借助信息技术破解综合评价难题，多位专家建言教育评价改革

信息技术如何支撑学生综合素质评价的数字化转型？教育装备如何支撑高质量教育的路径？……4月20日，第83届中国教育装备展示会同期举办的“新技术新装备促进教育高质量发展局长论坛”上，多位教育领域专家在发言中聚焦评价的数字化转型、数字化促进教育变革等话题，提出应对建议。

信息技术为破解综合评价难题提供了重要机遇

“综评能力不足是制约基础教育高质量发展的卡脖子问题。”记者注意到，北京师范大学教授、博士生导师陈丽出现在此次论坛上，分享了信息技术支撑学生综合素质评价的数字化转型与创新探索。

陈丽介绍，在中考竞争已进入“白热化”阶段、孩子学习生活被过度压缩和规划、拔尖创新人才难以挖掘等背景下，教育部综合改革司委托北师大对全国综合素质评价开展情况进行调研并形成报告。

报告显示，有90%的区域采用了诸如写实记录等填报方式采集学生综合素质发展数据，无法直观衡量综合素质最终结果；71%的区域采用了诸如自评、他评等评语填写方式，45%的区域采用了诸如问卷、量表等自陈报告方式，难以保证学生综合素质评价的客观性。

此外陈丽在调研中发现，各地指标差异大，评价结果不支持跨校跨区比较；评价自定等级且标准差异大，全国学生整体发展状态不清；信息技术多用于采集学生写实记录，AI优势未体现；评价结果主要作为升学最低标准，支撑人才选拔能力不足等问题均不同程度存在。

“信息技术为破解综合评价难题提供了重要机遇。”陈丽强调。根据《深化新时代教育评价改革总体方案》，经评审，遴选出来自29个省38个试点区域，创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价。在教育部统一部署下，试点工作于今年4月正式启动，北师大为试点工作提供专业支撑。

陈丽分享到，试点工作中，以核心素养为基座，完善综合素质评价理论模型，基于表现性评价、心理量表、问答填报、标准化测试4类评价工具，测评学生综合素质。利用智能技术变革评价实践中任务的呈现方式、数据的采集和分析过程，考查学生在真实、复杂、不确定情境中运用先验知识完成某项任务或解决某个问题时的知识与技能掌握程度，以及问题解决、交流合作和批判性思考等多种复杂能力发展状况，并开发了身体健康智能测评工具、音乐素养智能测评工具、科学探究智能测评工具辅助试点工作的开展。

陈丽介绍，这背后应用到了基于复杂活动场景的伴随式采集技术、多源异构数据汇聚、视频数据标注增强技术、学生多模态活动数据的智能处理技术、大规模学生综合发展数据的分析技术等。

据悉，经过试点工作，多个区域正在将综合素质模型调整作为过程性评价的框架；多个学校以评价结果为依据，发现学校办学中的短板，进而对办学方案进行优化；多数家长表示测评报告可以给孩子个性化的反馈，对孩子成长发展很有帮助。

对于评价问题，西北师范大学教授、博士生导师、教育部教育信息化战略研究基地主任郭绍青也分享了自己的观点。

郭绍青指出，以知识图谱、能力图谱以及非智力因素数据采集标准指向教学全过程与全要素的长周期、连续性、多模态教学数据队列获取，使对学生学科核心素养的多维度追踪与动态分析成为现实。

数字教学空间与物理教学空间一体设计正成为常态

新课标强调学科能力素养，在这一背景下，教育装备如何支撑高质量教育的路径？论坛上，中国教育装备行业协会研究院常务副院长、教育信息化装备分会副理事长施建国针对上述问题提出三种路径：一是服务学科实践场景与案例的装备，其二是服务跨学科学习的技术装备，第三是服务学科教学的资源供给。

郭绍青则进一步探讨了数字化促进教育变革的突破口。他对数字教育资源的分类进行了梳理：知识类数字教育资源、工具类数字教育资源、虚拟交互类数字教育资源、智能虚拟类数字教育资源，以及链接型、嵌入型、智能交互性的混合型数字教材建设等。

郭绍青认为，教育信息化初期发展过程中，信息化设备仅仅是简单地叠加在教室之中。而教育数字化的转型发展正在改变这一现象，智慧教育云平台最核心的模块是数字教学空间，数字教学空间与物理教学空间教学活动一体设计正在成为常态。

他进一步指出，有效支撑自主学习、小组合作、探究学习的教学空间会逐步普及。例如，虚实融合的合作教学空间。抛弃传统教室在物理教学空间布局上排排座惯性设计思维，空间结构设计有利于推动传统集体授课教学向规模个性化教学的发展。再如，以智能终端或终端系统为载体使数字学习空间嵌入物理学习空间，支撑体验性、交互性、沉浸性、探究性教学活动开展的教学场所。还有智能学伴、智能导师融入数字与物理教学空间，实现人类教师与智能教师的人机协同教育教学。

郭绍青表示，利用穿戴设备、智能终端、行身感知、眼动跟踪等集成设备或传感器获取师生物理空间位置、行为、表情、语言、文字等数据。针对教学全要素、全过程评价的需要开发与提供教学过程数据分析工具集是先决条件。分析工具集涵盖个人动机、行为特征、学习偏好、认知习惯、态度倾向等模型化工具，支撑全要素的分类、关联等数据分析，实现学生数据画像。