基于SOLO分类理论的小学语文听评课模型构建

基于SOLO分类理论的小学语文听评课模型构建

一、问题的提出：听评课需要一场"学理升级"

传统听评课长期存在三重积弊：其一，视角错位，听课者多聚焦教师教态、环节设计与课件呈现，鲜少度量学生思维的真实进阶；其二，话语空泛，评课止于"目标明确、环节清晰"等套话，缺乏证据意识与学理支撑；其三，闭环断裂，听评结束即任务结束，观察结果难以转化为改进教学的有效处方。

《义务教育语文课程标准（2022年版）》明确提出"教学评一体化"，强调评价应关注学生核心素养的达成度，注重考查学生在真实情境中运用语言文字解决实际问题的能力。这一理念倒逼听评课从"评教师教得怎么样"转向"评学生学得怎么样、思维发展到哪一层"。SOLO分类理论恰为这一转向提供了恰切的学理支点。

二、SOLO分类理论：度量学生思维深度的"标尺"

SOLO（StructureoftheObservedLearningOutcome，可观察的学习结果结构）由澳大利亚教育心理学家比格斯与科利斯提出，依据学生应答所表现出的思维结构，由低到高划分为五个层级：前结构（答非所问、思维混沌）、单点结构（只抓一个孤立信息点）、多点结构（罗列多要点而不关联）、关联结构（情境内整合信息、建立逻辑关系）、抽象拓展结构（跳出情境迁移创造）[1]。

其核心价值在于把内隐的思维过程外显为"可观察的学习结果"。对照课标，前结构与单点结构大体对应基础性任务群的识记理解，多点与关联结构对应发展性层面的梳理探究，抽象拓展结构则呼应拓展性任务群的迁移创新，可自然对接课标"学业质量"分学段的水平描述，使听评课获得课程标准层面的合法性依据[2]。

三、模型构建："课前—课中—课后"三阶一体

（一）课前：AI学情画像与课标定位。听课教师借助AI学情分析平台调取班级前测数据形成学情画像；依据课标确定本课所属学习任务群及学业质量水平，预设"多数学生应达关联结构、部分可冲击抽象拓展结构"的目标区间，使听课有的放矢。

（二）课中：SOLO五层级课堂观察量表。观察点从"教师做了什么"转向"学生怎么答、怎么学"。观察表设"问题任务—学生应答实录—SOLO层级判定—素养维度对应"四栏，按五层级即时归类，并标注文化自信、语言运用、思维能力、审美创造四维素养落点，实现"思维层级×素养维度"的二维观察。

（三）课后：AI辅助归因与改进处方。将观察数据录入AI评价助手，自动统计应答层级分布、生成"思维层级雷达图"；AI依据知识图谱提示薄弱成因，如多点结构占比过高而关联不足，多因缺少"梳理整合"类支架。评课教师再结合教学判断，形成"优点—证据—问题—归因—建议"的结构化评课单，并沉淀课例数据反哺备课。

四、课例分析：以五年级《刷子李》听评课为例

某校执教《刷子李》教研课时，教师提问："从哪些地方看出刷子李技艺高超？"一生答："他刷浆时穿一身黑衣，刷完身上没有一个白点，刷过的墙好像一面白白的屏障。"按量表判定，该生能提取"黑衣无瑕、墙面平整"两个信息点并初步关联，已达关联结构；另一生补充："曹小三从崇敬到怀疑再到崇敬，衬托出刷子李的真功夫。"这已体现人物描写方法的整合运用，属关联结构向抽象拓展的过渡。

课后AI统计显示：全班单点结构应答占40%、多点占35%、关联占20%、抽象拓展仅5%，数据直观暴露"思维进阶不足、深度学习未落地"的症结。据此，评课组开出改进处方：增设"作者为何借曹小三的视角来写"的梳理类问题，借助AI生成人物关系思维导图支架，把"细节描写—人物形象—表达意图"的思维链显性化，推动学生从多点走向关联。这一案例表明，课例的价值不在展示教师设计之精巧，而在暴露学生思维之层级与进阶路径。

教育部等五部门印发的《"人工智能+教育"行动计划》（教科信〔2026〕1号）提出，促进人工智能与教育深度广泛融合，推动教育评价方式变革[3]。将SOLO分类理论、2022版课标与AI技术融入听评课，本质是以学理为魂、以证据为骨、以技术为翼，把听评课从"经验判断"升级为"证据研判"。须清醒认识到，AI只能提供数据与提示，层级判定与育人温度仍需教师以专业眼光完成。构建这一模型，正是落实教学评一体化、让语文课堂从"教为中心"走向"学为中心"的可行路径。