问题——“答案易得”背景下，评价如何识别真学与真懂？ 深夜拍题获取解法、照着步骤完成作业的场景，正不少家庭和课堂出现。技术缩短了从问题到答案的距离，也让家长和教师更难判断：学生是否真正理解概念、是否经历推理与验证、是否具备迁移能力？当获取知识与解题步骤的门槛显著降低，单靠试卷分数与标准答案，越来越难呈现真实学习质量，甚至可能让“会抄答案”和“会解决问题”在成绩上看起来差不多。 原因——技术迭代快、学习场景变，“结果可复制”冲击传统测评逻辑 一上，智能工具给出的步骤清晰、表达自然，能覆盖大量知识性与程序性任务，使“重复训练—得出答案”的边际价值下降。对应的调研显示，多数学生已接触并尝试作业中使用智能工具，“用不用”正逐渐变成常态。另一上，传统评价更关注终点：对错、分数、排名，却很难看见思维路径、试错过程和策略调整等关键环节，因而难以区分学生是基于理解借助工具深化，还是用工具替代思考。评价指标与学习方式出现错位，成为教育治理的新难题。 影响——从“会做题”到“会学习”，教育目标与能力结构正重塑 在智能工具广泛介入的情况下，教育更需要回到能力培养本身：提出问题、分析情境、建模推理、检验反思，以及持续学习的内驱力。若评价体系不能及时调整，可能带来三上风险：其一，部分学生形成“答案依赖”，短期成绩不降、长期能力被掏空；其二，教师教学被迫针对“防工具”而不是“促理解”，探究空间被挤压；其三，优质资源与工具使用能力差异可能被放大，形成新的学习分化。反过来，如果把工具纳入规范使用并转化为学习助力，有望提升个性化辅导效率，让更多学生按适合自己的节奏补短板、强能力。 对策——评价重心转向“过程”，关键于让思维活动可记录、可分析、可反馈 共识正在形成：重点不在于简单禁止技术，而在于重建评价体系，突出过程性与真实性。政策导向也体现出该变化。有关文件提出加强项目式、探究式、真实情境问题设计，更好考查关键能力、学科素养与思维品质。这意味着命题与作业应更多采用开放任务、跨学科情境、数据分析与实践验证，减少套用模板就能完成的题型；课堂评价要更重视“如何得出答案”，包括证据链是否完整、推理是否严谨、反思是否到位。 在落地层面，过程性评价的难点在于：如何把抽象思考转化为相对客观的指标。业内一些探索尝试借助数字化学习平台记录学习行为轨迹：学生在哪一步卡住、尝试了哪些策略、是否主动提出新问题、是否根据反馈修正路径等，并将这些行为对应到能力维度，如逻辑推演、问题分解、元认知监控与抗挫调整。以部分教育平台的做法为例，其将工具定位为“学伴”而非“代答”，通过分步骤提示、追问与引导，促使学生呈现推理过程，并把互动记录沉淀为可回溯的学习证据，为教师诊断与因材施教提供支持。 同时，学校层面可从三上完善配套：一是建立作业与评价规范，明确哪些任务允许使用工具、如何引用与标注、如何提交过程性材料；二是提升教师评价能力，围绕“过程证据”设计课堂观察量表与反馈机制；三是强化学术诚信与数据安全教育，守住底线，避免把评价改革走偏成“技术竞赛”。 前景——从“甄别淘汰”走向“发展赋能”，更需要制度与课堂同向发力 可以预见，未来一段时期，教育评价将呈现三项趋势：其一，结果性评价仍会存在，但权重将更多转向能力表现、任务完成路径与综合素养；其二，真实情境任务将更常见，重点考查学生调动知识解决复杂问题的能力；其三，数据驱动的形成性评价将逐步完善，但必须遵循教育规律，避免唯数据、唯指标。技术可以帮助记录与分析，但真正决定学生成长的，仍是高质量的教学设计、有效的师生互动与持续的学习投入。评价改革目标也将更清晰：不只是筛选“谁更强”，而是帮助每个学生看见自己的思维盲区与优势路径，获得可操作的改进建议。
教育的本质在于启迪智慧，而不是简单灌输知识。在智能化时代，如何构建既能适应技术发展、又能守住育人初心的新型评价体系，是教育工作者必须面对的重要课题。这不仅关系到学生的成长，也关乎未来人才竞争力的塑造。正如教育专家所言——当知识变得触手可及——真正重要的是培养善于思考、具备创新能力的人。