综述：人工智能支持的体育教育形成性评价图谱：过程证据与健康促进意义的范围综述

《BMC Public Health》：Mapping AI-supported formative assessment in physical education: a scoping review of process evidence and health-promotion relevance

　　

摘要

背景

体育教育（PE）为身体活动与健康相关学习提供了机会。形成性评价通过使教师和学生能够解读和利用证据来指导教学与学习，可能同时支持这两方面。人工智能（AI）、学习分析和自动化反馈可能扩展获取运动表现和学习过程信息的途径。然而，AI生成的评估信息如何被用于形成性目的以及与健康促进的关系尚不明确。本综述对体育教育中AI支持的形成性评价的实证研究进行了图谱绘制，考察了潜在健康促进路径中的过程证据、结构性条件和结果。

方法

本范围综述遵循PRISMA-ScR指南。从建库至2026年3月10日检索了五个数据库，在操作化定义修订后进行了补充敏感性检索。符合条件的研究聚焦于体育教育或健康与体育教育，使用了可识别的人工智能或智能分析机制，并将评估证据与形成性目的相关联。证据使用"5+2"框架进行图谱绘制，该框架包含五个过程证据维度、两个结构性条件和五个健康促进相关层级。

结果

共纳入十五项研究。其中十四项（93.3%）涉及东亚或东南亚地区，包括十三项（86.7%）位于中国大陆或台湾。证据主要聚焦于可量化的运动或技能执行以及AI支持的反馈生成与传递。参与度、学习进展、反思和自主学习也被考察，但作为主要评估焦点的一致程度较低。反馈互动、教师解读、数据治理、公平性和可持续实施获得的关注有限。报告的结果集中于邻近的体育学习过程和潜在的健康促进相关中介因素。纳入的研究对于体育教育以外的迁移、持续身体活动、健康素养、公平性差异以及长期健康结果提供的证据有限。

结论

本综述识别了AI生成的评估信息在体育教育中新兴的形成性用途。然而，证据不足以建立从课堂评估到持续身体活动或长期健康结果的连续性。研究结果强调需要区分评估信息的生成与传递和学生及教师对信息的解读与使用。未来研究应考察反馈接受度、教师判断、时间维持性、跨情境迁移、实施条件、数据治理以及不同学生群体间利弊的分布情况。