摘要: 劳动素养是小学生核心素养的重要部分，过程性评价掌握着劳动教育发展的脉络。AI 图像识别技术凭借实时数据采集、客观行为分析、多维特征提取等优势为劳动素养过程性评价提供新的可能。通过建立“数据采集 - 特征分析 - 多维评价 - 个性化反馈”的评价模式来实现对学生劳动态度、技能掌握、创新意识等方面进行动态追踪和科学判断，促进劳动教育由经验化向精准化发展，使学生的劳动素养全面提升。

关键词: 人工智能图像识别；小学生；劳动素养；过程性评价；评价模式

2022 版义务教育劳动课程标准提出，要“建立多元评价体系，注重过程性评价”，强调对学生在劳动过程中的表现和发展变化的系统记录和分析。小学生劳动素养培养具有实践性、渐进性特点，需要通过持续观察、动态评价把握成长脉络。目前大多数学校采用教师主观打分、劳动成果展示等方式进行评价，无法覆盖劳动准备、实施、反思等完整的环节，也不能量化的分析学生动作的规范性、合作能力等隐性素质。AI 图像识别技术的发展为打破这个困难提供技术支持，能够把劳动力过程中的视觉信息转化为可以分析的数据，实现评价的客观性、持续性和全面性，推动劳动教育评价体系的现代化转变。

一、基于AI 图像识别的小学生劳动素养过程性评价的价值

（一）破解传统评价的困境，提高评价的客观性与精准度

传统的劳动素养评价大多由老师主观做出判断，评价结果受个人经验情感等因素影响比较大，并没有统一的量化标准。AI 图像识别技术可以实时采集和分析视频中的帧图片从而获取学生的运动轨迹、操作时长以及工具使用是否规范的客观数据。这样的数据评价方法使得评价结果更具有客观性和可信度，它还精准捕捉传统评价不易观察到的微小的进步，真实呈现学生的劳动素养[1]。

（二）实现过程全环节追踪，符合劳动素养培育的渐进性

劳动素养的养成不是一蹴而就的事情，而是长期积累、逐步提高的过程，需要对学生产生不同阶段的劳动行为进行连续跟踪。AI 图像识别技术可以构建全流水线数据采集网，在劳动任务启动时的准备行为、执行过程中的操作步骤、任务完成后的整理收纳等阶段都能够进行数据的连续记录和特征提取。建立学生劳动素养成长档案，动态展示不同阶段的技能掌握水平和态度变化趋势等，教师可以清楚地了解学生的成长轨迹，及时调整教育策略，满足劳动素养培养的递进要求，实现“以评促学”的教育目标。

二、基于AI 图像识别的小学生劳动素养过程性评价策略

（一）创建分层指标体系 ( 此部分指标体系设置要融合劳动教育的四大核心素养）

可以将小学生的劳动素养过程性评价标准分为基础层、发展层、创新层三个层次。基础层对应于动作技能领域，包括劳动工具使用规范度、操作步骤是否完整等可以量化的指标，发展层对应于情感与认知领域，包括劳动态度、合作能力、解决问题的能力等，创新层对应于劳动创造领域，包括劳动方法创新、工具改良建议等。AI 图像识别系统对不同层级指标进行特征建模，对学生劳动表现开展分层识别与评估，保证评价具有整体性的同时突出评价层次性，符合小学生认知发展规律及劳动素养培养梯度。

例如，在小学三年级“植物栽培”的劳动实践中，根据分层指标体系设计评价方案。基础层面，AI 图象识别系统通过摄像头抓拍学生播种、浇水、施肥等操作动作，识别学生动作是不是按“松土、播种、盖土、浇水”来完成，工具使用是否规范并根据预先设定的分数段给出量化打分；发展层面，系统通过对组内互动情况和专注力数据等信息进行分析，对学生的合作能力、学习态度进行评测；创新层面上，关注的是学生是否进行了新的尝试改进种植方式、调节植物位置获取更好的阳光等。并对该类行为给出相应的评价。活动结束后，系统会生成包含各个层面的指标得分的评价报告，教师可以利用报告对学生不同的薄弱环节进行个性化的指导，对于基础分低的学生，要强化工具使用的训练，对于创新分高的学生，则可以鼓励他们分享改进的经验。

（二）实时反馈和干预

学习是一个学习者主动建构意义的过程，教师应该在学习过程中及时的进行指导和反馈。把此理论用到劳动素养过程性评价中，需要AI 图像识别系统具有实时反馈和干预功能。系统捕捉学生劳动过程的数据后，用算法进行分析并形成即时反馈，在学生劳动实践出现错误时，能及时指出，当学生做得对的时候，给予表扬，让学生在劳动实践中主动调整策略，获得正确的劳动知识和技能。这种实时反馈打破了传统的评价“事后总结”的滞后性，把评价与教学过程结合在一起，达到“评价即学习”的目的，提高劳动教育的实效性[2]。

例如，在小学四年级“厨房小帮手”的劳动课上，进行“蔬菜清洗与切配”的实践活动。AI 图像识别系统利用操作台前的高清摄像头实时监看学生操作。学生犯了错误，如洗菜时没有去掉腐烂的部分，切菜时手指和刀刃的距离太近等，系统会立刻用语音提示来纠正：“请检查下蔬菜根部是否还存有腐烂部分，并去掉哦”“切菜时手指要弯曲抵住刀背，注意安全”。当学生按照规范完成清洗步骤或者用正确的切菜姿势时，系统会及时给予肯定：“蔬菜清洗得非常干净，操作规范！”“切菜姿势正确，继续加油！”。系统将学生操作数据实时上传到教师端，教师可以查看每个学生的操作情况，对于多次出错的学生重点指导。课后，系统生成学生操作过程的时间轴式评价报告，清楚地展示了不同时间点学生的状态以及教师干预后的改善情况，给后续的教学提供了数据支撑。

结语

基于 AI 图像识别的小学生劳动素养过程性评价模式，通过技术与教育理论的融合，有效解决了传统评价中的很多不足。该模式以教育目标分类理论、建构主义学习理论等为依托，建立分层指标体系、实现即时反馈干预、推进多主体协同，既有保证评价的客观性与精准性，又体现评价的发展性与综合性。经过实践表明，这一模式可以精准的抓取到学生在劳动中的成长变化，为教师提供决策依据，提高学生劳动的积极性和主动性。未来要继续提高AI 图像识别算法对不同条件适应的能力、不断完善评价指标动态调整机制、加强数据安全与隐私保护，推动劳动教育中该评价模式应用的广度和深度，为小学生的劳动素养全面提升提供强有力的保障。

参考文献：

[1] 陈科科 . 在创思中劳动——地域资源驱动下的小学生创造性劳动素养发展策略研究 [J]. 现代教育 ,2025,(06):8-13.

[2] 曾妮 , 王书凝 , 梁铭轩 . 家庭资本结构会影响小学生劳动积极性吗——基于全国小学生劳动观念调查数据的分析 [J]. 当代教育科学 ,2025,(02):21-31.