信息技術如何支撐學生綜合素質評價的數字化轉型？教育裝備如何支撐高質量教育的路徑？……4月20日，第83屆中國教育裝備展示會同期舉辦的“新技術新裝備促進教育高質量發展局長論壇”上，多位教育領域專家在發言中聚焦評價的數字化轉型、數字化促進教育變革等話題，提出應對建議。

信息技術為破解綜合評價難題提供了重要機遇

“綜評能力不足是制約基礎教育高質量發展的卡脖子問題?！庇浾咦⒁獾?，北京師范大學教授、博士生導師陳麗出現在此次論壇上，分享了信息技術支撐學生綜合素質評價的數字化轉型與創新探索。

陳麗介紹，在中考競爭已進入“白熱化”階段、孩子學習生活被過度壓縮和規劃、拔尖創新人才難以挖掘等背景下，教育部綜合改革司委托北師大對全國綜合素質評價開展情況進行調研并形成報告。

報告顯示，有90%的區域采用了諸如寫實記錄等填報方式采集學生綜合素質發展數據，無法直觀衡量綜合素質最終結果；71%的區域采用了諸如自評、他評等評語填寫方式，45%的區域采用了諸如問卷、量表等自陳報告方式，難以保證學生綜合素質評價的客觀性。

此外陳麗在調研中發現，各地指標差異大，評價結果不支持跨?？鐓^比較；評價自定等級且標準差異大，全國學生整體發展狀態不清；信息技術多用于采集學生寫實記錄，AI優勢未體現；評價結果主要作為升學最低標準，支撐人才選拔能力不足等問題均不同程度存在。

“信息技術為破解綜合評價難題提供了重要機遇?！标慃悘娬{。根據《深化新時代教育評價改革總體方案》，經評審，遴選出來自29個?。ㄗ灾螀^、直轄市、新疆生產建設兵團）38個試點區域，創新評價工具，利用人工智能、大數據等現代信息技術，探索開展學生各年級學習情況全過程縱向評價、德智體美勞全要素橫向評價。在教育部統一部署下，試點工作于今年4月正式啟動，北師大為試點工作提供專業支撐。

陳麗分享到，試點工作中，以核心素養為基座，完善綜合素質評價理論模型，基于表現性評價、心理量表、問答填報、標準化測試4類評價工具，測評學生綜合素質。利用智能技術變革評價實踐中任務的呈現方式、數據的采集和分析過程，考查學生在真實、復雜、不確定情境中運用先驗知識完成某項任務或解決某個問題時的知識與技能掌握程度，以及問題解決、交流合作和批判性思考等多種復雜能力發展狀況，并開發了身體健康智能測評工具、音樂素養智能測評工具、科學探究智能測評工具輔助試點工作的開展。

陳麗介紹，這背后應用到了基于復雜活動場景的伴隨式采集技術、多源異構數據匯聚、視頻數據標注增強技術、學生多模態活動數據的智能處理技術、大規模學生綜合發展數據的分析技術等。

據悉，經過試點工作，多個區域正在將綜合素質模型調整作為過程性評價的框架；多個學校以評價結果為依據，發現學校辦學中的短板，進而對辦學方案進行優化；多數家長表示測評報告可以給孩子個性化的反饋，對孩子成長發展很有幫助。

對于評價問題，西北師范大學教授、博士生導師、教育部教育信息化戰略研究基地（西北）主任郭紹青也分享了自己的觀點。

郭紹青指出，以知識圖譜、能力圖譜以及非智力因素數據采集標準指向教學全過程與全要素的長周期、連續性、多模態教學數據隊列獲取，使對學生學科核心素養的多維度追蹤與動態分析成為現實。

數字教學空間與物理教學空間一體設計正成為常態

新課標強調學科能力素養，在這一背景下，教育裝備如何支撐高質量教育的路徑？論壇上，中國教育裝備行業協會研究院常務副院長、教育信息化裝備分會副理事長施建國針對上述問題提出三種路徑：一是服務學科實踐場景與案例的裝備，其二是服務跨學科學習的技術裝備，第三是服務學科教學的資源供給。

郭紹青則進一步探討了數字化促進教育變革的突破口。他對數字教育資源的分類進行了梳理：知識類數字教育資源、工具類數字教育資源、虛擬交互類數字教育資源、智能虛擬類數字教育資源，以及鏈接型、嵌入型、智能交互性的混合型數字教材建設等。

郭紹青認為，教育信息化初期發展過程中，信息化設備僅僅是簡單地疊加在教室之中。而教育數字化的轉型發展正在改變這一現象，智慧教育云平臺最核心的模塊是數字教學空間，數字教學空間與物理教學空間教學活動一體設計正在成為常態。

他進一步指出，有效支撐自主學習、小組合作、探究學習的教學空間會逐步普及。例如，虛實融合的合作教學空間。拋棄傳統教室在物理教學空間布局上排排座慣性設計思維，空間結構設計有利于推動傳統集體授課教學向規模個性化教學的發展。再如，以智能終端或終端系統為載體使數字學習空間嵌入物理學習空間，支撐體驗性、交互性、沉浸性、探究性教學活動開展的教學場所。還有智能學伴、智能導師融入數字與物理教學空間，實現人類教師與智能教師的人機協同教育教學。

郭紹青表示，利用穿戴設備、智能終端、行身感知、眼動跟蹤等集成設備或傳感器獲取師生物理空間位置、行為、表情、語言、文字等數據。針對教學全要素、全過程評價的需要開發與提供教學過程數據分析工具集是先決條件。分析工具集涵蓋個人動機、行為特征、學習偏好、認知習慣、態度傾向等模型化工具，支撐全要素的分類、關聯等數據分析，實現學生數據畫像。