基于圖表征的綜合評價錄取輔助決策機制研究

王兆平 許鞍銘

（1.長沙民政職業技術學院，湖南 長沙 410004；2.湖南省教育廳，湖南 長沙 410005）

1.引言

自國務院2014 年9 月發布《關于深化考試招生制度改革的實施意見》[1]以來，我國新高考改革按照“分類考試、綜合評價、多元錄取”為總體思路，開始積極探索“兩依據一參考”的綜合評價錄取機制。2020年國務院頒布《深化新時代教育評價改革總體方案》又明確提出“改進結果評價，強化過程評價，探索增值評價，健全綜合評價”[2]等多個促進學生德智體美勞全面發展的核心目標。在此背景下，利用人工智能、大數據、區塊鏈等現代信息技術，創新綜合評價的方法和工具，建立公平與科學的多元錄取機制，是樹立科學成才觀念，破除高考“唯分數論”的關鍵。

2.綜合評價錄取實施的困局與挑戰

綜合評價錄取方式是一種新型的教育評價制度，是“新高考”改革多元評價機制的重要手段。當前，綜合評價錄取主要面臨著以下三種困局：

第一，缺乏規范的信息采集、存儲和追溯機制。綜合素質信息是高考改革多元錄取“兩依據一參考”中的主要信息源，其真實性和準確性是確保高考錄取公平的關鍵，是取得更廣泛的社會認同、進一步推廣綜合評價錄取的首要任務，因此，需要有科學的信息采集與追溯機制來保證信息的真實可靠。

第二，缺乏統一的錄取評判指標。學生綜合素質檔案主要由德智體美勞等質性數據來體現，容易受人為因素、主觀判斷的影響，評價指標的科學性、合理性容易受到質疑，因此，需要有科學的錄取評判指標來精準匹配專業人才培養目標，實現高考錄取方式從“單維”到“多維”，從“平面”到“立體”的轉變。這是破解改革阻力、落實深化新時代教育評價改革戰略目標的關鍵環節。

第三，缺乏高效的錄取選拔工具。綜合評價錄取是一項專業性極強的工作，需要在有限的時間內依據學生綜合素質信息記錄進行客觀評估，發現其潛在素質以及在相關領域發展的興趣和潛能。目前高校進行綜合評價錄取人才選拔的過程效益低，人才選拔生均成本高。“時間”和“效率”的沖突，讓選擇綜合評價錄取機制的高校面臨時效困難[3]。

總的來看，由于綜合評價錄取實施策略的自動化程度偏低，缺乏計算機輔助工具，存在公平性、科學性和效率性等諸多問題，因此也制約了綜合評價招生錄取機制的全面推廣[4]。

3.構建綜合評價錄取輔助決策機制

在綜合評價錄取實施過程中，既要采集高考、學業水平等考試成績，進行學習情況全過程的縱向評價，又要參考綜合素質記錄，進行德智體美勞全要素的橫向評價，故在二者之間構建起一個相互統一的招生錄取評價模型，是全面推進多元錄取機制的關鍵。縱向的學習情況評價，可以通過量化后的考試成績進行對比評估，然而，橫向的綜合素質評價屬于發展性評價，需要對素質信息記錄進行質性評估，難以形成統一的量化對比指標。若要將這兩個維度的評價深度融合，則可以利用人工智能等現代信息技術，設計出科學的綜合評價模型，以輔助高校招生錄取決策。

3.1 綜合評價錄取輔助決策機制總體思路

綜合評價錄取輔助決策的新機制，應聚焦于評價數據的準確性和評價模型的科學性，重點解決綜合評價錄取機制中“進出”兩端的問題。

3.1.1 評價“入口”的數據問題

采用基于聯盟區塊鏈（Consortium blockchains）等新型數據共享框架，用于存儲評價信息。利用Channel通道配置訪問策略，規劃Peer、Orderer節點，管理通道資源（學生綜合評價信息）的訪問權限，實現數據隔離與信息共享；探索通過Identity Mixer實現匿名客戶端身份認證，以及通過零知識資產轉移（ZKAT）實現保護隱私的資產交換，完成綜合素質評價信息的脫敏，解決綜合評價信息的隱私保護、真偽溯源和共享評價等問題。

3.1.2 評價“輸出”的度量問題

探索基于圖神經網絡（Graph Neural Networks）的人才選拔彈性指標算法，構建綜合評價招生錄取新模式，運用于圖表征的綜合評價模型輔助錄取決策，實現高校綜合評價招生的自動化匹配、個性化招錄、合約化評價過程等策略。綜合評價錄取輔助決策機制能夠解決多元協同、隱私保護、自動化匹配、個性化招錄、全過程監管和溯源求真等困擾綜合評價招生錄取機制的全面推廣的核心問題。

3.2 綜合評價信息存儲與共享策略

綜合素質信息是高考綜合評價錄取的重要依據，需要解決信息公開、共享與隱私保護之間的矛盾，實現信息準確、數據多源、過程可溯的信息存儲與共享機制。以HyperLedger Fabric 超級賬本為代表的聯盟區塊鏈技術，采用機密和受控的信息流策略，兼顧數據共享和隱私保護，可解決學生綜合素質信息的采集、存儲、驗證追溯等問題；去中心化的信任模型、高性能的共識算法[5]，為綜合評價錄取輔助決策機制，提供了全局維度的系統框架。通過構建囊括教育行政監管部門、招生高校、綜合素質評價實體等多方參與、多元協同的學生綜合素質信息采集新機制，將各個維度的學生綜合素質過程信息，分階段輸入到區塊鏈中，改變傳統由學生或家長錄入信息系統后被動驗證的方式。采用“誰評價，誰錄入”的新機制，使得學生綜合素質信息的準確性、真實性和可追溯性顯著提升。同時，聯盟區塊鏈的channel 隔離等技術，較好地解決了數據共享和隱私保護之間的矛盾。目前，國內已有部分省市開展了基于區塊鏈的教育信息化的研究與應用。例如：2019 年，廣東省就啟動了基于“可信教育數字身份”的教育數字證照、教育數字檔案的應用試點工作，簽發了普通高考、學業水平考試、職業教育考試等10 余項相關電子檔案，服務200余萬名不同類型的考生[6]。

隨著時間的推移，多元化的教育信息將不斷匯集，呈“爆炸”式的增長。只有充分利用這些數據，并將其應用到綜合評價錄取決策過程中，才能引導高校以發展的眼光看待學生潛能，以綜合評價促進人才的多樣化發展，真正發揮綜合評價在新高考改革中“指揮棒”的作用，實現“培養能夠適應未來社會主義事業建設需要的接班人”的總目標。“教育卡”等可信實名教育數字身份在學生綜合素質電子檔案中的應用，為綜合評價錄取輔助決策機制提供了豐富的數據，同時，也為創新應用計算機輔助決策支持技術，構建綜合評價錄取輔助決策機制鋪平了道路。

3.3 基于圖表征的綜合評價模型設計

近年來，隨著圖表征算法研究和深度學習（Deep Learning）模型的突破，圖（Graph）廣泛應用于社交網絡、信用評價、智能推薦和知識圖譜等人工智能應用場景。在綜合評價錄取情境中，學生和考察評價項目之間構成了相互依賴的關系，將其依賴關系抽象成無向圖（Undirected Graph），通過分析其節點特性和結構特征，構建科學的綜合評價模型，輔助招生錄取決策。因此，綜合評價模型，將在聯盟區塊鏈技術框架下，按照“全局最優，動態構建”的總體思路，采用閉包傳遞與圖表征學習相結合的方法，構建出學生綜合素質信息關系圖；利用基于圖表征學習的算法，挖掘圖中各節點之間的隱藏信息，完成節點分類、鏈路預測和社群發現等任務，實現高校個性化的綜合評價錄取自動化輔助決策機制，解決高校應用綜合評價招生錄取機制的公平性、科學性和效率性等關鍵問題。

綜合評價模型中，關鍵環節是如何將“過程性的質性數據”進行度量，基于圖表征學習的評價算法（圖1）能很好地解決這個問題。具體步驟是：

圖1 基于圖表征學習的綜合評價算法示意圖

第一步，生成項目關聯圖。把已有的學生綜合評價信息記錄中的組織、項目和成果等數據，映射成無向圖（Graph）中的節點。將高考綜合評價錄取的指標構建問題，轉換成圖節點分類、節點聚集等節點嵌入（Node Embedding）問題。

第二步，項目節點圖表征學習。利用DeepWalk、Node2Vec 等模型，訓練得到每個項目節點的特征向量。構建出班級、學生、項目、組織四種類型節點組成異構圖，定義三種元路徑（MetaPath），利用metapth2vec等模型獲得項目節點的輔助特征向量。

第三步，構建學生-項目關聯圖。以學生節點為中心節點，項目節點為附加屬性節點，構建學生-項目關聯圖，并將第二步獲得的特征向量作為項目節點的特征值。

第四步，圖分類預測。按照綜合評價信息記錄分成的5 個主題（Topic），綜合考慮招生專業的差異性和高校個性化評價指標的要求，采用GAT、GAAN、GAM 等帶注意力矩陣的圖神經網絡模型進行分類，注意力矩陣動態調整鄰近節點聚合的權重，提高綜合評價算法效果。圖神經網絡模型中卷積運算公式為：

（1）式中，LeakyReLU 是非線性激活函數[7]；||代表將節點xi和xj的隱藏層表示進行拼接；

（2）式中，α（·）是一個注意力函數，它自適應地控制相鄰節點j對節點i的貢獻，使得模型在聚集特征信息時能將注意力權重分配給不同的鄰居節點；

（3）式中，READOUT 是把所有節點的特征（feature）集合起來代表整個圖（graph）。

為了學習不同子空間中的注意力權重，還需要使用多個注意力單元，并將注意力權重與多個模型集合起來，使用注意力權重引導隨機行走等策略，進一步提升模型精確性[8]。其公式定義為：

最后，將根據基于圖表征學習的綜合評價算法的效果進行評估，通過AUC（即ROC 曲線下的面積）、微觀F1 分數和訓練的時間等指標對模型進行比較，不斷調優模型的超參數，實現高考綜合評價錄取自動化的輔助決策。

4.綜合評價錄取輔助決策機制價值分析

基于圖表征的綜合評價錄取輔助決策機制，為全面推進公開、公平、科學、有序的綜合評價錄取提供了技術保障，具有較強的實用價值。

4.1 有利于綜合評價錄取全面推進。采用基于聯盟區塊鏈（Consortium blockchains）的學生評價數據存儲共享框架，解決了“兩依據一參考”中多元協同、隱私保護、全過程監管和溯源求真等困擾綜合評價招生錄取機制全面推廣的核心問題。錄取決策模型可以根據學校和專業的特性，突出個體智能的表現特征與發展潛能，快速生成多元化的評價標準[9]。自動化的輔助決策工具，提高了高校綜合評價錄取的工作效率，緩解了大規模運用綜合評價錄取機制所面臨的時效困難。

4.2 有利于促進綜合評價錄取科學決策。將高考綜合評價錄取標準指標構建問題，轉換成圖節點嵌入（Node Embedding）問題，解決了綜合評價在招生錄取過程中的公平性、科學性和效率性等關鍵性問題。閉包傳遞與圖表征學習相結合的方法，構建學生綜合素質信息關系圖，挖掘圖中各節點之間的隱藏信息，用于決策問題和有關因素分解、定量指標權重生成等環節，提高評價指標的科學性、合理性，降低人為因素、主觀判斷對綜合評價錄取的不利影響。

4.3 有利于完善綜合評價錄取監督制約機制。聯盟區塊鏈強大的過程性記錄和數據防篡改等特性，將高校自動化綜合評價錄取輔助決策模型和關鍵流程編寫成智能合約，記錄所有參與綜合評價錄取的成果和評價成績，形成“全過程式”的懲防機制，強化了考試招生的過程監督，增強了綜合評價錄取的規范化和透明度。

5.結語

在“新高考”改革背景下，依據綜合評價所進行的招生錄取工作的公平性和科學性，是關乎我國教育事業的發展能否適應經濟社會發展需求，關乎人才培養服務于創新型國家建設戰略的重大事項。推進計算機輔助決策技術在綜合評價錄取過程中的應用，有效整合綜合評價的共同點，形成統一、規范的評價方法和手段，解決制約綜合評價全面推廣的關鍵問題，是深化新時代教育評價改革與發展的主要通路，將產生良好的社會效益。