新時代教育評價改革效能的智慧監測一種自助平臺的構想

[中圖分類號]G434 [文獻標志碼]A

一、引 言

教育評價改革是教育改革的決定性環節，是推動教育現代化、教育強國建設的必由之路。2020年10月，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“四個評價\"改革方向，并強調充分發揮信息技術對教育評價改革的賦能作用，實現從輔助到創新。隨著人工智能、大數據、云計算等新技術的飛速發展及其與教育的深度融合，構建教育評價改革效能智慧監測的自助平臺成為落實《總體方案》的重要舉措，也為實現從單一結果性向多維過程性、增值性、綜合性評價轉型提供技術支撐[2]。《教育強國建設規劃綱要（2024—2035年）》進一步強調“深化教育評價改革”，以及明確提出“建立基于大數據和人工智能支持的教育評價和科學決策制度\"。鑒于教育評價改革涉及督導、教研、教管、學校等多方深度“參與者\"，自助平臺建設成為撬動教育評價改革效能智慧監測的“阿基米德點\"，推動教育評價改革從理念到實踐的全面落地，并賦能新時代教育綜合改革。自助平臺以教育評價改革核心任務為元數據，依托智能技術構建覆蓋多級評價目標、多元評價主體和多源數據驅動的監測體系，通過對各級各類教育評價改革的系統化數據采集、全要素建模分析、全息式圖景呈現，實現教育評價改革效能的精準評估與智慧監測。由此，本文基于“理論釋義一功能形態—結構模塊—應用旨歸”邏輯主線，構建集數字型、可視型和自助型功能于一體的平臺系統，并從數據“硬件層一采集層—處理層一呈現層—交互層\"揭開架構“黑箱”。希冀通過對新時代教育評價改革效能大規模、多模態數據的“望、聞、問、切”，實施“處方式\"改革推進策略，系統推進教育評價改革破舊立新。

二、新時代教育評價改革效能智慧監測自助平臺的理論釋義

自助平臺覆蓋新時代教育評價改革效能智慧監測的前、中、后全生命周期，既可以呈現教育評價改革前期的現實樣態，也重視教育評價改革中期的發展成效，更觀照教育評價改革后期的全面治理。

（一）新時代教育評價改革效能智慧監測自助平臺的內涵意蘊

所謂自助平臺，是指用戶可以自行操作的平臺。新時代教育評價改革效能智慧監測自助平臺是嵌入人工智能等新技術的數據整合式、算法集成式、人機交互式一體化開放平臺，借助更多數據、更大算力、更大參數給算法測度模型帶來更高性能，是一種實現教育評價改革效能智慧監測的理想樣態。一方面，在理念更新上，自助平臺通過人機協同方式創新教育評價改革效能的智慧監測，為教育科研者、教育管理者等多元用戶群體提供更海量、更有效、更直接的原始數據、挖掘技術、算法模型。另一方面，在功能創設上，自助平臺通過海量異構數據的匯聚和整合，基于多源數據融合技術、文本挖掘技術、機器學習技術，實現對教育評價改革效能智慧監測的一站式管理。例如，自助平臺的數據采集模塊基于新時代教育評價改革效能監測的矩陣結構模型，即縱向維度的教育評價目標、評價過程、評價方法、評價結果監測等評價內容要素，以及橫向維度的黨委和政府、學校、教師、學生、用人單位等評價主體要素8，對\"縱—橫\"兩個維度的所有觀測指標進行元數據挖掘、整合和匯總，以實現對“教育評價設計\"（教育評價目標、教育評價方法、教育評價主體）、“教育評價實施”（教育評價程序、教育評價技術、教育評價組織）、“教育評價結果”（教育評價結果形式、教育評價結果質量、教育評價結果應用）的可行性、適切性、精確性、效用性等監測評估。

（二）新時代教育評價改革效能智慧監測自助平臺的理性定位

自助平臺作為服務新時代教育評價改革效能智慧監測的重要載體，遵循以服務立德樹人為價值理性和以擁抱數據思維為工具理性的雙重定位。其一，自助平臺遵循以服務立德樹人為價值理性定位。立德樹人是新時代教育的根本任務，也是貫穿教育評價改革的核心理念。新時代教育評價目標更加凸顯導向、鑒定、診斷、調控和改進的現代功能作用，自助平臺將技術手段與教育評價改革效能的智慧監測深度融合，包括對各級黨委政府思想政治工作的評價、推進各級各類學校教育質量評價標準的制定和實施、改善人才使用導向機制等，以落實立德樹人根本任務。其二，自助平臺遵循以擁抱數據思維為工具理性定位。自助平臺通過海量數據的多模態采集、智能算法分析與結果可視化應用，提升教育評價的全面性、科學性、精準性、動態性和特色性。例如，在數據采集上，可以運用米切爾數據分類法錨定教育評價改革多元主體，根據數據的屬性、來源、用途等特征進行系統分類與多元評估，并基于評估結果為各級各類教育評價改革提供決策依據。其中，數據來源包括教育內部數據和教育外部數據；數據類型包括結構化數據、非結構化數據和半結構化數據；數據時效性包括離線批處理和實時流處理數據等[12]。在此基礎上，自助平臺賦能教育評價改革元數據分類、評估和監測，切實發揮工具理性價值。

三、新時代教育評價改革效能智慧監測自助平臺的功能形態

人工智能時代視域下，自助平臺在全程式人機協同交互中，以數據計算力賦能教育評價改革指標數據處理自動化、以全面感知力實現教育評價改革效能監測過程智能化、以精確診斷力促進教育評價改革效能監測反饋智慧化[13]。因此，自助平臺在系統架構上遵循“需求導向、應用為王\"的“融\"技術理念與“治理導向、數據為王\"的“改\"評價理念，其功能形態表征為數字型平臺、可視型平臺和自助型平臺。

（一）數字型平臺：以數據計算力賦能教育評價改革指標數據處理自動化

新時代教育評價改革效能智慧監測的自助平臺作為數字型平臺，按照可觀測、可度量、可評判的基本要求，以數據計算力賦能教育評價改革指標數據處理自動化。數字型平臺以數據為核心要素，服務新時代教育評價改革效能監測指標數據采集、數據管理、數據測算、結果監控等全過程。一方面，數字型平臺匯聚多源教育評價改革效能監測指標數據全樣本集。在數據成為生產要素的時代，由海量數據累積形成的數據圖譜，正成為聯通物理空間、信息空間、人類社會空間“三元世界\"的紐帶[4，并以分配正義、算法正義和數據正義形式在數字化轉型中達成數字正義[5。因此，利用數據挖掘技術實現對黨委和政府、學校、教師、學生和用人單位等主體的教育評價改革數據進行時序性、空間化、細粒度式海量采集，并通過調研數據上傳、宏觀面板數據接入、開源網頁數據爬取等方式形成教育評價改革效能智慧監測的“萬億級自成體系”大數據平臺。另一方面，數字型平臺內嵌機器學習等計算智能，服務教育評價改革效能監測指標數據測評建模自動化。計算智能主要涉及計算機在處理數據和執行任務方面的能力，核心技術表征為機器學習。機器學習通常是基于數據構建概率統計模型并運用模型分析和預測數據，經典的機器學習算法包括線性回歸、邏輯回歸、支持向量機（SVM）、隨機森林、梯度提升樹（GBDT）等[。各教育評價主體可以在數字型平臺中，按需選取適配算法，基于各級各類教育評價改革效能相關的量表統計或面板統計原始數據，利用計算智能實現教育評價改革效能監測指標數據建模處理自動化。

（二）可視型平臺：以全面感知力實現教育評價改革效能監測過程智能化

新時代教育評價改革效能智慧監測的自助平臺作為可視型平臺，可為全教育場景、多用戶群體提供精準化、個性化教育評價改革效能智慧監測的數據畫像，通過全面感知力實現教育評價改革效能監測過程智能化。一方面，可視型平臺要打通指標數據資源管理服務系統壁壘，基于自然語言口令調取、整合和分析指標數據，實現對教育評價改革效能監測指標數據的全覆蓋、全過程、全時域的動態監測評估。其中，全覆蓋是指充分整合各級各類教育評價領域，以及各教育評價主體，形成教育評價改革效能監測指標整全系統；全過程是指貫穿各個環節，從數據采集與分析到應用與決策，實現教育評價改革效能監測的全流程可視化支持；全時域則是強調實時動態監測，確保教育科研者、教育管理者等不同用戶群體能夠及時獲取最新數據報告結果并判斷采取因應措施。另一方面，可視型平臺借助數據分析工具預設數據處理流程，智能生成滿足需求的各級各類教育評價改革效能監測報告。可視型平臺基于內嵌的常用圖表、數據看板[18]等可視化技術，在數字型平臺功能基礎上，根據不同群體用戶需求自定義生成直觀、易懂、美觀的數據畫像。同時通過自動化報告生成功能提供個性化數據支持和決策建議，輔助不同教育主體采取針對性措施深化新時代教育評價改革。

（三）自助型平臺：以精確診斷力促進教育評價改革效能監測反饋智慧化

新時代教育評價改革效能智慧監測的自助平臺作為自助型平臺，以“用戶 + 認知智能大模型技術\"的精確診斷力促進教育評價改革效能監測反饋智慧化。

自助型平臺通過嵌人自然語言處理、機器學習和大數據等技術，在通用人工智能大模型的迭代升級中從簡單的數據采集處理呈現向更深層次的評估反饋建議轉變，為各類各級教育評價改革效能監測提供差異化監測報告和精準化決策支持。自助型平臺并非一個封閉平臺，而是一個開源平臺，為不同用戶提供共同參與的大數據平臺，因而必然歷經基礎搭建和應用完善兩大階段。在基礎搭建階段，遵循“數據 + 算法\"雙輪驅動的多模態數據接入與人工智能技術嵌入的技術路線，形成集數據挖掘、數據處理、數據分析、數據畫像、決策反饋于一體的自助平臺；在應用完善階段，深化關聯指向不同教育場景的教育評價模型，生成個性化評價報告結果，滿足多元評價主體的價值訴求和發展需要，以服務教育評價改革效能智慧監測。總之，自助型平臺不僅突破和豐富教育評價改革效能監測指標數據在采集處理和分析呈現上的時空限制與方法選擇[，而且促進教育評價改革效能監測報告結果的發展性功能實現，讓教育評價改革處于全景化的海量數據場景中，根據不同評價主體日益增長的特定需求生成個性化、可視化的監測報告，為不同評價主體在教育評價改革效能監測全過程中進行診斷和決策參與提供精準服務。

四、新時代教育評價改革效能智慧監測自助平臺的結構模塊

自助平臺深度融合5G、人工智能、視覺傳感、大數據、云計算等科技手段，以智能化、數字化、可視化、服務化等為智慧表征。自助平臺在架構上涉及“數據硬件層一數據采集層一數據處理層一數據呈現層—數據交互層\"的“五層\"結構模塊，如圖1所示。

（一）數據硬件層：自助平臺建設的物理基礎

數據硬件層是自助平臺建設的物理基礎，旨在為自助平臺提供高效、穩定的硬件支持。從應用場景上看，數據硬件層主要包括終端硬件和服務端硬件兩大部分。一方面，終端硬件是數據采集層、數據處理層、數據呈現層、數據交互層的物理載體，包括電腦主機、拼接顯示屏、路由器等設備。自助平臺根據運行需求靈活配置上述設備，為不同用戶群體提供有效、便捷和個性化的數據訪問、下載、使用與交互等需求體驗。另一方面，服務端硬件是進行數據存儲、計算和通信的設備，其存在形式既可以是本地搭建的服務器或服務器集群，也可以是阿里云、華為云、騰訊云等云服務器。無論何種形式，服務端硬件的選擇都需從性能、效能和安全性等方面滿足自助平臺建設的需求。其中，高性能的服務器集群能夠支持海量教育評價改革效能監測指標數據的處理分析，而云服務器則能夠提供彈性擴展能力，適應教育評價改革效能監測指標大規模數據的動態變化。值得一提的是，在數據硬件層的建設上，一是要注重硬件設備的性能與耗能平衡問題。盡管高性能的服務器和終端設備更加支持大規模數據的實時處理與分析，但是也需要考慮成本與能耗問題。二是要注重硬件設備的安全性保障問題。自助平臺涉及大規模教育評價改革效能智慧監測指標數據，需要確保硬件設備支持加密存儲、訪問控制、數據修復等技術功能，在符合相關法律法規要求的基礎上最大限度確保教育評價改革效能監測指標數據的安全性。

圖1新時代教育評價改革效能智慧監測自助平臺的建設框架

（二）數據采集層：自助平臺建設的數據基座

在人、機、物三元世界融合的大數據時代，教育評價改革效能智慧監測需應對大數據“4V特征\"（體量浩大、模態繁多、生成快速、價值密度低），依托去冗降噪、挖掘等AI技術2，構建涵蓋結構化數據、半結構化數據、非結構化數據的采集層，通過文字識別、語音識別、視頻解析及生理信息識別等技術，形成支撐教育評價改革效能監測的多模態數據庫2，實現數據價值的高效提取與合理利用。自助平臺在數據采集層，要對教育評價改革實踐活動中的多源異構數據進行充分采集，包括學生學習行為類、教師教學類、教育管理信息系統和政府校務服務平臺中的數據等，形成源自人人、面向人人的多模態數據庫。教育數據可以分為教育行政部門數據和學校數據22，自助平臺要圍繞教育管理、教學和科研等核心業務場景進行分類數據采集。在教育管理場景中，重點采集學校資源配置、教師績效評價等數據；在教學場景中，重點采集課堂教學實錄、學生學習行為等數據；在科研場景中，重點采集科研項目進展、學術成果等數據。同時，數據采集層作為原始數據采集階段所在層，主要通過“系統日志采集\"和“數據庫\"兩種方式獲取數據，前一種方式采集的數據主要來自政府空間、學校空間和社會空間，后一種方式采集的數據主要來自第三方調研數據。總之，數據采集層重在對教育評價改革實踐活動中結構化、半結構化和非結構化的泛在數據進行系統采集、特征抽取、編碼匹配和動態關聯[23]，為后續數據處理層、數據呈現層和數據交互層提供數據基座。

（三）數據處理層：自助平臺建設的運行中樞

數據處理層是新時代教育評價改革效能監測智慧自助平臺的硬核模塊，主要任務在于對數據采集層的歸類數據進行數據預處理、數據分析、數據倉庫建設，為教育評價改革效能智慧監測提供科學、精準的數據處理功能支持。數據處理層通過對黨委和政府教育工作評價、學校評價、教師評價、學生評價和用人單位評價數據源全方位、全領域、全過程挖掘分析，明確數據之間的關系、屬性，深度處理采集層中的異構數據、語義多樣性文本及多模態數字信息源并將其轉化為易于提取的狀態[24。從多維度、多模態數據中提取出價值信息，以賦能新時代教育評價改革效能智慧監測，自助平臺數據處理層必須滿足以下三點核心需求：一是數據處理層的算法支持需求。數據處理層應有效地管理和分類數據資源，運用好云端、算法等硬件和軟件資源來協調數據處理。為保證數據處理的流暢度，數據處理層還需對服務器、存儲設備、終端設備等所有硬件設備的運行健康狀態進行監管，通過實時監控服務器的CPU使用率、內存占有率等指標，及時發現并解決自助平臺運行過程中的硬件故障，規避平臺系統發生宕機現象。二是數據處理層的算法嵌入需求。自助平臺的數據處理層要在數據計算功能的多重算法嵌人中，盡可能提供覆蓋各級各類教育評價改革效能監測指標數據處理的模型構建與算法應用需求，包括聚類分析、相關分析、預測分析等。三是數據處理層的算法隱私需求。數據處理層除了實現有效數據處理外，還應注重數據處理過程的隱私保護機制預警。在運行過程中，要基于防火墻、入侵檢測系統等技術，防止數據泄露和網絡攻擊，并做好系統備份工作，定期對自助平臺的所有教育評價改革效能監測指標數據進行備份，確保數據可恢復性與完整性。

（四）數據呈現層：自助平臺建設的展示端口

數據呈現層作為新時代教育評價改革效能智慧監測自助平臺的輸出端口，旨在對數據處理層的結果加以可視化展現，具有“看數據、用數據、管數據\"等豐富功能。數據呈現層旨在用更貼近生命的形式將數據表征的評價結果具象化，在深度挖掘評價數據潛在價值中彰顯教育評價改革的人文價值2。首先，數據呈現層的主題畫像描摹模塊旨在對教育評價改革的軌跡、改革后的教育評價樣態等進行動態描摹。一方面，主題畫像描摹模塊有助于從全局層面生成教育評價改革畫像，直觀展示教育評價改革的歷史進程、關鍵節點與標志成效，精準把握教育評價改革的整體情況；另一方面，主題畫像描摹模塊有助于從局部層面生成服務不同利益相關主體的教育評價改革畫像，包括為教師專業發展提供科學改進依據的教師評價畫像、為個性化培育學生的學生評價畫像等。其次，數據呈現層的指標分析與解讀模塊旨在對教育評價改革效能監測指標的基本狀態數據、歷次評估數據等進行深度分析和對比解讀。通過對教育評價改革效能監測指標數據進行多維度交叉對比分析，揭示不同地區、學校、教師和學生等之間的異質性，為教育資源的優化配置提供數據循證支持。再次，效能綜合分析報告旨在根據不同主體需求生成定制化的監測報告，如為教育管理者提供區域教育發展報告、為學校管理者提供學校辦學質量報告、為教師提供教學質量報告、為學生提供學習行為報告等。最后，管理駕駛艙旨在將教育評價改革效能智慧監測更加直觀具象化，包括基于傳統可視化圖表、地圖、傳統可視化圖表與地圖相結合、數據流拓展等四種典型展示模式[2，助力教育管理者實時查看教育評價改革效能監測的關鍵性指標數據，并根據預警提示作出科學決策咨詢和采取相應措施。

（五）數據交互層：自助平臺建設的應用視窗

數據交互層是新時代教育評價改革效能智慧監測自助平臺的開放區域，通過聊天機器人、語音助手等人工智能驅動的交互式體驗與個性化服務，在指令輸入中調取數據、構建模型、揭示結果和生成策略，實現教育管理者、教師、學生等用戶與自助平臺之間的有機交互。其一，數據交互層遵循“數據發現促智慧服務\"理念，基于數據分析結果報告給各級各類教育評價改革問題“開處方”。既可以通過自然語言技術提升用戶與自助平臺交互的智能化水平，讓自助平臺真正精準理解和智慧服務用戶需求；也可以通過深度學習技術不斷優化自助平臺的算法模型，讓自助平臺能夠基于復雜真實測評場景，提供更加專業化、個性化智慧測評服務，如生成各級各類各主體教育評價改革效能提升模型等。其二，數據交互層作為自助平臺的應用前端，旨在充分發揮對教育評價改革效能監測的“體檢儀\"和“指揮棒\"作用。自助平臺的數據交互層可以實現全面診斷（診）決策咨詢（咨）、客觀監督（督）、促進提升（促）和輿論引導（導）等多種功能，服務黨委和政府、學校、教師、學生、用人單位等教育評價改革決策。其三，數據交互層在推進自助平臺對教育評價改革效能監測結果的運用機制上，應從智慧監測自助平臺的用戶端與管理端著手。在用戶端，教育管理者、教育實踐者、教育研究者等各類用戶群體需對自助平臺提供的監測結果進行深度分析、有機轉化，進一步提煉出量質互證的價值觀點和行動方案，達成以“監”促\"改\"新格局;在管理端，自助平臺自身應扮演好\"體檢員\"的角色，通過專題管理、報告管理和數據管理對教育評價改革效能監測結果進行實時維護，并基于用戶管理、行為統計、頭圖管理實現智慧監測自助平臺的問題預警與運行保障機制。

五、新時代教育評價改革效能智慧監測自助平臺的應用旨歸

自助平臺以“分類發展、分層提升、分級反饋\"為應用旨歸，通過拓展數據挖掘廣度、加強數據分析深度、提升數據反饋效度，形塑數字評價生態、數字畫像生態、數字育人生態的新時代教育評價改革“三圈\"生態。

（一）分類發展：拓寬數據挖掘廣度，形塑數字評價生態

自助平臺在拓寬數據挖掘廣度上，遵循評價主體維度和數據載體維度雙線并行的采集思路，通過“數據沉淀\"形塑數字評價生態，以促進新時代教育評價改革的分類發展。一方面，自助平臺以多主體數據擴容形塑數字評價生態。自助平臺覆蓋黨委和政府、學校、教師、學生、用人單位等多主體評價改革效能監測指標數據，輻射教育領域\"教、學、考、評\"全場景。另一方面，自助平臺以多模態數據擴容形塑數字評價生態。正如《總體方案》中強調，在組織實施過程中，應“創新評價工具，利用人工智能、大數據等現代信息技術，探索開展各年級學生學習情況全過程縱向評價、德智體美勞全要素橫向評價\"。由此，以學生評價數據為例，自助平臺通過腦機接口、化身動作捕獲等技術可采集更加精準的多模態數據，包括注意力數據、情感數據、認知狀態數據、學習行為數據等，通過大數據建模分析以形成對學生評價主體的數字評價微生態。多模態數據擴容是在已有大數據庫分類基礎上，利用不同存在形式、感知方式和學習方式等模態數據之間的信息互補機制豐富自助平臺大數據庫。智能教育領域常見的多模態數據類型主要包括外在表征數據、內在神經生理信息數據、人機交互數據、學習情境感知數據等[2]。綜上所述，自助平臺通過多模態數據擴容、異構數據源融合和跨模態特征提取，從認知行為、情感體驗、社會交互等多重視角，對教育評價改革中的多元主體、多維目標、多元方法、多層情境等效能監測指標體系展開更為全面、精準的刻畫與建模，從而挖掘教育評價改革效能監測指標數據背后的有效信息、特征規律，以推動教育評價改革縱深發展。

（二）分層提升：加強數據分析深度，形塑數字畫像生態

未經深度加工處理的海量數據沒有太多意義，也無法回答特定問題，更不能生成知識智慧，以及作出更科學的價值判斷2。自助平臺作為“教育評價智慧大腦”，利用大數據、云計算、泛在學習、人工智能等新技術，對海量教育評價改革效能監測數據深度標準化、算法化、可視化分析以形塑數字畫像生態，在分層提升中精準、高效、立體推進教育評價改革。首先，在時間序列上，自助平臺對教育評價改革的過去、現在和未來進行效能智慧監測數據畫像，不僅便于展現教育評價改革的歷史演進樣態，而且可以洞察和預測教育評價改革的趨勢走向。其次，在空間維度上，自助平臺對教育評價改革效能智慧監測的全域分析結果進行數據畫像，形成服務區域教育評價改革效能監測的雷達系統與智能導航，為黨委和政府、教育行政部門和教育管理部門等提供更加直觀的教育評價改革效能智慧監測可視化通道。最后，在評價場景上，自助平臺對全場域教育評價改革效能智慧監測數據的聯通整合分析與可視化呈現，可以輸出滿足多場景需求的數字畫像。其中，政府評價改革效能數字畫像可以評估教育評價政策的實施效果；學校評價改革效能數字畫像可以評估學校的辦學質量和資源配置情況；教師評價改革效能數字畫像可以展示教師的教學方法、學生反饋、教學成果關系圖譜；學生評價改革效能數字畫像可以識別學生的學習習慣和發展潛力；用人單位評價改革效能數字畫像可以反映用人單位的崗位人才招攬機制變革等。

（三）分級反饋：提升數據反饋效度，形塑數字育人生態

自助平臺通過提升數據反饋效度，形塑智慧能動、高效速動、個性互動的數字育人生態，實現教育評價改革效能監測從數據驅動轉向智慧驅動30。教育評價改革效能智慧監測的結果應用與價值轉化是一個復雜的系統工程3，涉及多方教育評價主體，自助平臺不局限于“大而統”的宏觀報告呈現，更加契合多元利益相關者的中觀和微觀現實需求，形成服務各級各類教育評價主體的全領域、全要素、全流程數據反饋機制，以真正走向數字育人生態。由此，自助平臺須從以下四個方面系統著力：一是自助平臺要推動全周期的評價原則落地。教育評價改革遵循科學主義與人文主義融通并舉的價值立場32，因而效能智慧監測過程貫穿\"以立德樹人為根本任務\"的測評理念，監測目標旨在推動為黨育人、為國育才，監測方法強調工具理性與價值理性相結合。二是自助平臺要強化全情境的評價結果應用。自助平臺為新時代教育評價改革效能監測評估嵌入與生成的諸多智能算法、智能分析、智能報告，都旨在覆蓋更加廣泛的測評場景，為各級各類教育評價改革決策提供全面信息，服務教育管理優化、教學策略調整、學習環境改善、教育質量提升等。三是自助平臺要優化全主體的評價過程監測。自助平臺從數據采集層到數據交互層都始終以覆蓋教育評價全主體為底層邏輯，以實現對教育評價改革效能監測的全面把控，保障數據反饋效度的同時服務數字育人終極目標。四是自助平臺要增加全領域的人工智能支撐。以依托\"大數據 + 大算力 + 大算法”的ChatGPT[33]和DeepSeek等大模型加持，既是新時代教育評價改革效能智慧監測的自助平臺建設之基，也是維系穩定數字育人生態的“硅基生命\"原動力[4]

六、結束語

人工智能時代視域下構建教育評價改革效能智慧監測自助平臺，是深化教育評價改革的關鍵技術支撐，也是推動教育強國建設規劃的重要實踐路徑。本研究基于“數字型—可視型—自助型\"功能形態和數據“硬件層—采集層—處理層—呈現層—交互層\"結構模塊，構想面向教育評價改革效能“全程式\"智慧監測的自助平臺。自助平臺通過整合大數據、云計算和人工智能等新技術，實現多源異構教育評價改革數據的智能采集、深度分析和可視化呈現，形成教育評價改革效能全領域、全主體、全要素的智慧監測閉環。未來，隨著教育評價數字化轉型的深入推進，自助平臺還需在數據治理機制、智能算法優化、多模態數據融合等方面持續完善，以塑造更加開放、協同、可持續的教育評價數字生態。

[參考文獻]

[1]中共中央，國務院.中共中央 國務院印發深化新時代教育評價改革總體方案[N].人民日報，2020-10-14（1）.

[2]張進良，楊苗，談桂芬.智能技術賦能基礎教育評價改革的實然困境與路徑選擇[J].中國遠程教育，2023，43（2）：18-27.

[3]中共中央，國務院.中共中央 國務院印發《教育強國建設規劃綱要（2024—2035年）》[N].人民日報，2025-01-20（6）.

[4]朱德全，馮丹.新時代教育評價改革多元主體的行動邏輯[J].現代教育技術，2024，34（5）：5-15.

[5]朱德全.新時代教育評價改革的強國邏輯[J].湖南師范大學教育科學學報，2023，22（6）：1-4.

[6] 羅生全，張俊生.數字治理賦能新時代教育綜合改革：內涵邏輯、模型框架與實踐進路[J].電化教育研究，2025，46（3）：13-20.

[7]羅生全，陳卓.大數據時代教育評價的價值重構與邏輯理路[J].貴州師范大學學報（社會科學版），2023（4）：116-128.

[8]朱德全，彭洪莉.新時代教育評價改革效能監測的結構模型與技術路徑[J].西南大學學報（社會科學版），2023，49（6）：216-225.

[9]王志遠，朱德全.“破”中有“立”;新時代教育評價改革的理性邏輯[J].清華大學教育研究，2024，45（1）：99-109.

[10]楊磊.新時代教育評價類型化改革與差異化路徑[J].民族教育研究，2024，35（3）：61-68.

[11]曾歡，朱德全.新時代黨委領導與政府推進教育工作評價的目標檢視[J].民族教育研究，2024，35（3）：52-60.

[12]李愛霞，舒杭，顧小清.打造教育人工智能大腦：教育數據中臺技術實現路徑[J].開放教育研究，2021，27（3）：96-103.

[13]袁春艷，王琳，熊余.認知智能賦能教育評價變革的邏輯與實踐[J].教育發展研究，2024，44（12）：54-62.

[14]李海東，許志強.“數據價值 ?+ 人工智能”雙輪驅動下媒體智能化變革路徑探析[J].中國出版，2019（20）：46-50.

[15]曹渡帆，朱德全.新時代教育評價改革的數字正義何以可能[J].電化教育研究，2023，44（12）：21-27，34.

[16]李運福.人工智能賦能高等教育評價改革的國際借鑒[J].電化教育研究，2025，46（2）：32-40.

[17]朱德全，劉璐璐.新時代教育評價改革的“兼容—中心”識別：分析框架與制度邏輯[J].教育研究與實驗，2024（3）：11-121.

[18]吳南中，夏海鷹，黃治虎.基于大數據的智慧教室駕駛艙的設計與實踐——以重慶廣播電視大學為例[].現代教育技術，2020，30（3）：101-107.

[19]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.

[20] 李國杰，程學旗.大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考[J].中國科學院院刊，2012，27（6）：647-657.

[21]肖睿，肖海明，尚俊杰.人工智能與教育變革：前景、困難和策略[J].中國電化教育，2020（4）：75-86.

[22]楊偉平，曾德華，段婷婷，等.數字化轉型背景下的教育數據分類分級研究[J].現代教育技術，2025，35（1）：89-97.

[23]劉紀平，王勇，胡燕祝，等.互聯網泛在地理信息感知融合技術綜述[J].測繪學報，2022，51（7）：1618-1628.

[24]羅士琰，張輝蓉.新時代教育評價改革效能觀測指數構建[J].民族教育研究，2024，35（3）：69-77.

[25]曹渡帆，朱德全.數據故事化：數字時代學生綜合素質評價的新思路[J].遠程教育雜志，2024，42（5）：35-42，112.

[26]楊現民，郭利明，邢蓓蓓.區域教育大數據分析架構與展示設計研究——以江蘇省A市為例[J].電化教育研究，2020，41（5）：66-72.

[27]劉革平，高楠，胡翰林，等.教育元宇宙：特征、機理及應用場景[J].開放教育研究，2022，28（1）：24-33.

[28]王一巖，鄭永和.多模態數據融合：破解智能教育關鍵問題的核心驅動力[J].現代遠程教育研究，2022，34（2）：93-102.

[29]鄒太龍，劉天琪.大數據支持下學校德育評價的時代轉向及其反撥機制[J].中國教育學刊，2021（12）：91-97.

[30]熊晴，朱德全.新時代職業教育評價數字化轉型的形態與路徑[J].中國遠程教育，2024（4）：94-104.

[31]賴因哈德·施托克曼，沃爾夫岡·梅耶.評估學[M].唐以志，譯.北京：人民出版社，2012：6.

[32]曹渡帆.科學主義與人文主義的融通：數字時代教育評價改革的價值選擇與構建路徑[J].貴州師范大學學報（社會科學版），2025（2）：151-160.

[33]吳慮，楊磊.ChatGPT賦能學習何以可能[J].電化教育研究，2023，44（12）：28-34.

[34]宋兆祥，司林波.人工智能賦能新時代教育評價改革的邏輯、邊界與路徑——構筑智慧教育評價生態的變革之路[J].教育科學研究，2024（11）：59-65.

Smart Monitoring of the Effectiveness of Educational Evaluation Reform in the New Era： A Conception of A Self-service Platform

ZHU Dequan'， PENG Hongli2 （1.Faculty of Education， Southwest University， Chongqing 400715; 2.Center for Studies of Education and Psychology of Ethnic Minorities in Southwest China，Southwest University， Chongqing 400715）

[Abstract] Building a self-service platform for smart monitoring of the effectiveness of educational evaluation reform is the \"last kilometer\" to promote the educational evaluation reform in the new era towards high -quality implementation.By leveraging the power of new technologies such as artificial intelligence，big data，and cloud computing，we can buildan intellgent，dynamic，and visualized platform for monitoring the effectiveness of educational evaluation reform， providing effective technical support and intelligent decision-making support for all levels and types of educational evaluation reform. The selfservice platform for monitoring of the effectiveness of education evaluation reform in the new era is characterizedas a digital platform，a visual platform，and a self-service platform in the form of \"three platforms\"，including the \"five-layer\" structural modules of data hardware layer，data collection layer，data processing layer，data presentation layer，and data interaction layer.In order to better serve the educational evaluation reform across all timelines，spaces，and multiple scenarios，the self-service platform for smart monitoring of the effctiveness of educational evaluation reform in the new era should continuously expand thebreadth of data mining，enhance the depth ofdata analysis，and improve the validity of data feedback， and it should shape the \"ecosystem\"of digital evaluation ecology，digital portrait ecology，and digital education ecology through categorized development， hierarchical improvement， and graded feedback.

[KeyWords] Effectiveness of Educational Evaluation Reform; Smart Monitoring; Self-service Platform; Artificial Intelligence; Big Data