夜雨聆风人工智能（Artificial Intelligence，AI）已从“概念验证”阶段迈入“教学现场”阶段，在形成性评价（formative assessment）中扮演越来越关键的角色。形成性评价强调“过程 + 反馈 + 调节”，而 AI 恰好在“高频数据捕获—实时诊断—个性化反馈—动态调节”四个环节具有独特优势。本文从理念、技术、场景、证据、风险与展望六个维度，系统梳理 AI 赋能形成性评价的机制、成效与挑战，并给出可落地的实施建议。
一、理念层：AI 为何与形成性评价“天生契合”
定义再审视形成性评价的核心不是“评”，而是“通过评来促学、促教”。Black & Wiliam 的经典框架指出，只要满足“揭示学习差距—提供改进信息—被师生实际使用”三条件，任何活动都可成为形成性评价。AI 的数据密集型与反馈即时性，恰好让这三步无缝衔接。
反馈回路压缩传统课堂的反馈周期常以“天”计，AI 可压缩到“分钟”甚至“秒”。回路越短，学生记忆热度越高，调节行为越可能发生。
从“抽样”到“全样本”教师一次课只能提问 5–8 名学生，AI 可采集全班每一次键盘输入、语音波形或眼动轨迹，实现“全样本”诊断，降低因抽样偏差导致的误判。
从“结果”到“过程”借助学习分析（Learning Analytics），AI 可以捕捉“半成品”状态，如作文的每一次键盘停顿、编程的每一次编译错误，还原真实思维过程，而非只看最终答案。
二、技术层：AI 在形成性评价中的七大功能组件
自动批改（Auto-grading）覆盖选择、填空、短答、程序、数学推导、手绘图 OCR 等多模态题型。
诊断模型（Diagnostic Model）基于贝叶斯知识追踪（BKT）、深度知识追踪（DKT）或认知诊断模型（如 DINA），实时估计学生掌握度。
自然语言反馈（NLP Feedback）利用大模型（LLM）生成“任务层—过程层—自我调节层”三级反馈，可解释、可改进。
语音与发音评估（Speech Scoring）采用声学模型 + 发音良好度（GOP）算法，对口语进行音素级纠错与重读、语调建议。
自适应提问（Adaptive Questioning）依据“最大信息增益”原则动态抽题，既防止过难导致挫败，也防止过易导致厌倦。
多模态学习分析（Multimodal LA）融合视频头部姿态、键盘日志、生理腕带等多通道数据，推断注意力、情绪与认知负荷。
生成性任务与模拟（Generative Task）利用 AIGC 生成“案例 + 情境 + 角色扮演”，学生与 AI 代理协作解决问题，评价其高阶思维。
三、场景层：从“备课—教学—作业—反思”闭环看 AI 形成性评价落地
备课阶段：AI 协同教师设计“可评”任务教师输入教学目标，AI 依据 SOLO 或布鲁姆分类法生成评价量规（rubric），并输出 3–5 个形成性任务原型，附带预估难度与常见误区。
教学阶段：嵌入式“随堂测”PowerPoint 插件（如 ClassPoint AI）扫描教师课件，一键生成与幻灯片内容匹配的选择题、填空题或开放题，学生用手机提交，AI 实时生成热力图，教师据此调整讲解节奏。
作业阶段：写作与口语的“秒级反馈”高职英语 iWrite 系统从语言、内容、篇章、规范四维评分，并给出句级修改建议；学生根据反馈二次提交，系统记录“草稿—终稿”进步轨迹，形成电子成长档案袋。
项目阶段：跨学科 STEM 的“过程性评估”AI 依据学生上传的编程日志、实验数据与协作聊天记录，自动计算“数据分析与模型构建”得分，教师则基于 AI 汇总报告，聚焦“创新性”与“合作态度”进行定性评价。
反思阶段：AI 生成“个性化错题本 + 学习建议”系统根据错误模式，推送 3 分钟微课视频与相似题，并提示学生自评“是否已掌握”；若学生连续两次自评过高但后续答题错误，AI 会触发“元认知提醒”，引导其下调信心评级，培养自我调节能力。
四、证据层：AI 形成性评价的效果与边界
学习成效2024 年《Nature》子刊元分析显示，嵌入 AI 即时反馈的课堂比传统课堂平均效应量 d=0.34，对低成就学生（d=0.52）更显著。
教师时间自动批改可为教师节省 30–40% 评分时间，使其将精力转向高阶辅导。
学生动机游戏化 AI 评估（如物理闯关）提升学生流体验，但需警惕“外在奖励”削弱内在动机，应设计“挑战性 + 自主感”并重的任务。
边界与风险
算法偏见：训练数据若过度代表高分范文，可能对少数语言背景学生不利；需定期审计模型，引入对抗性样本。
高阶思维：AI 对创造性、批判性评分仍弱于专家，应采用“AI 预评 + 教师终评”混合模式，确保信度与公平。
数据隐私：语音与面部视频属敏感生物数据，须遵循最小够用原则，本地加密存储，禁止第三方商用。
学生依赖：过度依赖 LLM 可能弱化基础写作技能；可设计“AI 意识”任务，让学生批判并改进 AI 生成文本，培养高阶思维。
五、实施建议：让 AI 形成性评价“用得上、用得好、用得安心”
教师专业发展将“AI 素养”纳入校本研修，重点训练：提示工程（prompt engineering）、诊断报告解读、偏见识别、伦理决策。
三层治理架构
决策层：校长与教研组长制定“AI 评估应用白皮书”，明确数据边界与红线。
执行层：学科组共建“任务—数据—反馈”模板，统一量规，确保横向可比。
监督层：家委会与学生代表参与算法解释会，建立“申诉—复核”流程。
技术选型优先采用“可解释 + 可编辑”的 AI 工具：教师能查看评分规则、可手动覆写结果，防止“黑箱”决策。
迭代机制每学期末开展“证据导向”的复盘：对比 AI 预测的学生掌握度与期末实测结果，校准模型；同时收集学生问卷，优化反馈语言的可读性与激励性。
数字公平对终端设备不足的学生，提供“离线语音评测笔”或“纸质 OCR 答卷”，由学校统一数字化，确保技术红利不扩大“新数字鸿沟”。
六、生成式 AI 与形成性评价的“双向奔赴”
评估即学习（Assessment as Learning）生成式 AI 不再只是“打分”，而是与学生共同完成任务：例如，AI 扮演“辩论对手”，学生需现场反驳其论点，系统依据论证质量、信息来源可信度、逻辑谬误识别等多维指标给出形成性反馈。
多模态大模型未来 GPT-vision 类模型可同时解析学生手绘概念图、口述解释与文本答案，实现“图-文-音”一致性校验，更精准定位概念误区。
元宇宙模拟在虚拟实验室中，AI 依据学生操作步骤实时生成“异常数据”或“事故情境”，评价其应急处理与科学推理能力，形成“情境化”形成性评价。
终身学习护照区块链 + AI 将学生的各学段形成性评价数据加密上链，生成“学习护照”，可跨校、跨机构授权使用，让评价真正成为“终身学习导航仪”。
结语人工智能不是形成性评价的“终点”，而是一次重新反思“为何而评、评何、如何评”的契机。当 AI 的“数据智能”与教师的“教学智慧”深度融合，形成性评价才能真正回归教育本质——支持每一个学习者成为更好的自己。面对技术浪潮，我们需要的不是“替代”与“被替代”的焦虑，而是“共创”与“共治”的勇气。让 AI 做其擅长的高频计算，让人类守护价值与温度，这才是智能时代形成性评价的理想图景。
