人工智能在教學(xué)評價管理中的運用

序論：好文章的創(chuàng)作是一個不斷探索和完善的過程，我們?yōu)槟扑]一篇人工智能在教學(xué)評價管理中的運用范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

在中小學(xué)管理中，教學(xué)評價是學(xué)校管理的核心，諸多制度如績效考核量化等均是以教學(xué)評價的結(jié)果為重要指標(biāo)進(jìn)行設(shè)計的。因此，教學(xué)評價是中小學(xué)管理重要的組成部分。但由于教育的復(fù)雜性使得教學(xué)評價變得非常困難。當(dāng)前，許多中小學(xué)教學(xué)管理制度中有關(guān)教學(xué)評價的部分大多是圍繞學(xué)生的考試成績設(shè)計的，學(xué)校管理者通常也是以此為據(jù)指導(dǎo)教學(xué)工作。這種靜態(tài)的、應(yīng)試導(dǎo)向的教學(xué)評價模式缺乏精準(zhǔn)性，很難觸及現(xiàn)實中教學(xué)問題的本質(zhì)，容易誘導(dǎo)教師偏離教育初心，走向應(yīng)試教育之路，而不利于學(xué)生核心素養(yǎng)的培養(yǎng)，有悖于“立德樹人”教育理念的落實。隨著新課改的推進(jìn)，核心素養(yǎng)的培養(yǎng)成為中小學(xué)教育教學(xué)中的重中之重，一些學(xué)校的管理者已開始意識到這點，試圖采用多維度的評價方式彌補(bǔ)唯成績評價的不足，取得了一定的效果，但也帶來了許多新的難題，如評價的科學(xué)性和精準(zhǔn)性遭到教師們的質(zhì)疑等。這是因為多維度評價方式中引入了大量基于管理者經(jīng)驗設(shè)計的規(guī)則，存在主觀性強(qiáng)、缺乏精準(zhǔn)性等缺陷，以此為據(jù)指導(dǎo)教學(xué)，其科學(xué)性和精準(zhǔn)性自然會引發(fā)質(zhì)疑。事實上，教育教學(xué)是一個復(fù)雜的系統(tǒng)工程。任何企圖采用靜態(tài)的結(jié)果性評價機(jī)制指導(dǎo)教學(xué)都不可能真正反映出問題的本質(zhì)，自然也就無法真正解決問題。復(fù)雜系統(tǒng)的管理需要具有反饋功能的動態(tài)過程化管理模式，但在實際教學(xué)管理中，過程化管理往往需要投入大量的人力和時間成本，所能做的也只是一些粗粒度的量化分析和定性描述，缺乏精準(zhǔn)性，很難滿足指導(dǎo)教學(xué)的需求。因此，如何構(gòu)建科學(xué)有效精準(zhǔn)的教學(xué)評價管理模型就顯得尤為重要。教育的復(fù)雜性和開放性決定了教育問題不可能用較為成熟的線性理論來處理，只能運用還不夠完善的非線性理論思維去思考。不過，迄今為止，對于復(fù)雜的開放性系統(tǒng)來講，目前的非線性理論研究還不足以構(gòu)建一個數(shù)學(xué)模型來解決教育問題。但隨著人工智能技術(shù)的飛速發(fā)展，許多自然科學(xué)領(lǐng)域的非線性系統(tǒng)難題都得到了很好的解決。諸如圖像模糊識別、語音識別、自然語言理解等領(lǐng)域均已取得了令人驚嘆的成果。受此啟發(fā)，運用人工智能技術(shù)輔助解決某些教育難題或許是一個很不錯的嘗試?；谌斯ぶ悄軜?gòu)建的教學(xué)評價管理系統(tǒng)可以科學(xué)有效精準(zhǔn)地量化部分教學(xué)評價，同時也為績效考核量規(guī)的設(shè)計提供了數(shù)據(jù)參考。

一、基于人工智能的教學(xué)評價管理系統(tǒng)模型的整體架構(gòu)

該系統(tǒng)模型是建立在以下三條假設(shè)基礎(chǔ)之上的。第一，假設(shè)影響教學(xué)質(zhì)量提升的因素有若干個，這些因素互相作用，互相影響，呈現(xiàn)出一定的非線性特征，且深度神經(jīng)網(wǎng)絡(luò)技術(shù)可以在一定程度上描述這些特征。第二，這些相互作用的因素（或部分因素）可以通過技術(shù)手段做某種程度的量化。第三，每個量化后的變量（相互作用的因素）對學(xué)生學(xué)習(xí)的影響是不同的，且可以通過賦予一定的權(quán)重值來描述?；谝陨先龡l假設(shè)，我們設(shè)計的系統(tǒng)模型如圖1所示。

二、基于人工智能的教學(xué)評價管理系統(tǒng)核心模塊功能及應(yīng)用

整個系統(tǒng)的核心由“基于教與學(xué)行為構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)”和“基于班級管理構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)”兩個模塊組成。前一個模塊是評測教師的教學(xué)行為與學(xué)生的學(xué)習(xí)行為相互作用后對學(xué)生個體核心素養(yǎng)產(chǎn)生的影響，主要是為了獲取各種行為畫像對提升學(xué)生核心素養(yǎng)的敏感度和范圍值，所輸出的數(shù)據(jù)經(jīng)過一定的轉(zhuǎn)換后形成學(xué)生個體核心素養(yǎng)量化指標(biāo)，為指導(dǎo)教師精準(zhǔn)教學(xué)提供數(shù)據(jù)參考和制定教學(xué)管理量規(guī)提供依據(jù)，同時也為后一個網(wǎng)絡(luò)模塊提供輸入數(shù)據(jù)。后一個模塊主要是評測學(xué)生個體間的相互作用對班級整體管理的影響，所輸出的數(shù)據(jù)經(jīng)過轉(zhuǎn)換后形成教學(xué)管理量規(guī)，然后，通過數(shù)據(jù)分析獲取關(guān)鍵學(xué)生個體對班級的影響，指導(dǎo)班主任精準(zhǔn)管理。同時也為學(xué)校教學(xué)管理部門提供必要的數(shù)據(jù)參考和績效考核的量規(guī)設(shè)計提供數(shù)據(jù)支撐。（1）基于教與學(xué)行為構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模塊該模塊由輸入層、隱藏層和輸出層三部分組成，其結(jié)構(gòu)如圖2所示。①輸入層該層的設(shè)計建立在上述假設(shè)二基礎(chǔ)之上，為隱藏層提供輸入數(shù)據(jù)，包括教師教學(xué)行為畫像數(shù)據(jù)和學(xué)生學(xué)習(xí)行為畫像數(shù)據(jù)。這些數(shù)據(jù)具有多模態(tài)的特征，主要包括混合型數(shù)據(jù)、生理層數(shù)據(jù)、心理層數(shù)據(jù)和行為層數(shù)據(jù)，通常采用日志搜索分析技術(shù)、在線學(xué)習(xí)與管理平臺技術(shù)、移動APP技術(shù)、自我報告、生物數(shù)據(jù)采集技術(shù)、物聯(lián)網(wǎng)感知技術(shù)、可穿戴設(shè)備、網(wǎng)絡(luò)爬蟲技術(shù)、情感識別技術(shù)、語音識別技術(shù)、校園一卡通技術(shù)、視頻監(jiān)控/拍攝技術(shù)、智能錄播技術(shù)、網(wǎng)評網(wǎng)閱技術(shù)、點陣數(shù)碼筆技術(shù)、拍照搜題技術(shù)等16種數(shù)據(jù)采集技術(shù)[1]。由于所采集的數(shù)據(jù)來自多種技術(shù)手段下的數(shù)據(jù)源，且存在大量噪音數(shù)據(jù)，因而在輸入前需要進(jìn)行必要的預(yù)處理，主要包括對數(shù)據(jù)的審核和篩選、數(shù)據(jù)的清洗、數(shù)據(jù)的集成、數(shù)據(jù)的變換以及數(shù)據(jù)的歸約五個方面。②隱藏層該層的設(shè)計建立在上述假設(shè)一和假設(shè)三基礎(chǔ)之上，是整個模塊的核心。隱藏層至少有兩層神經(jīng)網(wǎng)絡(luò)，每層由若干個人工神經(jīng)元單元構(gòu)成，各層間的神經(jīng)元單元采用全連接方式相互連接，前一層的輸出即后一層的輸入。人工神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)單元，其工作原理與生物神經(jīng)元的工作原理相似，其結(jié)構(gòu)如圖3所示。每個神經(jīng)元有若干個輸入，類似于傳入神經(jīng)元的刺激，每個輸入（xi）對應(yīng)一個權(quán)重（wi），類似于神經(jīng)元的敏感度，權(quán)重越大，表示神經(jīng)元對該刺激越敏感；神經(jīng)元還有一個偏置項（bi），是一個常數(shù)，沒有對應(yīng)的權(quán)重。這兩項加權(quán)求和后作用于激活函數(shù)（f），該函數(shù)是個非線性函數(shù)，用于解決線性模型中表達(dá)能力不足的問題，在神經(jīng)網(wǎng)絡(luò)中起著至關(guān)重要的作用。③輸出層規(guī)范化后的行為畫像數(shù)據(jù)經(jīng)過隱藏層作用，最后進(jìn)入輸出層。該層涵蓋所有學(xué)生個體各學(xué)科核心素養(yǎng)的相關(guān)指標(biāo)參數(shù)，可以在一定程度上反映學(xué)生核心素養(yǎng)的變化。需要注意的是，在設(shè)計時，輸出既要與學(xué)生個體核心素養(yǎng)量化高度關(guān)聯(lián)，又要符合神經(jīng)網(wǎng)絡(luò)構(gòu)建的相關(guān)要求。（2）基于班級管理構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模塊從整體結(jié)構(gòu)上來講，該模塊與“基于教與學(xué)行為構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模塊”基本相似，都由輸入層、隱藏層和輸出層組成，所不同的是具體實現(xiàn)技術(shù)。如輸入層數(shù)據(jù)直接來自上一模塊的輸出，隱藏層的結(jié)構(gòu)、加權(quán)求和函數(shù)、激活函數(shù)等都不同，具體設(shè)計需要根據(jù)實際要求構(gòu)建。（3）數(shù)據(jù)的指標(biāo)化及應(yīng)用①學(xué)生個體核心素養(yǎng)量化指標(biāo)該指標(biāo)是“基于教與學(xué)行為構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模塊”輸出數(shù)據(jù)經(jīng)過轉(zhuǎn)化后形成的數(shù)據(jù)呈現(xiàn)。模塊輸出的數(shù)據(jù)包含所有學(xué)生個體全部核心素養(yǎng)的相關(guān)信息，數(shù)據(jù)量龐雜且非常不直觀。為保證非設(shè)計人員能清晰理解數(shù)據(jù)的語義，需要將模塊輸出的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，然后用可視化的形式呈現(xiàn)出來，用以指導(dǎo)相關(guān)教師精準(zhǔn)教學(xué)和教學(xué)管理部門監(jiān)控教學(xué)常規(guī)。在設(shè)計時，可采用結(jié)構(gòu)化和模塊化設(shè)計思路，將功能相對獨立的應(yīng)用盡可能地模塊化，教師可根據(jù)工作需求進(jìn)行模塊組合。具體技術(shù)實現(xiàn)，可考慮數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)庫技術(shù)。根據(jù)“學(xué)生個體核心素養(yǎng)量化指標(biāo)”的數(shù)據(jù)呈現(xiàn)，教師可以準(zhǔn)確掌握每位學(xué)生的相關(guān)信息，然后綜合分析這些信息，采用適當(dāng)?shù)牟呗跃珳?zhǔn)教學(xué)。②教學(xué)管理量規(guī)指標(biāo)教學(xué)管理量規(guī)主要是基于學(xué)校的發(fā)展，參考學(xué)生個體核心素養(yǎng)量化指標(biāo)和基于班級管理構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模塊輸出的數(shù)據(jù)設(shè)計的。其主要目的是能使相關(guān)部門動態(tài)監(jiān)控整體教學(xué)態(tài)勢和班主任工作情況，準(zhǔn)確掌握整個過程，及時引導(dǎo)教學(xué)工作?？茖W(xué)調(diào)整指導(dǎo)意見。同時，也為績效考核量規(guī)的設(shè)計提供參考。同上所述，該應(yīng)用也需要數(shù)據(jù)的挖掘、數(shù)據(jù)的可視化和功能設(shè)計的模塊化等。班主任可根據(jù)“教學(xué)管理量規(guī)”的數(shù)據(jù)呈現(xiàn)準(zhǔn)確掌握班級信息，科學(xué)分析學(xué)生個體特點，特別是要及時掌控對班級管理影響較大的學(xué)生個體，運用科學(xué)有效的管理策略引導(dǎo)班級良性發(fā)展。相關(guān)教學(xué)管理部門可根據(jù)教學(xué)管理量規(guī)要求動態(tài)監(jiān)控全校教學(xué)過程，整體掌控教學(xué)態(tài)勢，為領(lǐng)導(dǎo)準(zhǔn)確提供相關(guān)數(shù)據(jù)和建議，以便領(lǐng)導(dǎo)及時調(diào)整相關(guān)指導(dǎo)意見和決策。教學(xué)管理量規(guī)中的指標(biāo)相對比較繁雜，內(nèi)容過于細(xì)化，許多屬于過程性的指標(biāo)不適合績效考核時直接使用。因此，可選取一些相對穩(wěn)定的、有利于學(xué)校發(fā)展和教學(xué)質(zhì)量提升的，以及有利于激勵教師成長發(fā)展的量化指標(biāo)，在績效考核量規(guī)設(shè)計時用以參考。

三、基于人工智能的教學(xué)評價管理模型需要突破的技術(shù)難點

人工智能的應(yīng)用在一定程度上可以模擬現(xiàn)實的復(fù)雜開放系統(tǒng)，為復(fù)雜系統(tǒng)問題求解提供技術(shù)保障，也能為數(shù)據(jù)量化提供一定的科學(xué)依據(jù)。但這種技術(shù)的應(yīng)用在教育方面尚處在探索階段，還有許多問題需要進(jìn)一步探究。就上述系統(tǒng)模型而言，以下兩個難題需要深入研究。

1.模型系統(tǒng)中各類變量（或參數(shù)）的量化在該系統(tǒng)中，涉及大量的變量（或參數(shù)），它們的屬性和現(xiàn)實涵義差異很大，需要深入研究、仔細(xì)分析才能厘清它們的關(guān)系。大體來講，可以劃分為以下三類：第一類，內(nèi)涵和外延非常清晰，也容易采集和量化。如眼動數(shù)據(jù)、腦電數(shù)據(jù)、血壓、平均作業(yè)時長、考試成績等。第二類，內(nèi)涵和外延也非常清晰，有一定的抽象性，無法精準(zhǔn)采集和量化，但可以通過若干個第一類變量線性組合后在一定程度上描述其屬性和特征。此類變量（或參數(shù)）需要特別注意，切勿主觀臆斷，盲目賦值，需要采用大數(shù)據(jù)分析技術(shù)，挖掘其內(nèi)在關(guān)聯(lián)，科學(xué)構(gòu)建數(shù)學(xué)模型。如教師的教學(xué)能力、學(xué)生的創(chuàng)造力、教師的執(zhí)行力等。第三類，內(nèi)在機(jī)理尚待深入研究，無法確定其在教育活動中的作用。如某些遺傳類因素對學(xué)習(xí)的影響等，需要做進(jìn)一步的理論研究。針對此類變量（或參數(shù)），可以暫時忽略或在模型中預(yù)留一定數(shù)量的變量（或參數(shù)），將其權(quán)重直接賦值為0，使這類變量（或參數(shù)）不再干擾系統(tǒng)，影響結(jié)果。期待將來解決后，再重新設(shè)置，使其發(fā)揮應(yīng)有的作用。

2.行為畫像數(shù)據(jù)的采集和使用行為畫像數(shù)據(jù)是整個系統(tǒng)的基礎(chǔ)，此方面完整、精準(zhǔn)的數(shù)據(jù)信息是系統(tǒng)評測的關(guān)鍵。然而，行為數(shù)據(jù)不同于其他數(shù)據(jù)，在采集和使用時，至少要解決好以下兩方面的問題：第一，畫像數(shù)據(jù)的隱私性及保護(hù)。畫像數(shù)據(jù)涉及大量個體屬性和行為信息，具有極強(qiáng)的隱秘性，使用不當(dāng)會侵犯個人隱私。因此，相應(yīng)的倫理研究是十分必要的，特別是畫像數(shù)據(jù)對個體隱私空間的影響。從操作層面來講，采集數(shù)據(jù)時要注意界定和選取，在保證系統(tǒng)基本需求的前提下盡可能地選用一些低敏感性的畫像數(shù)據(jù)；在技術(shù)上，要做到數(shù)據(jù)的分級管理，確保數(shù)據(jù)的安全；數(shù)據(jù)使用要全程監(jiān)控，防止隱私數(shù)據(jù)的濫用，保證數(shù)據(jù)使用合理合法。第二，數(shù)據(jù)采集的成本。數(shù)據(jù)多模態(tài)的特征使得采集成本極高，如許多生物數(shù)據(jù)的采集，需要昂貴的設(shè)備才可完成。即使是使用基于物聯(lián)網(wǎng)的可穿戴設(shè)備，對于多數(shù)中小學(xué)來講，也存在成本由誰承擔(dān)的問題。因此，行為畫像數(shù)據(jù)的采集和使用雖有一部分已經(jīng)付諸實踐，但很多數(shù)據(jù)采集和使用仍局限于實驗室或一些特定機(jī)構(gòu)，甚至尚處于理論研究層面，遠(yuǎn)未落實到實用層面。隨著科學(xué)技術(shù)的發(fā)展，這些難題將會逐一突破，而在這些難題解決之前，做一些理論探究是十分必要的。

四、基于人工智能的教學(xué)評價管理模型的應(yīng)用

上述系統(tǒng)模型的設(shè)計基于目前普遍采用的班級授課制教學(xué)管理模式，可適用于大多數(shù)中小學(xué)，具有一定的普適性。但這并不意味著該模型對每個學(xué)校都是一樣的，這是因為模型的設(shè)計是基于人工智能技術(shù)，兼顧了普適性和特殊性。因此，在應(yīng)用層面上需要注意以下兩方面的問題。

1.處理好模型的普適性和應(yīng)用的特殊性該模型僅從教學(xué)管理和人工智能角度出發(fā)，并非針對某個特定學(xué)校構(gòu)建的。因此，就模型本身而言，系統(tǒng)可以解決中小學(xué)班級授課制下的教學(xué)管理。對于不同學(xué)校，其模型結(jié)構(gòu)基本相同，只是變量（或參數(shù)）和相應(yīng)權(quán)重不同而已。在應(yīng)用時，可根據(jù)校情選用其中的一部分，而將其他的權(quán)重置為0，防止其對結(jié)果數(shù)據(jù)的干擾。根據(jù)深度神經(jīng)網(wǎng)絡(luò)模型的原理，系統(tǒng)的特殊性主要體現(xiàn)在數(shù)據(jù)訓(xùn)練集上。每個學(xué)?？蛇x用歷史典型數(shù)據(jù)構(gòu)建自己的私有數(shù)據(jù)訓(xùn)練集，這樣訓(xùn)練出來的系統(tǒng)就具有學(xué)校獨有的特色，結(jié)果數(shù)據(jù)也更具有針對性。當(dāng)然，在構(gòu)建私有訓(xùn)練數(shù)據(jù)集時，針對部分具有普適性的變量（或參數(shù)）可抽取全國優(yōu)秀教師的教學(xué)畫像數(shù)據(jù)，其他個性化的變量（或參數(shù)）則采用學(xué)校自己的典型畫像數(shù)據(jù)，這樣構(gòu)建的訓(xùn)練數(shù)據(jù)集將更有利于學(xué)校的發(fā)展。

2.客觀理性地認(rèn)識數(shù)據(jù)，做好數(shù)據(jù)測算該模型是一個基于大數(shù)據(jù)和人工智能技術(shù)構(gòu)建的模擬性教學(xué)評測系統(tǒng)，不同于嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)化推導(dǎo)，各變量（或參數(shù)）相互作用相互影響，輸出數(shù)據(jù)往往是諸多因素共同作用的結(jié)果，數(shù)據(jù)間沒有必然的因果關(guān)系。因此，實際使用時，應(yīng)充分考慮到系統(tǒng)的局限性，客觀理性地對待數(shù)據(jù)結(jié)果，盡可能地挖掘出數(shù)據(jù)的涵義和數(shù)據(jù)間的關(guān)聯(lián)，做好態(tài)勢分析，結(jié)合教學(xué)經(jīng)驗和管理經(jīng)驗做出科學(xué)合理的解釋，以彌補(bǔ)系統(tǒng)的不足。另外，遇到比較大的系統(tǒng)變量（或參數(shù)）調(diào)整時，也應(yīng)做好必要的數(shù)據(jù)測算分析?？傊?，教育是一個非常復(fù)雜的開放系統(tǒng)，許多問題涉及教育學(xué)、心理學(xué)、腦科學(xué)和學(xué)習(xí)理論等諸多交叉學(xué)科，并非簡單地使用一些所謂的公式量化就可以解決。當(dāng)然，隨著大數(shù)據(jù)和人工智能技術(shù)的飛速發(fā)展，越來越多的教育問題將有望通過量化分析得以解決，逐步改變以往只能定性描述的情況。

參考文獻(xiàn)

[1]鐘薇，李若晨，馬曉玲，等.學(xué)習(xí)分析技術(shù)發(fā)展趨向：多模態(tài)數(shù)據(jù)環(huán)境下的研究與探索[J].中國遠(yuǎn)程教育，2018（11）：44-49+79-80．

作者:劉永德 單位:甘肅省金昌市金川高級中學(xué)