人工智能赋能教育高质量发展，主要体现在借助技术手段重塑教育生态的各个环节。具体到人工智能背景下的考试评价，在应用人工智能命制试题时，教师需要进一步加强课程标准研究，关注考试性质及学情，基于考查目标研究情境选择、任务设计及答案编制等问题。其中，情境与任务协同设计是重中之重，这决定着考试的效度与信度，更关乎考试评价的公平性。

一、基于情境与任务协同设计的智能化命题的理论基础与实践价值

利用人工智能开展试题情境与任务的协同设计，既能提升考试评价的效度，也能拓展教师命题的视野，激发其批判性思维，更是教育回应学生发展需求的有益探索。智能化命题模式强调人工智能是命题的辅助工具，而教师则是命题的顶层设计者或主导者。基于情境与任务协同设计的智能化命题有其独特的理论基础与实践价值。

（一）基于情境与任务协同设计的智能化命题的理论基础

基于情境与任务协同设计的命题，融合了教育学、心理学、评价科学、信息技术等多学科研究成果，其核心在于通过智能化命题，展现情境的真实性、丰富性与任务的多样性、挑战性，激发与评估学习者的高阶思维，实现促进发展与素养评估的统一。

实用主义哲学家、教育家杜威在20世纪初提出尊重儿童，倡导“做中学”，强调学习者不仅仅是接受书本知识，而应加强与实际情境的联系。维果斯基的社会文化理论认为，社会互动与交往对认知发展具有重要作用。在此基础上，美国学者布朗等人于1989年在《教育研究者》杂志上发表论文《情境认知与学习文化》，系统提出情境认知理论，强调知识的社会性与情境性。他们认为认知活动本质上是情境化的，脱离情境的知识难以迁移。情境认知理论推动了教育从“知识灌输”向“情境化学习”的转型。因此，考试命题时需采用学科实践案例或社会热点问题作为情境。同时，要设计角色扮演任务，驱动学习者主动整合信息，模拟专业共同体的问题解决模式。

美国教育评价专家斯蒂金斯和威金斯于20世纪80年代提出的表现性评价理论认为，评价应关注学习者在完成实际任务中的表现，而非仅测量孤立的知识点与关注测试结果。威金斯提出需在真实或模拟情境中，通过任务激发学生展示综合能力，并强调任务需与生活实际紧密联系。两位学者强调了表现性评价的情境性、过程性与多样性，也从另一个侧面关注了情境与任务的一致性。因此，考试命题应设计具有可视化成果的任务，如实验报告、设计图、统计数据等。根据课程标准中学业质量标准的要求，制定多维评分标准，以匹配核心素养目标，如采点与采意相结合，等级评分与分项评分相结合等。

20世纪80年代中后期，美国认知科学家埃德温·赫钦斯认为，认知的本质不是简单的信息加工过程，而是分布式的，认知现象不仅包括个体头脑中的认知活动，还涉及人与人、人与技术相互作用的过程。认知活动是分布于个体内、个体间、媒介、环境、文化及时间中的动态系统。因此，命题时应注重创设多样化的情境，包括跨学科情境，并由此设计内生于情境的任务，设计与人工智能工具交互的任务，如虚拟实验中的危险性实验模拟。这从一定程度上印证了基于情境与任务协同设计的智能化命题的合理性与必要性。

上述理论共同构建了基于情境与任务协同设计的智能化命题的底层逻辑。其本质是理论驱动的实践创新，既需要学习科学解释“为何有效”，也需要评价理论确保“测准什么”，更需要技术理论支撑“如何实现”。多维理论融合，使其成为应对未来教育挑战的关键方法论。

（二）基于情境与任务协同设计的智能化命题的实践价值

一是提升评价效度。试题效度取决于试题能否真实反映学生核心素养的发展水平，如问题解决能力、批判性思维及知识迁移与应用能力等，而非测试机械记忆能力或碎片化知识。应用人工智能强化情境与任务协同设计，能够促进试题任务与考查目标直接关联，与评测学生核心素养直接关联，避免情境与任务割裂。同时，应用人工智能强化情境与任务协同设计，能使评价工具更精准地影射学习者能力图谱，发挥评价引导教学的“指挥棒”作用。

二是促进深度学习。深度学习强调对知识的理解、应用、分析、评价和创造，注重培养学生的批判性思维和质疑精神，突出对学生元认知能力的培养。基于情境与任务协同设计的智能化命题，有利于考查学生的高阶思维能力。真实的情境与任务设计的目标意识与探究导向，能检验学生创造性解决问题的能力，让他们展示自身的核心素养发展水平。基于情境与任务协同设计的智能化命题，能够引导学生在真实或虚拟的、复杂的问题解决中实现知识迁移、批判性思考与创造性应用；能够激发学生的学习动机，在问题解决或项目式学习方面展示自己的才能。智能化命题引入人工智能分析工具，可以实时追踪学生在任务完成过程中的认知路径与思维漏洞，根据学生认知水平动态调整情境复杂度与任务难度，促进深度学习。 

三是回应未来教育发展需求。未来教育强调以学习者的核心素养培育为重点，注重个性化学习、批判性思维、数字素养、全球胜任力等的综合发展。基于情境与任务协同设计的智能化命题，是回应这一需求的关键手段，其不仅能评估学生知识习得的状况，还能评估与培养学生适应未来社会所需要的能力与素养，以及跨学科能力，如批判性思维、创新能力、合作能力、信息素养等。人工智能命题能够更好地达成试题情境与任务的一致性，通过模拟真实世界的挑战、整合跨学科知识等，推动教育评估从知识测量、标准答案转向过程监控、能力与素养发展评估、成长导航的评估模式。由此可见，基于情境与任务协同设计的智能化命题，不仅是测评工具的创新，更是重构教育生态的“杠杆”，它能够引导教学从“教知识”转向“育素养”，最终使学习者具备适应不确定性未来的关键能力与素养。

四是促进教师专业发展。基于情境与任务协同设计的智能化命题，需要教师具备扎实的学科知识、教育测量知识及评价理论与实践知识，尤其要求教师具备跨学科整合的能力、真实情境的应用能力、高阶思维任务的设计能力等。基于情境与任务协同设计的智能化命题，不仅是学生学习能力的评估工具，更是推动教师专业发展的“催化剂”。通过参与协同设计的过程，教师能够深化对学科本质的理解，补齐教育测量的短板，提升教学创新的能力，并在设计—实施—反思的过程中实现专业能力的迭代升级。

二、基于情境与任务协同设计的智能化命题的基本模式

经过多轮次的命题实践，本研究形成了基于情境与任务协同设计的智能化命题模式（图1）。

教师根据考试性质与学情确定考查目标是确保考试有效性和科学性的前提与核心环节。不同性质的考试在目标设定、内容选择、难度设计上存在显著差异。以诊断性考试（如期中、期末考试）为例，考试的目标是发现学生学习过程中存在的问题，促进教师反思、调整教学安排与教学方式，其命题的重点是关注近阶段教学的重难点，根据课程标准细化认知能力层级，按照易、中、难的难度要求，尽可能让学生暴露其知识掌握的薄弱点、思维的断点。因此，命题应该明确对应教学环节，便于教师及时反馈调整。智能化命题需要教师“总揽全局”，进行命题的“顶层设计”，在确定了考查目标之后，指示人工智能进行试卷试题的编制。

根据课程标准及考试性质来确定多维细目表是考试命题的重要环节。多维细目表一般由题型、题号、考查目标、情境与任务设计、学业质量水平及预设难度构成。如果任由人工智能来确定考试的题型，那试卷试题的难度就无法控制。因此，教师首先需要根据课程标准、考试性质的要求，来确定本次考试的具体题型。例如，诊断性考试主要考查知识的覆盖面、能力层级的多维性，可以选择判断、选择、简答、分析说明等题型，适当考查一些探究题、开放题及综合题。在确定相关题型后，指示人工智能在一定的考查目标及试题难度下，完成试题的编制。

（二）教师指示人工智能选择合适的情境与任务

在命题过程中，促使情境与任务达成一致是人工智能辅助命题的核心。教师可以根据考查目标来引导人工智能选择合适的情境。人工智能生成情境需以知识图谱为骨架，如思想政治或道德与法治学科可以从政治、经济、法治、文化、生态等角度分类构建比较详细的知识图谱。在此基础上，生成具有真实性、丰富性、适切性的命题情境。命题者可以给予简单的提示或情境，如请人工智能设计一个有关“新质生产力”的情境，进而引导人工智能生成更加丰富多样的具体情境。

教师根据考查目标及情境，指示人工智能生成多元化、多层次的任务，如结合简单情境描述，引导人工智能生成符合题型要求的任务。在这个过程中，命题者需要向人工智能明确编制试题的难度要求，如整体难度系数控制在0.5左右，或一个题目的三个具体任务的难度系数分别为0.85，0.65，0.45等。因此，指示人工智能设计试题任务时，应考虑任务的层次性、目标的指向性及难度要求。

（三）教师根据多维细目表、学情及以往试题修改题目

教师根据多维细目表、学情及以往试题，对人工智能编制的试题进行加工改造。具体包括：第一，试卷题型结构的优化，如根据考试性质及学情，将个别分析说明题改成选择题，或将选择题改成探究题，试题的分值也可以作出相应调整。第二，对试卷试题难度进行调控，如隐藏有关条件或线索以提高试题难度，限定作答范围以降低试题难度。第三，对知识点考查进行审视，根据多维细目表核对考点并对高频考点进行相应调整。第四，基于以往考试错题数据标注“注意事项”，降低难度要求。第五，对情境的适切性、公平性等作出相应调整与优化。“当前的教材和教学中存在着大量的情境缺失或虚假情境的现象，在一定程度上影响了学生对知识来龙去脉的认知，对学科应用价值的理解，弱化了学科的育人功能。”[1]考试评价也具有类似的情况，因此，对情境与任务一致性的再审视过程，是一个对情境与任务的教育性、整体性、层次性与结构性的反思过程。

综上所述，教师对人工智能编制的试卷试题进行调整与优化时，可以多维细目表为基础，统筹题型分布、难度梯度、考点覆盖，同时注重情境与任务设计的协同性，还需结合学情数据（学生认知水平、以往答题错误模式等）和以往试题命制规律，分析命题的薄弱环节，最终实现试卷试题编制的创新。

三、基于情境与任务协同设计的智能化命题所要注意的问题

（一）教师的主导性问题

在编制试题、组卷的过程中，教师应始终处于主导地位。尽管人工智能在收集相关材料、综合分析信息等方面具有无可比拟的优越性，但人工智能作为命题辅助者，为教师服务的角色必须明确。因此，在命题时，教师如何运用批判性思维对人工智能命制的试题进行“去粗取精、去伪存真、由此及彼、由表及里”的加工制作，显得尤为重要。教师如何根据考试性质、学情及以往命题的经验，对由人工智能编制的试卷试题进行科学合理的优化与调整，是命题成功与否的重要条件。

（二）人工智能导致情境与任务的不匹配

情境与任务的协同设计是命题的关键环节，人工智能是达成协同设计的重要工具。在利用人工智能对试题进行设计的过程中，常出现情境与任务的不匹配，主要表现在以下几个方面：第一，类型不匹配。联系生活的情境搭配了纯理论问题，而未对应实践性任务；学科认知情境搭配了学科简单问题，而未设计探究性、开放性任务。第二，层次不匹配。简单情境通常适合基础性任务，如识记、描述等，复杂情境则需设计高阶认知任务，如论证、评析、方案设计等，应避免设计简单的判断、填空等试题。同时，能力层级要求需明确分层：简单情境主要考查“描述与分类”等任务，复杂情境主要考查“论证、反思与评价”等任务，但命题时却常出现不匹配的情况。第三，真假不匹配。一般来说，真实情境需设计真实性任务，虚构情境可设计创造性任务，但均需符合学科逻辑。第四，难度不匹配。情境所蕴含的信息量应与任务的认知负荷相匹配。命题时需避免情境复杂但任务过于简单，或情境简单但任务要求过高的情况。第五，整体性设计不足。主要表现为情境与任务设计缺乏统筹，试卷需兼顾试题情境的多样性与任务的层次性。第六，情境与任务协同设计所带来的认知负荷不够清晰。如学生陷入情境细节导致偏离核心目标，低认知水平学生难以通过现有任务进入深度学习状态等，需加强差异化任务设计。

（三）智能化命题的目标须明确

考查目标的精确性决定人工智能命题效能。指示人工智能进行情境与任务协同设计的目标如不明确，就容易出现题目偏离课程标准的要求，特别是与学业质量标准的要求不符，如出现超标命题的现象，即超能力、超学科、超年级命题等。因此，如果教师向人工智能传递考查目标时存在表述不明确或比较模糊的现象，而人工智能自身又缺乏教育场景的理解能力，这种双重局限会导致教师与人工智能协同命题偏离考试目标，最终造成试卷结构失衡、测评功能失效。因此，“教师设定方向+人工智能优化路径或方式+教师调整与优化”的智能化命题模式，是实现考试目标的重要举措。

（四）利用人工智能命题，不能忽视教师自身命题能力建设

人工智能命题工具的应用，暴露了部分教师在命题能力、审题能力方面的专业性短板。这种能力不足并非源于教师个体水平，而是传统命题模式与智能化命题之间的系统性错位。传统命题依赖个人经验的积累，教师选择情境的面较窄，由此设计的试题任务的探究性、开放性与综合性不够。人工智能通过海量题库与学情数据分析，在考点覆盖的全面性和基于情境的任务设计的层次性与丰富性方面，远超教师依赖经验的命题模式。人工智能可快速生成基于情境的分析、评价、创造等复杂性任务，如设计方案、比较有关事件的影响力等。教师如果缺乏高阶思维能力，尤其是批判性思维，就很难对基于情境与任务协同设计的试题的优劣，乃至公平性、伦理性等方面作出很好的判断与回应。

综上所述，考试命题应该构建人机协同的命题模式，教师需要不断提升学科素养与教育测量的能力，包括评价设计能力、跨学科整合能力以及利用人工智能选择情境、调整难度、生成高阶思维试题的能力。同时，要建立“命题—反馈—培训”机制，根据教师命题过程中的薄弱环节，自动生成有针对性的培训方案，促使教师命题能力不断提升。构建人机协同的命题模式，最终应回归教育的本质，使教师能够基于学生核心素养的发展需求，不断提升情境与任务协同设计的能力、批判性思维能力与命题伦理审查水平。

（来源：基础教育课程/朱志平 江苏省常州市教育科学研究院原院长、教授级中学高级教师）