夜雨聆风
一、AI辅助小学美术“教—学—评”一致性的矛盾与优势辨析
（一）AI介入后的核心矛盾界定
（二）AI辅助的优势体现
1. 辅助教学目标具象落地，夯实“教”与目标的契合度
2. 辅助构建多元评价体系，强化“评”与教学的关联性
3. 辅助学习过程精准指导，提升“学”与“评”“教”的协同性
二、AI辅助小学美术“教—学—评”一致性设计思路
三、AI辅助小学美术“教—学—评”一致性的设计与实施
（一）精准定位：AI辅助设计素养导向的教学目标
1. 锚定课程标准要求
2. 教材内容解析
3. 学生学情分析
4. 确定素养目标
（二）系统构建：目标导向的AI赋能评价系统
（三）深度融合：嵌入评价的AI辅助学习活动设计
四、总结与展望
【摘要】：在美术课程视域下，“教—学—评”一致性是专业化的重要诉求，也是提升美术课堂质量、培育学生艺术核心素养的关键。在当前小学美术教学实践中，教师大多依赖主观经验来践行该理念，由此导致出现目标设定模糊、评价反馈滞后、教学活动偏离目标等问题。人工智能（AI）技术的融入为破解此困境提供了可行的路径。文章在梳理AI辅助小学美术“教—学—评”一致性过程中的核心矛盾与优势的基础上，构建了相应的实践模型。同时，结合具体的教学案例，发挥师生与AI的协同优势，通过一体化设计素养导向的教学目标、构建“量化+质性”的多元评价系统及设计内嵌评价的学习活动等策略，有效推动“教—学—评”一致性精准落地，进而促进学生核心素养的发展，为人工智能技术赋能美术教学创新提供参考。
【关键词】：“教—学—评”一致性；AI；小学美术；教学模型构建；学生核心素养
《义务教育艺术课程标准（2022年版）》（以下简称“课程标准”）在“设计思路”中明确提出，美术课程应“体现艺术学习特点，优化评价机制”，要“体现教、学、评一致性”[1]。“教—学—评”一致性指的是教师的教、学生的学，以及对学习的评价这三者基于教学目标保持一致，具体包括教与学之间、学与评之间，以及评与教
当前，小学美术“教—学—评”一致性在实践中面临多方面的问题。一是目标设定主观化。教师在解读教材与研判学情时，过度依赖主观经验，使得所设定的教学目标难以精准匹配学生需求，进而无法有效指导课堂活动的开展。二是学习活动出现偏离。美术学习活动与预设目标脱节，出现教与学“两张皮”现象。这不仅致使教学目标流于形式，还使得教学重难点也无法得到有效攻克。三是评价反馈模糊。评价环节与课程目标、教学目标之间的衔接不够精准，反馈内容多为模糊表述，并且反馈存在滞后性，这降低了评价的有效性与可信度。上述问题导致美术教学中的教学目标与评价标准难以契合，美术实践活动与评价反馈相互割裂。这种情况不仅限制了学生美术核心素养的培育，还阻碍了课堂教学质量的提升。
人工智能（AI）是推动教育数字化转型的重要技术支撑。在AI技术广泛应用的当下，借助智能工具能够有效改善这些实践困境。基于此，笔者依据课程标准中要借助现代信息技术整合并开发新的教学资源，促进教学方式、方法的转变和创新发展的要求，尝试将AI技术融入小学美术教学过程。在厘清人机协同过程中可能出现的冲突的基础上，推动“教—学—评”一致性教学的精准化、高效化实施。
一、 AI辅助小学美术“教—学—评”一致性的矛盾与优势辨析
本文所探讨的AI是涵盖生成式人工智能、智能评价、数据分析与自适应学习等功能的综合智能技术体系。其中，生成式人工智能（GenerativeArtificial Intelligence，GenAI）是指能够基于现有数据生成反映真实世界底层模式新内容的一类人工智能模型[3]。其具备启发性内容生成、对话情境理解、序列任务执行与程序语言解析四大核心能力[4]。GenAI通过学习数据规律与特征，能自主生成文本、图像、音视频等，并能理解用户意图、实现交互迭代。这与小学美术教育的数字化、个性化发展需求高度契合，为“教—学—评”一体化实践提供了新的技术路径。这些核心能力表明，AI正重塑教育教学，其影响范围涵盖教学主体关系、教学环境、资源形态、教学方式、评价机制，以及相关的伦理与治理结构[5]。然而，在小学美术这一强调感性体验与个性表达的学科中，AI的介入并非简单的技术赋能，同时也引发了多重深层冲突，这构成了AI辅助小学美术“教—学—评”一致性的核心矛盾，也决定了技术应用的边界与方向。
（一）AI介入后的核心矛盾界定
相较于传统教学中依赖教师主观经验所引发的表层问题，AI介入后小学美术“教—学—评”一致性面临的矛盾更具复杂性，主要体现在以下三方面。
其一，人机协同角色定位矛盾。AI强大的数据处理能力易引发“技术越位”的风险。例如，教师若过度依赖AI生成的教学方案与评价结果，就会弱化自身对学生艺术表达的质性判断，进而导致教学主体权责失衡。反之，若完全排斥技术，则无法发挥AI精准赋能的价值，从而形成“技术缺位”的困境。
其二，技术理性与艺术感性的评价标准存在冲突。AI评价依赖量化指标，如造型完整性、色彩搭配合理性等，而美术核心素养中的“创意实践”“审美感知”具有极强的主观性与模糊性。这两者在评价维度的诉求上存在本质差异，从而引发评价标准的冲突。
其三，AI任务分解机制与艺术创作随机性的矛盾。艺术创作往往伴随着非预设的灵感迸发，具有极强的开放性与偶然性。而AI的序列任务执行能力倾向于将创作过程拆解为固定化、程序化的步骤，这种做法可能会束缚学生的创作思维，与艺术创作的特质相悖。传统模式与AI模式在“教—学—评”各环节的冲突客观存在，尤其在评价环节表现得最为突出。二者的核心差异如表1所示。对比差异，印证了技术理性与艺术感性的核心冲突，也说明AI辅助小学美术“教—学—评”一致性必须建立“量化指标+质性判断”的融合机制。
表1评价差异对比
（二）AI辅助的优势体现
尽管存在上述矛盾，但AI技术仍具备不可替代的辅助价值。关键在于通过合理的设计来实现矛盾的调和，而非消解艺术学科的特性。其核心优势体现在以下三个方面。
1.辅助教学目标具象落地，夯实“教”与目标的契合度
小学美术教学目标中的审美感知、艺术表现等核心素养具有抽象性，教师在教学中易出现目标模糊的问题。AI可通过解构课程标准，将抽象目标拆解为可操作的教学要点，同时生成可视化的目标达成路径图，并实时提醒教师对照目标，避免教学偏离方向。这种辅助方式既保留了教师对目标内涵的深度解读，又通过技术手段强化了目标的可操作性，调和了“目标抽象性”与“教学具象性”之间的矛盾。
2.辅助构建多元评价体系，强化“评”与教学的关联性
传统美术评价主要依赖教师的主观判断，评价维度单一且反馈滞后。AI可辅助构建“量化指标+质性补充”的多元评价体系。一方面，它能自动生成与教学目标匹配的量化指标，减少主观偏差；另一方面，它可以采集教学过程中的学生表现数据，为教师的质性评价提供客观依据。这种模式既发挥了AI的数据分析优势，又保留了教师对艺术表达的核心判断权，调和了技术理性与艺术感性的评价冲突。
3.辅助学习过程精准指导，提升“学”与“评”“教”的协同性
学生在美术学习中常因缺乏有针对性的指导而感到迷茫。AI可基于评价数据推送个性化学习建议，同时实时反馈学习成果与目标之间的差距。这种辅助方式既避免了传统教学中“一刀切”的指导模式，又通过技术手段实现了“评”对“学”的即时反馈，提升了“教—学—评”的协同效率。
二、 AI辅助小学美术“教—学—评”一致性设计思路
AI技术具有独特优势，它能“使教师和学生更清楚、更深入、更全面地理解学习是如何发生的”[6]。学者崔允漷、雷浩构建的“教—学—评一致性三因素理论模型”[7]明确了教学目标、评价任务与教学活动的核心地位，但该模型存在动态调整机制缺失的局限性，较难应对教学过程中师生互动、学情变化所带来的不确定性。基于此，笔者结合AI技术的动态数据处理能力，构建了“目标校准定位—评价实时调控—活动动态适配”的AI辅助小学美术“教—学—评”一致性设计模型（图1）。该模型借助AI的实时数据采集与分析功能，弥补传统理论模型的静态缺陷，实现了三因素的动态协同。
