人工智能促进高中英语听说“教—学—评”一体化的实践策略

　　一、AI辅助的高中英语听说“教—学—评”一体化设计与实施原则

　　教、学、评是完整教学活动中相互影响、不可分割的三方面。“教”以目标为导向，指向学科核心素养的培养；“学”是指为发展学科核心素养而真实发生的学习过程，与教的内容保持一致；“评”则是为了促学和促教。三者本质上具有一致性，共同指向学生发展学科核心素养的课程目标（王蔷、李亮，2019）。在教学设计与实施过程中保持教、学、评三者的融合统一，即为“一体化”。高中英语“教—学—评”一体化具有系统性、动态性与整合性，其目的在于通过素养目标的转型和多元评价的实施，优化教师的教学实践，促进学生的学习和全面发展（陈新忠，2020）。

　　英语听说能力的培养是一个动态交互过程，听与说具有密切的相互依存关系。其中，“听”既是学习者获得发音、语调和节奏等声学信息的过程，也是涉及认知处理、语境理解和信息内化的复杂活动；而“说”也不仅是简单的模仿发声，还包含认知处理、情感表达和社会互动等多重维度。可见，英语听说教学实质上是帮助学生理解所听内容并将信息转化表达的过程，涵盖语言输入（听）、内化反馈和语言输出（说）。因此，人工智能技术（Artificial Intelligence，以下简称AI）辅助的听说“教—学—评”一体化应以精准性、互动性、持续性为基础，强调教学目标、学习过程和评价反馈的有机统一，通过“数据驱动目标—人机协同助学—动态评价闭环”的实施框架（见图1），推动英语听说能力培养从经验型教学向数据驱动的精准化教学转型。

　　

　　AI赋能的高中英语听说“教—学—评”一体化应以主题为引领，以语篇为依托，通过课前测评精准了解学情，确立素养导向的教学目标；通过课中“教师—学生—信息技术”的多轮交流与互动，科学、客观地反馈学习进度，合理调整教学（唐思峰，2022）；通过人机协同的持续性动态评价，综合发展学生的核心素养。在这一过程中，教师需构建以自身为主导的监管机制，避免过度依赖技术，确保技术应用始终服务于核心素养目标，并通过智能诊断和评价系统为每位学生提供个性化学习路径，实现以评促教、以评促学。具体而言，教师在设计与实施AI辅助的听说教学时，可遵循以下三个原则。

　　1.目标准确性：数据驱动，精准决策

　　传统听说教学中，教师往往缺乏课前对学生语言能力水平进行细致诊断的意识，导致教学目标错位、教学内容分散、活动组织随意等问题。此外，听力训练与口语实践之间常缺乏有效衔接，使学生在听力练习中学到的语言知识难以转化为实际的口语能力（刘邦奇等，2025）。为明确听说教学中的素养发展目标，教师应在教学前或教学过程中开展诊断性评价（陈新忠，2018），不仅关注学生已有的语言知识和经验，还应关注学生对听力语篇主题的背景知识，预设学生在主题听力理解和口语表达中的难点（李慧芳，2019）。信息技术在诊断学情方面具有独特优势，教师应充分利用人工智能手段，全面、准确地收集和分析学情信息，为教学决策提供参考依据（付永庆，2023）。教师可通过AI在线测评系统，收集有关学生主题认知及听说能力等多方面的数据，分析其薄弱环节，了解他们在听说学习中的发展需求，从而为制订适切的教学目标奠定基础。

　　2.情境真实性：人机协同，增强互动

　　现行英语教材中听、说、看的资源相对有限，且难以实现实时更新。教师需依托不断发展的数字技术和学生的认知发展需求，自主开发音频、视频等多模态语篇资源（康娟、国红延，2025）。借助AI工具，教师可以模拟构建真实情境，通过虚拟角色对话、场景模拟等方式，突破传统听说课堂被动的听力输入、机械的口头模仿等学习活动的局限性，实现教学内容的沉浸式输入，提升课堂教学的趣味性与互动性，实现人机协同互动模式，为学生提供多元、真实的学习情境，增强课堂教学的有效性。教师可利用豆包、即梦、腾讯智影等技术平台设计AI智能体，在听说教学中让智能体与学生进行角色问答等互动活动，并基于实时收集的数据，科学、系统地判断学生的口头表达得体性、语法准确性、语言流利度等。通过这一过程，教师既可以针对共性问题进行指导，又能够为每位学生提供具体且具有针对性的反馈，从而确保教学目标的达成。

　　3.评价持续性：动态评价，以评促学

　　传统听说教学中，教师对学生的听力和口语表现的评价反馈往往不够及时有效，导致学生难以在第一时间发现问题并改进，从而对听说教学产生较为持久的负面影响（刘邦奇等，2025）。《深化新时代教育评价改革总体方案》明确强调创新评价工具，利用人工智能、大数据等现代信息技术，探索全过程纵向评价、全要素横向评价，并提出加强过程性评价（中共中央、国务院，2020）。为突破传统听说教学中单一、主观的教师测评方式，教师可借助AI在线测评系统等智能诊断系统，构建“师—机—生”三维评价网络。通过AI语音识别技术，实时采集语流、语调、语法等语言特征数据，生成多维能力图谱，并结合人机对话、智能纠音、实时反馈等模块，开展多轮次动态交互评价，从而提升学生的语言输出能力，形成“学即评、评促学”的持续性动态评价闭环。