湖北教师招聘网 3.人工智能赋能教师教育评估的途径
《新时代深化教育评价改革总体方案》明确提出：“改进结果评价，强化过程评价，探索增值评价，改进综合评价，充分运用信息技术，提高教育评价的科学性、专业性、客观性。”这一方案为人工智能赋能教师教育评价指明了方向。结合评价方案，人工智能赋能教师教育评价的方式如表1所示。
01
AI赋能教师教育成果评估
人工智能赋能的教师教育结果评价是对整个教师教育实践活动实现目的程度的价值判断，具体类型的评价应具备规范性、客观性、实践性、辨别性等特征。
目前人工智能赋能教师教育成果评价的应用主要有以下几个方面。一是人工智能命题。这主要体现在利用人工智能技术对命题难度进行检测，利用人工智能教师教育命题库在出题后自动生成题库，再根据考试要求智能快速完成命题。二是人工智能监考。依托当前最先进的人工智能技术，开发教师教育评价实践所需的各类智能信息化评价系统。如利用可视化技术实时分析处理考场相关数据，实现教师教育考场的人工智能监考。三是人工智能评测。依托图像识别、语言处理等人工智能技术，对各类客观性考试题目进行智能匹配和综合评测；通过构建评分模型对各类主观性考试题目进行评分；充分利用AR、VR等具体人工智能技术，“构建‘人机人’交互的人工智能评测环境”[5]，实现自动化评测。四是人工智能分析。 依托学习分析、数据处理等各类特定的人工智能技术，对教师教育评估结果数据进行分析，为教师教育实践中的教与学主体提供改进建议。
02
AI赋能教师教育过程评估
人工智能赋能教师教育过程性评价的应用主要体现在以下几个场景。
第一，全流程采集。基于智能穿戴、可视化等技术手段，实现数据全流程采集，使采集到的信息更加真实、动态。
第二，多模态分析。利用数据挖掘、预测分析、整体建模等相关算法，对教师教育实践主体，特别是教师教育客体在教师教育实践中的行为、资源等数据进行多模态分析，改变以往数据碎片化、难以量化的问题。借助最先进的人工智能技术，教师教育评估数据的分析将更加准确、客观。
三是实时调整与反馈。将教师教育过程的评估结果以可视化的形式反馈给教师教育管理者、教师教育者、教师教育对象等相关教师教育评估实践主体，并依据教师教育评估结果对实践过程和实践对象做出不同程度的改进和完善。例如，可以通过可视化的方法提供数据信息的实时反馈。
03
AI赋能教师教育增值评价
人工智能赋能教师教育增值评价的应用主要体现在以下几个场景。
第一，完善追踪数据库链。完善追踪数据库链是人工智能赋能教师教育评价增值的前提。利用人工智能技术，对教师教育对象的年级、兴趣爱好、水平、特长等进行差异化数据采集；“利用数据库链接技术，实现学生数据库与学生、教师、学校等数据库之间的链接，实现数据的有效整合。”[6]
第二，构建增值模型。增值模型的构建，就是通过人工智能技术、统计分析和算法，构建能够对教师教育进行全面深入评估的增值模型，包括水平达成、分类、回归等增值模型。
三是可视化中期报告。可视化中期报告是利用可视化技术，向教师教育评估主体直观呈现被评估人某一阶段的专业技能、教育教学水平等情况。
04
AI赋能教师教育综合评价
人工智能赋能教师教育综合评价的应用主要体现在以下几个场景。
一是综合模型的构建。利用人工智能的机器学习、人工神经网络等相关算法，在充分收集数据信息的基础上，完成教师教育评估综合模型的构建。
第二，数据信息采集。借助区块链、可视化等技术进行信息采集。“通过各种采集终端，对评价对象进行全方位、全流程、全覆盖、全员、非干预式的自然状态采集。”[7]
三是数据挖掘与分析。借助数据分析与挖掘技术，充分挖掘教师教育实践主体各方面特征的相关数据，准确、深入地分析教师教育实践主体的现状。
4.人工智能赋能教师教育评价的策略
为推进上述评价路径，当前人工智能赋能教师教育评价应采取更新观念、规范标准、学科协同、数据挖掘、支持专业等策略整体推进。
01
更新观念：按照新时代的要求转变观念
推进人工智能教师教育评价，必须按照《新时代深化教育评价改革总体方案》的要求，转变观念，具体来说，要做好以下几点。
第一，树立多元化评价理念。改变以往仅由教师教育评估者组成的单一评价，树立由教师教育评估者、教师教育被评估者、专家学者以及其他相关利益者组成的多元化评价理念。
第二，形成科学的系统观。针对不同类型、不同层次教师的教育特点，利用大数据技术，将增值型、过程型、结果型、综合型评价方法有机结合起来，形成科学的系统观。
第三，形成技术创新理念。将大数据、物联网等人工智能技术赋能于教师教育评估的各个环节，深度融合人工智能技术，可以形成客观、可持续、发展的创新思维，进而形成教师教育评估的创新理念。
02
标准：完善评价标准和技术标准
充分利用人工智能技术完善教师教育评价规范和相关技术标准，不断推动教师教育发展。一是完善规范。要从顶层设计的角度制定人工智能赋能下教师教育评价实践所需的配套制度和政策，全面系统地谋划教师教育评价改革。如通过制定一系列相关政策文件，明确任务目标、统筹推进教师教育评价工作。二是完善技术标准。技术标准是推进人工智能赋能教师教育评价、保证应用质量最不可或缺的标准。教师教育不仅要遵循政府部门的相关标准，“也要借鉴国际技术标准，构建教育评价技术标准体系”。[8]
03
挖掘数据：充分挖掘、合理利用
开展人工智能教师教育评估实践数据挖掘，需要做到以下几点。
第一，整体视角的数据挖掘。在教师教育评估数据收集、处理、分析、反馈等整个过程中，需要充分挖掘数据，才能从整体上理解教师教育评估，保证相应评估活动的一致性。
第二，加强数据挖掘的有效性。面对不同兴趣群体的差异化需求，精准挖掘其需求的数据。例如，针对教师教育对象的个体差异，在数据采集时，应充分利用可视化工具，挖掘个性化数据，进而为教师教育对象提供改进建议。再如，针对教师教育者，挖掘差异化的教师教育教学数据，帮助教师教育者因材施教。
第三，提高数据挖掘的适用性。借助先进的人工智能技术，带动各学科参与，增强教师教育评估相关学科将数据应用于评估实践的能力。
04
专业支撑：打造高素质评估团队
具体包括提升评估员的专业评估技能和人工智能素养，以及加强专门人才培养。其中，提升评估员的专业评估技能，可通过定期或不定期的教育预测与测量、教育评估与督导等专业知识与技能培训，或通过实践问题导向，针对评估实践中遇到的实践瓶颈进行培训，或与国内外相关教师教育评估机构合作，相互学习，提升评估员的水平和能力；提升评估员的人工智能素养，可将大数据、可视化工具等运用到评估员的培训中，增强评估员的实战感受，鼓励评估员运用最先进的人工智能技术实施教师教育评估；在助力人工智能赋能教师教育评估实践所需的专门人才培养方面，人工智能、统计学、心理学等相关学科的专家应发挥基础引领作用。
参考
［1］张，杨林涛，陈，等. Deep for Big Data［J］.，2018（42）：146-157.
[2]杨献敏,顾佳妮,幸贝贝.“互联网+”时代数据驱动的教育评价体系框架及实践进展[J].浙江师范大学学报(社会科学版),2019,44(4):16-26。
杨，顾佳妮，幸.“+”时代的“数据与”［J］.数据科学与技术, 2019, 44(4):16-26.
［3］杨勇.智能综合评价理论与方法研究［D］.杭州：浙江工商大学，2014。
杨勇. 论汉语的语义结构与语义表示［D］.，2014.
［4］刘邦奇,吴晓如.中国智能教育发展报告［M］.北京:人民教育出版社,2020.
刘武. 中国［M］.: 出版社，2020.
［5］王正录,张博.智能时代的教师教育实践:迈向智慧教师教育［J］.高等教育探索,2021(8):29-35。
王，张波. 智能时代［J］.，2021（8）：29-35.
［6］边毓芳,王业辉.增值评估:评估学校质量的有效方法［J］.教育学刊,2013,9(1):43-48.
边昱辉,王业辉.附加值研究［J］.经济与管理，2013，9（1）:43-48.
［7］张志，齐业国.基于大数据的多源多维综合质量评价模型构建［J］.中国电化教育，2017（9）：69-77.
张志，齐业国.基于大数据的多元多模型研究［J］.中国，2017（9）:69-77.
［8］刘邦奇,张振超,王亚飞.区域教育大数据发展的参考框架［J］.现代教育技术,2018,28(4):5-12.
刘张,王亚飞. 大数据在网络安全中的应用［J］.，2018，28（4）:5-12.
