数据驱动的教育评价改革实践

2019 年《深化新时代教育评价改革总体方案》的出台，标志着我国教育评价进入全面改革的新阶段。五年来，广东省积极响应国家号召，在"破五唯"的基础上，率先探索人工智能与教育评价的深度融合。作为一线教师，我们深刻认识到：传统的"一刀切"评价模式已难以满足个性化教育需求，而数字化技术为破解这一难题提供了新思路。

我校自 2024 年成为广东省 CSMS 应用提升项目校以来，以英语学科为突破口，构建了数据驱动的个性化学习评价体系。这一实践正是响应《总体方案》中“改进结果评价、强化过程评价、探索增值评价、健全综合评价”要求的具体体现，也是落实《广东省教育发展"十四五"规划》关于"推进教育评价数字化变革"的重要尝试。

实践创新：CSMS 赋能个性化学习的“一核四维五阶”模式

CSMS 系统作为数字化赋能深化教学改革的重要工具，凭借其人工智能与大数据分析的双重优势，为教师提供了丰富、全面的数据支持。很多老师在探索中，急需一个可复制，可推广的有效路径指导老师开展教学改革，接下来我以小学英语学科为例，运用 AI+CSMS 分析，通过学情分析——课堂实施——反复实践——提炼总结——拓展推广，五个步骤来改进精准教学策略，提炼个性化的学习路径。

（一）解读文本，学情分析

为进一步探索基于CSMS 赋能课堂新生态的构建，我研究第一个课例是Chinese festival，这节课是中国节日作为一节英语的综合实践课，从What 、Why、 How ，解读文本了解教学重点难点以及核心问题，通过信息化手段了解学生学情，并通过Deepseek 输入关键提示词，协助设计适合学情的个性化教学设计，开展了教学。

（二）课堂实施，分析教学策略

优点：目标达成、课堂艺术、课堂调控、学习体验等维度表现突出，说明教师具有良好的课堂把控能力及专业水平，鼓励学生主动发言，促成学生课堂良好的学习体验。

不足：思维激发、评价反馈、合作交流还存在欠缺，说明教师没有帮助学生有效达成学习目标，在课常引导学生主动发言上还有比较大的提升空间。

因此我在思维激发和评价反馈这两方面进行思考和教学的调整，在明确思维激发和评价反馈是需要，我细读了思维激发和评价反馈的细项指标，包括学生的知行教学风格、弗兰德斯模型、ire 模式、教师的积极情感、教师的提问总量等因素，11 个细项指标聚焦于：师生互动、知行模式、课堂评价。

从弗兰德斯雷达图中看出，启发性 I/D、学生表达稳定 PSSR、教师发问 TQR 都低于常模，我探究这三个因素背后究竟是受什么影响呢？我查阅文献资料后发现：

启发性 I/D：提问类型失衡：教师可能过度使用封闭式问题（如是非题、事实确认型“是何”类提问），而开放型问题（如“若何”“为何”“如何”类问题）占比不足。

学生表达稳定PSSR（学生持续发言比率低）：学生发言机会受限：学生发言以短时被动回应为主，缺乏持续表达个人观点的机会。教师控制课堂节奏：未预留足够等待时间或讨论环节，导致学生缺乏深度思考及完整表述时间。

教师发问 TQR（提问频率与质量不足）：提问总量偏低：教师更倾向于直接讲授而非通过提问引导互动，且对学生的响应缺少追问式互动。

当我了解到启发性 I/D、学生表达稳定 PSSR、教师发问 TQR 是受到刚才所提及到的因素所影响的时候，我又再看了报告中的 IRE 互动分析中也发现，我本节课中简单型的问题 3 次，追问型和学生思考讨论再答型是完全没有的，这令我大吃一惊，于是我通过复盘自己的第一次课例后，及时进行教学环节和教学策略的调整。在复盘第一次课例的时候，我从引入、呈现和拓展三大部分进行了细看后发现存在以下问题：

引入环节

学生只是依赖教师提供的语言模板进行对话，未能在具体情境中调动起自己已有的知识储备。同时，学生主动交流的积极性不足。

师生之间的互动仅停留在简单的问答模式，未能有效营造出积极、活跃的互动氛围。

呈现阶段

尽管教师设计了问题，但学生由于缺乏必要的语言支持，难以稳定地表达自己的想法。

输出环节中，学生的句式较为单一、固定，缺乏多样性。此外，教学过程中缺少有效的评价机制，导致学生合作的意愿不强，输出内容也受到限制。

（三）改进策略：基于数据的精准教学调整

1.豆包智能体对话，提升语言运用能力

在课堂中融入豆包智能体，让学生与之进行英语对话，不仅为学生提供了更多开口说英语的机会，还增强了课堂的互动性和趣味性。从师生交互总次数的数据可以看出，利用豆包智能体后，师生之间的互动更加频繁，这有助于学生语言运用能力的提升。

2.点阵笔个性化分析，精准把握学习情况

通过点阵笔做题，能够对学生的学习情况进行个性化分析，精准定位每个学生的优势与不足。依据点阵笔收集的数据，教师可以为学生提供更具针对性的学习建议和辅导。

3.依据学习风格设计个性化教

根据学生不同的学习风格：能动型、哲理型、现实型、感悟型，教师分别设计个性化的教学手段。在二测课例中，学生四种学习风格的激发情况得到进一步改善。

经过对二测课教学策略的调整与优化，并将其相关数据上传至（CSMS）进行分析后，生成的报告结果显示，课堂教学互动情况取得了显著改善。具体数据如下：

师生交互总次数：从一测的164 次增加师生问答次数：从20 次增加至42 次。

教师激励学生主动参与互动的比例：从10.68%提升至21.15%，增长了近一倍。

在互动模式方面，通过IRE 互动分析，发现课堂互动质量显著提升。

新增追问型互动 3 次，以及学生思考讨论后回答型互动 1 次。在一测中，这两种互动类型均未出现，而在二测中均有显著提升。

这表明课堂互动已从“机械性回应”模式成功转向“深入对话”模式，学生的思维深度和参与度得到了有效提升。

（四）再次检验，探索路径

我校作为第一批省 CSMS 系统实验学校，已经开始了近一年来对 csms 系统的使用，期间也有多次课例的研磨。今年初学校基于省百千万培养工程专项课题《基于数智化视域下个性化学习路径探索与实践》提出的 DAPL教学行动（D-digital、A-artificial、P-project、L-learning），通过智能化、数字化、以项目式学习为主要方式，提升学生自主学习、自主创新的能力，进一步提炼探索出我校小学科组英语个性化学习的实现路径：一核四维五阶。

一核：“1”聚焦核心素养：以语言能力、文化意识、思维品质、学习能力四大核心素养为轴心，结合CSMS系统数据驱动的动态诊断能力，构建英语学科核心素养发展框架。

四维：“4”四维赋能：CSMS 功能与维度1：目标定位与素养达成度监测

CSMS 智能匹配新课标单元目标，如“Healthy Food”单元中，系统自动标注“健康饮食意识”素养目标，并通过课堂问答数据（如学生提出科学饮食建议的频率）实时监测达成度710。在“Colors”单元中，预设分层目标（基础：颜色词汇识记；高阶：颜色情感表达），当教师讲授时长超过预设阈值时，系统触发提醒“增加学生自主探究环节”。

维度2：课堂艺术与情感激励

CSMS 语音情感分析模块量化教师激励语言占比（如“Excellent！”出现频率），结合情绪词云图优化课堂互动设计10。如在“My Family”单元中，教师根据系统提示的“正向反馈不足”预警，设计“家庭成员角色扮演+即时点赞”活动，学生参与率提升35%。

维度3：思维激发与深度学习

CSMS 认知曲线分析工具追踪学生思维层级分布，如“Problem-solving”任务中，系统识别“分析类问题占比不足”，推荐增加“一题多解”讨论环节。

在“Festivals”单元中，设计“中西节日对比”探究任务，通过AI 生成的思维导图可视化学生逻辑路径，高阶思维发言占比从20%提升至45%。

维度4：合作交流与多维评价

CSMS 多模态数据采集（语音+视频）分析小组讨论效能，如“有效交流时长/角色分工合理性”，生成组内互评报告优化分组策略。

（五）“5”五阶推进：AI 赋能的课堂流程重构阶段1：数据预诊与精准备课（课前）

通过Deepseek 和Kimi 进行课前备课的分析功能，整合学生既往单元测试、点阵笔作业、课堂问答等数据，生成个性化学情报告。在《Healthy Food》单元教学中，系统预判23%学生存在饮食文化认知盲区，教师据此调整导入环节，增设情境对话模块。这种基于大数据的诊断，实现《总体方案》要求的"精准识别学习需求"，使备课效率提升40%。

阶段2：协作探究与智能反馈（课中）

借助CSMS 系统，当课堂提问等待时间超过8 秒时，会有所提醒，教师即时调整问题难度。在《My Family》角色扮演中，系统通过语音情感分析发现两组参与度偏低，触发分组优化建议。这种动态评价使师生互动频次提升126%，完美诠释《广东教育信息化2.0 行动计划》倡导的"课堂即时反馈"机制。

阶段3：动态调优与分层干预（课中）

依据科尔伯学习风格理论，为能动型（游戏化任务）、哲理型（思辨问题）、现实型（实操活动）、感悟型（情境创作）四类学生设计差异化练习。例如《Colors》单元中，系统推荐感悟型学生创作色彩诗歌，现实型学生制作色卡手册。这种个性化干预使目标达成率从58%提升至89%。

阶段4：迁移应用与个性拓展（课后）

通过点阵笔采集的书写轨迹、答题时长等数据，自动生成"错题微课+强化训练"组合包。某学生在《Shopping》单元中频繁出现价格计算错误，系统推送超市模拟 APP 任务，两周后正确率提高 92% 。这种精准拓展实现《总体方案》提出的"差异化作业指导"要求。

阶段5：教研协同与生态优化（课后）

借助CSMS 系统的多维度课堂数据分析（如师生互动模式、思维激发指数、学生参与热力图），教师可突破传统教研的“经验主义”，实现“数据实证+主观洞察”的双轮驱动。例如，在《Festivals》单元研讨中，系统显示“高阶提问占比不足”（数据），教研组结合自身经验，提出“增设文化对比类开放性问题”（建议），经实践验证，学生思辨发言率提升 40%。这种“AI 诊断→集体研讨→策略优化→效果回溯”的闭环模式，使教研活动从“主观争论”转向“靶向改进”。

辐射引领：跨学科与跨校的实践推广

通过初步探索出的“一核四维五阶”个性化学习路径，我们科组进行了分年级分学段的探索，我们科组一共上传了 12 节课，分别是三年级的 making riends、四年级的 my ody、五年级的 looking for ospital 和六年级的 feeling excited，四位老师通过一测课csms 的数据分析，得出数据后进行教学策略的调整并加入人工智能的手段，再进行二测课和三测课的上传，我们采用“诊断——调整——验证”的三步反思法。我们也把这个路径和实践方式推广到集团学校和工作室成员校，根据学生的学习情况和数据反馈，发现问题并调整教学方法，通过持续改进，不断提升教学能力和教学质量，促进学生全面发展。从学生的四何风格分布、弗兰德斯雷达图、IRE 模式都得到了显著的提升。

采用“诊断—调整—验证”的三步反思法