智慧美育生态 · 教学评一体化
面向区域与学校 · 美育教师专题分享
数据与智能驱动的
智慧美育生态
从"接入"到"喂养"——AI 赋能 2.0
让区域与学校的美育"看得见、留得住、长出来" | 董小川 · 博物AI美育工作室
开场 · 我们先面对一个现实
美育，长期困在三个"看不见"
🫥素养看不见
美育素养难以量化，"画得好不好""懂不懂审美"全凭一句经验之谈，校际之间无法比较。
⏳过程看不见
我们只看到一张交上来的作品，却看不见孩子是怎么想、怎么改、怎么投入的成长过程。
🎓经验留不住
"这首曲子教多深、这条线怎么练"——最值钱的隐性经验，活在老教师脑子里，退休就带走了。
核心主张
从"用经验教美育"
走向"用数据与智能建生态"
把教学、评价、创作连成一个会自我生长的闭环——这就是"教学评一体化"真正的样子。
全景 · 一张图看懂
智慧美育生态 ＝ 四层一体
一知识底座（知识图谱）把课标、教材与老教师的隐性经验，沉淀成可被 AI 调用的资产
二基础设施（算力平台）硬件 · 存储 · 数据 · 平台，区域 / 学校自己的"AI 操作系统"
三智能评价（鉴赏诊断）从人工评价到智能评价，让"好不好"看得见、比得了、可追踪
四学科美育（AIGC 创作）用 AIGC 引领学科美育课程创新，让各科都能做美育、让成果传得开
贯穿四层的，是一条数据飞轮：评价产生数据 → 数据喂养模型 → 模型支撑创作 → 创作反哺教学 → 再被评价。
壹
第一幕 · 知识底座
知识图谱：
从"接入模型"到"喂养模型"
上半场拼"接入了什么 AI"，下半场拼"AI 懂不懂我这个学科"。
为什么音体美比语数外更难被 AI 赋能
两种知识，命运不同
显性知识课标 · 教材 · 教参
已经被编码、白纸黑字、机器可读。所以语数外天然容易被通用 AI 接住。
隐性知识老教师的"怎么教 · 教多深"
气息怎么练、这条线为什么不对、这首曲子该教到什么程度——从未被写下来，活在经验里。
通用大模型对一个学科的赋能上限 ＝ 这个学科的隐性知识被结构化的程度
想清楚一件事：模型，到底是谁的
通用 / 别人的 / 自己的
通用模型大众共识
人人都能接入，开箱即用，但也人人同质——它代表的是大众认知的平均值。
别人的模型别人的认知
买来的、租来的能力，跑在别人的知识上，你只是使用者，资产不在你手里。
自己的模型单位 / 个人的资产
用你自己的课标解读、教学经验"喂"出来的能力。别人拿不走，越用越厚。
路径 · 从隐性经验到学科资产
数据 → 知识资产 → 垂类能力
隐性经验
老教师访谈 · 表格
→
结构化知识库
课标拆解 · 要素编码
→
知识资产
可调用 · 可溯源
→
学科垂类能力
AI 随时"问字典"
- 某实践类学科试点：把学科拆成数十个知识要素、上百份教学资源对应到要素，形成一张"学科知识图谱"。
- 老师可随时向"学科字典"提问，答案有出处、可追溯——知识能查、但带不走，资产留在单位。
- 方法可迁移到美术、音乐及各实践类学科，把"老教师"变成全校可用的隐形助教。
现场可访问 · 这不是概念，是已建成的资产
知识图谱，长这样
把课标拆成能力要素、把教材织成知识网络——老教师的"怎么教"，第一次变成了可点击、可追溯的学科资产。
亲眼看 · 喂养知识库前后，差在哪
同一个问题，两种回答
通用 AI（未喂知识库）
- 不知道学校的校本框架，答非所问
- 会"一本正经"编造曲目与单元（幻觉）
- 给不出"该教多深"的分寸
- 教案泛泛而谈，不能直接用
用这 6 道真实问题考它
- 校本框架｜《赛马》对应"三个一"＋M 编码
- 诚实边界｜六年级有哪些必学曲目、教学重点
- 深度校准｜三年级二胡该教多深
- 螺旋递进｜民族乐器 1–6 年级怎么加深
- 教材事实｜《赛马》几年级第几单元
- 教案生成｜三年级《赛马》一节课教案
喂养后的学科 AI
- 对齐校本框架与知识要素编码
- 只答知识库里有的，没有就说没有
- 按年级给出该教的深度与重点
- 引准教材单元，直接生成可用教案
贰
第二幕 · 基础设施
看不见的"地基"：
算力、数据与平台
没有地基，再好的应用都是沙上建塔。
用四个比喻，讲清一套底座
区域 / 学校的"AI 操作系统"
⚙️硬件层
动力引擎
提供算力，是一切智能的"马力"。
🏭数据基础设施
燃料加工厂
把原始数据炼成可用的"燃料"。
🧰软件与平台
操作系统与工具箱
让老师不用懂技术也能用起来。
落到两个抓手：算力管理平台 ＋ 面向教师的办公工作台
叁
第三幕 · 智能评价（鉴赏诊断）
让评价：
看得见、比得了、可追踪
评价不是给孩子贴标签，是给成长装上"仪表盘"。
评价方法 · 比较判断
与其"打分"，
不如"比较"
- 传统打分 心里没统一标尺，同一张画不同人能差一截，分数还会随时间漂移。
- 两两比较 人对"哪张更好"的判断稳定得多；多位老师比较，再合成一条可信排序。
理论支撑：比较判断（Comparative Judgement）＋ Bradley-Terry 模型——评估学公认"相对判断比绝对打分更可靠"。
智能评价 · 人评与机评的飞轮
人评 → 数据 → 训练 → 机评
人工评价
专家把关
→
沉淀数据
标准化记录
→
训练模型
学习专家判断
→
智能鉴赏
规模化辅助
↺
人评再校准
越用越准
由此长出三个可落地的产品方向（下面逐一看真实产品）
方向 ①过程性评价
记录创作 / 练习的全过程，看见投入与成长，而不只是结果。
方向 ②智能鉴赏
造型 · 色彩 · 构图 · 细节的自动诊断，生成画册级成长报告。
方向 ③艺术素养画像诊断
从个人到区域的素养画像，本校与区参考对比。
方向① · 过程性评价
看见每一笔的过程
- 记录运笔、节奏、用色、投入的过程数据，不止看一张结果。
- 区分"极简的留白"与"不会的留白"，让成长真正看得见。
- 为每位老师提供"这孩子怎么画的"的过程依据。
方向③ · 艺术素养画像诊断
从个人到区域
的素养画像
- 素养测试 · 过程发展 · 情感态度三维诊断，一眼看清强弱项。
- 本校得分率与区参考值对比，让校长、教委看到位置。
- 支撑学生分层与素养画像，让因材施教有据可依。
肆
第四幕 · 学科美育
用 AIGC，
引领学科美育课程创新
不是又一个视频工具，而是让每位老师都能做美育、把成果传出去。
学科美育 · 两个真实价值
赋能老师的两件事
价值一 · 传播把成果"传出去"
用 AIGC 把你的本学科内容、课题成果，转译成大众看得懂、平台传得开的作品——让学术与教学影响力被看见。
价值二 · 融入把美育"融进课"
不只美术音乐老师——语文、历史、科学……每位老师都能用 AIGC，把美育自然融入自己的学科课堂。
一套可复用的"内容工场"流水线：提炼 → 转问 → 设境 → 成像 → 传播，老师一天就能产出一个作品包。
现场看 · 师生用 AIGC 共创的学科美育作品
十个学科美育微视频
舞墨成画 · 黑白水墨连续动画
海底世界
古代神话
漫画变真人
平面设计变 3D
压轴 · 美育的传播力
一幅儿童画的"一生"
一幅画，可以长成一个 IP、一组文创、一段动画——这就是美育被看见的力量。
怎么落地 · 不必一步到位
一个区域 / 学校的建设阶梯
① 起步
评价切入 · 先有数据
→
② 沉淀
过程 / 知识数据积累
→
③ 资产
知识图谱 · 喂养模型
→
④ 生态
创作传播闭环
背后是一条可持续的服务闭环
从"评"开始，最轻、最快见效；数据会带着你，一层层长出生态。
如果想一起做 · 可以从这五件事起步
把生态，落成可起步的五件事
💬 微信 xcxcdong
🎨 董小川 · 博物AI美育工作室
愿与同行一起，把美育"看得见、留得住、长出来"。
1 / 24
← → 翻页 · F 全屏
