智能技術賦能教育評價的時代內涵、倫理困境及對策研究

吳龍凱 程浩 張珊 宋琰玉

[摘? ?要] 教育評價處于衡量與引導教育事業發展的樞紐環節，以人工智能、大數據為代表的智能技術全面賦能教育評價改革，支撐教育系統全方位、全要素、全流程轉型。然而，目前有關智能技術賦能教育評價所引發的潛在倫理風險及其應對措施的研究尚不明確?；诖?，文章系統回顧與分析了國內外有關智能技術賦能教育評價的相關研究，闡釋了智能技術賦能教育評價的時代內涵，探析了智能技術賦能新時代教育評價的倫理困境：技術至上僭越教育主體底線、算法偏見觸碰人本倫理防線、數據過度挖掘違背信息安全紅線、唯機器評價偏移教育公平普惠基準線、智能評價圍囿制約主體思維創新“高線”。提出了消解倫理困境的具體對策：明確評價主體地位，建立多級聯動保障新機制；審視智能算法偏差，驅動綠色評價技術新引擎；筑牢數據安全護欄，探索“彈性+柔性”共治新模式；兼容內外評價范式，破解教育質量公平倫理新難題；培養人工智能素養，推動主體倫理道德新發展。

[關鍵詞] 智能技術賦能教育評價； 時代內涵； 倫理困境； 對策研究； 算法偏見

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 吳龍凱（1976—），男，湖北漢川人。教授，博士，主要從事教育人工智能、智能教育評價、教育信息化、數字化政策與實踐等研究。E-mail：longkaiwu@ccnu.edu.cn。

一、引? ?言

教育評價處于衡量與引導教育事業發展的樞紐環節，以大數據、人工智能為代表的智能技術全面賦能教育評價改革，支撐教育系統全方位、全要素、全流程轉型。2020年，中共中央、國務院印發《深化新時代教育評價改革總體方案》（以下簡稱《總體方案》），明確提出發揮教育評價指揮棒作用，充分利用人工智能、大數據等信息技術改進結果評價、強化過程評價、探索增值評價、健全綜合評價，提高教育評價科學性、專業性、客觀性[1]。智能技術與教育評價的深度融合，已成為教育評價變革的關鍵契機與重要趨勢。然而，當前智能技術賦能教育評價的研究聚焦點主要在于宏觀的發展規劃、實踐路徑及微觀的概念理路、技術運用等方面，有關智能技術賦能教育評價所引發的潛在倫理風險及其應對措施的研究仍待探賾。

2019年，歐盟人工智能專家委員會發布《可信賴的人工智能倫理準則》，旨在提升人工智能的可信任度[2]。2021年，聯合國教科文組織（UNESCO）發布首份關于人工智能倫理的全球協議《人工智能倫理問題建議書》，嘗試建立管治人工智能倫理問題的國際準則協議[3]。同年，國家新一代人工智能治理專業委員會發布《新一代人工智能倫理規范》，提出將倫理道德融入人工智能全生命周期，為人工智能在各領域的運用提供倫理指引[4]。2023年，世界數字教育大會在北京召開，會議強調要以數字技術為杠桿撬動教育整體變革，探索人工智能變革教育評價的新思路。在此背景下，推動人工智能在教育評價變革中的規范運用，提升智能技術在教育評價全過程的倫理效力，既是進行教育教學改革、實現高質量發展的必然要求，也是推動教育評價改革落實落地的重要舉措。本研究旨在闡釋智能技術賦能教育評價的時代內涵，探析智能技術賦能下教育評價倫理困境的核心范疇，在此基礎上，提出智能教育評價倫理困境的消解對策，探索實現智能教育評價和倫理風險規避統一同步的新理念、新方法。

二、 智能教育評價的時代內涵

智能技術時代的到來，掀起了各產業、各領域智能化變革的浪潮，教育評價領域也不例外，以人工智能、大數據為代表的智能技術近年來不斷被應用于教育領域，催生了新形態、新模式的智能教育，出現了智能畫像、機器評分、數據分析、人工智能輔助評價等教育評價新樣式，時代的訴求、技術的進步、教育的發展迫切需求教育評價改革創新，于是，智能技術賦能教育評價被正式提出[5]。關于智能技術賦能教育評價內涵的本體論研究，業內學者的內涵闡述主要集中在智能技術賦能支持及教育評價要素轉型兩方面。

其一，從智能技術賦能角度看。鄭燕林等人認為，智能時代的評價關鍵在于通過數字技術手段收集、處理學習數據，融合專家評價、教師評價、自我評價及同伴評價等多方面數據，形成對學生的多維度、全方面評價[6]。劉邦奇等人綜合學者觀點指出，智能技術賦能教育評價在于運用智能技術助力教育評價數據的深度挖掘分析、反饋及應用，本質在于重構傳統教育評價模式，形成智能化、數據化的新型教育評價模式[7]。張生等人提出，“學評融合”新理念以描述智能時代的新型教育評價，強調通過數字世界將評價融入學習活動，統籌評價的學習性與診斷性[8]。張志華等人從大數據賦能新時代教育評價轉型的技術邏輯出發，提出數據驅動結果評價更加客觀、數據驅動過程評價更為立體、數據驅動增值評價更具發展性、數據驅動綜合評價更富效率[9]。教育的特殊性致使智能技術與教育領域的融合常滯后于其他領域，我國早期信息技術與教育評價的結合主要應用于教學測驗評價、教育測量分析等方面，例如，網絡閱卷、上機考試、電子檔案等，技術帶給教育評價的影響并不明顯。但隨著圖像識別、智能掃描、大數據分析等技術的成熟，以及以ChatGPT為代表的解決多領域復雜問題的新型人工智能的興起，技術對教育評價的影響愈發深遠，智能技術賦能下的教育評價改革也愈發緊迫。

其二，從評價要素轉型視角看。朱德全等人從“第四范式”視角提出，智能時代的教育評價是教育全過程的伴隨式評價，教育評價與教學活動構成反復迭代的循環回路，教育要成為“自我糾正系統”[10]。吳砥認為，智能技術賦能教育評價要推進教學評價組織過程自動化，考試評價智能化、精準化，學生評價過程化[11]。吳立寶等從評價主體、內容、方式、結果等方面闡述智能技術賦能下評價的變革[12]。例如，以ChatGPT等為代表的生成式人工智能可高效完成知識的收集、呈現，提供個性化的學習支持和輔導，在此情形下，學生的創新能力、人機互動能力、批判思維能力習得尤為關鍵，傳統的以知識傳遞為目標的教育體系、以知識考察為目的的教學評價將難以滿足新形勢下人才培養的要求，教育的評價目標與評價方式迫切需要變革；依托智能算法、VR/AR、區塊鏈、虛擬現實等數字技術構建的沉浸式、融合式、擬真式教育元宇宙，將使得學生情感態度、價值觀念、心理情緒等非結構化數據得以便利采集，伴隨式、動態化教育評價將得以實現，教育評價的內容、方式和形式將得到極大豐富與轉變[13]?？傊?，人工智能技術與教育的深度融合為教育教學評價改革創新提供了可行路徑[14]，教育評價系統的各要素亟須數字化轉型。

縱觀各方觀點，本研究認為，智能技術賦能教育評價的時代內涵本質在于評價目標、評價方式、評價主體、評價結果等全要素的數字化、智能化轉型；關鍵在于教育結果評價、過程評價、增值評價、綜合評價等全方位的突破性、全局性創新，實現教育體系的時代變革。

三、 智能教育評價的倫理困境

人工智能技術在教育領域的融合應用推進了教育評價改革的創新發展，在釋放教育評價活力的同時，教育評價智能化轉型進程中出現的倫理問題同樣不可忽視?；谇拔乃?，考量各方觀點，本文對智能技術賦能下的教育評價倫理困境作出如下歸納：

（一）技術至上僭越教育主體底線

教育評價是以教育活動滿足社會或個體需要程度而進行的價值判斷，明確評價主體是教育評價實踐的首要問題。相較于工具化、輔助化的機器客體，擁有情感、創造力、判斷力的教育管理者、教師、學生等則是毋庸置疑的教育評價主體。隨著人工智能在教育中的深度應用，技術至上、工具理性思維的異化滋生導致人技的主客位置顛倒，技術僭越教育評價主體底線的情形出現，不得不引起人們對教育評價主體的擔憂和思考[15]。智能技術的發展帶給教育評價質的改變，強大的機器學習能力、強勁的算力及學習分析能力賦予人工智能海量的知識儲備、快速高效的處理能力以及自我學習的優化能力，使得智能技術在教育評價中凸顯出高速度、高效率、高準確率的優勢，備受部分教育評價使用者青睞。但評價過程中過度關注效率、計算、手段的工具理性偏執可能招致教育評價主體產生“技術依賴癥”[16]，從而削弱主體進行評價分類、推演、計算、判斷的能力，思維認知產生鈍化，致使原本存在于教育評價活動中的情感、道德、自我需求等因素被忽視。教育評價不是簡單的紙質報告，“人評”與“機判”的關系還需深入調和，基于客觀事實、數據分析所呈現的教育評價結果固然有利于教育評價標準化、科學化發展，但并不代表它能量化一切，偏執地追求客觀理性，人特有的主體氣質將難以評判詮釋，評價效果離克服《總體方案》中所提的“五唯”頑疾也將相隔甚遠。

（二）算法偏見觸碰人本倫理防線

智能時代越來越多的教育決策工作為機器、算法和人工智能所取代，技術帶來決策便利的同時，人工智能所挾裹的算法“黑箱”、算法歧視同樣不容小覷。其一，算法設計本身缺少道德倫理規范，致使教育評價所依據的數據自帶現實社會中的教育歧視[17]。2021年，英國由于疫情取消A-level考試，并使用新算法開發的智能評分系統按照學區綜合表現給學生劃分等級，最終導致學生所處的“學區”綜合實力成為決定成績的關鍵因素，大量學生成績被下調，引發學生和教師不滿。其二，智能評價系統的訓練需要大量的數據，如果數據本身存在性別歧視、種族主義、地域歧視等不當言論[18]，其評價模型便會反映這類偏見，甚至產生自我強化學習的歧視與偏見反饋環路。一項關于AI模型性別歧視水平的測試結果表明，GPT-2模型有70.59%的概率將教師性別預測為男性，將醫生預測為男性的概率為64.03%。此外，有學者提出，人工智能在評判中存在將女性與“家庭”相聯系，男性與“事業”相關聯，好“白”惡“黑”的歧視與偏見[19]。其三，研發者自身主觀或客觀局限性，造成算法偏見。一是研發者本身對于以人為本的教育價值觀、倫理道德觀認識不足，在研發過程中無意識地賦予算法偏見；二是算法的設計是由編程人員主觀選擇和判斷的結果，開發中能否客觀、公正地將既有的法律規范或道德準則編寫到程序中也值得懷疑。

（三）數據過度挖掘違背信息安全紅線

現代教育必然是數據驅動的，而非純粹的經驗主義[20]。以數據為本的教育測評正逐漸成為智能時代教育的主導方式，客觀化的數據已成為教育質量監控、行為監測的重要依據[21]，但無處不在的數據挖掘勢必會威脅到主體的隱私安全和數據控制權，引發新的評價倫理沖突[16]。一方面，實施智能化的教育評價，離不開對整個教育過程開展數據式收集、分析、處理及運用，包括對評價主體的情感、行為、動作、認知、學習效果、思維方式、生理或心理狀態等數據進行海量的挖掘分析，但數據挖掘會采集評價主體家庭背景、個人偏好等私人信息，這些隱私信息如果被不當使用或泄露，個體的信息安全勢必會受到影響和侵犯。此外，由于數據挖掘可以識別出主體的個人特征，如性別、種族、社會背景等，若數據不遵從道德標準失范使用，會導致偏見與歧視等倫理問題。另一方面，由于資本逐利的驅動，人工智能商家可以利用數據、算法和算力與用戶之間的不對等，在評價主體并非完全知情或明白的情況下，收集用戶信息和私人隱私，間接弱化評價主體的知情權和對數據的掌控權[22]。比如，多數未成年人在使用智能產品時，并不知曉使用產品前所需的權限賦予有何意義，以及選擇“同意”后會帶來什么樣的影響，或者為使用產品而不得不被動選擇賦予產品某些不對等的權限[23]，從而失去數據掌控權，造成個人信息被動收集，不經意間產生隱私泄露危機。

（四）唯機器評價偏移教育公平普惠基準線

以人工智能、大數據、機器學習、算法等為核心的決策系統被廣泛應用于教育評價中，但受傳統評價思維慣性牽制、技術發展限制以及數據質量偏差的影響，由數字佐證的教育決策將難保評價的質量與公平，引發新的倫理沖突。首先，傳統教育體系下的評價思維往往是基于標準化的測驗和單一的評價標準，其產生的思維慣性很可能被沿用到智能教育評價中。智能評價所產生的結果往往是依賴數據事實、算力分析，若只關注評價主體績效、成績、知識表現的思維不發生轉換，那么智能評價的結果不僅不能促進評價主體發展，反而會將教育主體“物化”，阻礙其進步。其次，教育評價的數據源采集往往來自數字基礎設施完備、軟硬件設施豐富、教育信息化水平較高的地區學校，資源水平落后地區的教育過程性數據往往難以采集或者被選擇性忽視[24]，這導致教育決策者在作出某些決策時難以保證均衡公正，如人力、物力、財力資源分配。最后，教育過程中的智能評價系統通常由算法和模型驅動，若要求公開數據和算法原理，評價主體的隱私會產生泄露危機，因此，評價系統內部的運行機制往往是非公開、不透明的，這也導致教育主體難以理解信任評判結果，從而影響對決策的判斷。此外，評價模型背后的數據集質量欠佳，導致作出固化社會歧視、加劇社會不公的決策。

（五）智能評價圍囿制約主體思維創新“高線”

智能評價要關注學生創造性價值觀等高階能力的培養，但現有評價實踐存在圍囿與束縛主體思維創新的現象。其一，智能技術在評價方面的高效準確可能導致評價主體過度依賴評價結果，將評價結果視為絕對真實和正確的標準，忽視評價過程的批判創新思維，導致主體的自主思考能力、創新能力降低。教育評價者放權完全由機器判斷作出決策，那么，這些由人工智能完成的測試再由人工智能評判所得來的結果，在消弭主體主觀能動性的同時，也會扼殺主體的思維創新、價值判斷能力。其二，基于大數據、算法的智能評價可能對教育主體的思維方式、認知結構產生影響，比如，弱化主體對于交叉信息的判斷能力，限制跨領域、跨學科知識處理能力，降低教育主體處理解決復雜問題的能力。據在線課程供應商Study.com的調查顯示，美國有89%的大學生承認使用ChatGPT完成家庭作業，49%的學生承認使用ChatGPT完成測試，且作品完成質量較高，致使教師發現寫作完成最好的作品是ChatGPT所完成[25]。其三，智能評價本身難以收集表現評價主體的創新能力的數據，評價決策也自然無法體現主體在教育過程中的真實能力價值，這會導致評價結果效能感降低、評價激勵作用難以發揮，使得主體產生自我質疑、思想倦怠，進而失去創新動力。

四、 智能教育評價倫理困境的消解對策

解決智能技術帶給教育評價的倫理問題要注重意識與實操兩個層面[26]，要制定相關的政策保障機制，警惕算法歧視、數據泄露等潛在危害，辯證看待技術與倫理的關系，提升評價主體人工智能素養，構建綠色發展的智能教育評價生態。

（一）明確評價主體地位，建立多級聯動保障新機制

明確教育管理者、教師、學生等在教育評價活動中的主體地位，將教育評價各階段的倫理訴求嵌入到安全制度保障體系當中，是消解倫理風險的一道強硬防線。宏觀層面，政府部門應加強頂層設計，規劃重點戰略布局，明確智能技術賦能教育評價的輔助者角色，持續完善智能技術管理的配套規范，融合、更新現有網絡、信息等法律法規，增建有關智能技術建設、應用和評價標準，完善權責劃分、歸屬、追責、問責機制，積極探索智能技術賦能教育評價過程中的理論和實踐問題，加強倫理治理法治實踐，營造綠色安全的技術應用環境。中觀層面，相關組織機構應按需細化，針對智能技術的應用需求建立彈性應變機制，及時應對技術倫理潛在的問題，服務教育評價切實落地，賦能師生綠色健康發展。微觀層面，將制度要求轉化為技術要求，提升技術準入門檻，明確技術應用紅線，建立技術監測平臺，完善技術平臺與系統間的身份認證、授權、審批流程，規范評價過程中的技術應用行為，確保符合現有標準；完善現有監督機制，并在此基礎上納入風險預警觸發機制，統籌技術與人工“雙重預警”，以快速應對復雜多變的實時需求，及時進行調整。最終建立多流程聯動、全方位保障的安全防護體系，確保技術與教育評價的健康發展。

（二）審視智能算法偏差，驅動綠色評價技術新引擎

算法設計者的主觀影響、數據誤差和算法封裝等原因不可避免地導致算法偏差，使得某些潛在風險難以輕易察覺[32]。個體信息的自處理與保護機制倒逼算法偏差規避、透明公開[33]，為確保智能教育評價應用的良性運轉，算法審視尤為重要。算法設計和算法選擇負載設計者的主觀價值，消除算法偏差首先應明確并規范算法主體的責任，建立算法“問責制”，加強算法備案，明確算法設計的目的、原則、種類、程序、合法性與正當性。其次，遵循“運行前評估”與“運行中持續監督”相結合的原則，助推算法透明化、公開化。算法投入應用前對算法進行全方面安全評估，接受多階梯監督、多層級審查與多情境測試，針對其中出現的問題進行主動有效干預；投入運行后，持續關注算法風險變化，完善全過程動態評估，定期對算法進行質量評估、模型訓練、系統升級，及時修補漏洞，實時更新數據。除此以外，建立風險自評估機制，增設自身風險監測、預防、管控及自修復功能，通過特征提取技術，建立算法風險模型，組建算法風險集成庫，以快速識別風險類型，進行事先預警、精準防控[34]；針對算法風險破壞問題，應及時更新防范數據，自梳理分析應對措施，啟動多層防護系統。通過搭建算法設計、選擇、運行、檢測、更新的良性生態鏈，驅動評價技術綠色發展新引擎，為教育評價提供算法倫理保障。

（三）筑牢數據安全護欄，探索“彈性+柔性”共治新模式

多樣化數據來源可有效支撐教育評價，例如，美國建立國家級、州級、學區級以及校級等各級各類教育數據系統，支撐教育評價數據的獲取[29]。但其身后的數據安全風險是智能技術賦能教育評價過程中亟須解決的一大倫理問題，須從采集、處理、應用、管理等數據全生命周期入手，制定數據安全保護框架，探索教育數據的彈性監管與柔性治理模式。數據采集階段，為保證數據的質量，應確保數據收集過程的可追溯性，完善數據審查制度，保障數據的完整性、及時性、一致性、準確性和可靠性[30]，明確數據的使用目的、相關主體、保存期限等問題。數據處理階段深度加工收集的數據，對數據進行清洗、修正、脫敏，剔除冗余、無效、惡意數據，對數據中的敏感和隱私信息進行篩選和加密保護，同時對剔除的數據進行妥善破碎與處理。數據應用是智能技術賦能教育評價的關鍵，優化數據供給模式，保障數據傳輸、存儲、分析、運用各環節，確保數據的知情權、訪問權、使用權公開透明，規避教育數據篡改、師生隱私泄露等風險。各層級應統籌協同作業，規范數據標準格式，制定開放共享權限，建立安全統一的數據傳輸與流轉通道，互相檢驗數據質量，監督數據使用行為的正當性、合法性，同時聯通數據利益相關者，開展多主體協同監督，對教育數據使用可能產生的邊界和偏誤問題進行綜合評估、倫理論證，形成常態化監督與聚集輻射效應。最后，個體是消解數據倫理問題的中堅力量，重視提升個體的數據安全意識，加強個體對數據中敏感信息、附帶權益與經濟價值的識別與自我防護[31]，提高辨別數據陷阱、預測數據風險的能力。

（四）兼容內外評價范式，破解教育質量公平倫理新難題

技術倫理發展至今，出現了辯證統一的“外在主義”與“內在主義”兩種技術哲學觀點。其中，外在主義技術倫理進路基本模式是對技術帶來的后果進行倫理的反思與批判[27]；與之相對的內在主義技術倫理則主張將道德倫理“嵌入”技術中，目的在于運用技術解決倫理問題，達到對人的行為產生正面引導、規訓的效果[28]。辯證來看，兩種觀點各自側重了技術與倫理矛盾關系中的一方面，均為研究解決智能教育評價的倫理問題提供了新的視角，但技術與倫理本身是統一的，因此，在教育評價實踐中，需要兼顧“內外”、融合發展兩種不同技術倫理進路。一方面，教育評價要反思評價結果的不足，重視以人為本的教育評價目標。確保技術的使用與發展契合人的目標與價值，注重評價對象的多元性、評價要素的多樣性以及評價指標的科學性；要確保評價過程、結果的公正透明，保證技術的使用符合人類的道德和倫理規范，避免評價結果受個人偏見或技術漏洞的影響。另一方面，教育評價要重視技術的道德規范，增強教育評價的社會責任。提高企業與技術從業人員的道德意識，鼓勵創新與社會環境、倫理道德等密切相關的技術，確保未來教育評價所用技術本身具有較強的道德責任感，促成教育評價的工具理性與價值理性耦合；人工介入與監管教育評價，提高評價過程、手段、方法、結果的公正性和準確性，提供反饋和建議，以優化改進評價系統。

（五）培養人工智能素養，推動主體倫理道德新發展

技術是人的延伸，教育評價的主角永遠是使用技術的人，應對智能教育評價倫理危機，還需從評價主體自身出發，著力提升人工智能素養。首先，強化主體理論教育。開展如何利用智能技術進行教育評價的理論培訓，掌握智能技術的基本概念、了解人工智能工作原理以及利用評價智能系統解決實際問題；引入具有智能化分析和處理功能的教育評價工具，理解大數據分析、算法處理等技術的應用原理、應用場景及局限性；加強人工智能倫理與道德法律教育，組織相關研討培訓活動、學習評價倫理最新案例，提升主體的技術倫理道德責任感。其次，注重主體實踐應用。引導教育管理者有意識地使用智能評價工具，總結評價過程中的技術優勢和潛在的倫理問題，提供反饋數據以優化數據源、算法參數、結構模型；注重評價對象參與感，提供數據分析、編程教育、信息安全競賽等多元學習方式，強化信息安全意識、數據隱私意識教育，增設計算機編程、數據科學等課程，提高師生數據素養[35]；鼓勵教育評價主體在評價中探索人工智能技術的新應用，提出創新性的評價方法與思路，發展主體創新意識。最后，積極開展人工智能技術與教育評價倫理的理論與實踐問題研究，組織引導專業研究團隊，針對技術倫理與教育評價融合的模式、方法、路徑、影響等問題開展研究，為評價主體智能素養的提高及道德倫理觀念的增強提供支撐。

五、 結? ?語

智能技術賦能教育評價是深化新時代教育評價改革的迫切需求。要破除傳統單一維度、唯分數論的評價機制；要充分發揮人工智能、大數據等技術優勢，牽引教育領域綜合改革，助推教育現代化發展；要高度重視潛在的倫理風險，精準洞悉突破口；要以政策制度為保障基礎、理論創新為研究依據、數據治理與算法監管為重要手段、智能素養提升為導向，實現智能技術全面賦能教育評價改革創新，撬動評價要素在實踐中融合重組與創新革新，構建與新時代教育現代化目標一致的教育評價體系。

[參考文獻]

[1] 中華人民共和國教育部.中共中央 國務院印發《深化新時代教育評價改革總體方案》[EB/OL].（2020-10-13）[2023-07-19]. http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.html.

[2] European Commissions' High－Level Expert Group on Artificial Intelligence[EB/OL]. （2018-04-08）[2023-07-19]. https：//ec. Europa.eu/digital－single－market/en/news/ethics－guide-lines－trustworthy－ai.

[3] UNESCO. Draft text of the UNESCO recommendation on the ethics of artificial intelligence [EB/OL].（2021-09-26）[2023-07-19].https：//unesdoc.unesco.org/ark：/48223/pf0000379920.page=14.

[4] 國家新一代人工智能治理專業委員會.《新一代人工智能倫理規范》發布[EB/OL].（2021-09-26）[2023-07-19].http：//www.most.gov.cn/kjbgz/202109/t20210926_177063.html.

[5] 劉邦奇，吳曉如.中國智能教育發展報告[M].北京：人民教育出版社，2020，19-21.

[6] 鄭燕林，柳海民.大數據在美國教育評價中的應用路徑分析[J].中國電化教育，2015（7）：25-31.

[7] 劉邦奇，袁婷婷，紀玉超，等.智能技術賦能教育評價：內涵、總體框架與實踐路徑[J].中國電化教育，2021，415（8）：16-24.

[8] 張生，王雪，齊媛.人工智能賦能教育評價：“學評融合”新理念及核心要素[J].中國遠程教育，2021，553（2）：1-8，16，76.

[9] 張志華，王麗，季凱.大數據賦能新時代教育評價轉型：技術邏輯、現實困境與實現路徑[J].電化教育研究，2022，43（5）：33-39.

[10] 朱德全，吳慮.大數據時代教育評價專業化何以可能：第四范式視角[J].現代遠程教育研究，2019，31（6）：14-21.

[11] 吳砥.利用智能技術賦能教學評價創新——談智慧教育示范區建設如何落地[J].教育家，2020，214（10）：52-53.

[12] 吳立寶，曹雅楠，曹一鳴.人工智能賦能課堂教學評價改革與技術實現的框架構建[J].中國電化教育，2021（5）：94-101.

[13] 楊宗凱.元宇宙推動教育的全面數字化轉型[J].教育研究，2022，43（12）：23-26.

[14] 楊宗凱.利用信息技術促進教育教學評價改革創新[J].人民教育，2020（21）：30-32.

[15] 馮銳，孫佳晶，孫發勤.人工智能在教育應用中的倫理風險與理性抉擇[J].遠程教育雜志，2020，38（3）：47-54.

[16] 鹿星南，高雪薇.人工智能賦能教育評價改革：發展態勢、風險檢視與消解對策[J].中國教育學刊，2023，358（2）：48-54.

[17] 滕長利，鄧瑞平.智能技術賦能教育高質量發展：內涵、挑戰及應對[J].高教探索，2023，231（1）：8-13.

[18] 周洪宇，李宇陽.ChatGPT對教育生態的沖擊及應對策略[J].新疆師范大學學報（哲學社會科學版）：2023（4）：1-11.

[19] AYLIN C， JOANNA J， BRYSON， et al. Semantics derived automatically from language corpora contain human-like biases[J]. Science，2017，356（6334）：183-186.

[20] 楊開城.教育何以是大數據的[J].電化教育研究，2019，40（2）：5-11.

[21] 金生鈜.大數據教育測評的規訓隱憂——對教育工具化的哲學審視[J].教育研究，2019，40（8）：33-41.

[22] 苗逢春.教育人工智能倫理的解析與治理——《人工智能倫理問題建議書》的教育解讀[J].中國電化教育，2022，425（6）：22-36.

[23] BEREND B， LITTLE J A， BLAKEMORE M. AI in education： learner choice and fundamental rights[J]. Learning， media and technology，2020，45（3）：312-324.

[24] 逯行.智能技術引發的教育主體行為失范如何判定：方法、類型與表現[J].現代遠程教育研究，2022，34（2）：37-46.

[25] VICTOR T. 89 Percent of college students admit to using ChatGPT for homework[EB/OL]. [2023-07-19].https：//futurism.com/the-byte/students-admit-chatgpt-homework.

[26] 陳麗，郭玉娟，高欣峰，等.人機協同的新時代：我國人工智能教育應用的現狀與趨勢[J].開放學習研究，2019，24（5）：1-8.

[27] 張衛.藏禮于器：內在主義技術倫理的中國路徑[J].大連理工大學學報（社會科學版），2018，39（3）：116-121.

[28] 張衛.內在主義視域下的道德增強及其爭議[J].倫理學研究，2022（1）：106-112.

[29] 陳明選，王詩佳.測評大數據支持下的學習反饋設計研究[J].電化教育研究，2018，39（3）：35-42，61.

[30] 吳砥，饒景陽，吳晨.教育大數據標準體系研究[J].開放教育研究，2020，26（2）：75-82.

[31] 祁志偉. 著力提升全民數據安全意識和素養[N]. 中國社會科學報，2023-02-08（007）.

[32] 閆坤如.人工智能的算法偏差及其規避[J].江海學刊，2020，329（5）：141-146.

[33] 杜永欣，周茂君.透明化生存中的自主性構建：算法推薦的隱私問題與規制路徑[J].未來傳播，2022，29（6）：10-19.

[34] 郭勝男，吳永和，張治.人工智能教育大腦模型構建及實踐路徑[J].開放教育研究，2022，28（4）：22-30.

[35] 雷勵華，張子石，李志昊，等.數據驅動教育優質均衡督導評估研究[J].電化教育研究，2022，43（12）：39-45.

On Contemporary Connotation， Ethical Dilemmas and Countermeasures of Educational Evaluation Empowered by Intelligent Technologies

WU Longkai1，? CHENG Hao2，? ZHANG Shan2，? SONG Yanyu2

（1.National Engineering Research Center for E-Learning， Central China Normal University， Wuhan Hubei 430070; 2.Faculty of Artificial Intelligence Education， Central China Normal University， Wuhan Hubei 430070）

[Abstract] Educational evaluation is the key link to measure and guide the development of education. The intelligent technology represented by artificial intelligence and big data comprehensively empowered the reform of educational evaluation and supports the all-round， all-factor and whole-process transformation of the education system.However， at present， the research on the potential ethical risks caused by the educational evaluation empowered by intelligent technology and its countermeasures is not clear. Based on this， this paper systematically reviews and analyzes the relevant studies on the educational evaluation empowered by intelligent technology at home and abroad， explains its contemporary connotation， and explores its ethical dilemma in the new era： technological supremacy has overstepped the bottom line of the main body of education， algorithmic bias has touched the defense line of humanistic ethics， excessive data mining has violated the red line of information security， machine-only evaluation has deviated from the baseline of equity and inclusion in education， and intelligent evaluation has limited the "high line" of subject's thinking and innovation. Specific countermeasures are proposed to resolve the ethical dilemma： to clarify the status of the main body of evaluation and establish a new mechanism of multi-level linkage guarantee; to examine the deviation of intelligent algorithms and drive the new engine of green evaluation technology; to build a strong data security guardrail and explore a new model of "elasticity +flexibility" co-governance; to be compatible with internal and external evaluation paradigms and solve the new ethical problem of equity in educational quality; to cultivate artificial intelligence literacy and promote the new development of subject ethics.

[Keywords] Educational Evaluation Empowered by Intelligent Technologies; Contemporary Connotation; Ethical Dilemmas; Countermeasures Research; Algorithm Bias