层次分析法支持下人工智能教育评价体系构建策略研究

人工智能课程当前已经成为现代教育的重要组成部分,作为一种新的教学内容,应该建立起有效的评价体系,以保证良性发展。研究过程基于层次分析法构建了完整的教学评价方法,相应的评价指标分为三个级别,包括课程建设管理、基础设施建设、教学资源建设、人才队伍建设等,可通过构造判断矩阵、计算矩阵的特征向量,以量化方式求解出各指标的权重。为了提高权重分配的合理性,引入战争策略优化算法,进一步强化了判断矩阵的一致性。总体而言,该次所建立的评价体系具有较强的实用性。

人工智能生成数字教育资源适应性评价指标体系构建

随着生成式人工智能(GAI)技术的发展,人工智能生成内容(AIGC)成为继用户生成内容(UGC)和专业生成内容(PGC)之后的主流内容生成模式,使得人工智能生成数字教育资源(AIGDER)成为新形态。但是,基于文献综述发现,对AIGDER急需开展评价以提高其适应性,且鲜有对其评价的研究。首先,通过文献综述和适应性及理论分析构建了包含内容质量的可信度、学习过程的支持度、资源规范的符合度以及师生使用的满意度四个要素的AIGDER适应性评价模型。其次,基于该评价模型构建了初始评价指标体系,并利用德尔菲法进行了修订,最终形成包含4个一级指标和19个二级指标的AIGDER适应性评价指标体系;利用层次分析法为该指标体系赋予权重并进行了合理性分析。最后,对该评价指标体系进行了小范围试用,验证了其科学性和有效性,表明该评价指标体系可以作为评价AIGDER适应性的可参考评价工具。

教育通用人工智能大模型标准体系框架研制

当前,人工智能大模型在各领域迅猛发展,其中教育领域的人工智能大模型虽然能够在知识生产、知识计算和知识服务方面完成多种智能任务以提供教学辅助,但其在功能构建、数据收集与管理、教学测评和应用等方面仍存在局限,同时缺乏适用于多个教育场景的通用人工智能大模型。基于此,文章从人工智能的发展和标准化的现状出发,对教育通用人工智能大模型的概念、原则和属性做出界定,并提出教育通用人工智能大模型标准体系,包括总体框架、信息模型、数据规范、测评规范和教学应用要求等,以从指导角度对教育通用人工智能大模型的研发、应用、管理和评估进行规范。文章通过研究,旨在规范通用人工智能大模型在教育领域的应用与发展,赋能、赋智于教育,推动教育的高质量发展。

人工智能何以赋能教育评价——基于国际研究热点和前沿的分析与启示

为探索教育评价研究的新技术和新方法,把握智能时代教育评价的新规律,该文以Web of Sicence数据库中相关文献为样本,基于高影响力作者、高频关键词和突现关键词等指标揭示人工智能赋能教育评价的国际研究概况、热点与前沿;并在系统把握研究态势的基础上,结合中国教育评价改革的现实需求,提出该主题的研究启示。研究发现,国际人工智能赋能教育评价的研究成果主要受益于教育学、心理学、社会学和计算机科学的交叉融合;研究热点主要聚焦于机器学习支持下的结果评价、基于教育数据挖掘和学习分析的过程评价、大数据和智能导师系统支持下的增值评价和人机评分一致性四个方面;研究前沿主要关注机器学习和自然语言处理技术支持下的教育文本挖掘与评价。未来,对人工智能赋能教育评价的研究应立足研究现状与现实需求,多角度推进教育评价的转型升级;基于跨学科意识与思维,推动研究范式和思路的转变;构建智能教育评价体系,促进理论研究、技术应用和制度建设的同向同行。

人工智能背景下考试招生制度与评价改革--第七届教育考试与评价研讨会综述

第七届教育考试与评价研讨会于2023年10月27-28日在上海交通大学成功举办,主题为“评价改革与教育考试高质量发展”。本届研讨会设立1个主会场和5个平行论坛。主会场聚焦人工智能背景下考试招生制度和评价改革,内容涵盖教育考试评价中的大模型构建及典型应用、数字化对考试招生改革的影响、智慧考试与智慧教育、教育教学改革与人才选拔、高考综合改革与招生录取创新、人工智能与教育评价和认知大模型与教育考试数字化转型;平行论坛涵盖高校招生实践与创新、人工智能与智慧考试、教育测量与评价、拔尖创新人才选拔、考试科研与招考改革高质量推进5个议题。来自教育行政主管部门、高校、科研院所、考试机构、高中学校及有关科技企业的600余位代表共襄盛会,碰撞思想、凝聚共识,共同探讨教育考试与评价的高质量发展之道。

师范生人工智能教育中学生评价体系的重构路径探索

在教育数字化转型加速背景下,作为未来教师的师范生需要深入学习人工智能在教育中的应用。为精准评估师范生在人工智能技术学习过程中的成长轨迹与能力提升,应创新性地结合前沿人工智能技术手段,通过搭建元认知评价支架、组织跨学科联合评价、建立关注成长的增值评价模型进行学生评价体系的重构,实现以反思促进学生深度学习、体现人工智能教育技术应用的学科差异性,并关注师范生在新知识领域内的知识积累与技能提升。

人工智能视野下教育教学体系重构探析

随着科技创新和产业升级的不断深入,推进人工智能的发展及应用逐渐成为全球主要经济体的共识。人工智能为教育教学带来了前所未有的机遇,也给当前的教育教学体系带来了严峻的挑战。全面剖析人工智能对传统教育教学体系的影响,提出人工智能视野下教育教学体系重构思路,包括教学管理、师生关系、教学内容、教学方式、课程教学过程管理等方面,使师生成为新型教育教学体系下的共建者和联盟者。面对以人工智能为代表的新型技术带来的机遇和挑战,探索教师和学生密切协同的,符合新时代、新技术要求的现代化教育教学体系,为培养适应未来时代发展和社会需求的智能型人才提供参考。

人工智能赋能高等教育课堂教学评价的伦理限度研究

目的:新一代人工智能技术的深入发展给当今社会带来深刻变革,对现代职业教育产生深远影响。目前人工智能已成为一种广泛而有效的教育手段,而不仅仅是简单的教学工具,还涉及教育和伦理问题。方法:文章首先采用基于TensorFlow的CNN模型构建的表情识别和基于OpenFace2.0的姿态识别,完成一套以人工智能技术为支撑的课堂评价开发系统。其次,通过智能数据分析与对比记录师生成长轨迹,对比传统评价和人工智能评价高等教育课堂教学遇到的问题与优势,论述高等教育课堂教学评价和教育伦理的关系。结果:人工智能技术赋能高等教育课堂评价存在伦理过度与伦理不及的现象,同时提出正确的人工智能赋能课堂评价伦理限度原则。结论:在人工智能赋能高等教育课堂教学评价实践中认真考虑这些伦理挑战,可以确保评价体系的公正性和全面性,更好地服务教育的真正目标,提高教育质量和学生综合素质。

人工智能时代高职院校智慧课堂评价体系构建研究

人工智能时代下,高职院校智慧课堂的核心架构在于全流程数字化教学模式,构建逻辑强调打造全资源互动化教学平台,主流价值体现在塑造全周期多元化教学课堂。文章设计问卷对人工智能时代下高职院校智慧课堂现状进行调查,得到30项具体评价指标。经过信效度检验后,从教学准备、教学环境、教学效果、教学能力、信息素养、课堂互动、课堂调控和课堂适应性8个方面着手,构建人工智能下高职院校智慧课堂综合评价指标体系。据此,提出立足深入应用学习行为数据,提升教学效果;加速场景驱动实践探索,强化课堂调控;构建多媒体培训平台,加强课堂互动多维评价体系应用策略,为高职院校智慧课堂建设与人工智能技术加速融合注入动能。

人工智能时代高等教育教学评价实践策略探究

人工智能时代的到来对高等教育影响较大,高校需要为人工智能革命做好准备,重视它在高等教育中的渗透,以此推动教育发展。教学评价作为高等教育的重要组成部分,需要学校加强重视,利用人工智能更新评价手段,高效发挥教学评价的价值。本文从人工智能角度出发对高等教育教学评价实践策略进行了探究。

人工智能时代的教育评价改革

随着人工智能技术的飞速发展,教育评价改革面临着前所未有的机遇与挑战。本文从认知心理模型视角出发,深入探讨人工智能技术在教育评价中的应用渊源、价值及其所带来的创新性变革。传统教育评价方法已不足以应对当前教育的复杂需求,人工智能技术提供了更为科学、客观和专业化的途径。同时,学生和教师的能力结构转型已成为教育评价改革的重要方向,大数据、自适应学习、深度学习与智能分析等技术在教育评价中发挥着关键作用。此外,多元化、个性化、大数据驱动、过程导向和聚焦高阶思维能力已成为教育评价的重要发展趋势。人工智能带来的变革不仅提高了教育评价的效率和精确度,也为教育评价体系的现代化开辟了新路径。

何谓人工智能素养:本质、构成与评价体系

ChatGPT等新一代人工智能技术给教育带来了积极和消极影响,教育领域不仅要被动应对人工智能带来的诸种挑战,更应该主动思考如何培育学生具备适应和驾驭人工智能的素养,本文将这种素养称之为人工智能素养,即通过人工智能教育培养的领域特定性与领域一般性兼具的学生核心素养。对人工智能素养的解析可以追溯到三维目标模式下的诸类研究,但这些研究未能廓清其内涵本质和内在逻辑。鉴于人工智能素养是因应人工智能技术的发展而产生的一种新的素养类型,本文首先从技术本体论视角分析了人工智能素养的本质——人的技术化,并从哲学认识论与教育心理学视角出发,把握了人工智能素养的构成:核心素养发展的实质就是一个“知识与思维”的动态转化过程;情感作为源于认知过程的情绪化体验,不仅涵养了知识建构与思维发展的过程,也是人类获得道德观念的根据和渊源。由是,知识、情感与思维的相互作用关系共同构成了学生人工智能素养的底层逻辑。籍此,本文从人工智能知识、人工智能情感、人工智能思维三个维度出发,重点构建并详述了人工智能素养的评价指标体系,以期为人工智能教育的健康发展提供指引。

人工智能技术赋能高职教育质量评价的优势、局限与未来发展

高职教育质量评价事关高职教育的高质量发展和高素质技术技能人才培养任务的落实,是职业教育发展的核心和职业学校的生命线。智能感知、智能计算和智能交互技术与高职教育质量评价的数据采集、体系完善和反馈应用具有内在联系,满足高职教育质量评价的客观化、适应性和专业化发展的现实需要。但人工智能技术赋能高职教育质量评价可能引发主体性困境、客观性问题和伦理性风险三大问题。未来应多维创新质量评价观念,校准评价方向;增强智能评价技术的应用性,提高评价效度;加强智能技术评价的制度保障,规范评价行为。

人工智能赋能教育评价:价值、挑战与路径

人工智能为教育的创新发展带来了新的驱动力,也催生教育评价的转型升级。人工智能在教育中的深入应用,将推动教育评价由“经验性评价”向“数字化评价”转变、由“单一性评价”向“综合性评价”转变、由“结果性评价”向“过程性评价”转变、由“诊断性评价”向“反馈性评价”转变。同时,它也会带来一系列问题,如技术至上遮蔽教育评价本质、标准缺失误导教育评价方向、算法偏见影响教育评价效度、反馈缺失削弱教育评价价值、人机互信危机阻碍教育评价实施、技术僭越加剧教育评价风险。智能教育评价设计者需要厘清本质内涵、完善指标体系、优化算法设计、健全反馈机制、强化人机互信、完善伦理规约,以提高教育评价的系统性、科学性和客观性,为教育创新发展提供有效依托。

困囿·价值·理路:人工智能赋能职业教育评价改革

传统的职业教育评价存在着评价主体单一、评价内容片面、评价方式简单、评价功能弱化等困境。在信息时代背景下,以人工智能为代表的现代化信息技术优化评价成为职业教育改革与发展的重要着力点。人工智能技术驱动形成多元评价的格局,契合学生的全面发展,打造评价的智慧场域,发挥评价的应然价值。为确保人工智能技术应用于职业教育评价的合理可能,在职业教育高质量发展中发挥积极作用,需转变评价思想,完善评价支撑基础,研制指标评价体系,完善评价机制保障。

生成式人工智能赋能高等教育形成性评价的价值、挑战及路径

生成式人工智能已经具备与人类进行有意义多轮对话的重要能力。传统高等教育形成性评价在及时性、个性化等方面存在不足。如何利用生成式人工智能优化高等教育评价过程,已经成为教育界共同关注的话题。研究旨在通过生成式人工智能,提供智能反馈,优化形成性评价,提高评价的效率与个性化水平,进而促进学生有效学习的发生。研究利用文献法与归纳法,聚焦形成性评价,在探讨生成式人工智能赋能高等教育形成性评价的基础上,从形成性评价的理念、对象、过程、结果和伦理等方面,探讨生成式人工智能赋能形成性评价的挑战,并提出了生成式人工智能赋能形成性评价的路径以期为生成式人工智能更好地赋能高等教育形成性评价提供借鉴和参考。

人工智能赋能职业教育增值评价的逻辑取向与路径探索

以人工智能、区块链、大数据为代表的智能技术不断推动职业教育评价的变革与创新。增值评价利用智能技术转变传统职业教育评价中唯智、唯学、唯成绩等的不科学评价导向,对构建新时代职业教育评价体系具有重要作用。在人工智能与职业教育融合的新时代背景下,职业教育增值评价必须厘清价值逻辑、内生逻辑、发展逻辑,为职业教育的高质量发展提供动力,从系统设计、价值耦合、数据依托、主体驱动四个维度构建具有中国特色的职业教育增值评价的路径,以实现促进学生全面发展、教师专业发展、职业院校效能提升的目标。

人工智能教育大模型:体系架构与关键技术策略

以大模型为代表的生成式人工智能技术为破解教学难题、革新教学样态带来了机遇。虽然大模型以其强大的泛化性能和跨领域的适应性,能够在多类场景中展现出强大能力,但若仅依靠海量数据训练带来的优势,往往很难满足教育场景下更高的知识准确度、价值观与安全性要求。为此,能够满足教育特定场景任务需要的人工智能教育大模型应运而生,能有效提升教育质量和推进个性化、智能化教学。本文综合分析了人工智能教育大模型的发展现状、概念内涵、技术特征和体系框架,旨在为人工智能教育大模型的未来发展提供理论与技术参考。当前,教育大模型的竞争力主要取决于技术和算力、教育数据和理解、教育场景和应用等,本文进而提出建设与应用框架及关键技术策略,以期推动中国版人工智能教育大模型在大规模因材施教、创新性与个性化教学中的应用,加快教育数字转型和智能升级。

论人工智能赋能基础教育评价改革的现实困境与建设方向

基础教育是国民教育体系的根基,评价改革是加快基础教育现代化进程的关键环节。当前人工智能技术为基础教育评价改革带来新的契机,但在具体实践中,仍面临理念偏差、主体制约与技术依赖等诸多困境。推进教育数字化转型,基础教育评价改革应率先明晰发展方向,从厘清评价理念、增强主体关照、夯实技术基础三方面入手,促进人工智能赋能基础教育评价改革。

面向教育2030的数学课堂对话人工智能评价体系构建研究

提高课堂对话的有效性是发展高质量课堂教学的重要抓手,构建面向世界经济合作与发展组织提出的教育2030远景目标,并立足中国数学学科发展的数学课堂对话评价体系,有助于为中国数学课堂教学评价和监测提供第三方依据和指南.评价体系的建设坚持科学性、通用性和可操作性,包括8个一级指标与22个二级指标,经检验具有较好的信度与效度,可为大规模课堂教学分析与比较及课堂对话规律挖掘等提供有效支撑,为创建优质高效的数学课堂奠定良好基础.