**日期：2026-03-20**  

## 摘要  

生成式AI在基础教育场景中的普及，使传统“以答案为中心、以分数为权威”的评价体系遭遇结构性冲击：记忆性知识、格式化写作、套路化解题与标准化表达的区分度显著下降，学校既有的作业、考试与升学筛选机制出现“能力错位”。本文在阐释评价失效机理的基础上，提出面向AI时代的评价重塑方向：由结果转向过程证据链、由单点测验转向情境任务与项目证据、由教师单评转向多主体协同评价，并讨论公平、隐私、可信与教师能力等关键挑战。最后给出适用于区县/学校层面的治理路径与落地步骤，以期在“可用AI”的现实条件下重新建立“真实能力可被识别”的教育秩序。  

**关键词**：生成式AI；基础教育；评价改革；证据链；治理  

---  

## 一、问题提出：当“正确答案”被规模化生成，评价的目标函数必须重写  

在生成式AI深度渗透学习活动后，“能否快速给出正确答案”不再稀缺，稀缺性转移到“能否提出好问题、能否验证信息、能否在真实约束下完成交付、能否做价值与伦理判断”。如果评价体系仍围绕记忆、速度与套路，就会产生三类后果：  

1) **能力错配**：学生把时间投入到可被AI替代的训练上，真正的高阶能力（批判、创造、协作、实践）被挤压；  

2) **秩序失灵**：学校只能以“禁用AI”维持表面公平，但与真实学习行为长期对立；  

3) **信任坍塌**：教师无法判断学生真实水平，家长对学校评价失去信任，学生对努力的回报预期下降。  

因此，评价改革不是“加一点AI工具”或“换一种题型”，而是要回答：在AI可被调用的前提下，**什么能力值得评价、用什么证据证明、用什么规则保持公平**。  

## 二、评价失效的机理：传统评价为何在AI时代失去区分度  

### 2.1 “答案型能力”的边际价值下降  

传统评价依赖“标准答案+时间压力”来区分学生。但生成式AI使得：  

- 信息检索、语言润色、格式写作的成本接近于零；  

- 套路题、模板作文、程式化报告的可替代性极高；  

- 大量题目可被“解题链条”自动化输出，学生只需复制粘贴即可获得表面合格的成果。  

当“答案”廉价化，评价系统若继续把“答案的正确率”当核心指标，就必然失灵。  

### 2.2 “检测—反作弊”逻辑无法替代评价重构  

用AI检测AI（识别代写、判定使用）在现实中存在天然限制：模型更新快、风格可伪装、误判成本高。一旦把“检测结果”当决定性证据，会加剧师生对立，并导致学生转向更隐蔽的使用方式。评价的关键应从“抓作弊”转为“让作弊无利可图”：通过任务设计与证据链要求，让学生即使使用AI也必须展示思考与验证过程。  

### 2.3 学习过程黑箱：传统评价对“怎么学”缺乏可见性  

纸笔测验强调结果，忽略过程。AI时代真正关键的是：学生是否能与AI协作完成高质量学习循环（提出问题→生成方案→核查验证→修订迭代→形成观点）。若过程不可见，就无法评价真实能力。  

## 三、重塑方向：从“分数至上”到“能力画像与证据链”  

### 3.1 核心原则：评价从“结果”转向“证据链”  

建议采用“**证据链评价**”：要求学生提交可审查、可追溯、可辩护的学习证据，而不仅是最终答案。典型证据包括：  

- 初稿与思路草图（先独立思考）；  

- 人机协作记录摘要（问了什么、得到什么）；  

- 核查与反例（如何验证、发现哪些不确定性）；  

- 迭代日志（改了什么、为什么这样改）；  

- 反思与自述（收获、局限、下一步计划）。  

### 3.2 评价对象：从知识点到“可迁移能力”  

可将评价维度聚焦为六类可迁移能力：  

1) 认知与批判（信息核查、逻辑自洽、边界意识）；  

2) 创造与表达（多方案、多模态表达、原创改写）；  

3) 协作与共情（团队分工、沟通、冲突解决、人机分工）；  

4) 数据与计算素养（数据来源、偏差、基本建模与解释）；  

5) 实践与工程化（原型、迭代、交付、KPI与风险）；  

6) 价值与伦理（隐私、版权、偏见、公平、责任边界）。  

### 3.3 评价载体：从“试卷”到“情境任务与项目证据”  

在基础教育中，建议把评价载体分为三层：  

- **基础层**：小步快跑的情境任务（10–30分钟），用于训练提问、核查、表达；  

- **提升层**：跨学科微项目（1–2周），输出作品与证据包；  

- **挑战层**：真实问题项目（3–6周），强调调研、方案、迭代与答辩。  

这三层对应不同学段、不同资源条件，可以形成可复制的任务库。  

### 3.4 评价主体：从“教师单评”到“多主体协同评价”  

建议引入“教师+AI辅助+学生自评+同伴互评+家长/社会导师评价”的多主体结构：  

- 教师负责价值定标与关键判断（高权重）；  

- AI用于客观维度的辅助（如结构完整性、证据齐备性、规范性检查），但必须明确其不作为终审；  

- 同伴互评强化协作证据与社会性学习；  

- 家长/导师评价强调实践与品格维度。  

## 四、关键挑战：公平、可信、隐私与教师能力的多重张力  

### 4.1 公平与数字鸿沟：从“同题同考”转向“同标准同证据”  

AI工具的可获得性差异会放大城乡、校际差距。公平的核心不应是“所有人不用AI”，而应是：  

- 明确允许的工具清单与使用边界；  

- 用统一的证据链标准与量表衡量；  

- 对资源弱学校提供公共工具与任务包支持，避免“会用AI的学校”碾压“不能用AI的学校”。  

### 4.2 可信与幻觉：AI只能做“助手”，不能做“裁判”  

AI生成与AI评价都可能出现幻觉、偏见或不稳定。治理上需建立“可信AI”机制：检索增强、事实锚定、置信度标注、审计留痕、人工终审。  

### 4.3 数据与未成年人保护：评价平台化带来新的伦理风险  

过程性证据与行为数据采集更接近“个人画像”，必须坚持最小必要、分级授权、目的限定、可追溯审计，并特别关注未成年人网络保护要求与数据敏感等级管理。  

### 4.4 教师能力与工作负担：评价重构需要“减负型”技术与制度  

如果没有配套工具，证据链会显著增加教师批改负担。需要通过标准化模板、量表库、自动化结构检查与抽样复核等方式实现“可规模化”，同时把教师从重复性劳动中解放出来，让其聚焦高价值判断。  

## 五、治理路径与落地方案：区县/学校可执行的“五步法”  

### 5.1 第一步：发布“评价与AI使用”四件套  

1) 学生AI使用规范（分学段）；  

2) 教师AI教学规范；  

3) 作业/考试规则（证据链要求、引用规范、可用工具边界）；  

4) 数据与隐私合规规范（第三方工具准入）。  

### 5.2 第二步：建立“任务库—量表库—证据平台”的最小产品  

- 任务库：按学段/学科/主题分层的情境任务与微项目；  

- 量表库：对应能力维度的4级量规（可观察行为描述）；  

- 证据平台：支持证据上传、版本记录、多主体评价与审计。  

### 5.3 第三步：把“过程性评价”写进学校评价结构  

建议过程性评价占比逐步提升（如50%—70%），并将“证据链完整度、提问质量、核查意识、协作贡献、迭代能力”纳入学期评价。  

### 5.4 第四步：教师发展与教研支持（以作业设计与量表使用为抓手）  

以“任务打卡+课例共创+同伴互评+数据复盘”的方式，形成校本教研闭环，让教师从“会用工具”转为“会设计学习”。  

### 5.5 第五步：风险控制与纠错机制  

建立AI应用审计链路与异常处置流程：高风险场景（心理、个体画像、关键选拔）必须人工终审；对外公示评价规则与申诉通道，维护教育公信力。  

## 六、结论  

生成式AI并不会自动带来更公平、更高质量的评价；相反，它迫使教育系统重新定义“什么是能力、什么是证据、什么是公平”。评价重塑的关键不是“禁用AI”，而是“允许AI的现实主义治理”：用证据链让真实能力可见，用情境任务让高阶能力可练，用可信与合规让过程数据可用。只有当评价体系完成目标函数的重写，基础教育才能从“考知识”转向“长能力”，在技术加速的时代重建可持续的育人秩序。  

---  

## 参考文献（节选）  

1. Stanford HAI. *AI Index Report 2026*（2026）. https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf  

2. Stanford HAI. *AI Index Report 2026—Chapter 7: Education*（2026）. https://hai.stanford.edu/assets/files/ai_index_report_2026_chapter_7_education.pdf  

3. UNESCO. *Guidance for generative AI in education and research*（2023）. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research  

4. 中国政府网.《生成式人工智能服务管理暂行办法》（2023）. https://www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm  

5. 中国政府网.《未成年人网络保护条例》（2023/2024施行）. https://www.gov.cn/zhengce/zhengceku/202310/content_6911289.htm  

6. 中国人大网.《中华人民共和国个人信息保护法》（2021）. http://www.npc.gov.cn/npc/c2/c30834/202108/t20210820_313088.html  

7. OECD. *Education in the Digital Age*（相关报告与政策简报，2019–2025）. https://www.oecd.org/education/  

8. Black, P., & Wiliam, D. *Assessment and Classroom Learning*（形成性评价经典研究）.  

9. Mishra, P., & Koehler, M. J. TPACK框架相关研究（技术-教学法-内容知识整合）.  

10. 你提供的区域材料：如《AI时代中小学教育重构》《AI时代核心素养拓展》《教育质量动态监测平台开发文档》等（2026）。