□ 李凤敏

阅读力是中小学生核心素养的重要构成，也是衡量基础教育质量的关键标尺。随着人工智能技术的深度渗透，中小学阅读力测评正从传统的“结果导向、单一维度、纸笔测试”模式，转向“素养导向、多元维度、技术赋能”的新形态。我将结合政策要求、国际评估框架及国内实践，系统分析当下中小学阅读力测评的核心方向与典型模式，剖析现存问题，并探索AI背景下阅读力测评的未来发展路径。

一、当下中小学阅读力测评的核心方向与典型模式

新课标“核心素养”导向与PIRLS、NAEP 2026等国际评估框架的落地，推动中小学阅读力测评形成“能力+思维+策略+态度+应用+文化”六大核心方向，且不同方向适配差异化的测评模式，形成“量化诊断+过程性评估+质性追踪+项目式评价”的多元体系。

（一）基础与高阶能力测评：AI智能平台主导的量化诊断

我们知道，基础阅读能力（认读、信息提取、理解）与高阶思维能力（推理、批判、创造）是阅读力测评的核心维度，低年级侧重基础能力的具象化测评，中高年级及初中逐步提升高阶思维的占比。这一方向以AI智能测评平台为核心载体，通过算法实现精准化、个性化诊断。

如潍坊市“多维·分级·同步”AI测评系统，其构建了“认读、理解、运用、积累”四维评价体系，细化446条分级标准，覆盖低年级“提取关键信息”到高年级“批判文本逻辑”的全学段目标。该系统采用自适应算法，题目难度随学生答题表现动态调整，避免“一刀切”测评的弊端；同时配套2000+匹配统编教材的分级题库，生成的“学情画像”可精准定位学生能力短板（如“推论能力薄弱”），教师据此设计针对性补弱课程，使学生理解能力达标率提升30%以上。

再如小步智阅“四维能力测评”，聚焦“检索提取、推论判断、整合解释、评价鉴赏”四大维度，每6个月追踪学生能力轨迹，低年级采用图文结合题降低认知负荷，高年级引入议论文逻辑分析题提升思维深度，家长端可通过“能力雷达图”直观掌握孩子的能力短板，实现家校精准衔接。这类AI测评模式的核心优势在于破解了传统纸笔测试“数据滞后、维度单一”的痛点，通过大规模数据采集与分析，实现“千人千测”的个性化评价。

（二）阅读策略与情境应用测评：表现性任务驱动的过程性评估

阅读策略（精读、略读、跨文本关联）与真实情境应用（跨学科任务、生活实践、数字阅读）测评，强调“学用结合”，以表现性任务为核心载体，关注学生策略运用的过程与真实情境中的应用能力。

例如，成都市双流区“天天书屋”平台是该方向的典型代表，其测评维度涵盖阅读广度（字数积分）与深度（PIRLS框架下的文本、认知、情境三维度），支持文字、音频、视频等多模态输出。学生可通过“闯关答题”巩固策略运用，通过“阅读分享视频”展现情境应用能力；教师端可查看班级阅读排行榜，家长协助上传孩子的阅读作品，形成“学校-家庭”协同的过程性评估闭环，该平台落地后学生自主阅读率提升至89%。这类测评模式跳出了“纸上谈兵”的局限，将测评融入真实阅读与学习场景，更贴合核心素养的落地要求。

（三）阅读态度与习惯测评：成长档案袋支撑的质性追踪

阅读态度（兴趣、自主阅读频率）与习惯（批注、摘抄、长篇阅读耐力）是阅读力长效发展的基础，这类测评以质性追踪为核心，通过轻量化工具记录学生的阅读行为与态度变化。低年级常用“阅读小护照”作为测评工具，重点关注自主选书类型、朗读流畅度等行为指标；高年级则采用“阅读成长树”日志，追踪学生策略运用的稳定性与深层思考频次。这类测评模式摒弃了“分数至上”的评价逻辑，通过长期、动态的追踪，捕捉学生阅读态度与习惯的细微变化，为阅读力的长效培养提供依据。

二、当下中小学阅读力测评的问题与不足

尽管当前阅读力测评已呈现多元发展态势，但在实践中仍存在诸多问题，制约了测评的科学性与落地效果。

（一）测评维度失衡，重“能力”轻“素养”

当下，部分测评仍陷入“唯分数论”的误区，过度聚焦基础阅读能力（如信息提取、概括）的量化测评，忽视高阶思维、文化审美、阅读态度等素养维度的评价。例如部分地区的期末阅读测评仍以选择题、简答题为主，仅考查文本信息的提取与浅层理解，对学生的批判性思维、文化理解能力缺乏有效评价；即使引入AI测评平台，也多将“答题正确率”作为核心指标，对学生阅读过程中的策略运用、情感体验等质性维度关注不足，导致测评结果无法全面反映学生的阅读素养。

（二）技术应用浮于表面，“AI赋能”流于形式

调查发现，部分AI测评平台仅将技术作为“电子化答题工具”，未真正发挥人工智能的核心优势。例如，部分平台生成的“学情画像”仅罗列分数与错题，未深入分析学生的能力短板成因，也未配套针对性的教学建议，导致“测评与教学脱节”，AI技术仅成为“效率工具”，而非“精准诊断工具”。

（三）学段适配性不足，测评难度与目标错位

目前来看，市场上部分测评工具与任务设计未充分考虑中小学不同学段的认知发展规律，出现“低年级测评成人化、高年级测评幼稚化”的问题。此外，跨学科阅读测评在低年级落地时，常直接套用初中的跨学科任务模式，未结合低年级学生的认知特点设计具象化、游戏化的任务，导致测评效果大打折扣。

（四）家校社协同不足，测评场景碎片化

不难发现，阅读力测评多局限于校园场景，家庭与社区的参与度低，导致测评结果无法反映学生的真实阅读状态。例如，学校侧重课堂阅读任务的测评，而家庭中的自主阅读、亲子共读等场景缺乏标准化的评价工具，家长难以掌握孩子的家庭阅读质量；社区的公共阅读资源（如图书馆）未与学校测评体系衔接，无法形成“校内-家庭-社区”的全域测评闭环，测评结果的全面性与真实性受限。

三、AI背景下中小学阅读力测评的发展方向

人工智能技术的成熟为破解当前阅读力测评的痛点提供了可能，未来中小学阅读力测评将朝着“精准化、全维度、沉浸式、协同化”的方向发展，真正实现“以评促学、以评育人”。

（一）AI驱动的精准化测评：从“千人一卷”到“个性化诊断”

AI技术将深度融入测评的全流程，实现从“批量测评”到“个性化诊断”的升级。一方面，自适应算法将成为AI测评平台的核心，基于学生的答题数据实时调整题目难度与类型，精准匹配学生的能力水平——基础弱的学生侧重基础能力的巩固测评，能力强的学生侧重高阶思维的挑战测评，避免“过难打击信心、过易缺乏价值”的问题。另一方面，AI将实现“多维度数据融合分析”，不仅分析学生的答题正确率，还能结合自然语言处理技术分析学生的文本表达（如概括的完整性、批判的深度），生成“能力+行为+态度”的全景化学情画像，精准定位短板成因（如“概括能力不足是因为信息提取不全面还是逻辑整合能力弱”），并自动推送个性化的补弱资源与训练任务，形成“测评-诊断-教学-复测”的闭环。

（二）全维度素养测评：从“能力导向”到“全人发展”

AI技术将打破“量化测评为主”的局限，实现“量化+质性”的全维度素养测评。一方面，AI可通过大规模文本分析，快速评价学生的文化与审美素养，弥补人工评价“主观性强、效率低”的问题；另一方面，AI可分析学生的阅读态度与习惯变化，将兴趣等隐性指标转化为可监测的数据。

（三）沉浸式场景测评：从“课堂测评”到“全域融合”

AI技术将推动阅读力测评从“课堂场景”延伸至“全域场景”，实现沉浸式、无感知的测评。一方面，AI实时捕捉学生的操作行为、语言表达、思维路径，在沉浸式体验中完成测评，避免“测评与阅读分离”的问题；另一方面，AI可打通学校、家庭、社区的阅读数据，形成全域阅读数据档案，全面反映学生的阅读状态。

（四）家校社协同测评：从“单一主体”到“生态共建”

AI技术将构建“学校-家庭-社区”协同的测评生态，打破各主体间的信息壁垒。学校端的AI测评系统可开放家长端与社区端权限，家长可查看孩子的校内测评结果，接收个性化的家庭阅读指导建议；社区图书馆可接入AI测评系统，为学生提供与测评目标匹配的阅读资源，记录学生的社区阅读行为并同步至学校；AI还可生成“家校社协同测评报告”，整合各场景的阅读数据，为学校、家庭、社区提供统一的评价标准与改进方向，形成“各负其责、协同育人”的阅读力培养生态。

AI时代的中小学阅读力测评，本质是通过技术赋能实现“精准评价、全面育人”的目标。未来的阅读力测评一定会从“量化为主”到“量化+质性融合”，从“单一学科”到“跨学科”，从“学校单评”到“家校社协同”，通过AI技术实现精准化、全维度的能力诊断，也通过沉浸式场景、家校社协同实现素养的长效培养。

（李凤敏，独立教师，作家，中小学高级阅读指导师，阅读写作研究者，商丘市作协会员，出版《小学语文阅读提分技巧 .创意公式法》《作文有规律.我的小学创意写作课》等。）