人工智能賦能教師教育增值評價：價值意蘊、內在機制與實施路徑

朱珂 劉玉瑩 尚云翔 張晨雨

（河南師范大學 教育學部，河南 新鄉 453007）

引言

教育部教師工作司2022 年工作要點指出，要推動人工智能助推教師隊伍建設，就必須確立其價值取向，開展教師智能研修，建立完善的教師教育體系。增值評價是一種注重對評價對象的縱向成長幅度比較的評價方式，可將其作為教師績效考核實踐、學校效能評估和區域教育發展的主要評價維度之一[1]。教師教育增值評價通過衡量學生在一段時間內的學業水平進步幅度，評估教師對學生成長幅度變化影響的“凈效應”，同時對教師在教師研修、職業發展、專業化水平等自身專業發展方面的提升進行綜合研判，有力促進了教師效能評價科學化。利用人工智能、大數據等技術優勢來解決增值評價實施的現實困境，促進教師教育增值評價體系落地，為教師教育發展提供重要支撐與保障。因此，在分析增值模型的基礎上，探討人工智能賦能教師教育增值評價的內在機制，建立教師教育增值評價指標，構建人工智能賦能教師教育增值評價系統，闡述教師教育增值評價的實踐路徑。

一、人工智能時代教師教育增值評價的價值意蘊

（一）教師教育增值評價的概念理路

增值評價的方法論源于計量經濟學和教育統計學。在探索如何評價教師效能和學校效能的過程中，“教育生產函數”強調衡量學生產出的學習成果在多大程度上可以歸因于學生在特定時期內受到的特定投入（教師、學校、教育政策等）。因此，教育領域中的“增值”與學生的學業水平增幅直接相關，是指學生在教育系統中隨著時間的推移而獲得的知識、技能、能力和其他屬性的增長。從教師教育的角度來看，增值也可以被定義為在一段時間內教師對學生實現既定或規定的教育目標的貢獻。

教師教育評價是以教師的職業能力為基礎，通過其學生學術水平的相對位置變化來衡量其教學質量的一種方式。增值理念下，對教師工作的評價主要基于他們對學生學習的貢獻程度[2]。威廉·L.桑德斯（William L. Sanders）在關于“增值”的研究中強調，教師的影響遠遠超過了課堂變量[3]。另外，增值數據在教師評價系統中發揮著重要作用。目前，美國一些州正在采用基于增值理念的教師評估系統，將教師個人對學生成就影響的增值信息納入其中。例如美國田納西州增值評估系統（Tennessee Value-Added Assessment System，簡稱TVAAS）的“增值”結果可用于教師評價，以確定學生學術成就的變化幅度在多大程度上可以歸因于特定的教師[4]。除此之外，包含增值信息的教師績效評估在一定程度上也會幫助制定和改進教師績效衡量標準?；谠鲋捣治龅慕處熃逃郎y量系統可以對觀察測量、家長反饋和個人對教學的反思作以補充，以確定教師的優勢和劣勢。

（二）人工智能賦能教師教育增值評價必然與應然

人工智能時代技術發展為教師教育評價方法改革帶來巨大的支撐引領。智能技術賦能教師教育增值評價要求全面、科學、完整地收集、管理、分析各種教學信息，是對教師行為和教師效能進行客觀評價的新方法，描繪了從經驗主義邁向數據主義，從模糊邁向精確的飛躍[5]；通過技術手段，全域性地收集并整理學校層面、教師層面、學生層面的各類信息，與課堂評價、自我評價、家校聯合反饋等各類評估信息融為一體，以便對教師做出多維、完整、深入的評價，使片段式評價轉變為系統性評價。例如TVAAS 基于大數據技術創建包含學生檔案、教師檔案、學校名稱檔案等信息的數據庫，并將新的學生多維數據與前幾年的學生數據合并。這些數據集采用學生識別號或學區/學校代碼相互鏈接，擬合缺失數據，實現對所觀察區域內學校、教師、學生的智慧評價。人工智能已由外力作用轉化為內生動力，外部技術逐漸轉向內部賦能，賦能教育、賦能學校、賦能課程、賦能教師等。將人工智能技術與增值評價的價值導向、科學的教師教育評價體系有機結合，通過建立基于人工智能的教師教育增值評價管理機制，推動人工智能與教師隊伍建設有效融合[6]。

二、人工智能賦能教師教育增值評價機制研究

（一）教師教育增值評價模型分析

增值評價模型依賴統計學方法對多維數據追蹤分析，從而界定與計算“增值”。不同增值模型的理論假設、數據適用條件和優劣勢各有不同，增值模型的選取和應用影響著增值評價結果的科學性、準確性[7]。目前使用較多的模型有：學生成長百分等級（Student Growth Percentile，簡稱SGP）模型、多層線性模型、殘差模型、增益模型、分層模型、分類模型等。其中，SGP 模型不依賴學生的背景信息，具有較大的靈活性，因其簡單易操作廣泛應用于教師和學校的增值評價中。SGP 模型使用分位數回歸法，通過測量學習者在學術成就水平相似的學生群體中的相對地位變化來評估增值。例如，所有被測學生都參加相同的評估后得到全部學生的初始學業水平（一個可比的起點），初始學業水平相同的學生被視為同一組，將同組學生在最近一次評估中的學業水平進行排序，每個學生都會獲得一個百分位的相對位置，最后依據學生的相對位置來分析SGP 學業水平的增值情況。SGP 學業水平的相對位置范圍為1 ～99。在將SGP 模型用于教師效能評價時，通常以教師任教班學生的SGP 學業水平的中位數作為教師的評價指標，將該教師的學生的進步與其他類似學生的進步進行比較。某個教師的教學增值結果即是該班學生的SGP 學業水平之和[8]。

SGP 模型的增值評價結果易于解釋，對于政策制定者、教育從業者和學區來說，根據學生在一年中的成長程度，對具有相似基線學業表現的學生進行排序是很直觀的。學生的成長比較僅基于他們之前的學業水平記錄，而非基于任何其他特征，如性別、家庭背景、生源地或其他學習項目。因此，與其他許多復雜的增值模型相比，SGP 模型更容易操作，評價結果也更易理解。其評價結果可以用于改善教師教學質量：在教師績效方面，針對不同教師所教學生的學業水平進行測算并生成報告，讓在不同基礎班級任教的教師看到自己的實際教學成效；在教學法方面，針對不同教學方法的優劣比較，對不同教學方法下學生的學業水平增幅進行計算與報告，并提供實際的參考依據。

（二）人工智能賦能教師教育增值評價內在機制

人工智能賦能教師教育評價依托物聯感知、智能平臺采集、圖像識別等技術，采集教師在各時空數據（課堂活動、教師研修等）[9]，構建增值評價數據庫，在增值模型的基礎上對教師數據、學生數據、師生交互數據等進行融合分析；根據教學過程的動態觀察，對師生行為進行數據重組、數據歸并、數據建模[10]，產生多維度評價結果，在提供個性化分析預測的同時，提供教學輔導方案，以便更好地發揮評價的診斷功能和反饋功能，如圖1 所示。

1.數據收集

借助智能技術對教師增值評價數據（教學技能、班級管理能力等）進行全方位、全時域、全類型的采集，并將其標準化處理，轉化為量化數據，從學業水平、課堂教學觀察、教師專業素養、教師綜合評定4 個維度，組織制定和細化數據管理流程?？紤]到資料搜集時間和實際操作時間通常為一學期，為了便于數據處理采用標準化、統一化的采集方式，利用軟硬件結合其他資料的綜合信息，定期收集各種量化的數據，并對接收的資料質量進行分析，選定接收資料較穩定的日期作為后續資料處理的錨點。在此基礎上，生成網絡云存儲數據，采用分布式核算分析，確保數據符合存儲標準。

2.技術支持

借助增值模型與自然語言處理等技術分析處理量化與質性數據，橋接教師專業發展過程多維數據，對教師教育增值情況的動態關注與觀察。利用計算機視覺技術，從圖像、視頻中自動化提取、分析和捕捉有用信息，基于內容的圖像檢索技術可以從繁雜的圖像信息中分辨和識別目標，提取教師教學和研修過程的視頻進行分類，鎖定觀察對象后全程目標跟蹤，最后將場景中對話語義分割，并把捕獲的行為信息與言語信息轉化為數據儲存在增值數據庫中。借助自然語言處理的深度分析技術（循環神經網絡、卷積神經網絡等），實現全鏈路、嵌入式增值數據分析。借助語音采集、智能語音識別等技術，通過機器學習技術訓練，實現語言考核自動評分，并可自動生成語言綜合能力報告。

3.增值結果反饋

通過全流程數據智能分析，產生可視化報告，并提出成長建議。增值結果報告采用不同形式及顏色編碼來解讀增值數據，并在平臺公示結果。教師教育增值評價智慧平臺從不同的層面去分析數據，分析預測結果與增值模型統計結果決策相融合，對增值評價結果進行優化，實現數據價值最大化，推動“智能評價—智能匹配—智能推送—智能服務”的評價循環，以此促進教師專業發展和教師教育發展，如圖2 所示。

圖2 人工智能賦能教師教育增值評價結果呈現

三、人工智能賦能教師教育增值評價系統構成

（一）人工智能賦能教師教育增值評價指標構建

人工智能支持的教師教育增值評價指標從學業水平增值、課堂教學觀察、教師專業素養、教師綜合評定4 個評價維度出發，以學生、教師自身、教師同行、教研專家為評價主體構建量化和質性評價指標。

1.學業水平增值

評價主體：同伴互評、自我評價、教師評價、家長評價。評價形式：通過客觀課堂學習行為觀察和學習檔案袋記錄，得到學生綜合數據，利用SGP 模型進行處理分析，得出增值評價結果。評價內容：（1）學業水平增值：評估被測教師所教授的學生的各學科學業水平，并對數據進行量化處理；（2）學習過程增值：對學生學習興趣、學習態度、學習思維等質性數據做客觀記錄，進行標準量化處理，進行增值評價。

2.課堂教學觀察

評價主體：教研專家評議、學生評教、自我評價、同行評議。評價形式：教研小組統籌教學計劃，參考學生作業，借助教案評比得出教學設計與策略差異量化評價結果；學生評教系統收集教師教學數據；教師自評形成教學反思檔案記錄；結合專業評價人員對教學過程的質性評價結論，形成教師教育綜合評價檔案。評價內容：（1）教學設計與策略，包括學生作業、教學評價；（2）教學環境，包括教學期望、學生行為管理、學習環境、文化氛圍；（3）教學過程，包括教學目的和目標、激勵學生、呈現教學內容、課堂結構、課堂節奏、教學活動、教學材料、課堂提問、教學反饋、分組學習、學情了解、教學思考、解決問題。

3.教師專業素養

評價主體：教師自評、學生評教、同行評議和教研專家評議。評價形式：以心理量表定量評價工具為主得出教師綜合心理水平的評價指數；使用試卷量表針對教師文化理論素質進行量化評價；通過參考同行評議和教研專家評議內容得出針對教師專業化水平的質性評價。評價內容：（1）教師心理素質，包括思想道德素質、師德培育；（2）教師專業化水平，包括學科教學知識、教學法知識、學科內容知識、教學反思情況。

4.教師綜合評定

評價主體：學生評教、教師自評、同行評議和教研專家評議。評價形式：針對教師綜合職業行政能力進行質性評價；通過具體數值，如比賽獲獎、論文數量等，監控教師研修發展水平；對其他綜合評定項目進行總體質性評價，基于以上評價主體的量表評價指標，評估教師綜合水平。評價內容：職業發展、教學監控、學校義務、教學反思、教師研修。

（二）人工智能賦能教師教育增值評價系統構成

教師教育增值評價系統通過記錄和識別教師課堂教學語言、教態，以及獲取教師網絡研修的日志數據，借助評價指標進行教師綜合能力分析診斷并形成個性化的教師診斷報告。在此系統中，基于人工智能的核心識別技術和海量數據的深度學習，將錄播形成的音視頻文件轉化為結構化的教學行為大數據[11]；借助智能技術和增值評價模型對教師的課堂教學能力進行綜合分析；針對教師課堂教學能力和研修表現生成定制化評價報告，系統化地對教師專業發展提出建議，實施框架如圖3 所示。

圖3 人工智能賦能教師教育增值評價系統

基于人工智能的教師教育增值評價系統采用標準化課室環境內布設定制化音視頻終端設備，對課堂教學過程數據進行實時采集，為智能分析提供數據資源支持。運用技術手段，對教師教學過程進行深度挖掘，生成課堂教學能力評價報告。教師效能評估工具包括定量和定性的證據收集工具，如國家級或區域級的標準化考核和專門為教師設計的績效評估、自我報告調查。該系統能夠智能評價教師能力水平的增值，可以幫助教師提高自我認知，了解自身專業發展水平進步程度及自身在同伴中所處位置；輔助教師隊伍建設決策；系統標記觀察點，為教研提供依據；智能分析課堂行為，存儲教師課堂教學數據，生成增值評價分析報告，呈現教師能力發展全過程記錄。除此之外，進行教育測量與評價、教師教育增值評價報告數據解讀與結果運用的相關培訓，借助增值評價數據模型，分析出教師畫像，自動生成圖表直觀呈現。對教師數據、教育資料數據進行加工分析，引導教師樹立智慧教學理念，幫助教師自身成長。

四、人工智能賦能教師教育增值評價實施路徑

（一）融合智能技術優化教師教育評價過程

實施教師教育增值評價要積極利用智能技術對教師學習和成長過程中的數據進行持續追蹤、研究和分析，采用云記錄教師成長各方面進展狀況，逐步完善教師電子檔案袋評價、構建教師檔案館，并以此作為評價教師績效和自身發展的重要依據。例如，田納西州從2011年開始就將成長檔案袋和課堂觀察加入增值評價體系中，盡可能綜合所有的教育信息生成增值評價報告[12]。同時，大數據和學習分析技術可對教師做出個性化的診斷和分析[13]；5G 和物聯網技術采集的全域數據可補充評價數據集；語音識別、指紋識別、人臉識別、虹膜識別等識別技術可智能識別人體生命特征，彌補增值模型中預設協變量有限的問題，優化評價過程。

（二）推動教師教育評價內容多元發展

構建多元主體協調管理的評價體系需建立健全人力資源保障機制，注重教師自身專業成長，拓展教師區域研修形式[14]，豐富教師考核內容，有效實施立體化、多元化評價，實現教師教育增值評價落地。從教育整體角度，規劃設計教師教育評價內容，發展教師自評、學生評教、同行評議和教研專家評議等多種評價方式。從促進教師專業發展的視角出發，將具體的考核項目與教師自身成長緊密結合，形成科學合理的考核指標，建立合理的考核模型，利用智能技術，將增值評價結合其他評價形式（診斷性評價、形成性評價等）形成綜合評價報告，促進教師評價方式多元化。通過建立科學多元的評價指標，對教師專業的評價可以體現在職業創造力、合作能力、職業素養等方面，促使教師專業發展從單純的績效考核轉向開放、多維、持續的能力認證。通過鼓勵教師參加各種專業比賽、技能等級認證，促進教師專業高質量發展。

（三）完善教師教育增值評價反饋機制

基于信息反饋機制，利用增值模型評估教育決策的應用效果，提供反饋信息，供學校和教師參考，從而了解教師的實際水平和教師自身成長的不足。充分運用評價結果，利用智慧教育增值評價平臺的跟蹤監測功能，及時對學校、老師、學校和區域教學實施改進干預[15]。借助可視化交互系統，高效直觀地向不同的群體展示增值評價報告，強化結果反饋。要增強數據挖掘功能的易用性，注重并完善反饋數據的再分析，引導各種主體深度介入，強化智能化教學評估的引導、評估、檢測、控制與提升功能，從而構建更加科學、公平、本土化的動態評價機制，實現教師教育系統的穩態調節。

（四）注重教師教育評價數據倫理

人工智能時代，技術的廣泛應用促使教育數據的應用場景和范圍不斷擴大，教育數據安全問題日益突出。教育數據往往涉及隱私泄露問題、信息安全問題、數據鴻溝問題，智能設備無時無刻不在上傳、呈現、保存人們的隱私信息，除公開使用的信息以外，還包含許多用戶偏好信息（如儲存在用戶本地終端上的個人相關的記錄）。智能時代的媒介倫理因其開放性和現代性要求技術對公眾的賦權更需理性和人性的雙重參與。因此，教育工作者應在教育數據的采集、存儲、分析、共享等過程中增強察覺數據安全隱患的敏銳性，重視對教育保密資料的保護，對違規行為進行處罰，加強對個人信息的保護[16]。

五、結語

人工智能賦能教師教育評價，有利于解決數據收集分析困難、評價內容不明確、評價結果解釋不一等現實問題，開辟教師教育增值評價新航道，實現教師教育資源高效整合，教師研修全鏈路融通，教師專業發展一體化的智能銜接。增值理念下，以教師績效評價、課堂觀察及教師研修評價等綜合分析結果作為教師教育評價的依據，比以單維度指標更客觀、科學、高效。人工智能賦能教師教育增值評價不僅錨定了增值評價的核心價值，更回應了智能社會培養高素質專業化創新型未來師范人才的內在需求。