教育评价改革是落实立德树人根本任务、深化课程改革的重要支撑。2025年12月，教育部办公厅印发《关于进一步加强中小学日常考试管理的通知》，明确考试要回归育人本质，命题应强化核心素养立意，创新试题形式，杜绝偏题怪题，科学优化试卷内容结构、题型结构和难度结构，逐步增加应用性、探究性、开放性和综合性试题比重。《义务教育英语课程标准日常修订版（2022年版2025年修订）》（以下简称“课标”）提出，命题应“能考查学生综合运用英语理解和表达意义、解决问题的过程和结果，以及在此过程中所体现的语言能力、文化意识、思维品质和学习能力及其水平”。

然而，当前中小学英语日常命题仍存在短板：试题孤立考查零散知识点，缺少真实交际语境；试题碎片化，难以体现语言运用的综合性；教师命题过度依赖教辅，缺少基于课标、教材的系统规划。基于此，构建素养导向的英语日常考试命题路径已成为英语课改的紧迫任务。需说明的是，本文所指“日常考试”，主要指义务教育阶段学校自主组织的形成性纸笔测评，以单元测试为典型载体，兼及期末考试，不含中考等大规模高利害考试；其首要功能在于诊断学情、积累证据、改进教学。

核心素养理念普及后，全球语言测评全面转向情境化、任务化测评，PISA等国际大型测评均将任务置于生活化场景，依托信息整合、推理反思综合衡量学生认知水平。情境化二语测评相关研究也为改革提供了学理支撑：Purpura（2021）论证情境化测评可还原学习者“理解—计划—执行—反思”的完整认知链条，适配能力导向的语言水平测量；Kunnan等（2022）在亚洲大学语境下开发了整合独立与综合语言技能任务的情境化测评，兼顾分级与学情诊断功能；O’Reilly&Sabatini（2013）论证了情境任务是测量推理、评价等高阶阅读能力的必要载体。

我国评价改革始终以立德树人为根本目标。课标提出要提升素养导向考试评价质量，“提高综合性、探究性、开放性试题的比例”。2019年，教育部《关于加强初中学业水平考试命题工作的意见》明确要求，“减少机械记忆试题和客观性试题比例，提高探究性、开放性、综合性试题比例，积极探索跨学科命题”；2025年教育部办公厅《关于进一步加强中小学日常考试管理的通知》进一步划定日常考试的核心功能为诊断、改进；2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，明确鼓励智能工具赋能教学评价。一系列政策共同确立了命题改革的方向：评价重心由单一知识记忆转向学生综合素养发展。

课标指出，教学评价应贯穿英语课程教与学的全过程，包括课堂评价、作业评价、单元评价和期末评价等。课堂评价依托提问、小组互动实现即时反馈；作业评价兼顾巩固与拓展；单元、期末纸笔测试作为日常考试核心载体，需紧扣单元教学目标，实现“教—学—评”的统一。

课标指出，命题应“遵循导向性、科学性、规范性和适宜性等原则”，“注重考试命题的素养立意，在真实情境中，全面考查学生在解决真实问题、完成真实任务的过程中体现出的语言能力、文化意识、思维品质和学习能力”，发挥试题正向教学导向作用。命题框架、情境、难度需对标学业质量标准，素材贴合学生生活与社会现实，删减纯语法、纯记忆类题型，提升综合、开放、探究类试题比例。

“教—学—评”一致性是素养命题的底层逻辑：教学目标依托课标与学情设定，课堂活动围绕素养导向的单元主题开展，测评任务严格匹配教学目标。日常命题必须贴合课堂教学内容，做到“所教即所评、所学即所考”，破解教考分离、题海训练等现实难题，引导教学回归教材、课堂与素养培育。

素养命题依托成熟的语言测试理论体系。Bachman&Palmer（1996）交际语言能力模型强调测试任务需复刻真实语言使用场景；李筱菊（1997）率先提出统一主题统领整套试卷、搭建连贯交际任务链的综合测试思路，减少频繁换境带来的认知损耗，即主题连贯测评雏形；程晓堂（2018）提出，英语命题应从孤立知识考查转向问题情境测评；张浩、王璐（2025）完善了“总情境—分场景—主题—任务链”完整测评框架。上述理论共同搭建了素养命题的学理基础。

相较于传统知识型命题，素养命题具备四大鲜明特征：第一，依托真实情境，素材源自学生生活、社会现实与单元主题，赋予语言交际实际意义；第二，以问题解决为逻辑主线，遵循“信息获取—分析推理—方案建构—创意表达”完整认知路径设计任务；第三，指向高阶思维，重点测评分析、对比、评价、创新等高层次认知能力；第四，以开放探究为主要形态，允许多元答案，支持学生个性化表达。

张浩和王璐在整合已有情境测评理论的基础上，构建了适用于中小学英语学业成就测试的主题连贯式测评框架。该框架将设计过程分解为四个核心环节：创设贴合学生生活、覆盖单元核心技能的总情境，赋予考生清晰角色；按照问题解决逻辑搭建衔接有序的分场景，匹配细分子任务；锚定教材单元主题，兼顾时代性与文化育人价值；分层设置基础、提升、创新三类任务，覆盖多技能，实现思维层级递进。在此基础上，进一步指出，该测评模式具备三重优势：其一，降低考生认知负担——考生仅需一次进入统一情境，即可集中精力完成语言运用任务，避免了频繁情境切换带来的认知损耗；其二，提升测评真实性——连贯的任务链复刻了现实交际中信息积累与整合运用的自然流程，使测试结果更具教学解释力；其三，对接项目式学习理念——关联任务链在评价端模拟了项目化学习的全过程，与课标倡导的体现综合实践的项目式学习方式形成内在呼应。上述框架与优势分析为本研究的情境化命题设计提供了直接的方法论支撑。

需要说明的是，本文提出的“总情境—分场景—任务链”可操作模式与上述框架是承接与发展的关系：它以Purpura（2021）情境化测评的理论逻辑为学理起点，承接李筱菊（1997）以来主题统领整卷的本土思路，并在张浩、王璐（2025）四环节框架的基础上作了两点推进：其一，将“主题”要素前置为单元命题的先决条件，使框架直接对接课标单元整体教学的组织逻辑，服务于日常考试“学什么考什么”的成就测试定位；其二，以“分场景”为中间操作层，明确各场景与题型、能力层级、评分维度的对应关系，并配套命题规划表与多维评分细则，将理论框架转化为一线教师可直接使用的操作程序。

研究表明，当前中小学教师命题能力普遍薄弱。从考试设计的源头上看，我国基础教育阶段的外语考试长期存在“将语言能力等同于语言知识加语言技能、测量目标侧重低阶思维能力”的结构性问题。这一问题的根源在于命题理念的滞后，进而影响一线教师的命题实践，形成以下四重现实困境：其一，理念认知固化，长期坚持知识本位命题思维，难以突破传统题型框架；其二，专业命题技术欠缺，不会编制命题规划表、设计情境任务、制定多维分层评分标准；其三，情境创设能力薄弱，素材筛选难度大，易出现仅有外壳、无实质语用价值的装饰性情境；其四，评分体系转型困难，习惯单一标准答案阅卷，难以落地可操作的多维开放评分细则。

课标与教育部文件均要求削减机械记忆、纯语言形式转换试题。命题改革方向是减少“裸考知识”现象，让测评发生在知识生成或应用的情境之中。以此为标准，可清晰区分机械试题与情境化试题。

典型单句语法选择题剥离语境、设置显性信号词，学生无需理解语义，仅凭规则记忆即可作答，存在语境虚假、语义可剥离两大缺陷，倒逼课堂机械刷题。若将同类语法考点嵌入完整语篇，删除标志性时间提示词，要求学生依托上下文时序、情节推断时态，学生必须读懂文本才能完成作答，即符合课标要求的语境化运用题型。因此，判断试题是否属于机械记忆类试题的核心标准是：学生是否需要完整理解语篇与语境才能正确作答。

破解命题困境需要从理念、课标、技术、素材、实践五大维度构建闭环提升路径。从学理上看，国际研究所称的“教师评估素养”（teacher assessment literacy），即教师在真实教学情境中整合评价知识、技能与价值判断的综合能力，其发展需要知识学习、实践参与和身份认同的协同推进，与这五大维度也相契合。

第一，转变命题理念。教师需完成从“知识本位”到“素养本位”的思维转型，命题前主动追问试题是否指向真实语用、是否需要综合能力而非机械记忆，从而确立素养测评核心导向。第二，深度研读课标与教材。精准把握学段学业质量标准与单元素养培育落点，梳理单元主题、语篇、语言与文化知识，挖掘可转化为真实交际任务的教学素材，以课标、教材为命题根本依据，保障教考统一。第三，掌握标准化命题技术。系统学习试卷整体规划、命题规划表编制、情境任务设计、多维评分细则制定等实操方法，依托教研、同伴互评打磨技术，用命题规划表统筹单元测试结构、考点、难度分布。第四，常态化积累情境素材。建立个人主题素材库，分类收纳英文报刊、短视频、生活实景中的地道英语素材，命题时按需改编，保障情境真实适配。第五，坚持实践迭代优化。完成命题后开展班级试测，依据答题时长、错题分布、学生反馈调整试题表述、素材、评分标准，形成“设计—试测—反思—修订”循环机制，整理命题修改档案，持续复盘提升。

五大路径环环相扣，理念指明改革方向，课标与教材提供命题依据，专业技术为质量核心保障，素材积累支撑情境真实性，迭代优化实现长效成长。

人工智能技术为素养导向命题提供了全新工具支撑，可有效缓解教师在命题时间、素材获取与分层设计上的现实压力。2025年，教育部办公厅《关于进一步加强中小学日常考试管理的通知》明确提出“试点探索人工智能在日常考试命题、组卷、阅卷、分析等关键环节的场景应用” ；五部门联合印发的《“人工智能+教育”行动计划》进一步要求提高教师智能素养与技能，推动智能评价工具落地。在此政策导向下，AI辅助命题已在多地中小学进入常态化实践。

在完整命题流程中，AI可覆盖情境创设、分层命题、质量校准与评分研发等多个环节：既能依据单元主题生成贴合校园生活的真实情境与地道语篇，也能依托“学习理解—应用实践—迁移创新”能力框架自动生成梯度化试题，并通过统计核心词汇覆盖率、判定文本难度减少主观偏差。一线实践表明，依托国产大模型、遵循“蓝图设计—素材生成—题目初编—质量优化—评分细则研制—阅卷反馈”流程，可快速完成单元卷初稿及实测后的阅卷反馈；相关研究亦证实，生成式AI能有效纾解传统命题素材单一、耗时过长的痛点。

需要明确的核心原则是，AI仅为辅助工具，不能替代教师的专业判断。所有AI生成的素材、试题与评分示例，均须由教师对标课标、匹配学情、贴合教学内容进行二次修改；教师对育人目标的把握、对学情的动态感知、对本土真实交际情境的甄选，是AI无法替代的核心专业能力。人机协同的最优路径为“AI批量生成初稿+教师专业审定+班级试测校准”，坚持以人为本、技术为用，避免技术弱化素养评价的育人底色。

单元测试属于成就测试，核心逻辑为“学什么考什么”，测评内容、难度严格匹配单元学习内容，无需复杂标准化统计指标，重点诊断单元素养达成情况。完整实操流程可以分为五步（图1）。