人工智能技术在软件工程专业教育评价中的应用实践研究

摘要：文章探讨了人工智能技术在高等教育评价中的应用，尤其是在软件工程专业教育评价中的作用。通过文献综述、案例分析和实证研究等多种方法，本研究分析了人工智能技术在提升教育评价质量、优化评价流程及增强评价客观性方面的潜力与挑战。研究结果显示，人工智能技术能显著提升软件工程专业教育评价的效率和准确性，为高等教育评价体系的改革提供了新的思路和方法。

关键词：人工智能技术；高等教育评价；软件工程专业；教育质量

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）22-0032-03

开放科学（资源服务）标识码（OSID）

0 引言

随着人工智能技术的迅猛进步，其在教育领域的应用正日益受到广泛关注和深入研究。高等教育评价作为教育质量保障体系的重要组成部分，其科学性、公正性和有效性直接关系到教育质量和社会评价。传统的高等教育评价多依赖于主观判断和教学经验，缺乏数据支持和精确的量化分析，在一定程度上限制了评价结果的客观性和准确性。而人工智能技术，尤其是机器学习、数据挖掘等技术的快速发展，为高等教育评价提供了新的解决方案。本文以软件工程专业教育评价应用实践研究为例，旨在探讨人工智能技术如何赋能高等教育评价，解决传统评价体系中的痛点问题，提升评价的质量和效率。

软件工程专业作为一门实践性强、技术更新迅速的学科，对学生的编程能力、项目开发能力和实践创新能力提出了较高的要求。因此，如何科学、合理地评价软件工程专业的教育质量，成了教育工作者和学者关注的焦点。本文通过回顾高等教育评价的发展历程和现状，分析了当前评价体系存在的问题；重点探讨了人工智能技术在软件工程专业教育评价中的应用潜力，包括但不限于自动化评分、学习分析、预测模型等方面；最后，通过实证研究验证了人工智能技术在提升评价质量和效率方面的有效性，并对未来的研究方向提出了展望。

本文的创新点在于将人工智能技术与高等教育评价相结合，特别是在软件工程专业领域的应用，不仅为教育评价提供了新的理论视角，也为实践操作提供了可行的方法论支持。通过对人工智能技术在教育评价中的应用实践进行深入研究，期望能够为高等教育评价体系的改革和优化提供参考，为教育决策者提供科学依据。

1 发展与应用

高等教育评价的历史可以追溯到20世纪初，最初主要是针对教学质量的评价。随着教育的发展和多元化，评价内容逐渐扩展到教育效果、学生发展、教师表现等多个维度。党的二十大报告强调科技、人才和创新在国家发展中的重要性，2024世界数字教育大会发布了“人工智能赋能教育发展”的倡议。近年来，随着信息技术的发展，教育评价方法也在不断创新，越来越多的研究也开始关注如何利用技术手段提高评价的科学性和有效性。

1.1 人工智能技术在教育中的应用

人工智能技术在教育领域的应用始于20世纪70年代，最初主要用于智能辅导系统和计算机辅助教学。随着大数据、机器学习等技术的进步，人工智能在教育评价、个性化学习、教学资源推荐等方面的应用越来越广泛。研究表明，人工智能技术能够有效辅助教师进行教学设计、实现对学生学习过程的监控，提高教学效果[1]。

1.2 挑战与限制

尽管人工智能技术在教育评价中展现出巨大潜力，但也存在一些挑战和限制。例如，数据隐私和安全问题、算法偏见和透明度问题，以及技术实施的可行性和成本等问题。这些挑战需要在实际应用中予以充分考虑和解决。

1.3 软件工程专业教育评价的特点与挑战

软件工程专业教育评价面临的主要挑战是如何准确评价学生的编程能力、项目开发能力和实践创新能力。传统的评价方法往往依赖于教师的主观判断，缺乏量化的评价标准和工具。此外，由于软件工程领域的知识更新迅速，评价体系也需要不断更新以适应新的技术发展。

1.4 在软件工程专业教育评价中的潜力

近年来，一些研究开始探索人工智能技术在软件工程专业课程教育评价中的应用。例如，利用机器学习算法对学生的编程作业进行自动评分，通过数据分析预测学生的学习成效，以及利用自然语言处理技术对学生的学习反馈进行分析等。这些研究表明，人工智能技术对提高软件工程专业课程教育评价具有高效性、客观性和准确性。

2 研究设计与过程

本研究基于对学习通过程性评价的分析，采集线上学生的过程性学习数据，对学生参与的课堂互动、随堂练习、作业评分、项目化考核等情况进行智能化的分析。教师参考实时评价结果结合学情对学生的学习进行有针对性的干预：包括推荐学习资源、鼓励小组互助学习，推荐学习方法以及开展和专业相关的实践质量提升，引导学生参与相关专业竞赛及教师教科研项目等[2]，其工作流程如图1所示。

2.1 研究过程

2.1.1 数据感知

本研究数据主要来源于学生线上学习的全过程数据，包括课堂积分情况、项目化考核成绩、作业成绩、学习资源阅读情况、考勤等。本研究以软件工程专业“静态网站设计”课程2021级70名学生为实验组对象，获取反映学生课堂专注度、主动学习能力、过程性考核等多模态数据，部分数据如图2、图3所示。

数据统计分析结果显示，经过量化处理的数据类型在数值上呈现出显著的两极化特征，即最小值与最大值之间差异明显。与此同时，其平均值则稳定地落在这两个极端值之间，这一分布模式符合统计学的基本规律，从而验证了量化处理后的数据具有高度的合理性和可靠性[2]。

数据感知技术收集了学生学习全过程的详尽数据，这些数据的收集不仅丰富了教师对学生学习情况的了解，还极大地提高了教师在传统教学中对学生的关注度。通过深入分析这些数据，教师可以更加精准地把握学生的学习状态、进步速度和潜在问题，从而制定更具针对性和有效性的教学策略。

2.1.2 学习行为特征的归因分析

通过归因分析算法，分析了学习者的行为特征如何影响学习成绩。经过多元回归分析，发现课堂表现、考勤、随堂练习、项目考核和作业成绩等因素对学习成绩有显著影响。例如，教育者可以根据分析结果调整教学策略，重点关注那些对学习成绩有显著影响的因素，从而更有效地提升学习者的学习效果。同时，学习者也可以借此了解自己的优势与不足，制定更合理的学习计划，提高学习效率。为检验本研究的有效性，选取21级、22级软件工程专业共126名学生进行对照测试。对照组使用传统教学评价模式，实验组使用人工智能教学评价模式，开展两个学期的对比实验及跟踪调查[2]。

使用学习通在线学习平台进行数据统计和分析，每名实验组学生都能够快速访问自己的学习评价结果。为进一步分析人工智能评价的特性，研究首先进行学生成绩归因分析，选取课堂积分情况、项目化考核成绩、作业成绩、随堂练习情况，分析其对学习成绩的影响（见表1） 。表中第一行为实验组学生的四个学习模块对学生成绩的影响，每一列表示不同学习行为指标取值对应学生成绩的概率。以随堂练习平均成绩为例，当课堂积分小于80分时，成绩超过80分的概率仅为42.86%，远低于随堂练习平均成绩大于90分的概率92.31%。由此可见，随堂练习平均成绩对学生成绩有正面影响[2-3]。随堂练习成绩主要由随堂中产生的单选题、多选题、填空题、判断题、简单题构成，题目内容可以设计为“静态网站设计”课程中基础性知识概念考核、页面功能性交互实验等内容。通过多样化的课堂交互手段能有效地提高课堂参与度，引导学生在课堂内完成理论知识到实践操作的转化。归因分析的结果能帮助教师及时进行教学方法的改进和完善。

3 研究结果分析

3.1 应用现状

研究发现，人工智能技术在软件工程专业教育评价中的应用主要集中在自动化评分、学习分析、个性化反馈等方面。通过机器学习算法，可以对学生的编程作业进行自动评分，有效减轻教师的工作负担，同时提高评分的一致性和准确性。此外，通过收集和分析学生的学习数据，人工智能技术能够为学生提供个性化的学习建议和资源推荐[4]。

3.2 提升教育评价质量的潜力

实证研究表明，人工智能技术能够有效提升软件工程专业教育评价的质量和效率。例如，在编程作业自动评分实验中，与传统的人工评分相比，人工智能评分系统在评分速度和一致性方面均有显著提升。在学习成效预测模型构建中，通过分析学生的学习行为数据，人工智能模型能够准确预测学生的学习成效，为教师提供了及时的干预依据。

3.3 面临的挑战

尽管人工智能技术在教育评价领域显示出了显著的潜力和无限的可能性，然而，在实际部署和应用的过程中，仍不可避免地遇到了一些挑战和障碍。例如，数据隐私和安全问题。此外，人工智能算法的透明度和可解释性也是亟待解决的问题，这直接关系到评价结果的公正性和师生的信任度。

3.4 与传统评价方法的比较

通过比较研究发现人工智能技术在评价的客观性、效率和准确性方面具有明显优势。然而，传统评价方法在评价的全面性和深入性方面仍具有不可替代的作用。因此，未来的教育评价体系应当是人工智能技术与传统评价方法的有机结合。

4 应用反思

4.1 在提升评价质量方面的作用

人工智能技术通过自动化评分和学习分析等手段，可以显著提高教育评价的效率和准确性。这一点在实证研究中得到了验证。然而，技术的融入并不意味着传统评价方法的全面淘汰，相反，应当寻求两者的融合，发挥各自长处，共同推动评价质量的全面提升。

4.2 数据隐私和安全问题

随着人工智能技术在教育评价中的广泛应用，数据隐私和安全问题日益凸显。研究中发现，学生和教师对于个人信息的保护意识较强，因此，如何在利用数据的同时保护个人隐私，成为了亟待解决的问题[5-6]。

4.3 算法的透明度和可解释性

研究中发现，人工智能算法的透明度和可解释性是影响其在教育评价中应用的关键因素。教师和学生对于评价结果的理解和接受度，很大程度上取决于算法的可解释性。因此，提高算法的透明度，使其更加易于理解和接受，是未来教育评价研究和技术发展的重要方向。

4.4 与传统评价的结合

虽然人工智能技术在某些方面具有优势，但传统的评价方法，如同行评审、教师的主观评价等，仍然在教育评价中占有重要地位。因此，如何将人工智能技术与传统评价方法进行有效结合，发挥各自的优势，是实现高等教育评价体系优化的关键。

4.5 伦理问题和政策建设

人工智能技术在教育评价中的应用，涉及到众多伦理问题，如数据使用的合法性、评价结果的公正性等。因此，建立相应的法规和政策，对技术应用进行规范和指导，是确保评价公正性和合理性的重要保障。

5 结论

人工智能技术为高等教育评价提供了新的机遇和挑战，通过深入研究和探索，我们可以充分发挥人工智能技术的优势，提高教育评价的效率、准确性和公正性，为学生的个性化学习提供支持。同时，我们也需要关注人工智能技术在教育评价应用中所引发的一些问题，如评价的公正性、师生信息的隐私保护等问题。在提升教育评价素养方面，需要不断学习和实践，提高评价能力和水平，以更好的服务提高学生的全面发展。未来的研究应当更加关注人工智能技术在不同教育评价场景中的应用效果，探索如何更好地解决技术应用中的挑战、结合教师的专业判断和学生的主观反馈构建更为全面和科学的评价体系。

综上所述，人工智能技术为高等教育评价带来了新的可能性，但对其广泛应用也需要谨慎和细致的考量。通过不断地研究和实践，我们有望构建出一个更加高效、公正和科学的高等教育评价体系。

参考文献：

[1] 侯玉艳.全民终身学习视野下的我国在线教育体系发展[J].继续教育研究，2023（12）：16-20.

[2] 胡钦太，伍文燕，冯广，等.人工智能时代高等教育教学评价的关键技术与实践[J].开放教育研究，2021，27（5）：15-23.

[3] 王艳，温容.OBE导向下构建高校数字教学质量评价体系研究[J].兵团教育学院学报，2023，33（4）：66-72，77.

[4] 赵文静.“线上教学+”背景下大学英语课程思政教学实践[J].校园英语，2023（49）：127-129.

[5] 陈燕鸿.人工智能在用户体验设计中的应用与优化研究[J].上海包装，2023（8）：20-22.

[6] 孙玮.人工智能在信息技术课程中的应用研究[J].电脑知识与技术，2023，19（34）：26-28，70.

【通联编辑：光文玲】