2020年10月，中共中央、国务院印发了《深化新时代教育评价改革总体方案》，提出创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价。数智技术的不断发展，尤其是以DeepSeek和ChatGPT为代表的一系列国内外生成式人工智能的广泛应用，将为教学评价带来不断的创新和深刻的变革。写作是复杂的非线性行为，使用传统模式评价学生的写作水平和成果，容易缺少个性指导和发展效益。[1]而借助大语言模型对自然语言的强大理解力和分析力，为高中英语写作评价提供技术支持，则可以推动其朝着智能化和高效化的方向迈进。基于此，笔者从大语言模型赋能高中英语写作评价的必要性与适配性入手，结合其优势和不足，提出赋能的基本原则，并以此为依据，探索其实践路径，以期为人工智能时代下的高中英语写作评价提供参考。 一、大语言模型赋能高中英语写作评价的背景 在资源有限的条件下，传统高中英语写作评价体系通过教师主导的批改模式，确保了教学评价的基本公平，为语言规范训练和基础能力培养提供了基本保障。在人工智能时代，飞速发展的数智技术为写作评价变革带来了机遇，使高中英语写作评价在多元评估、即时反馈和个性诊断等维度获得了提升空间。 （一）传统教学中高中英语写作评价面临的困境 作为英语教学与评价的纲领性文件，《普通高中英语课程标准（2017年版2020年修订）》[以下简称《课标（2017年版2020年修订）》]提出，普通高中英语课程应建立以学生为主体、促进学生全面、健康而有个性地发展的课程评价体系。[2]3然而，在新时代教育评价改革背景下，高中英语写作评价在实践中仍然面临着评价内容相对简单、评价主体相对单一、评价方式过于片面等问题。 在评价内容上，高中英语写作评价较为关注语言错误，写作实践反馈在一定程度上只能停留在词汇和语法层面。在英语课时数量有限和学生数量较多的情况下，教师难以对作文的内容逻辑、语篇结构、行文连贯等方面进行全面而具体的评价，导致评价存在空白或者流于形式，从而降低了英语写作训练的效率，无法有效提升学生的英语写作能力，也使教师陷入庞大工作量和学生写作素养提升之间的矛盾。 在评价主体上，教师占据评价主导地位的情况未曾改变。这意味着学生在写作评价活动中缺失主体地位，而教师的核心地位则被迫放大，几乎独立承担起写作的评价反馈任务。在这种二元主体的评价活动中，一方职责的缺失导致另一方的过度承受，损害了评价活动的价值。具体表现为在高中英语写作教学中，教师要付出较多时间和精力完成批改反馈，而学生因为未参与评价，或者不理解反馈，导致无法有效通过反馈实现提升。虽然也有部分教师基于以学习者为中心的理论，在写作评价中引入学生自评和同伴互评，但因为学生语言能力欠缺、语篇知识薄弱，导致评价成效并不明显。 在评价方式上，高中英语教师面临着时效性与精准性的双重压力，难以创新评价方式、培养学生的元评价能力[3]。根据书面文本纠错反馈的类型划分[4]，目前大多数英语教师仍采用间接反馈的传统评价方式，即教师在学生习作的错误上做标注，但不给出相应正确的修改，也不针对错误提供解析和说明。由于批改周期较长，学生对习作的印象容易淡化，难以即时准确地理解反馈内容，导致不能有效利用教师反馈，无法建构积极有效的写作评价互动模式，阻碍了写作能力的进一步提升。 （二）数智技术赋能下高中英语写作评价困境的解决 随着社会的不断发展和技术的更新迭代，人工智能已经成为当今社会发展的重要技术支持。大语言模型是自然语言处理和人工智能融合领域的热点话题，在语言理解和生成方面已经取得了飞跃式的进步。我们要借助大语言模型具有的新兴能力，提升高中英语写作评价的效率，实现英语学科核心素养在评价环节中的有效落地，在数智技术赋能下形成高中英语写作评价的新范式。 生成式预训练技术是大语言模型优秀文本生成能力的基本保障技术，帮助大语言模型逐步形成生成良好内容的特性。这一技术使大语言模型能够快速处理长序列内容，并根据解码内容有针对性地生成文本、音频等多模态内容，为理解、分析和评价英语写作提供基础技术支持。高中英语写作评价的内容一般为100词左右的应用文或记叙文，生成式预训练技术使大语言模型可以根据教师输入的写作评价标准，快速理解写作内容，生成多维度分析反馈，丰富英语写作的评价层次。 人类反馈强化学习技术是赋予大语言模型对话情境理解能力的核心技术支持，使其成为具有介导作用的智能代理主体。这一技术使用系统收集的部分人类指令，优化预训练语言模型，并且运用近端策略优化算法，奖励模型对生成的结果进行优化反馈[5]，从而进行语义理解和推断。具体而言，大语言模型可以根据评价框架和细则，生成符合学生英语语言能力的反馈，为评价提供丰富的数据支持和智能辅助，成为英语写作评价的“第三方”，间接促使评价主体向多元化方向转变。 思维链技术是大语言模型能够执行序列任务的核心基础，支持大语言模型精准理解人类对话的意图，提升语义理解能力。该技术能够系统理解人类指令间的关系，并逐步将复杂的组合指令拆分为简单指令，形成一系列思维链，最终完成复杂任务的逻辑分析。[6]借助这一技术，大语言模型可以围绕写作评价标准，精准识别各类错误，生成基于语言规律和写作规范的正确反馈，实现对英语写作全面而合理的评价。此外，学习者还可以通过人机对话实现元语言反馈，这样不仅能完成错误标注和正确示范，还能发现产生错误的原因，帮助他们在认知层面提升写作能力。
