收集、归纳与处理，对于教师教学质量具有主观臆断与经验至上倾向，难以发现教学过程中的真正问题。人工智能赋能的教学评价环境是技术性、智慧化的，不仅能够有效筛选、识别与判断学生的学习情景、教师执教行为，还可以从大量信息中甄别出能够促进学习者学习效果的教师行为，从而满足教师个性化的施教需求。

　　智慧化的评价环境主要运用画像构建、过程检测与结果生成三类技术。一是个性化教师画像。利用学习者建模技术收集整理教师在一段时间内的连续教学行为[12]，生成教师个体信息与情境信息，再将信息整合处理，生成教师教学行为动态画像。二是多模态教学监测。利用情感计算、智能感知等技术捕捉教学过程中的基础信息、外显数据、心理数据和生理性数据，综合评判不同过程产生的影响，及时发现教学“盲点”。三是精准式结果生成。打破传统评价结果导向的固化形式，利用自然语言处理等技术还原真实课堂信息，提高教学行为的评价指标权重。

　　（三）伴随式的评价过程

　　学生评价正由以问卷、试卷为手段的知识记忆与理解阶段，过渡到以数据为导向、以全过程数据评价学生高层认知与非认知能力的综合素质评价阶段。教师评价也应及时调整为关注教学全过程的伴随式评价，强调教师“综合素养”的培育。而目前的教学过程数据采集，通常围绕使用者的鼠标点击、键盘控制以及对某个视频的使用时长展开，难免存在单一疏漏之处。基于王小根等提出的“主体、内容、目标、阶段、工具”评价五要素[13]，建立伴随式“评价流”可有效解决问题，即以教师和学生为主体，关注教学活动设计的合理性，以树状目标的完成实现认知、能力与情感的综合目标，并将教学划分为有限个教学阶段，根据不同阶段的需求调整策略，同时根据不同的教学场景、内容与对象，灵活运用不同教学工具解决问题。

三、人工智能赋能下的教师教学过程要素剖析

　　（一）技术赋能教师教学过程的教学要素选定

　　若要实现有效的教师评价，需要精准定位教师教学过程中的关键要素，确保不同要素既相互关联又彼此独立；再用人工智能赋能各个要素，达成要素内的深度挖掘与要素间的有效串联，以空间形态网罗教师评价。

　　教学要素有两种分类方式，如图1所示。一种是单一论，通常以“X要素”方式命名，罗列与教学开展相关联的各个教学要素，如经典三要素[14]、四要素[15][16]、五要素[17][18]等；另一种强调教学的复合特征，认为多个要素间不是简单并行关系，而是应按照不同层级再次进行分类，如教学要素层次论[19]、2+2+5要素说[20]、3+4+2要素说[21]等。本文通过分析，发现教学要素在经典三要素的基础之上，不断演变出新的内容，而随着参与要素的逐渐丰富，多元化的表达更能够推动讨论的开展。由于划分标准和评判依据不同，多元要素论中诸多观点在一级分类下存在较大差异，若要实现人工智能对教学过程的充分支持，需要根据技术特点、教学主体、教学情境等要求筛选教学要素。

图1   教学要素分类及内容

　　本文整理了所有教学要素论的关键词与使用频次，得出如表1所示的教学要素频次表。因为教师与学生是教学发生的对象与主体，所以所有的分类标准中均包含二者，故不在表中予以展示。其中，教学目的主要受课程标准的影响，不因技术的升级而改变，其余要素均与人工智能存在一定联系。基于此，参照多元要素的构建形式，提出人工智能赋能的教学要素及其关系框架，如图2所示。首先，依据技术影响方式，将教学要素分为直接影响要素和间接影响要素；其次，在直接影响要素上，按照人、物分为主体要素与支撑要素，主体要素包含教师与学生，支撑要素遵循技术赋能的角度分为教学资源与教学环境；最后，间接影响要素分为教学内容、教学方法和教学反馈，各要素间相互影响，最终实现教学目的，并尽可能“大而全”地囊括教学中的全要素且层次分明。此外，直接干预层与间接运行层跟随技术支持层的变动而动态调整，结果指向唯一的实践应用层。该要素集在使用时要结合不同情境，充分关联各要素间关系，在必要时也可对要素进行适应性调整。

表1   教学要素频次表（不含“教师”和“学生”）

图2   人工智能赋能的教学要素及其关系框架

　　（二）技术赋能教师教学过程要素及内容

　　技术赋能的各要素之间相互依托、相互影响。各要素释义如下：

1.主体要素

　　在讨论教学要素时，教师与学生似乎已经成为必选项，因两者之间相互依存，是不可割裂而谈的，故将两者统一为主体要素。从静态上来看，教师与学生是构成教学过程最基本的要素，教学的基本出发点是学生。通过评判教学发生过程中的教师表现、学生反馈以及各主体间交互，可以评价教师教学开展的有效性。从动态上来看，教师与学生两大主体的强弱变化，可以实现教学过程中学生主体性高低的连续表达。

2.支撑要素

　　环境与资源不仅是教与学发生的重要支撑要素，同样也是人工智能赋能教学过程的最直接影响因素。作为教学中的硬要素，智能化的教学环境扩宽了学习发生的场域，不再局限于物理教室的人机物，而是发生于强交互的数字环境中，以人机协同方式了解学习现状、生成个性化画像、感知学习发生情境并制定个性化教学方案[22]。由此，原本时空受限的教室转变为一个灵活、个性、交互、共享的智能教学空间[23]。智能教学空间中包含海量的教学资源。教学资源分为由政府、市场和教师自主开发的校本化资源，以及以AIGC为基础的人机共创资源。人机共创使人类智慧与机器智能各司其职，实现资源的批量化、规模化、高效化开发。

　　教学环境的智能化程度、教学资源的多样化程度与教学效果息息相关，但两者与教学效果之间并非单一线性关系，而是呈现正态分布样态。程度过低会导致主体要素间的交互不足，教学不够灵活；程度过高则会出现“重技轻教”情境，模糊教学关键。由此可见，只有适切程度的支撑要素才能够实现最佳教学效果。

3.运行要素

　　教师教学时产生的过程要素是整个要素系统运行的关键，代表了教师教学的发展方向，具体包括教学内容、教学方法以及教学反馈。运行要素同样也是人工智能赋能教学过程的间接影响因素。运行要素中的三要素不可脱离其他要素空谈其一，针对不同教学内容选择恰当教学方法与反馈方式才是三者能够相得益彰的关键。

　　（1）教学内容

　　无论外界技术环境如何变革，教学内容本身是不变的。其变动只受课程标准中知识、能力与情感的培养要求而改变。虽然内容不变，但在进行知识传授时，可以根据具体情境做出内容的再设计。例如，按照大概念、大单元、大任务的设计理念，对教学内容的知识点进行洗牌、串联与再整合，助力学生解决真实情境中的复杂问题并提升核心素养。

　　（2）教学方法

　　技术赋能丰富了教学方法，使多交互、强自主教学方法的使用更加高效便捷。常用的教学方法，如任务驱动法、情境教学法、探究式教学法等，均可在支撑要素的支持下实现便捷式任务布置、数字化情境创设、高效能数据分析等。其减少了人工布置与整理的冗余时间，可以根据教学对象实现有效教学时段内的知识扩充、迁移与应用。

　　（3）教学反馈

　　反馈又被称为“评价”，是判断教学进展是否顺利的关键。技术赋能有助于建立课堂综合评价体系，以伴随式评价流程生成教师教学画像，贯穿诊断、过程、总结、增值全流程。

　　（三）技术赋能教师教学过程的要素间关系辨析

　　不同教学要素间依存共生，具体内涵释义如图3所示。

图3　人工智能赋能的三向度教学要素内涵释义

1.主体要素对于运行要素的影响

　　在教学过程中，教师以教学内容为载体，利用教学方法进行知识传授，并通过教学反馈实现师生关系的调节与优化。不同的教学内容、方法和反馈，需要的师生主体性不同。例如，若是以实验探究为主，强调学生通过自主操作等方法探索教育规律，并以评价作品、制品为反馈途径，那么该过程最适配学生的高主体性，在过程中可以运用多模态技术捕捉师生的语言与动作，经分析挖掘得到主体性准确赋值。

2.教学资源对于运行要素的影响

　　技术赋能下的教学资源更加多样，具体是以校本教材为核心、以数字资源为配合，具有拓展教学时空、满足学生个性化学习的功能[24]，且资源应用于教学开展的全过程。技术支持下的教学资源将着力于三方面的发展：①特色内容生成。强调理论与实践相结合，运用名师智库优化教学内容。②拓展多种渠道。技术赋能的教学资源获取渠道丰富，如国家中小学智慧教育平台、国家教育资源公共服务平台、国家基础教育云平台等，保证内容新颖的同时，也能最大限度实现教育公平。③注重教学反馈。运用技术手段更易剖析资源使用的具体情况，如目光停留区域与时长等，从而判断教学资源的使用是否得当。

3.教学环境对于运行要素的影响

　　教学环境包含教与学发生的场所、设备、工具等。技术赋能下的教学环境具有智能化的特点。在教学内容上，保证前沿性与实操性，可以运用智能代理等教辅工具辅助教学；在教学方法上，还原真实场景，全面感知教学内容；在教学评价上，保证教学全过程、全数据、全样本、个性化评价的开展。

四、人工智能赋能教师教学过程评价模型构建

　　（一）三要素综合评价空间化模型设计

　　教师教学过程的要素多且难以被量化是阻碍教师评价发展的现实困境之一。上述主体、运行和支撑要素之间的关系论述，表明三者之间能够互相推断与表征。为更加客观、立体地评价教师教学情况，本文采用空间坐标系搭建模型，通过变量间的关系量化各要素。

1.空间坐标轴的变量选取

　　首先，主体要素中的教师与学生、支撑要素中的环境与资源最易被量化。师生赋值的高低可以代表课堂中教师主导、学生主体地位的高低，且资源与环境可以通过种类数量和技术应用程度判定。其次，运行要素是间接影响要素，同样也是教学中的软要素，具有难以表征与量化的特点。但基于不同要素间相互促进与限制的特征，可以通过判断教学过程的主体性、智能化和资源性，进而得到教学内容、教学方法和教学反馈的量化值。故在评价模型的建构过程中，选取学生主体性、教学资源多样性和教学环境智能化程度作为空间坐标系的XYZ坐标轴，综合判断运行要素中的不同内容。最后，主体要素是教与学发生的对象，是一切开展的基础；运行要素是教与学开展的内在机理，是教师表现最重要的影响因素；支撑要素是教与学作用的空间场域，也是直接影响因素。只有综合判定三要素，才能客观评判教师教学过程，即单独判断一堂课是否智能、资源类型是否多样是无意义的，只有在运行要素范围内开展讨论才有价值。由此可见，运行要素起到了及时匡正的作用。

2.空间评价体的概念模型

　　综合人工智能赋能教师评价的特点和教学要素的内涵，尝试搭建教师教学过程评价的概念模型。根据要素特征，选取学生主体性（主体要素）、资源多样性（支撑要素）、环境智能化程度（支撑要素）为坐标轴，运行要素难以直观量化，故通过综合判断分析。依托智能技术的评价模型突破平面化的教学评价结构，链接不同维度形成综合评价体系，具体如图4所示。

图4   人工智能赋能教师教学过程评价的概念模型

　　图4所示为处于XYZ空间直角坐标系的不规则六面体。沿X轴左右两面分别代表教师与学生两个主体要素，越远离轴心，学生的主体性越高；沿Y轴前后两面代表贯穿教学过程的教学资源，越远离轴心，教学资源形式越多样；沿Z轴上下两面分布代表教学发生的环境，越远离轴心，教学环境的智能化程度越高；整个不规则六面体内部充斥的是运行要素，代表教师教学过程与发展方向。空间化的评价模型能更好地体现教学过程的多维度与连续性，且单一要素的变化均有“牵一发而动全身”的效果，展现了综合评价体的整合性。

　　通过对主体要素和支撑要素的判断与计算，可以得到运行要素的表现情况，即可以利用主体性、资源化和智能化对教学内容、教学方法和教学反馈进行评判。根据空间坐标系的理念，不同方向的坐标可以对最终的位置产生影响，所以应通过不同维度判断得到运行要素的值，并综合运行要素的不同内容，计算最终表现情况。通过对三个维度的具体量化，可以在XYZ三个方向上分别得到A1(X1,0,0)、B1(0,Y1,0)、C1(0,0,Z1)三个点，分别代表教师教学过程在主体要素、支撑要素上的表现，同时在六面体内部将得到一组M(X1,Y1,Z1)空间坐标，M代表的含义为教师表现点，由于该表现点处于六面体空间内的教学过程区，且是参与计算的主要因素，所以该点同样代表了教师教学的运行要素。对于运行要素而言，不同维度需要配合相应的计算，即教学内容α、教学方法β和教学反馈γ分别对应主体性、资源化和智能化的要求。

　　（二）空间化模型的运行机理

　　模型的具体运行过程可以按照如下步骤进行：

1.模型切割

　　如图5所示，以原空间模型为基础，在不同面上连接六面体十二条边上的中点，将六面体进行八等分，可得到名为U1—U8八个不规则的小六面体，每个小六面体内部分别代表了主体性、资源性和智能化程度高低不同的空间，如U1代表“弱资源性、高智能化、强主体性”、U8代表“强资源性、低智能化、弱主体性”等。实际操作过程中可根据需要对模型进行更加细化的切割与分类，如可以按照如上方式将六面体继续等分为27份、64份等。

图5   切割后的教师教学过程评价概念模型

2.维度计算

　　通过量化指标，依次判断α、β和γ在主体性表现上的高低，分别得到α(X1,0,0)、β(X2,0,0)和γ(X3,0,0)三个点，通过计算均值得到教师表现点在X坐标轴上的准确点A(X,0,0)。按照同样的方法计算，分别得到教学方法β在Y坐标轴上的准确点B̅(0,Y̅,0)和教学反馈γ在Z坐标轴上的准确点C̅(0,0,Z̅)，将三轴坐标相统一即可得到教师表现点M(X̅ ,Y̅ ,Z̅)，若M点位于U1空间中，可认定教师教学过程具有“弱资源性、高智能化、强主体性”的特征，由此帮助教师观测教学现状，并精准改善教学不足之处。

3.教学优化

　　教师表现点M不仅代表主体、运行和支撑要素的表现，同时还体现相互之间的作用关系。不同优质课程的教师表现点不同，且同一教学内容所呈现的优质教师表现点也不是唯一确定的。故通过本模型的计算与描点，可以针对同一门课形成由诸多优质教师表现点连接而成的优质教师表现区，若某名教师的教学过程经过计算后落在了优质教师表现区内部，则认定教师开展了高效的教学工作。若落在了表现区外部，教师可通过对标行为表现，开展教学优化。该模型认为，优质的教师教学行为不是生搬硬套，且没有一套适用于所有教学的“标准”；针对同样的教学要素，可以生成诸多优质异构课堂，实现教师教学行为的动态化调整。

五、结语

　　本文在人工智能时代背景下审视教师评价，认为大数据、区块链、5G等技术虽然在其他领域已取得了诸多成果，但在教师评价领域仍存在体系不健全、维度难确定等问题。教师教学评价模型的本质是量化难以量化的教师教学过程要素，以可视化形式助力个体教师成长，同时为教育评价综合改革提供理论性贡献。

　　虽然本文提出的概念与模型在一定程度可以解决教师评价的当前困境，但模型的完善还需要进一步探讨，如教学要素是否还有其他重要组成部分、如何避免技术过度入侵带来的风险、如何量化三要素的具体指标等。在后续研究中，将采用层次分析法，从“学生主体性”“资源多样性”“环境智能化程度”三个方面充分量化具体指标内容，并确定不同指标的权重，进一步探索模型的应用场景。（文章摘自中国教育信息化）