摘要：随着人工智能技术的快速发展，其在教育领域的创新应用已成为教育研究的重要议题，为促进高中英语听说“教—学—评”一体化提供了新的方向。本文结合课例探讨了其具体实践原则与策略：基于人工智能在线测评系统，获取精准的诊断性评价数据，为教学目标的制订提供依据；借助人工智能
感谢您关注“永大英语”！
杨冬连 李慧芳
摘要：随着人工智能技术的快速发展，其在教育领域的创新应用已成为教育研究的重要议题，为促进高中英语听说“教—学—评”一体化提供了新的方向。本文结合课例探讨了其具体实践原则与策略：基于人工智能在线测评系统，获取精准的诊断性评价数据，为教学目标的制订提供依据；借助人工智能辅助创设真实教学情境，实现人机协同互动，提升课堂参与度；运用人工智能实时监测学生的听说学习表现，实施全过程、可持续的发展性评价。实践表明，合理应用人工智能技术有助于促进高中英语听说“教—学—评”一体化的实施与优化，提升学生的听说能力。
关键词：人工智能；“教—学—评”一体化；听说教学；高中英语
一、 引言
听说教学作为高中英语教学的核心课型之一，是培养学生英语听说能力、全面提高语言运用能力的关键实施载体，为发展英语学科核心素养奠定了重要基础（陈雨，2023）。然而，当前高中英语听说教学中仍存在教学目标与学情诊断联系松散、学习活动缺乏真实情境的融入、课堂中的形成性反馈未成体系化等问题，亟待突破。以上问题造成听说教学目标定位不够精准，学习活动常常流于机械操练，评价方式多限于教师的单向点评，导致教、学、评割裂，课堂教学低效，学生的听说能力无法真正得到提升。
《普通高中英语课程标准（2017年版2020年修订）》（以下简称《课标》）指出，高中英语课程实施过程中，教师要充分发挥现代教育技术对教与学的支持与服务功能，选择恰当的数字技术和多媒体手段，确保虚拟现实、人工智能等新技术的应用有助于促进学生的有效学习和英语学科核心素养的形成与发展（中华人民共和国教育部，2020）。
信息技术能够提供个性化与共性化的学情诊断，为教学目标的制订提供依据；通过模拟真实生活情境，为学生提供具身化的学习体验；生成即时性与过程性的评价记录，循证分析学生核心素养的发展过程，促成“教—学—评”一体化的有效实施。本文借助人工智能技术（Artificial Intelligence，以下简称AI）强大的数据处理功能和情境模拟优势，探索高中英语听说“教—学—评”一体化的实施原则与实践策略，以期为提升高中英语听说教学效果提供参考。
二、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，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。
三、 实践策略
下面以北师大版高中《英语》选择性必修第二册Unit 5 Lesson 2 The Objectives of Education（以下简称“本课”）为例，具体分析AI辅助的高中英语听说“教—学—评”一体化的实践策略。
1. AI融入学情诊断，精准制订教学目标
通过“教—学—评”一体化设计来实现课程目标、课程内容、学业质量标准在日常教学中的落地落细，是践行英语课标理念的重要环节，也是贯彻课程方案要求的必要环节（林才回，2024）。“教—学—评”一体化可具体归纳为明确理念、把握内容、分析学情、制订目标、选择方法、评价效果等要素与环节（王蔷、李亮，2019）。由此可知，精准分析学情是制订适切目标的前提。
在教授本课前，教师通过分析区域统考听说考试成绩及教考平台日常训练数据发现，学生听后转述能力欠缺，特别是在词汇、语篇特征、语篇衔接连贯等知识运用方面存在问题，具体表现为：学生对相关话题的英文术语知晓度较低，在记录关键信息以形成结构化知识以及使用丰富得体的语言进行有效表达方面能力欠缺。
因此，教师结合“理解教育意义，论述教育对人类社会和个体发展的重要性”这一单元主题，基于英语学习活动观制订了本课两个课时的教学目标。
在第一课时结束时，学生能够：
（1）基于问题与表格，获取并梳理教育的来源、含义和主要目标等相关信息；
（2）合理使用AI智能课堂，介绍教育的主要目标，并进行同伴互评；
（3）通过小组合作，根据转述评价要点，调整并优化转述内容。
在第二课时结束时，学生能够：
（1）基于问题与表格，获取并梳理师生为实现教育目标的主要做法；
（2）举例说明说服性语言在提出建议时的作用，并掌握其表达方式；
（3）以小组为单位，汇报并交流我校的教育目标和未来规划。
围绕以上教学目标和第一段有关“教育”一词的来源、含义和主要目的的听力材料，教师引导学生借助表格，梳理听力语篇中有关“教育”的专业词汇及说服性语言表达方式，重点解决学生对于主题词汇陌生、关键信息获取不全的问题；通过AI教学系统开展人机对话，运用结构化知识进行有效表达，重点解决学生难以内化迁移结构化知识的问题；最终，在AI的助力下，学生完成“汇报并交流我校的教育目标和未来规划”这一输出任务，在真实情境中实现迁移创新，解决学生语言使用不够丰富、得体的问题。
2. AI辅助情境创设，智能增强教学互动
基于六要素整合的英语学习活动观，教师应在 AI支持下有机整合学习理解、应用实践、迁移创新三类体现关联性、综合性和实践性的教学活动，依托不同类型的语篇，促进学生语言知识学习、语言技能发展、文化内涵理解、多元思维发展、价值取向判断与学习策略运用（刘邦奇等，2025），保证“教—学—评”一体化的实施。
在第一课时感知与注意的活动中，教师首先借助腾讯智影创建了教学语篇主人公Professor James的AI智能体，将教材听力语篇的说话者形象化展示出来，依据文本分析细致设定其形象、声音、语言及活动场景等，使其高度契合文本中人物设定，将原本平面、静态的听力文本转化为立体、动态的视听材料，从语音、语调、节奏等多个维度强化视听效果，增强情境性，激发学生对“教育”主题的关注，促进学生的理解与表达。
在获取与梳理层面，教师结合在线测评系统预习任务中学生在“教育”主题相关词汇发音和理解上的薄弱点，调整了教材中的信息获取与梳理表格（见表1），并利用信息技术剪切听力片段，去除冗余信息，引导学生聚焦有关“教育目的”的三条关键信息。
随后，教师引导学生以Professor James的视角进行转述，并借助AI听说转化技术呈现学生转述的数据分析结果，针对语音、语调、语法等较为普遍的问题进行集中反馈，组织必要的强化性练习，帮助学生运用结构化知识描述和阐释主题信息。在此基础上，教师提出问题“What do you think of James’ advice?”，鼓励学生针对语篇的深层含义进行合理评价。
在第二课时开始时，教师播放Professor James讲座结尾的提问片段“Any questions about education?”，以问答场景为引子，基于第一课时制作的Professor James形象，通过手机投屏切换至豆包“打电话”功能界面，鼓励学生运用完整的疑问句，积极向其发问，展开人机互动对话。该活动充分发挥了AI语义分析（统计问题类型）和知识图谱（关联已学概念）的技术支持作用。
例如，有学生提出：“Which aspects should teachers pay attention to during the education process?”师生共同归纳并记录数字人给出回答中的2—3个关键词，与第一课时获取并梳理出的教育来源、含义和主要目标等相关信息进行对比，识别知识重合点（如critical thinking在数字人回答中出现5次，与第一课时讨论的重点相呼应），从而巩固了有关教育的核心概念。这一环节既锻炼了学生的质疑能力，又为后续的听力任务铺垫了语境。
接下来，教师通过设问“What expressions does James use to convince listeners?”，引导学生在听力中聚焦语篇中典型的说服性语言表达方式，概括并分析逻辑连接词使用、数据论证以及情感唤起策略的语用功能（见表2），同时提供句式模板，支持学生在语言输出中迁移运用。
随后，教师利用豆包的技术配置，预设 Professor James AI数字人为专家模式，调整其语速至适中水平，限定学术词汇范围，并开启实时字幕功能辅助学生理解，引导他们开展模拟通话，围绕第二段听力材料，即讲座后续问答环节，主要内容是为实现上述教育目的所需要的师生做法进行探讨，营造沉浸式的真实学习体验。活动设计为分层任务：要求基础层学生转述AI角色的观点内容，鼓励进阶层学生质疑AI的论据。教师在整个过程中提供动态支持，包括请求AI简化表达以帮助理解困难的学生，以及向参与度较低的学生发放话轮提示卡。通过人机互动，AI数字人持续为学生提供语言素材，帮助学生内化相关语言、拓展思维视角，并在互动表达中实现语言迁移。
最后，教师组织学生以四人小组形式，分别以互动协调主持人、教育目标阐述者、未来规划解说员与特色活动宣传官的角色，模拟向来校参观的外国访问团介绍学校的教育目标及未来规划，为本单元的综合性输出任务做好准备。在任务开始前，教师引导学生结合听力语篇及本单元所学，共同制定该输出活动的评价标准。任务实施过程中，教师鼓励各小组充分利用豆包、DeepSeek等AI工具，收集数据、筹备解决方案，查询丰富且灵动的语言表达方式，以生成个性化的汇报内容。在AI技术的协助下，教师得以将更多精力投入到指导基础相对薄弱的小组和反馈学生个性化问题中，有效推动以评促学的实施。
3. AI赋能全程评价，动态优化学习过程
持续性评价是指在教学或学习全过程中，通过高频次、多维度、动态化的方式，对学生的学习表现和能力发展进行实时或定期跟踪与反馈。AI能够高效地对学生的学习过程进行全程记录和分析，为教师实施持续性评价、循证分析学生核心素养的发展提供全面且客观的数据及系统支持。本课中，教师借助AI，通过课中基于转述的过程性动态监测与即时调控、课后作业的干预强化与自我纠正等评价方式，实现了听说教学全过程的持续性评价，充分调动了学生的学习主动性和课堂参与度，构建了多元评价体系。
在本课听后转述应用场景中，教师借助AI在线测评系统的语音识别技术，从语音、语言结构和信息处理等多维度动态追踪学生听说表现（见图2），为其听说能力提供了精准的画像。AI在线教学系统基于预设标准，实时反馈学生作答分数，自动生成错误标识，标注学生高频缺失的细节类型。教师切实关注不同水平学生表现，据此动态优化教学决策。
此外，教师还将不同AI在线测评和教学系统结合使用，追踪学生错误修正的轨迹，识别学生转述时信息重组能力欠缺的共性薄弱点。结合系统反馈，教师课后设计并推送了“观点提取—逻辑排序—句式转换”的专题训练模块和定制资源，帮助学生巩固并提升能力，从而有效推动了听说“教—学—评”一体化的实施。
从长期效果来看，AI平台的教师端可通过数据实时反馈监测听说教学效能，学生端则能够生成学习成长档案袋，直观呈现学生能力的进阶轨迹。以本次授课班级为例，学生经过一个学期的AI辅助听说教学，期中听说考试转述题型的平均分取得了小幅提升。在区均值基本不变的前提下，该班27名学生的转述题型平均分由8.05提升至8.35，接近满分9分的学生比例由27.59%提升至37.36%。
四、 结语
在教育领域AI应用不断深化的背景下，教师要充分发挥AI辅助教学的工具属性，利用其形式多样性、即时互动性及评价反馈实时性等优势，推动高中英语听说“教—学—评”一体化的设计与实施。教师要基于AI对学情数据的精准诊断与分析，制订素养导向的听说教学目标；要灵活利用AI，特别是生成式AI的多模态交互性和上下文感知特点，丰富听说教学资源，创设真实情境，增强听说教学的互动性与课堂反馈的针对性。同时，教师应发挥AI评价工具的系统性特点，持续记录并反馈学生的个性化学习过程与学习效果，通过多元评价引导学生关注和反思自身听说能力的发展状况，逐步提升自主学习能力。
在这一过程中，教师也要审慎应对技术依赖的风险和教学公平的挑战。过度依赖AI可能导致教师自身专业能力的弱化，对此应建立“人机双师”协同机制，通过专项培训提升教师的数据解读与教学决策能力。此外，城乡间的设施配备水平存在差异，这要求技术开发者优化产品适配性，确保低配置设备也能获得基本的功能支持，缩小数字鸿沟，为AI在教育领域的可持续发展提供保障。
（本文首次发表在《英语学习》2025年第10期）
来源：永大英语
