AI驱动地理教评一体化创新实践

摘要：伴随教育数字化转型的浪潮，人工智能为地理教学日常考评提供了精准化、过程化的解决之道，而地理学科“空间性、综合性、实践性”特质与传统考评“重结果、轻过程”的矛盾亟待化解。本文以武智涛团队在初高中地理贯通培养、VR情境教学、实践力评价等方面的探索为核心，结合国内外地理教育评价相关文献及教育部《关于进一步加强中小学日常考试管理的通知》要求，构建了人工智能赋能地理日常考评的实践体系。研究通过梳理文献明确了考评创新方向，依托本人实践成果设计了“课前诊断—课中评价—课后反馈—阶段测评”路径，融合初高中典型案例验证了可行性，最终形成了“政策合规+技术适配+素养导向+贯通实施”的考评范式，为地理“教—学—评”一体化落地提供了参考。

关键词：人工智能；地理教学；日常考评；创新实践

就政策层面而言，《教育数字化战略行动》与教育部办公厅《关于进一步加强中小学日常考试管理的通知》（教基厅〔2025〕3号）明确提出：严控考试频次、强化核心素养命题、实行等级评价、突出诊断改进、探索人工智能在命题阅卷分析中的应用，为日常考评划定了制度边界与改革方向[14]；就学科层面看，地理核心素养培育需突破传统考评“知识本位”的局限，实现“过程性、素养性”评价转型[1]。然而现有研究揭示了地理日常考评的三大痛点：一是评价方式固化，70%以上中学依赖纸笔测试，难以测评地理实践力[2]；二是反馈效率低下，教师批改主观题平均耗时超30分钟/份，难以及时调整教学[3]；三是初高中衔接断层，考评标准与内容缺乏连贯性[4]。

笔者长期致力于中学地理教学创新，在单元教学育人、VR技术应用、地理实践力培养、跨学科学习评价等领域形成系列实证成果，其提出的“人机协同”“数据化评价”理念，为破解上述痛点提供了实践路径[5][6][7]。

理论价值：整合国内外地理教育评价文献、教育部政策要求与本人实践研究，完善了人工智能与地理考评融合的理论框架，填补了“初高中贯通智能评价”的研究空白。

实践价值：基于文献梳理明确的创新方向与武智涛实践经验，设计了合规、减负、精准、可落地的考评方案，解决了一线教学中“评价难实施、数据难应用”的问题。

运用“文献研究法+案例分析法+行动研究法+政策分析法”：通过文献研究梳理考评创新要点，结合政策要求与武智涛实践案例设计路径，在初高中课堂开展行动研究验证效果。

地理考评中的人工智能应用：指利用大数据分析、VR/AR、知识图谱、自然语言处理技术，实现学情诊断、过程数据采集、智能批改、个性化反馈的技术体系，核心特征为“实时性、精准性、个性化”[8][9]。

地理日常考评：遵循教育部考试管理规范，覆盖课前预习、课堂互动、课后作业、实践任务、单元检测的常态化评价，以“人地协调观、区域认知、综合思维、地理实践力”为核心评价维度[1][10]。

初高中连贯考评：遵循地理学习进阶规律，统一考评逻辑与素养目标，实现初高中知识衔接、能力递进的连贯性评价[4][7]。

海外研究侧重“情境化、实践性”评价，如美国《国家地理标准》强调“通过实地考察、项目任务测评地理能力”，其开发的“GeoInquiry”平台可自动采集学生实践过程数据[11]；英国“地理学科评价框架”提出“多模态数据评价”理念，主张结合数字化工具记录学生课堂互动、地图绘制等表现[12]。然而海外研究存在“本土化适配不足”问题，其技术工具与评价标准难以直接应用于我国初高中地理教学[13]。

国内研究呈现“技术导向”与“素养导向”双轨并行特征：在技术应用方面，郭媛媛等研究证实，AI智能批改可将地理作业批改效率提升60%以上，且主观题评分准确率达85%[3]；在素养评价方面，栾雅琼提出“基于核心素养的地理过程性评价模型”，强调评价需覆盖“知识、能力、素养”三维度[2]。

然而国内研究仍存局限：一是初高中贯通评价研究较少，仅30%文献涉及衔接问题[4]；二是技术与实践结合不紧密，多数研究停留在工具介绍层面，缺乏课堂实证[5][6]；三是实践力评价标准化不足，65%文献未提出可操作的量化指标[7]。

该研究弥补了现有文献的三大缺陷：其一，其“初高中地理贯通培养”研究提出知识图谱诊断与分层评价策略，解决了衔接断层问题[7]；其二，其VR教学实践详细记录了技术应用流程与数据采集方法，为“技术落地课堂”提供了范本[6]；其三，其地理实践力评价体系构建了“过程指标（如考察路线规划）+结果指标（如报告完整性）”，实现了标准化测评[5]。相比其他研究，武智涛成果更具“实践性、可操作性”，成为本文构建考评路径的核心依据。

中学地理单元教学应把“核心素养达成”作为评价核心，通过“内容统整—任务设计—评价嵌入”实现考评与教学融合。例如在“认识国家”单元中，其设计“国家地理特征分析”任务，将评价指标细化为“区域认知（30%）、综合思维（40%）、人地协调观（30%）”，为日常考评提供了明确的素养框架[5]。该框架与文献中“素养导向评价”理念一致，且通过课堂实践验证了可行性[2][5]。

针对文献中“地理实践场景难以复刻”的难题，本人开发了VR地理教学资源库，涵盖“中外著名旅游景观”“地形地貌模拟”等20余个场景。在《中外著名旅游景观欣赏》教学中，学生通过VR设备完成“景观观察—特征描述—成因分析”任务，AI自动采集“观察时长、操作轨迹、答题准确率”等数据，客观评价了地理实践力与区域认知，该方法使实践力评价覆盖率从35%提升至90%[6]，弥补了传统考评“实践测评缺失”的不足[3]。

构建了“实地考察—方案设计—数据采集—报告撰写—评价反馈”的实践链条，主张用数据化指标替代主观评价。例如在“家乡河流调查”实践中，其设计“数据规范性（25%）、分析深度（35%）、治理建议可行性（25%）、人地观念体现（15%）”评价体系，AI通过分析学生提交的观测数据、调查报告，自动生成了量化分数与改进建议[7]。该体系解决了文献中“实践力评价标准化不足”的问题[4]。

针对文献中“初高中衔接断层”的难题，本人构建了初高中地理知识图谱，涵盖“地球运动”“气候类型”等12个衔接模块。通过AI推送预习自测题，精准定位衔接漏洞（如初中“等高线判读”与高中“地形对气候影响”的衔接薄弱点），并生成分层评价报告，为教师提供了“补弱—提升”教学建议[7]。该方法使初高中知识衔接正确率提升了40%，验证了贯通考评的有效性[4]。

结合本人初高中贯通研究与文献中“精准诊断”理念，AI依托地理知识图谱，针对衔接知识点推送轻量化预习任务，不组织纸笔考试，符合教育部“严控考试频次”的要求[14]。AI自动批改后生成学情漏洞报告，例如在“地球的运动”预习中，自动识别了“昼夜交替与四季成因混淆”等问题[7]。同时，AI为不同层次学生推送差异化资源，实现了“预习—诊断—分层”一体化[2][7]。

实际案例：北京市某中学初升高衔接阶段，教师利用AI知识图谱推送“气候类型”预习任务，AI诊断发现80%学生混淆了“地中海气候与温带海洋性气候”成因，教师据此设计了针对性预习资源，使课堂重点突破效率提升了50%[7]。

借鉴VR教学实践及国外“多模态评价”文献[6][12]，AI实时采集课堂互动、VR操作、小组合作等数据，以无痕过程评价替代课堂测试，符合“非纸笔、重过程”的政策导向[14]。AI将数据实时转化为可视化报告，教师即时调整教学，实现了“评价—教学”的动态联动[5]。

实际案例：在《三级阶梯地形》VR教学中，AI记录了学生观察、描述、分析表现，结合教师评价生成了课堂考评成绩，该成绩与期末实践力测评的相关性达0.82，评价科学有效[6]。

依据文献中“AI智能批改”及武智涛实践力评价体系[3][5]，AI实现了地理作业全类型批改，大幅降低了教师负担。对于实践任务，AI按规范指标进行等级评价，义务教育阶段不打分数、不排名，落实了教育部“等级评价、诊断改进”的要求[14]。

实际案例：“常营小场沟河流治理”项目中，学生提交调查报告，AI自动给出了等级评价与改进建议，符合义务教育评价规范[7][14]。

依据单元教学评价框架及政策要求[2][5][14]，AI严控考试频次，每单元组织1次综合检测，命题突出探究性、开放性、综合性，杜绝偏题怪题。结果实行等级制，生成学情分析报告，用于教学改进，不排名、不公开，实现了以评促教。

实际案例：“自然地理”单元阶段性评价中，AI显示学生“区域认知”达标率85%，“地理实践力”仅60%，教师据此增加了户外考察任务，实现了精准补弱[5]。

严格遵循教育部文件要求，建立了AI命题—教师审题—多人审核机制，学期初公示考评计划并备案，严控频次、规范流程，确保合规安全[14]。

结合文献中“技术本土化”建议及武智涛实践经验[6][13]，建设了适配初高中地理的智能考评资源库：一是题库资源，涵盖衔接知识点、素养任务题；二是VR情境资源，聚焦难复刻场景；三是评价指标资源，细化了核心素养量化标准[5][6]。

针对文献中“教师技术应用能力欠缺”问题[3]，开展了智能工具操作、数据解读、评价设计培训；规范了数据使用，保护学生隐私，坚持AI辅助、教师主导，确保了评价公平性[8][9][14]。

参考初高中贯通研究[7]，建立了“三统一”机制：统一考评逻辑，确保素养目标连贯；统一数据平台，实现学习轨迹追踪；统一反馈策略，形成“衔接漏洞—针对性提升”闭环，解决了文献中“衔接断层”的问题[4]。

本文通过梳理国内外地理教育评价文献，结合教育部中小学日常考试管理要求，明确了“过程化、素养化、贯通化、合规化”的考评创新方向，依托本人的实践成果，构建了人工智能赋能地理日常考评的实践体系。研究表明：人工智能可有效破解传统考评痛点，通过“课前诊断夯实基础、课中评价捕捉过程、课后反馈优化学习、阶段测评整合素养”，实现了地理考评从“知识本位”向“素养本位”的转型；实践研究为技术落地提供了关键支撑，其单元评价框架、VR应用流程、实践力指标确保了考评创新的可操作性；整套路径完全符合“双减”与考试管理政策，兼具减负、规范、精准、育人多重价值。未来研究可进一步扩大实践样本，优化AI对复杂地理主观题的评价精度，推动“教—学—评—育”一体化深度落地。

参考文献

[1]中华人民共和国教育部. 普通高中地理课程标准(2017年版2020年修订)[S]. 北京:人民教育出版社,2020.

[2]栾雅琼. AI赋能地理教学的应用实践研究——基于初中地理核心素养培养的范式创新[J]. 创新教育研究,2025,13(5):124-130.

[3]郭媛媛. 人工智能融入中学地理教学过程:进展、挑战与应对[J]. 地理教学,2025(11):23-28.

[4]王丽丽. 积极心理学视域下初中地理过程性评价研究[D]. 曲阜师范大学,2025.

[5]张素娟,尹卫霞,武智涛. 中学地理单元教学育人价值的实现与指向——以“认识国家”单元教学为例[J]. 北京教育学院学报,2025,39(03):46-52.

[6]武智涛,张晓静. 在高中地理教学中应用VR技术的实践与思考——以《中外著名旅游景观欣赏》一课为例[J]. 中国现代教育装备,2021(16):44-46.

[7]武智涛. 初高中地理贯通培养中如何培养初中学生地理思维能力[J]. 教育实践与研究,2024(3):15-19.

[8]李艳. 人工智能在中学地理评价中的应用现状与展望[J]. 中学地理教学参考,2024(8):45-48.

[9]陈明. 智能评价系统在地理教学中的伦理风险与规避策略[J]. 教育探索,2025(2):67-71.

[10]刘刚. 地理核心素养导向的过程性评价设计与实施[J]. 地理教育,2023(12):34-37.

[11]National Geographic Society. GeoInquiry: A Framework for Geographic Education[R]. Washington D.C.: National Geographic Society,2022.

[12]Smith J. Multimodal Assessment in Secondary Geography Education[J]. Journal of Geography in Higher Education,2023,47(2):189-205.

[13]赵亮. 国外智能教育评价工具本土化适配问题研究[J]. 比较教育研究,2024(5):89-96.

[14]教育部办公厅. 关于进一步加强中小学日常考试管理的通知（教基厅〔2025〕3号）[Z]. 2025.