人工智能赋能教师教育增值评价：价值意蕴、内在机制与实施路径

朱珂 刘玉莹 尚云翔 张晨雨

（河南师范大学 教育学部，河南 新乡 453007）

引言

教育部教师工作司2022 年工作要点指出，要推动人工智能助推教师队伍建设，就必须确立其价值取向，开展教师智能研修，建立完善的教师教育体系。增值评价是一种注重对评价对象的纵向成长幅度比较的评价方式，可将其作为教师绩效考核实践、学校效能评估和区域教育发展的主要评价维度之一[1]。教师教育增值评价通过衡量学生在一段时间内的学业水平进步幅度，评估教师对学生成长幅度变化影响的“净效应”，同时对教师在教师研修、职业发展、专业化水平等自身专业发展方面的提升进行综合研判，有力促进了教师效能评价科学化。利用人工智能、大数据等技术优势来解决增值评价实施的现实困境，促进教师教育增值评价体系落地，为教师教育发展提供重要支撑与保障。因此，在分析增值模型的基础上，探讨人工智能赋能教师教育增值评价的内在机制，建立教师教育增值评价指标，构建人工智能赋能教师教育增值评价系统，阐述教师教育增值评价的实践路径。

一、人工智能时代教师教育增值评价的价值意蕴

（一）教师教育增值评价的概念理路

增值评价的方法论源于计量经济学和教育统计学。在探索如何评价教师效能和学校效能的过程中，“教育生产函数”强调衡量学生产出的学习成果在多大程度上可以归因于学生在特定时期内受到的特定投入（教师、学校、教育政策等）。因此，教育领域中的“增值”与学生的学业水平增幅直接相关，是指学生在教育系统中随着时间的推移而获得的知识、技能、能力和其他属性的增长。从教师教育的角度来看，增值也可以被定义为在一段时间内教师对学生实现既定或规定的教育目标的贡献。

教师教育评价是以教师的职业能力为基础，通过其学生学术水平的相对位置变化来衡量其教学质量的一种方式。增值理念下，对教师工作的评价主要基于他们对学生学习的贡献程度[2]。威廉·L.桑德斯（William L. Sanders）在关于“增值”的研究中强调，教师的影响远远超过了课堂变量[3]。另外，增值数据在教师评价系统中发挥着重要作用。目前，美国一些州正在采用基于增值理念的教师评估系统，将教师个人对学生成就影响的增值信息纳入其中。例如美国田纳西州增值评估系统（Tennessee Value-Added Assessment System，简称TVAAS）的“增值”结果可用于教师评价，以确定学生学术成就的变化幅度在多大程度上可以归因于特定的教师[4]。除此之外，包含增值信息的教师绩效评估在一定程度上也会帮助制定和改进教师绩效衡量标准。基于增值分析的教师教育测量系统可以对观察测量、家长反馈和个人对教学的反思作以补充，以确定教师的优势和劣势。

（二）人工智能赋能教师教育增值评价必然与应然

人工智能时代技术发展为教师教育评价方法改革带来巨大的支撑引领。智能技术赋能教师教育增值评价要求全面、科学、完整地收集、管理、分析各种教学信息，是对教师行为和教师效能进行客观评价的新方法，描绘了从经验主义迈向数据主义，从模糊迈向精确的飞跃[5]；通过技术手段，全域性地收集并整理学校层面、教师层面、学生层面的各类信息，与课堂评价、自我评价、家校联合反馈等各类评估信息融为一体，以便对教师做出多维、完整、深入的评价，使片段式评价转变为系统性评价。例如TVAAS 基于大数据技术创建包含学生档案、教师档案、学校名称档案等信息的数据库，并将新的学生多维数据与前几年的学生数据合并。这些数据集采用学生识别号或学区/学校代码相互链接，拟合缺失数据，实现对所观察区域内学校、教师、学生的智慧评价。人工智能已由外力作用转化为内生动力，外部技术逐渐转向内部赋能，赋能教育、赋能学校、赋能课程、赋能教师等。将人工智能技术与增值评价的价值导向、科学的教师教育评价体系有机结合，通过建立基于人工智能的教师教育增值评价管理机制，推动人工智能与教师队伍建设有效融合[6]。

二、人工智能赋能教师教育增值评价机制研究

（一）教师教育增值评价模型分析

增值评价模型依赖统计学方法对多维数据追踪分析，从而界定与计算“增值”。不同增值模型的理论假设、数据适用条件和优劣势各有不同，增值模型的选取和应用影响着增值评价结果的科学性、准确性[7]。目前使用较多的模型有：学生成长百分等级（Student Growth Percentile，简称SGP）模型、多层线性模型、残差模型、增益模型、分层模型、分类模型等。其中，SGP 模型不依赖学生的背景信息，具有较大的灵活性，因其简单易操作广泛应用于教师和学校的增值评价中。SGP 模型使用分位数回归法，通过测量学习者在学术成就水平相似的学生群体中的相对地位变化来评估增值。例如，所有被测学生都参加相同的评估后得到全部学生的初始学业水平（一个可比的起点），初始学业水平相同的学生被视为同一组，将同组学生在最近一次评估中的学业水平进行排序，每个学生都会获得一个百分位的相对位置，最后依据学生的相对位置来分析SGP 学业水平的增值情况。SGP 学业水平的相对位置范围为1 ～99。在将SGP 模型用于教师效能评价时，通常以教师任教班学生的SGP 学业水平的中位数作为教师的评价指标，将该教师的学生的进步与其他类似学生的进步进行比较。某个教师的教学增值结果即是该班学生的SGP 学业水平之和[8]。

SGP 模型的增值评价结果易于解释，对于政策制定者、教育从业者和学区来说，根据学生在一年中的成长程度，对具有相似基线学业表现的学生进行排序是很直观的。学生的成长比较仅基于他们之前的学业水平记录，而非基于任何其他特征，如性别、家庭背景、生源地或其他学习项目。因此，与其他许多复杂的增值模型相比，SGP 模型更容易操作，评价结果也更易理解。其评价结果可以用于改善教师教学质量：在教师绩效方面，针对不同教师所教学生的学业水平进行测算并生成报告，让在不同基础班级任教的教师看到自己的实际教学成效；在教学法方面，针对不同教学方法的优劣比较，对不同教学方法下学生的学业水平增幅进行计算与报告，并提供实际的参考依据。

（二）人工智能赋能教师教育增值评价内在机制

人工智能赋能教师教育评价依托物联感知、智能平台采集、图像识别等技术，采集教师在各时空数据（课堂活动、教师研修等）[9]，构建增值评价数据库，在增值模型的基础上对教师数据、学生数据、师生交互数据等进行融合分析；根据教学过程的动态观察，对师生行为进行数据重组、数据归并、数据建模[10]，产生多维度评价结果，在提供个性化分析预测的同时，提供教学辅导方案，以便更好地发挥评价的诊断功能和反馈功能，如图1 所示。

1.数据收集

借助智能技术对教师增值评价数据（教学技能、班级管理能力等）进行全方位、全时域、全类型的采集，并将其标准化处理，转化为量化数据，从学业水平、课堂教学观察、教师专业素养、教师综合评定4 个维度，组织制定和细化数据管理流程。考虑到资料搜集时间和实际操作时间通常为一学期，为了便于数据处理采用标准化、统一化的采集方式，利用软硬件结合其他资料的综合信息，定期收集各种量化的数据，并对接收的资料质量进行分析，选定接收资料较稳定的日期作为后续资料处理的锚点。在此基础上，生成网络云存储数据，采用分布式核算分析，确保数据符合存储标准。

2.技术支持

借助增值模型与自然语言处理等技术分析处理量化与质性数据，桥接教师专业发展过程多维数据，对教师教育增值情况的动态关注与观察。利用计算机视觉技术，从图像、视频中自动化提取、分析和捕捉有用信息，基于内容的图像检索技术可以从繁杂的图像信息中分辨和识别目标，提取教师教学和研修过程的视频进行分类，锁定观察对象后全程目标跟踪，最后将场景中对话语义分割，并把捕获的行为信息与言语信息转化为数据储存在增值数据库中。借助自然语言处理的深度分析技术（循环神经网络、卷积神经网络等），实现全链路、嵌入式增值数据分析。借助语音采集、智能语音识别等技术，通过机器学习技术训练，实现语言考核自动评分，并可自动生成语言综合能力报告。

3.增值结果反馈

通过全流程数据智能分析，产生可视化报告，并提出成长建议。增值结果报告采用不同形式及颜色编码来解读增值数据，并在平台公示结果。教师教育增值评价智慧平台从不同的层面去分析数据，分析预测结果与增值模型统计结果决策相融合，对增值评价结果进行优化，实现数据价值最大化，推动“智能评价—智能匹配—智能推送—智能服务”的评价循环，以此促进教师专业发展和教师教育发展，如图2 所示。

图2 人工智能赋能教师教育增值评价结果呈现

三、人工智能赋能教师教育增值评价系统构成

（一）人工智能赋能教师教育增值评价指标构建

人工智能支持的教师教育增值评价指标从学业水平增值、课堂教学观察、教师专业素养、教师综合评定4 个评价维度出发，以学生、教师自身、教师同行、教研专家为评价主体构建量化和质性评价指标。

1.学业水平增值

评价主体：同伴互评、自我评价、教师评价、家长评价。评价形式：通过客观课堂学习行为观察和学习档案袋记录，得到学生综合数据，利用SGP 模型进行处理分析，得出增值评价结果。评价内容：（1）学业水平增值：评估被测教师所教授的学生的各学科学业水平，并对数据进行量化处理；（2）学习过程增值：对学生学习兴趣、学习态度、学习思维等质性数据做客观记录，进行标准量化处理，进行增值评价。

2.课堂教学观察

评价主体：教研专家评议、学生评教、自我评价、同行评议。评价形式：教研小组统筹教学计划，参考学生作业，借助教案评比得出教学设计与策略差异量化评价结果；学生评教系统收集教师教学数据；教师自评形成教学反思档案记录；结合专业评价人员对教学过程的质性评价结论，形成教师教育综合评价档案。评价内容：（1）教学设计与策略，包括学生作业、教学评价；（2）教学环境，包括教学期望、学生行为管理、学习环境、文化氛围；（3）教学过程，包括教学目的和目标、激励学生、呈现教学内容、课堂结构、课堂节奏、教学活动、教学材料、课堂提问、教学反馈、分组学习、学情了解、教学思考、解决问题。

3.教师专业素养

评价主体：教师自评、学生评教、同行评议和教研专家评议。评价形式：以心理量表定量评价工具为主得出教师综合心理水平的评价指数；使用试卷量表针对教师文化理论素质进行量化评价；通过参考同行评议和教研专家评议内容得出针对教师专业化水平的质性评价。评价内容：（1）教师心理素质，包括思想道德素质、师德培育；（2）教师专业化水平，包括学科教学知识、教学法知识、学科内容知识、教学反思情况。

4.教师综合评定

评价主体：学生评教、教师自评、同行评议和教研专家评议。评价形式：针对教师综合职业行政能力进行质性评价；通过具体数值，如比赛获奖、论文数量等，监控教师研修发展水平；对其他综合评定项目进行总体质性评价，基于以上评价主体的量表评价指标，评估教师综合水平。评价内容：职业发展、教学监控、学校义务、教学反思、教师研修。

（二）人工智能赋能教师教育增值评价系统构成

教师教育增值评价系统通过记录和识别教师课堂教学语言、教态，以及获取教师网络研修的日志数据，借助评价指标进行教师综合能力分析诊断并形成个性化的教师诊断报告。在此系统中，基于人工智能的核心识别技术和海量数据的深度学习，将录播形成的音视频文件转化为结构化的教学行为大数据[11]；借助智能技术和增值评价模型对教师的课堂教学能力进行综合分析；针对教师课堂教学能力和研修表现生成定制化评价报告，系统化地对教师专业发展提出建议，实施框架如图3 所示。

图3 人工智能赋能教师教育增值评价系统

基于人工智能的教师教育增值评价系统采用标准化课室环境内布设定制化音视频终端设备，对课堂教学过程数据进行实时采集，为智能分析提供数据资源支持。运用技术手段，对教师教学过程进行深度挖掘，生成课堂教学能力评价报告。教师效能评估工具包括定量和定性的证据收集工具，如国家级或区域级的标准化考核和专门为教师设计的绩效评估、自我报告调查。该系统能够智能评价教师能力水平的增值，可以帮助教师提高自我认知，了解自身专业发展水平进步程度及自身在同伴中所处位置；辅助教师队伍建设决策；系统标记观察点，为教研提供依据；智能分析课堂行为，存储教师课堂教学数据，生成增值评价分析报告，呈现教师能力发展全过程记录。除此之外，进行教育测量与评价、教师教育增值评价报告数据解读与结果运用的相关培训，借助增值评价数据模型，分析出教师画像，自动生成图表直观呈现。对教师数据、教育资料数据进行加工分析，引导教师树立智慧教学理念，帮助教师自身成长。

四、人工智能赋能教师教育增值评价实施路径

（一）融合智能技术优化教师教育评价过程

实施教师教育增值评价要积极利用智能技术对教师学习和成长过程中的数据进行持续追踪、研究和分析，采用云记录教师成长各方面进展状况，逐步完善教师电子档案袋评价、构建教师档案馆，并以此作为评价教师绩效和自身发展的重要依据。例如，田纳西州从2011年开始就将成长档案袋和课堂观察加入增值评价体系中，尽可能综合所有的教育信息生成增值评价报告[12]。同时，大数据和学习分析技术可对教师做出个性化的诊断和分析[13]；5G 和物联网技术采集的全域数据可补充评价数据集；语音识别、指纹识别、人脸识别、虹膜识别等识别技术可智能识别人体生命特征，弥补增值模型中预设协变量有限的问题，优化评价过程。

（二）推动教师教育评价内容多元发展

构建多元主体协调管理的评价体系需建立健全人力资源保障机制，注重教师自身专业成长，拓展教师区域研修形式[14]，丰富教师考核内容，有效实施立体化、多元化评价，实现教师教育增值评价落地。从教育整体角度，规划设计教师教育评价内容，发展教师自评、学生评教、同行评议和教研专家评议等多种评价方式。从促进教师专业发展的视角出发，将具体的考核项目与教师自身成长紧密结合，形成科学合理的考核指标，建立合理的考核模型，利用智能技术，将增值评价结合其他评价形式（诊断性评价、形成性评价等）形成综合评价报告，促进教师评价方式多元化。通过建立科学多元的评价指标，对教师专业的评价可以体现在职业创造力、合作能力、职业素养等方面，促使教师专业发展从单纯的绩效考核转向开放、多维、持续的能力认证。通过鼓励教师参加各种专业比赛、技能等级认证，促进教师专业高质量发展。

（三）完善教师教育增值评价反馈机制

基于信息反馈机制，利用增值模型评估教育决策的应用效果，提供反馈信息，供学校和教师参考，从而了解教师的实际水平和教师自身成长的不足。充分运用评价结果，利用智慧教育增值评价平台的跟踪监测功能，及时对学校、老师、学校和区域教学实施改进干预[15]。借助可视化交互系统，高效直观地向不同的群体展示增值评价报告，强化结果反馈。要增强数据挖掘功能的易用性，注重并完善反馈数据的再分析，引导各种主体深度介入，强化智能化教学评估的引导、评估、检测、控制与提升功能，从而构建更加科学、公平、本土化的动态评价机制，实现教师教育系统的稳态调节。

（四）注重教师教育评价数据伦理

人工智能时代，技术的广泛应用促使教育数据的应用场景和范围不断扩大，教育数据安全问题日益突出。教育数据往往涉及隐私泄露问题、信息安全问题、数据鸿沟问题，智能设备无时无刻不在上传、呈现、保存人们的隐私信息，除公开使用的信息以外，还包含许多用户偏好信息（如储存在用户本地终端上的个人相关的记录）。智能时代的媒介伦理因其开放性和现代性要求技术对公众的赋权更需理性和人性的双重参与。因此，教育工作者应在教育数据的采集、存储、分析、共享等过程中增强察觉数据安全隐患的敏锐性，重视对教育保密资料的保护，对违规行为进行处罚，加强对个人信息的保护[16]。

五、结语

人工智能赋能教师教育评价，有利于解决数据收集分析困难、评价内容不明确、评价结果解释不一等现实问题，开辟教师教育增值评价新航道，实现教师教育资源高效整合，教师研修全链路融通，教师专业发展一体化的智能衔接。增值理念下，以教师绩效评价、课堂观察及教师研修评价等综合分析结果作为教师教育评价的依据，比以单维度指标更客观、科学、高效。人工智能赋能教师教育增值评价不仅锚定了增值评价的核心价值，更回应了智能社会培养高素质专业化创新型未来师范人才的内在需求。