人工智能教育大模型赋能综合素质评价:理念、模型与展望

综合素质评价是教育评价改革的“深水区”,也是实现高质量教育的“发展区”。在人工智能快速发展的背景下,综合素质评价需要遵循四大原则,即在“以育人为导向”的目标引领下,通过设计“教—学—评”一体化的评价框架,采用综合评价与个性化评价相结合的方式,运用数智化的动态评价形式,构建完备的综合素质评价体系。然而,实践中教育大数据技术发展滞后往往导致综合评价难以“平衡”,评价系统的智能推荐能力不足使得个性化评价难以“求异”,这些困境限制了评价育人功能的发挥。为此,文章提出以“第四代评价”为理论基础,结合“OSEMN”大数据分析框架和“1+N分布式智能体系统”结构,构建“教—学—评”一体化的人工智能教育大模型,赋能综合素质评价。未来教育教学中,教师应在预训练与微调阶段优化模型的评价能力,通过多种途径促进人机和谐共处,推动大模型与综合素质评价深度融合。

基于泰勒多项式模型的1960—2000年中国大陆各年代磁异常场差异

基于1960.0,1970.0,1980.0,1990.0和2000.0年的中国大陆地区实测地磁数据,采用泰勒多项式展开建立了一个中等尺度的低空间分辨率的地壳磁异常模型,结合第四代地磁场综合模型CM4绘制了各年代的磁异常场分布图,并将所有实测点归算至2000.0年以分析磁异常的整体分布,而后通过最新开发的综合地面磁测数据及航空磁测的三维曲面样条模型研究各年代磁异常的差异。结果显示:泰勒多项式模型的北向分量X的磁异常强度随时间逐渐降低,分布呈向西南收缩趋势;东向分量Y的磁异常呈正值区向西部移动、负值区逐步占据优势的趋势;垂直分量Z的磁异常以负值为主,形态较为稳定,说明该分量不易受到其它因素的干扰。对于归算后磁异常的整体分布,X向和Z向分量、总强度F、垂直分量H几乎均为负值,与CM4模型存在一定的差异。由于数据的相似性,总强度F的分布与3DSS模型有一些相似特征,但后者可反映更多的中小尺度磁异常信息。三种模型存在的差异主要来自数据数量、位置和建模方法的不同。