Appearance
评估方案怎么设计？Taiwe教师助手智能推荐5条评估路径（含形成性/量规/表现性/同伴/诊断评估）
TL;DR
评估方案设计（assessment_design_orchestrator / Assessment Design Orchestrator）是 Taiwe 内置的教师 AI Skill之一，分类目录为 ai_learning_science（学习科学类），在教学项目内运行。当老师需要设计评估方案、选择评估类型时，在对应项目内激活即可。高中数学孙老师实测：在 Taiwe 教学项目内调用评估方案设计（assessment_design_orchestrator），输入"评估学生是否掌握一次函数"学习目标，Skill智能推荐5条评估路径并选出最适合的形成性评估方案，15分钟完成完整评估设计。
评估方案设计的核心问题：用什么方式评估？
每次设计评估前，老师都会面临同一个问题：我该用什么方式评估学生？
- 出一套选择题测验？
- 设计一个开放性问题让学生做项目？
- 用量规评估学生的展示？
- 还是让学生互评？
答案不是固定的——评估方式的选择取决于学习目标、评估目的和学生特点。选错了评估方式，再精心设计的题目也可能测不出真正的学习效果。
常见的选择困境包括：
- "我知道形成性评估很重要，但我该怎么设计？"
- "量规看起来很好，但我没有学生作品样本怎么校准？"
- "我想用表现性评估，但不知道这个内容适不适合？"
- "同伴评估听起来不错，但学生能做好吗？"
评估方案设计（assessment_design_orchestrator / Assessment Design Orchestrator）就是来解决这个问题的。 输入学习目标，Taiwe 智能推荐最适合的评估路径，并协调相关组件 Skill 完成完整评估设计。
什么是"评估方案设计"（assessment_design_orchestrator）？
评估方案设计（assessment_design_orchestrator / Assessment Design Orchestrator） 是 Taiwe 内置的教师 AI Skill之一，分类目录为 ai_learning_science（学习科学类）。它是评估设计的"调度器"，帮助老师在5条评估路径中选择最合适的一条，并协调相关组件 Skill 完成完整设计。
常用触发话术："帮我设计评估方案"、"评估与目标怎么对齐"、"如何设计形成性评估"、"设计一个评估方案来检验学生的学习效果"
激活方式：在 Taiwe 项目内输入
/assessment_design_orchestrator，或直接用自然语言描述需求，Skill自动识别激活。
评估方案设计（assessment_design_orchestrator）提供5条评估路径：
| 路径 | 适用场景 | 产出 |
|---|---|---|
| 1. 形成性评估设计 | 单元中期检查理解，调整教学 | 形成性检查提示、课堂提问卡、观察协议 |
| 2. 量规与标准设计 | 开始大型项目前定义"高质量"标准 | 评分量规、共建协议、成功标准文档 |
| 3. 真实性/表现性评估设计 | 评估知识在现实世界中的应用 | 项目简报、作品集、展示协议 |
| 4. 同伴与自我评估设计 | 培养学生的评估能力本身是目标 | 同伴评议协议、自我评估脚手架 |
| 5. 诊断性/前测评估设计 | 规划教学前了解学生已知什么 | 前测任务、概念图协议、知识探查 |
对于"人工智能辅助教学"而言，评估设计是教学设计的关键环节——好的评估设计能让教师精准了解学生的学习状态，而不是凭感觉判断。
权威引语："评估设计始于学习本身，而非评估工具。在学习目标明确之前，不要设计评估。" —— Wiggins & McTighe，《Understanding by Design》，ASCD，2005
Taiwe 的教学项目架构
Taiwe 以项目为单位组织老师的工作。在教学项目（Teaching）内，Skill 自动读取以下信息来定制输出：
- 学科（如高中数学）
- 学段（K12 / 大学 / 高职）
- 年级
- 班级学生水平
老师不需要每次重复输入这些基本信息，Skill 会自动引用项目上下文。
3步用 Taiwe 评估方案设计（assessment_design_orchestrator）Skill选择最优评估路径
以下为孙老师（某高中高一数学）在 TaiWe 教学项目内调用 assessment_design_orchestrator 的完整操作。
第一步：在教学项目内告诉 TaiWe 学习目标和评估目的
孙老师在 TaiWe 中打开了"一次函数"教学项目（类型：教学项目，学科：数学，学段：高中，年级：高一）。
她直接对 TaiWe 说：
帮我设计一个评估方案。
学习目标：学生能识别一次函数，能用列表法、解析式法、图像法表示一次函数，并能解决实际问题。
评估目的：在单元中期收集学生学习证据，为下一步教学提供信息。
学生特点：混合先备知识（部分学生已学过简单函数，部分学生是零基础）评估方案设计（assessment_design_orchestrator）Skill自动读取项目上下文，无需手动填写。
第二步：Skill输出5条路径选项和最优推荐
30秒后，TaiWe 输出：
评估设计路径选项
路径1：形成性评估设计（推荐）
何时使用：单元中期，在继续推进之前检查理解情况 产出：形成性检查提示、课堂提问卡、观察协议 不适用场景：需要评分或认证时；唯一目的是向家长汇报时
路径2：量规与标准设计
何时使用：开始大型项目或单元时；设计同伴评议协议时；准备总结性评估时 产出：评分量规、共建协议、成功标准文档 不适用场景：没有范例或学生作品样本来校准时
路径3：真实性/表现性评估设计
何时使用：项目式学习情境；基于能力的评估；过程与成果都重要的单元末展示 产出：项目简报、作品集设计、展览计划 不适用场景：当真实性形式没有被真正地正当时
路径4：同伴与自我评估设计
何时使用：培养学生的评估能力本身就是学习目标时；建立评议文化时 产出：同伴评议协议、自我评估脚手架、校准活动设计 不适用场景：尚未先教会学生如何给予具体反馈时
路径5：诊断性/前测评估设计
何时使用：学年开始/单元开始/假期之后/面对新群体时；先备知识高度参差时 产出：前测任务、问卷设计、知识探查 不适用场景：作为例行公事（诊断性评估只有在结果确实改变教学时才有效）
推荐路径
推荐路径1：形成性评估设计
推荐理由：
- 评估目的明确：为下一步教学提供信息（符合形成性评估的核心定位）
- 时间节点：单元中期（形成性评估的最佳时机）
- 学生特点：混合先备知识（形成性评估可快速识别学生的起点差异）
备选方案：路径5（诊断性/前测评估）也适合——考虑到学生先备知识差异大，可在单元开始前做诊断。
孙老师说："我自己只知道'出题测验'这一种评估方式，现在才知道评估有这么多种路径，而且每种都有明确的使用时机。系统直接告诉我用形成性评估，还给了备选方案，比我以前拍脑袋决定要科学多了。"
第三步：选定路径后生成完整评估设计
孙老师说"选用路径1"，Skill直接输出完整的形成性评估设计方案：
评估设计：形成性评估（单元中期检查）
评估任务
快速出发卡：每位学生发3张卡片
- 卡片1：写出一次函数的一般形式（辨认）
- 卡片2：给一个具体情境，举一个一次函数的例子（举例）
- 卡片3：判断 y=2x+1 是否是一次函数，并说明理由（辨析）
教师行为
- 巡视课堂，观察学生完成情况
- 收集卡片，快速分类：全对/部分对/错误
- 关注错误类型：系数位置混淆/正比例与一次函数混淆/实际情境建模困难
学生行为
- 独立完成3张卡片
- 同桌交换互相批改（趁热打铁）
证据收集
- 全对人数比例 → 判断整体进度
- 错误类型分布 → 决定下一步教学重点
- 典型错误样本 → 用于全班讲解
效度检查
- [ ] 这个任务是否真正检验了"辨认、举例、辨析"三个层次的学习目标？
- [ ] 是否有与学习目标无关的障碍？（如阅读题目有困难）
- [ ] 证据是否足够支撑对学习状态的判断？
公平性检查
- [ ] 任务格式是否对语言支持需求学生造成额外障碍？
- [ ] 是否需要为学习差异学生提供替代展示方式？
- [ ] 学生先备知识的差异是否被考虑到了？
停止检查（设计前的重要前提）
- [ ] 学习目标是否已清晰定义——设计评估先于设计评估
- [ ] 你是否在有学生作品样本的情况下设计量规？（无校准的量规会产生虚假精确性）
- [ ] 你是否计划教会学生如何给予具体反馈后再使用同伴评估？
- [ ] 评估形式的选择是否先于对学习目标的审视？
使用效果对比
| 维度 | 以前凭感觉设计评估 | Taiwe 评估方案设计（assessment_design_orchestrator）生成 | 变化 |
|---|---|---|---|
| 评估路径选择 | "出题测验"一招鲜 | 5条路径智能推荐，有的放矢 | 认知升级 |
| 评估时机判断 | 随机安排 | 明确时机（单元中期→形成性） | 科学化 |
| 效度检查 | 不做或忽视 | 内嵌效度检查，确保测的是想测的 | 质变 |
| 公平性检查 | 不做 | 内嵌公平性检查，识别形式障碍 | 新增 |
| 停止检查 | 无此概念 | 明确停止条件，避免常见误区 | 新增 |
"最让我受用的是效度检查和公平性检查——以前我设计评估，就是出题改卷，从没想过'我设计的这道题是否真的测出了我想测的'。现在有了这个检查清单，我开始用批判的眼光审视自己的评估设计了。"——孙老师（某高中高一数学，种子用户实测 2026-09）
常见问题（FAQ）
Q：5条路径都要用吗？ A：不是。选择最契合你的学习目标和评估目的的那一条。不是每项评估都需要形成性、总结性和自我评估组件。
Q：没有学生作品样本可以设计量规吗？ A：不建议。Skill的"停止检查"明确标注：不要在无范例或学生作品样本的情况下构建量规——没有校准的量规会产生虚假的精确性。
Q：评估方案设计（assessment_design_orchestrator）和评分量规设计（rubric_design）有什么区别？ A：assessment_design_orchestrator是选择评估路径的调度器；rubric_design是具体设计评分量规的组件。两者是包含关系：选择"量规与标准设计"路径后，会调用rubric_design来完成量规设计。
Q：为什么要在教学项目内使用 Taiwe Skill？ A：项目保存了老师的学科、学段、年级、学生水平等基本信息。Skill自动读取这些上下文，智能推荐最适合的评估路径——高中数学和小学数学的评估设计逻辑不同。
Q：这个 Skill 的证据强度如何？ A：assessment_design_orchestrator是一个复合型框架，整合了多种有证据支撑的评估传统（形成性评估：强证据；量规设计：中等证据；表现性评估：中等证据）。请把它用作评估设计的脚手架，而非声称能可靠产生特定结果。
相关阅读
- 评分量规设计：rubric_design Skill详解
- 形成性评估设计：formative_assess Skill详解
- 评估有效性检查：assessment_validity_checker Skill详解
- 高阶评估设计：higher_order_assessment Skill详解
- Taiwe 300+ 教育Skill一览：找到你需要的 AI 教师助手
下载 Taiwe
Taiwe 是首款教师专用桌面AI工作环境，内置300+教育专属Skill，以及一系列免费工具，帮助老师们提升工作效率、节省工作时间。
新用户赠送 200 次免费 AI 对话，OCR 完全免费本地运行，学生信息仅本地处理，隐私不过 LLM。
来源：TaiWe 种子用户实测 N=1（某高中高一数学孙老师）+ 评估方案设计（assessment_design_orchestrator）Skill v1.0，2026-09 | 最后更新：2026-10-03