今年开赛的第五届上海市青少年人工智能与编程实践活动提出一项新的要求——在 AI 绘画、AI 短视频创作等项目中，选手除了提交作品，还须提交详细的创作过程记录，包括关键提示词、迭代优化说明和筛选取舍理由。在 AI 发展迅速的当下，青少年的各类赛事中，诸如此类的评审要求越来越多。评委要看的不仅仅是作品本身，还有学生在创作过程中作出的判断。这背后传递出明确信息：当人工智能可以完成大半创作工作时，孩子自己做了什么就显得尤为重要。
人才的早期发现，遵循同样的道理。那些没有获奖、甚至从未走进赛场的孩子，他们的创新潜质又该在哪里被发现？现今，拔尖创新人才的早期培育日益受到重视，但是，除了已经站在聚光灯下的 " 获奖者 "，那些没有被充分了解的 " 潜力股 "，也需要教育者关注。
勿把培养条件的差异视为潜能差异
奖项肯定的是学生在特定规则和情境中的表现，但 " 没有获奖 " 的孩子并非 " 缺乏潜质 "，也许参赛项目并非他们的兴趣所在；也可能他们从未接触过相关活动，无人告知该从何入手；他们还可能提出了一个有价值的想法，却尚未做出成熟的作品。只看见获奖的学生，也许会让发现人才的视野过早收窄。
针对青少年的各类比赛类目，参赛者的选拔也具有一定的局限性。学校往往依据已有成绩、类似经历确定人选，再把课程资源、专业指导和展示机会集中给这批孩子，得到支持的一方更容易积累成果，而成果又会成为下一轮机会和资源分配的依据。这个过程像滚雪球，一部分孩子因被看见而持续发展，另一部分孩子因缺少表现机会而一直不被看见。
这很像一种 " 自我实现的预言 "。当筛选与资源捆绑过紧，筛选机制本身就成了影响孩子成长的条件。若忽视这一点，我们很容易把培养条件的差异，解释成学生潜质的差异。这不能简单归咎于哪位教师或哪所学校，即使规则本身完全公平，累积的结果仍会逐年偏向同一批人。
这样的推演并非只是逻辑上的担忧。国外也曾有研究表明，在资优生资格标准不变的前提下，若把考察对象的范围扩大，低收入群体、偏远地区学生群体进入资优项目的比例明显上升。换句话说，原有的推荐机制遗漏了一部分符合标准的孩子。类似的研究提示了一个更普遍的道理：谁被认定为 " 有潜力 "，很大程度上取决于用什么方式去寻找。
虽然教育资源总量有限，但让更多孩子获得被看见的机会，与支持潜质突出的学生，可以有共同的起点。找到 " 有潜质 " 的孩子，关键在于提供两种机会，一是探索机会，让孩子进入真实的探究；二是表现机会，通过任务中的表现让潜质显现出来。当然，这并不等于把所有孩子放进同一张排行榜，而是要改变凭过往成绩认定学生的单一机会分配准则。
" 最近发展区 " 表现才是潜质的体现
拔尖人才的潜质究竟如何才能显现？复杂适应系统理论提供了一种视角：学生的表现，生成于个人、任务与环境持续互动的过程之中。已有的知识、兴趣、情绪、工具和教师支持，都会影响一个孩子如何行动。潜质的显现是情境性的，其发展未必是一条匀速上升的直线。这意味着识别潜质既要看作了什么，也要看是在什么条件下如何做到的。
可以设想一项校园节水装置的设计任务：有的学生迅速做出模型，有的反复修改却未能成功，还有的发现节水目标与使用安全之间存在冲突，建议重新界定问题。如果只按完成速度和成品效果排序，第三种表现很可能被低估，但创新往往就发生在对问题本身的审视中。因此，潜质识别是否科学，应当从任务能否提供恰当的表现机会开始检验。考查系统思维，就要让学生面对不同因素之间的相互影响；观察工程设计，就要允许他们比较方案、测试改进；理解伦理责任，就要在真实的情境中面对道德利益两难作出取舍。如果识别工具与实际任务之间缺少这种联系，收集再多的数据，也难以弥补证据的不足。
任务之外，还有一层常被忽略的条件，那就是支持。要了解一个孩子的发展可能，只知道他起初技能和知识所欠缺的部分显然不足。维果茨基的 " 最近发展区 " 早已提示，教学要面向孩子尚未独立完成、却能在他人支持下完成的部分。动态识别正由此而来，它关注学生如何响应提示、能否理解新方法、在支持撤除后能否独立运用。一个从未接触过实验的孩子经过适当提示学会了设计开展实验，又能把这一方法迁移到新问题上，说明他不仅能在支持中学习成长、还能进一步把所学用到别处，这恰恰是潜质的显现。
当然，进步的快慢也不能直接等同于潜质的高低。起点、任务难度和支持方式不同，进步的幅度也就不同。科学的做法是，把独立尝试、接受支持与再次独立解决问题连成一条线持续观察。这样一来，识别与培养就不再是两件事，有些潜质可能需要经由适当的支持才会显现。学校不必等到孩子先证明自己值得培养，才给出必要的探索机会。
记录过程同样要防止简单化。反复操作可能是有依据的检验，也可能是缺乏思考的随机尝试；暂时放弃一条路线，可能源于退缩，也可能是发现了不合理的假设。尝试次数多、坚持时间长，都不能自动换算成创新潜质。在这个过程中，学校需要知道学生为什么这样行动，后一次尝试相比前一次改变了什么，是哪一条证据推动了判断。
课堂上发现潜质需要动态识别和记录
让发现潜质回到课堂，所需的条件也正在具备。《教育强国建设规划纲要（2024 — 2035 年）》提出 " 沃土计划 " 和 " 脱颖计划 "，前者面向全体中小学生培育科学素养，后者为有创新潜质的高中生提供系统支持。《义务教育阶段科学教育 " 做中学 " 领航行动指南》也要求 4 — 9 年级学生每学期完成不少于 1 个探究实践任务且不少于 4 课时，并强调要在关键环节收集表现性证据、不另作考试要求。这些政策都为日常课堂中的持续观察提供了契机。
中小学校在推进落地过程中，不妨从一个课程单元做起。选定少量关键观察点，把学生的尝试与教师的支持联系起来，逐步积累有解释力的成长记录。" 做中学 " 落到实处，难点在一线教师的执行。一位教师面对几十名学生，很难凭记忆持续追踪每个人的探索过程，这也正是技术可以发挥作用的地方。要把动态识别真正融入日常课堂，必须先回答三个问题：证据怎样留下，判断怎样复核，反馈怎样接续。
但技术只能整理证据、不能代替教师作出判断，关键节点与潜质结论仍应由教师与专家共同复核并能追溯到具体情境。同样是判断，" 能依据测试结果调整结构，但尚需提示才能解释原因 "，就比 " 创新能力中等 " 有用得多。
同时，尤其要注意的是，动态识别也要避免形成性记录被悄然转化为高利害证据。课堂里积累的成长记录，应主要服务于改进教学、促进成长，遵循形成性识别逻辑，不应直接作为排名或选拔依据；而涉及选拔的识别，则需另设标准与程序，具备公开透明的依据、多源证据、专业判断、隐私保护和申诉机制，更加审慎地实施。
拔尖人才的识别和选拔最佳路径还需要有贯通学段的支持。学生升入新学段，新教师需要了解他探索过什么，怎样处理困难，哪些指导曾经有效。不同学段的任务可以逐级递进，而过往的判断应当随新的证据更新迭代，给新的兴趣和优势留出空间。
动态识别的价值，在于协助教师提供接续支持，而不是让早期标签跟随学生多年。通过长期观察，学校可以定期检视哪些学生一直缺少表现机会、哪些表现始终没有得到充分观察，而观察之后又是否真正提供了适切的支持，并据此调整后续的机会分配与支持方式。
获奖名单记录的，是已经获得认可的成绩；日常课堂承担的，是更广泛的发现责任。对于没有获奖的孩子，教育首先要给出的，是一次被看见的机会——然后在探索、提问、验证和改进的成长过程中，继续修正判断和认识。
（作者：杜骁，上海交通大学副研究员；郭文娟，上海交通大学助理教授）
