ChatGPT賦能翻轉課堂：基于高校英語類慕課《建筑藝術英語》中形成性評價機制實證研究

　摘要：面向高校建筑藝術英語慕課課程評價機制的創(chuàng)新需求，文章基于ChatGPT賦能翻轉課堂，圍繞形成性評價指標體系的構建、智能評價技術的實現(xiàn)路徑與實證數(shù)據(jù)分析展開研究，結合學生學習行為數(shù)據(jù)和教師質性訪談，剖析智能工具對學習成效與教學決策的影響，探討人工智能技術賦能下形成性評價優(yōu)化路徑，為數(shù)字化外語教育教學改革和精準學習支持提供實踐范例和理論參考。

　　關鍵詞：ChatGPT；形成性評價；翻轉課堂；建筑藝術英語

　　隨著數(shù)字化與智能技術不斷滲透高等教育，基于人工智能的形成性評價手段逐漸成為促進課程高質量建設與學習成效提升的重要支撐。高校建筑藝術英語慕課兼具學科交叉和跨文化特色，對教學評價體系提出了更高要求。借助ChatGPT智能問答、反饋生成和數(shù)據(jù)分析能力，可以形成精準評價與個性化教學建議。文章面向慕課環(huán)境下的教學實踐并聚焦ChatGPT技術賦能形成性評價，全面探討智能工具如何助力慕課形成性評價機制優(yōu)化與創(chuàng)新。

　  一、研究設計

　　（一）研究對象與課程《建筑藝術英語》的選取依據(jù)

　　《建筑藝術英語》作為高校英語類慕課，不僅系統(tǒng)梳理各歷史階段建筑風格與結構特征，還融合大量建筑術語、案例分析和藝術鑒賞內容，突出語言表達與跨文化交流能力培養(yǎng)。章節(jié)設置充分體現(xiàn)中西建筑比較與專業(yè)英語應用的復合型教學需求，滿足學生在國際視野下深入理解中國與世界建筑藝術、掌握建筑學科英語表達和學術交流技能的目標，為形成性評價體系的多維度設計和技術創(chuàng)新提供了豐富素材與真實場景。

　?。ǘ?/span>ChatGPT賦能評價的技術實現(xiàn)路徑

　　評價流程以ChatGPT為核心，依托慕課平臺數(shù)據(jù)，調取章節(jié)測試、作業(yè)、建筑案例分析等學習任務，實現(xiàn)自動語義理解和批改。系統(tǒng)基于課程專業(yè)術語庫與章節(jié)知識點對學生文本進行多維語義分析，智能生成針對性學習反饋ChatGPT可識別學生在專業(yè)描述、邏輯結構、跨文化表達中的不足，并給出針對性學習建議，幫助其持續(xù)修正學習路徑，形成閉環(huán)式動態(tài)評價，推動形成性評價從單一結果導向向過程與能力導向轉型。

　  二、實證分析

　?。ㄒ唬?/span>ChatGPT支持的形成性評價指標體系構建

　　形成性評價指標體系依托《建筑藝術英語》課程章節(jié)內容進行分層設計，指標覆蓋中西方建筑史重要潮流共計7個主要模塊。指標體系設定建筑史知識點掌握、核心術語理解與運用、結構和風格特征描述、代表性建筑案例分析、英文表達的完整和邏輯性等評價維度。以園林、古羅馬建筑、近現(xiàn)代建筑等章節(jié)為依托，系統(tǒng)分模塊生成多樣化評價任務，既包括對知識內容的自動檢測，也包含對中西建筑比較、建筑藝術審美和建筑語言表達能力的智能分析。

　　（二）ChatGPT輔助學生階段性學習行為數(shù)據(jù)與成績相關性分析

　　為驗證ChatGPT反饋能否在學生實際表現(xiàn)中體現(xiàn)，其形成性評價結果應與平臺成績具有相關性。因此從超星慕課平臺調取2025年春季學期《建筑藝術英語》在線統(tǒng)計數(shù)據(jù)，并設計Prompt。研究選取20名學生為樣本，將其音視頻觀看詳情和章節(jié)統(tǒng)計測驗成績數(shù)據(jù)輸入ChatGPT，并通過Prompt分析學。在此展示部分生成的結果。可以看出ChatGPT能夠分析學生的薄弱點并給出建議，如表1所示。

　　表1ChatGPT分析建議

　　為進一步檢驗學生階段性表現(xiàn)與ChatGPT生成反饋之間的契合度，可以對比AI自動分析在術語表達、邏輯結構和風格描述等方面給出的反饋，與學生最終得分之間的相關性。本文選取了三個典型任務實例，對比其在建筑術語、風格比較與案例分析中的表現(xiàn)與ChatGPT自動生成的反饋內容，并與教師打分進行對照分析，詳見表2。

　　可以看出，ChatGPT能夠針對學生提交的文本識別出術語描述不清、結構組織不足或案例背景缺失等具體問題，并生成明確修改建議。教師評分與ChatGPT提出問題的嚴重程度基本一致，說明模型反饋在建筑術語、邏輯結構與表達規(guī)范等維度具有較好的解釋力與教學適配性。

　  三、結語

　　研究基于ChatGPT賦能的智能評價技術，實現(xiàn)了建筑藝術英語慕課中多維度形成性評價指標體系構建，提升了自動反饋、學術術語分析與階段性數(shù)據(jù)追蹤的效率。系統(tǒng)自動識別學生知識點掌握、建筑案例分析與學術表達中的不足，促進教師教學決策精準優(yōu)化。人工智能驅動的評價模式將為高校專業(yè)課程數(shù)字化、個性化學習和跨學科教學創(chuàng)新帶來更多可能。

文章來源：《安徽科技報》 http://12-baidu.cn/w/qt/35317.html