近期重读《剑桥学习手册》中关于教育评价的章节，其中“评价三角”模型与“学习进程”概念，让我对区域推进的“教师教学述评”研究有了更深体悟。结合上周举行的小学数学区级教研活动，我谈三点体会。
《剑桥学习手册》指出，评价本质上是一个基于证据的推理过程，应诊断学生处于哪个“成就水平”，并提供进阶支架。然而现实困境是：课堂评价常与教学割裂，大规模评价往往牺牲对高阶思维的测量，导致“为考而教”。这正是我们推动教学述评的出发点：不是增加教师负担，而是发起一场评价范式变革，让评价回归本质。
基于此，我区教学述评的实践体现了“三大转向”：
第一，从“分数评价”转向“证据驱动”的评价。教学述评为每一个学生绘制立体的、真实的学业画像，避免单一测试的片面性。小学数学教研团队通过采集学生的前测、后测数据，借助AI平台生成布鲁姆认知分析报告、麦卡锡问题分类报告及课堂互动ST图，使数据成为教师精准诊断教学行为、优化问题设计的核心依据。这种证据驱动的评价，推动教师从“凭感觉教”转向“依数据教”，让学生的学习过程变得可见、可析、可评。
第二，从“笼统判断”转向“描述性与表现性”评价。教师借助AI工具对多源证据进行初步分析与整合，减轻事务性负担，从而能够撰写更具专业性的判断、个性化的诊断以及富有激励性的评语。这类评价不仅要回答学生“学到了什么”，更要分析“是如何学习的”，揭示其思维过程、策略运用与素养水平。这本质上是在应用“学习进程”的思想，对学生的认知状态进行质性诊断，精准定位其“最近发展区”。例如，教师基于“三会”（数学眼光、数学思维、数学表达）素养，开发了3.0版教师教学述评指标，并将其细化为可观测、可描述的表现层级，从而清晰地告诉学生当前的学业现状与未来的进阶路径。
第三，从“终端总结”转向“发展性过程”评价。通过学期述评报告等工具，记录和追踪学生的进步轨迹，让评价真正服务于学生的长远发展。例如，在“营养午餐搭配”一课中，学生应用意识类问题的后测正确率，从第一次试教的19%提升至第四次执教的50.8%。这30多个百分点的提升，正是教师团队依托教学述评，聚焦“应用意识”这一素养短板，进行持续三轮的问题链优化、情境迁移设计、AI工具辅助验证所取得的真实进步。
同仁们，对比理论与我们脚下的路，这些实践正是对“学习进程”和“均衡评价系统”理念的本土化探索。当然，学习科学对认知模型、任务设计、效度论证的严谨要求，也提醒我们，区域实践在“专业化”深度上仍有巨大提升空间。
最后，我想说的是，教学述评既是对真实而复杂成长轨迹的科学捕捉，更是驱动教育实践真正指向每一个学生全面而个性发展的有效引擎。科技正深刻重塑教育世界，也拓展着我们对于师生成长无限可能的想象。这是一条需要持续学习、不断精进的专业长征，我期待与各位同仁一道，在这条道路上继续前行。
--
FROM 101.228.58.*