大数据领域、人工智能领域近年来不断发展，将大数据技术、人工智能技术与教育评价进行深度融合，助力教育评价的转型升级，让大规模的因材施教成为可能。同时，技术的变革也推动了教育数字化转型。所以实现教育数字化转型过程中，应该以评价为关键着力点，探索基于数字化的教育评价机制。但是在进行技术助力教育评价的过程中也出现许多挑战，使其投入实际应用中存在诸多阻碍。在未来的发展中，反思已有的实践，在反思中不断发展，持续探索对于评价这一教育改革的关键环节，压实主体责任，助力教育优质均衡发展。

教育大数据；教育评价；人工智能；智能测评技术

教育评价是教育发展的重要组成部分，随着大数据技术和人工智能技术的出现，为教育评价的发展提供了数据支撑和技术支持。教育部2022年工作要点中明确提出“实施教育数字化战略行动”，将教育数字化转型作为推进教育现代化建设与高质量发展的重要引擎，强调以数据驱动教育的“整体性转变、全方位赋能、革命性重塑”。2021年工信部印发了《“十四五”大数据产业发展规划》提出了“从加快数据‘大体量’汇聚”、“强化数据‘多样化’处理”、“推动数据‘时效性’流动”、“加强数据‘高质量’治理”以及“促进数据‘高价值’转化等方面发挥大数据优势”。2020年10月13日，中共中央、国务院印发的《深化新时代教育评价改革总体方案》中明确提出“健全综合评价和完善学生综合评价体系”，并指出要“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”。这些文件的发布都表明教育评价需要迫切的进行转变和发展，而大数据技术和智能技术能够极大的助力教育评价的发展。因此，本文将对教育大数据的应用现状进行梳理、阐明现行教育评价的困境和智能教育评价的未来发展以及对大数据助力智能教育评价的伦理安全问题以及解决对策进行讨论。

（一）教育大数据的内涵

教育大数据经过多年的发展，学界对于教育大数据的定义虽有差异，但是其核心内涵还是高度统一的。杨现民等研究者认为教育大数据是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。徐鹏等研究者认为教育领域中的大数据有广义和狭义之分，广义的教育大数据泛指所有来源于日常教育活动中人类的行为数据，它具有层级性、时序性和情境性的特征；而狭义的教育大数据是指学习者行为数据，它主要来源于学生管理系统、在线学习平台和课程管理平台等。

随着在线教学的日益普及，在教与学过程中，由学习管理系统和各类 移动设备所记录下来的各类海量数据，成为分析教学过程的重要来源。这些数据包括记录学习过程的行为数据，记录学习结果的评价数据，以及学习形成的社会网络关系数据等。 由这些数据拓展开来，教育大数据还包含着各类学生个人信息数据、 教学管理数据等。 可见，教育大数据来自于教育教学的主体和过程。

从特征的角度看， 大数据的特点往往被概括为4V，包括海量规模 （Volume）、 快速流转（Velocity）、 多样构成（Variety）和巨大价值（Value）。 教育大数据的特征与4V既有重合又有不同：首先，从规模上看，教育大数据的体量尚未达到零售业、 电信业等领域的规模， 但已经超出了传统数据工具的处理能力。 再者，从流动速度的角度，教育大数据流转速度相对较慢，并不像交易数据、搜索数据或通讯数据具有快速 流转的特性。 相应的，教育教学的周期性决定了教育 大数据具有典型的周期性。 进而，从数据构成方面看，教育大数据中非结构化数据，特别是音视频数据占很大比重。 这些数据来自课堂录像、教学资源等， 不同于传统数据库记录的数据， 具有一定的分析复杂性。 同时，与电商等领域中步骤清晰、结果明确、周期较短的交易活动不同， 教育教学活动具有更高的过程复杂性。 通过教育大数据分析发现规律也就更为困难。 可见，教育大数据的特征可以概况为强周期性、高复杂性和巨大价值。所以，教育大数据的内涵可以概括为来自教育教学主体和过程具有强周期性、高复杂性和巨大价值特征的数据集。

（二）教育大数据的应用研究

教育大数据在许多方向都有不同的应用，而不同研究者也从不同的角度对于教育大数据的主要应用进行阐述。研究分析发现，祝智庭教授从研究范式出发，认为教育大数据在自适应学习中的应用。郑燕林和柳海民认为， 教育大数据的应用主要是对教育评价和教育教学决策的支持。胡弼成和王祖霖将大数据应用总结为通过评价和预测促进教学有效性。杨现民教授认为，教育大数据应用可以分为政策科学化、区域教育均衡、学校教育质量提升、课程体系与教学效果最优化 、个体的个性化发展等层面。魏顺平认为，基于大数据的学习分析技术可以通过存储和分析学习者的学习情况的过程数据，用以预测和优化学习过程，为教学决策提供重要依据。喻长志指出：大数据将重构教育评价，由原来的经验式评价转变为基于数据的过程性评价，通过大数据的支持来分析教学规律。经过分析可以发现，教育评价在教育大数据中的应用是有一定数量的，所以对于大数据助力智能教育评价的研究也是十分有必要的。

（一）现行教育评价的困境

进入新时代，我国信息化发展迅速。随着的就是加大对于教育与信息技术的融合。对于教育评价来说，现行的教育评价越来越不适合当今教育的发展要求。主要存在三方面的问题：

1、评价方式简单初级

当前的教育评价主要以标准化的量化评价为主，质性评价相对较少，定性和定量相结合的评价不能得到有效实施和应用。学生的考试成绩仍然是评价结果的主要甚至唯一决定因素，闭卷考试的分数常常直接决定着学生相当长时间的学习结果。当前评价方式的相对简单初级直接影响着教育评价结果的全面性、科学性、客观性和有效性，不仅不能有效发挥评价结果对未来教学的指导性作用，甚至还会产生负面影响。同时，当前广泛实施的主要是针对教学结果的总结性评价，其评价功能也侧重于人才的筛选和选拔。

2、评价手段传统落后

当今科技发展日新月异，但当前我国教育评价使用的手段和工具仍然相对传统落后。教育评价相关者对新兴科技工具使用的积极性不高，科学技术对教学和教育评价过程的融入度不深，先进的科技工具未在教育评价过程中发挥应有的作用和功能。关于能力素养的评判，没有统一、科学、精准的评价工具，导致学生的人文素养、交流能力、协作能力、沟通能力、研究能力、创新能力和发展能力等难以得到有效测评。当前，绝大多数教育评价活动以人工评价为主，主要形式仍是传统的纸笔考试。

3、评价标准简单单一

当前的教育评价主要以分数或升学率为核心依据，过度强化结果在整个评价终端的关键地位，存在着标准相对简单单一的现象。正因为如此，长期以来，我国在教师评价方面形成“唯文凭、唯论文、唯帽子”的倾向，在学生评价方面存在着“唯分数、唯升学”的倾向。

（二）智能教育评价的技术应用

1、物联感知技术

依托传感器、射频识别、二维码、蓝牙等技术手段，采集校园内部及周边的环境数据，采集师生日常考勤情况、学生生理指标等。

2、平台采集技术

依托各类学习平台（包括电脑端和移动端）的自动记录用户学习过程、采集行为日志、网络爬虫等技术手段，采集教师在平台上备授课情况的数据，采集学生在线学习时长、任务完成情况的数据，采集区域的教育舆情数据等。

3、图像识别技术

依托图像识别技术，各类教育硬件产品可采集学生在各个场景下的学习数据，如扫描仪采集正式考试中的答题数据，点阵数码笔采集课堂作业、课后练习的数据，拍照搜题应用采集学生自主学习的数据等。

4、分类聚类算法

将学生群体划分到已经存在的类别中，或根据待划分学生之间的相似性，将该群体划分为学习行为、学习风格相似的若干个较小的群体，从而便于更有针对性地对细分学生群体进行评价。

5、关联规则挖掘

通过在数据库中发现频繁出现的多个相关联的数据项，推断各数据项之间可能存在的因果关系。如针对学生的在线作业结果数据，利用关联规则深度挖掘学生已掌握知识点之间的关系，进而促进学生在线学习质量的诊断分析和精准评价。

（三）大数据助力智能教育评价的实践方式

1、突破关键技术，实现基于过程的表现性评价

要突破采集、分析、溯源这一系列的智能技术才能够实现基于过程的表现性评价。比如在采集技术方面，我们要突破伴随式的采集技术来实现真实场景数据的客观记录。我们要在学校、家庭、社区、科技场馆等场景采集多场景的数据，我们要研发这种多源异构数据的抽取和关联技术，来实现数据的融合和跨平台数据的汇聚。

2、进行多模态的数据智能处理

我们要研发多模态的数据智能处理技术，因为我们要把多模态数据的表现映射为我们综合素养的评价指标。同时在这个基础上映射之后，我们要研发学生综合发展的溯源技术，也就是说我们要基于学生综合素养的发展情况，探究到底是什么因素影响学生的成长溯源，所以我们要研发对应的溯源技术。只有这样，我们才能揭示出中国学生综合素养成长的因素数据库，为我们教育研究与政策的制定提供支撑。支持全域评价数据采集与汇聚，基于智能化的数据采集汇聚技术和手段，采集综合评价对象在全时空的数据，汇聚集成不同类型的海量复杂数据，解决难以全时段采集数据、不能有效覆盖全场景、临时性采集造成数据失真等难题。

3、支持数字画像建立与应用

基于大数据、学习分析等技术，最终将综合评价结果通过可视化工具输出个体或群体的数字画像，助力评价对象进行清晰直观、形象生动地理解并应用评价结果， 实现资源共享、行为调整、体验改善、效率提升。

（四）智能教育评价的未来发展

在2022全球智慧教育大会的科技与教育融合创新论坛暨闭幕式上，陈丽教授提出未来智能教育评价需要实行表现型评价和学生综合发展检测。未来的智能教育评价脱离以纸笔测验为主的应用场景，更加聚焦于对于学生的综合素质的评价，对于学生核心素养的评价。所以我们要抓住新一代智能技术的发展，提高我们的评价能力，推进教育评价改革。

未来的智能教育评价推进主要包括三个核心任务：

1、完善现有的综合素质评价的局限

如今，我们对于学生的综合素质评价还停留在德智体美劳层面和学生发展的单独层面，并没有涉及到对于学生的综合化素质评价。所以未来需要对于学生的整体素质进行监测，构建新的综合素养评价理论模型，通过设计不同的测评活动，来表现学生的核心素养，进一步评价学生核心素养关键指标的发展情况，以实现对于学生的综合素质评价。

2、跟踪中国100万中小学生，连续跟踪5年，构建中国学生综合发展的基础数据库

通过跟踪中国100万中小学生，连续跟踪5年，构建中国学生综合发展的基础数据库，能够帮助老师了解学生综合素养发展的整体情况，识别特殊发展状况的学生群体。能够帮助区域教育发展提供证据支持，为区域教育创新和教育改革提供数据支持。能够为国家政策指定提供科学依据和数据支撑。

3、揭示中国学生综合素养发展规律

充分利用智能技术，运用多模态的数据，开展表现型评价，提高综合评价的客观性和科学性。

（一）大数据助力智能教育评价的伦理安全问题

1、智能教育评价数据收集伦理

数据收集是大数据助力智能教育评价的初始阶段。10月31日，中央教育工作领导小组秘书组、教育部党组根据中央统一部署，结合教育系统实际，印发《关于教育系统深入学习宣传贯彻党的二十大精神的通知》，《通知》强调，要深入推进教育数字化，大力推进教育新型基础设施建设。随着教育新型基础设施建设的持续推进，对于教育评价的数据收集越来越呈现泛在化。然而，不可避免的是对于数据收集所带来的伦理问题也越来越明显。随着智能技术的不断发展，对于教育评价的数据不仅仅包括学生的成绩数据、平时作业成绩等，还包括在学生学习过程中产生的视频、音频、图像以及学生的一些行为数据。

对于学生过程性评价教育数据的收集，如智能设备、物联感知、视频录制、线上平台持续收集等，普遍缺乏学生知情权等教育数据伦理考量。当学生不了解所收集的这些数据将会被用来干什么、用在什么地方以及都会有哪些人能够接触到这些数据，学生将会产生对于数据收集所带来的未知隐私泄露的风险的恐惧，从而加大学生对于学习的心理压力，不利于学生的身心发展。在学生的学习过程中，利用摄像机记录学生的学习行为和学习活动或者是采用智能教育产品记录学生的行为数据和生理行为数据，都将让学生沉浸在压力和干扰中，所带来的学生隐私被侵犯等伦理问题是大数据助力智能教育评价过程中无法避免的。

2、智能教育评价数据处理伦理

数据处理阶段在大数据助力智能教育评价中的主要工作就是将收集到的数据进行清洗、修正、压缩、脱敏等，将收集到的数据从原始状态处理成便于分析和使用的形式和状态，可以利用一些可视化智能工具对数据进行展示，以便对数据进行可视化显示，更加直观、明了的使用数据。

在这一阶段所带来的风险主要存在于数据安全和数据泄露问题。在进行数据处理的过程中对于学生数据进行脱敏处理是非常关键的。若是对于学生的评价数据未脱敏彻底，就会引发学生学生的个人敏感信息遭到泄露。在现在智能技术高速发展的阶段，很容易通过人工智能、数据挖掘等技术对脱敏不彻底的数据进行重新的关联整合，使得个人的敏感数据再次出现，从而导致学生的隐私遭到泄漏。

3、智能教育评价数据储存伦理

数据存储阶段在大数据助力智能教育评价中，主要借助数据存储基本设施以及数据库进行数据的存储，然而在数据存储阶段出现的伦理问题同样聚焦于数据安全和隐私泄漏。存在于学校数据库的数据资料容易存在数据泄漏问题，同时对于不断发展的在线教育平台同样存在着严重的数据安全问题。在线教育平台上存储着学生的各种数据对学生进行评价，但是正是因为在线教育平台上存储着学生的各种敏感信息，网络攻击者利用较低的成本就可以获得巨大的利益，大大加剧了网络攻击的强度和组织力度。例如2020年，加州旧金山大学遭遇了勒索软件攻击后，泄漏了大量的数据，大量重要的学术数据被加密后无法使用，最终加州旧金山大学支付了114万美元的赎金。在浙江省也曾出现教育类app的里的数据1000万的数据遭到泄漏和售卖。

（二）大数据助力智能教育评价伦理问题的解决对策

1、以技术发展约束伦理问题

《加快推进教育现代化实施方案（2018— 2022 年）》 中提出要重视数据对教育治理的作用，开展数据支撑下教育治理模式的创新与变革。以数据治理的理念来改进教育评价的工具，从根源上改进大数据助力智能评价的伦理安全问题。通过技术的不断发展和改进，针对会出现的伦理安全问题，采取一些对应的措施。同时加强数据库的存储技术，保证收集到的数据能够安全的储存，不容易受到攻击和泄漏。同时对于平台收集开始数据的时候，能够主动向教师和学生或者是平台的使用者显示意见征集，向教师和学生提供数据收集的知情权、选择权、隐私权和控制权，切实保障学生和教师的隐私信息不被泄漏。对于学生心理和情感方面，也可以通过技术增加关于学生的心理健康模块，能够关注到学生除了分数、学习表现等数据以外的心理变化、情绪变化以及情感投入等。

2、以教师发展约束伦理问题

大数据技术、智能技术的不断发展，但是教师本身的数据素养以及技术素养并不能与这些技术相匹配。教师对于数据的收集、分析、应用能力还有巨大的发展空间，教师能否良好的利用大数据技术和智能技术来辅助教育评价还存在疑问。同时因为教师的数据素养和技术素养的不到位，容易因为不正确的操作造成学生的数据泄漏。所以我们亟需培养和提升教师的数据素养和技术素养。在职前，注重对教师处理数据的技能及教学专业技能的培训。在职后，注重帮助教师形成使用数据的习惯，提升在教育教学中获取、理解、分析、应用数据的能力。从而真正做到以教师发展来减少或者防止教育评价的伦理安全问题。

3、以问责机制约束伦理问题

教育大数据滥用、隐私泄露、违背伦理等问题的发生，正是长期以来各地方政府缺乏对教育大数据的有效监管和惩戒而导致的，这种监管的缺失也导致了技术的滥用。所以需要，各级教育部门需建立权责分明的数据管理中心，落实各级部门的权力和责任。确保有人负责，有人监督，一旦发现数据问题能够及时溯源。以问责机制来保障数据的安全，确保学生的隐私数据不被泄漏。

4、以协同治理约束伦理问题

《国务院关于印发新一代人工 智能发展规划的通知》强调，要“建立健全公开透明的人工智能监管体系，实行设计问责和应 用监督并重的双层监管结构，实现对人工智能算法设计、产品开发和成果应用等的全流程监管”。教育数据应用的最终目的是促进精准化和个性化的教学、学习和管理，整个过程体现为多元利益主体的协同交流，而伦理规范是协同发展的内在保障和基础。在教育系统内部，学校要保证数据在校内各部门之间融通，形成数据的横向共享。学校要与上级（国家、省、市、县）教育行政部门、机构等建立垂直联系，形成数据的纵向共享。总而言之，大数据助力智能教育评价的伦理安全问题需要政府主导、政策支持、标准制定，也需要企业和学校主动参与、积极应对。

教育评价是我国实现教育公平的一个重要组成部分，而加入大数据技术和人工智能技术使得教育评价的转型升级有了技术的支撑。大数据技术和人工智能技术一方面有利于促进对于学生过程性的行为数据进行分析，更加透明高效的进行教育评价；另一方面有利于学生的综合素质评价的实施，实现对学生进行多层次、全方位的测评。也就是说，大数据技术和人工智能技术是保证教育公平，促进学生个性化发展。但是，对于大数据技术和人工智能技术的伦理安全问题也不容忽视，实现大数据技术、人工智能技术与教育评价的深度融合，实现深度融合而不是唯技术，平衡技术在教育过程中的地位和作用，加快大数据、人工智能技术的实际应用进程。

[1]中共中央 国务院印发《深化新时代教育评价改革总体方案》[A/OL].（2020-10-13）[2021-06-25]. http://www. moe. gov. cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.html.

[2]龙海涛.人工智能时代教育评价改革:契机、挑战与路径选择[J].中国考试,2021(11):10-18+34.

[3]刘邦奇,刘碧莹,胡健,袁婷婷.智能技术赋能新时代综合评价：挑战、路径、场景及技术应用[J].中国考试,2022(06):6-15.

[4]郑燕林,柳海民.大数据在美国教育评价中的应用路径分析[J].中国电化教育,2015(07):25-31.

[5]胡弼成,王祖霖.“大数据”对教育的作用、挑战及教育变革趋势——大数据时代教育变革的最新研究进展综述[J].现代大学教育,2015(04):98-104.

[6]杨现民,王榴卉,唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究,2015,36(09):54-61+69.

[7]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究,2016(01):50-61.

[8]祝智庭,沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究,2013,34(10):5-13.

[9]喻长志.大数据时代教育的可能转向[J].江淮论坛,2013(04):188-192.

[10]教育部.高等教育司关于印发《2022年工作要点》的通知[EB/OL]http://www.moe.gov.cn/s78/A08/tongzhi/202203/t20220310_606097.html,2022-2-23.

[11]张誉元,张海.数据生命周期视阈下教育数据伦理问题及规约之径[J].中国电化教育,2022(10):118-125.

[12]郭胜男,吴永和,张治.人工智能教育大脑模型构建及实践路径[J].开放教育研究,2022,28(04):22-30.

[13]崔宇路,张海.教育人工智能应用的困境、成因及对策[J].现代教育技术,2022,32(06):35-42.

[14]张志华,王丽,季凯.大数据赋能新时代教育评价转型：技术逻辑、现实困境与实现路径[J].电化教育研究,2022,43(05):33-39.

[15]杨现民,郭利明,晋欣泉,顾佳妮.大数据助力新高考改革:框架设计与实施路径[J].电化教育研究,2019,40(02):30-37.

[16]邢蓓蓓,杨现民,李勤生.教育大数据的来源与采集技术[J].现代教育技术,2016,26(08):14-21.

[17]刘邦奇,袁婷婷,纪玉超,刘碧莹,李岭.智能技术赋能教育评价：内涵、总体框架与实践路径[J].中国电化教育,2021(08):16-24.

[18]陈丽,任萍萍,白蕴琦,淦凌云.“双减”政策背景下智能技术助力学生健康发展的卓越探索与前沿趋势——“2021全球人工智能与教育大数据大会”综述[J].开放学习研究,2022,27(05):1-7+16.