教育部要求：高校加快推進教育數字化進程

2025年，教育部等九部門發布《關于加快推進教育數字化的意見》（以下簡稱《意見》），要求高校等有關單位加快推進教育數字化進程。《意見》還提到，要加快建設人工智能教育大模型，推動人工智能與教育教學深度融合；通過人工智能技術的深度應用，實現大規模因材施教，提高教育教學的效率和質量，推動教育理念更新和模式創新。

2025年12月30日，教育部舉行新聞發布會，介紹“十四五”期間教育數字化進展成效。教育部科學技術與信息化司司長周大旺在發布會上表示，教育部將繼續深入推進人工智能賦能教育行動，計劃在2026年出臺相關政策文件，系統部署推進人工智能教育和應用。

在教育部政策引領下，當前各高校紛紛探索數字化轉型。如深度融合大數據與人工智能技術，重塑教學督導、課堂分析與學業評價模式；積極打破數據孤島，推動跨部門、跨領域的協同育人機制，實現從“經驗驅動”向“數據驅動”的精準管理轉變等。不少高校正通過AI賦能教學、專業建設與質量評估等關鍵環節，持續優化育人全流程，全面提升人才培養質量與內涵發展水平。

深度賦能教學

北京大學在各個教學環節大力推動技術賦能與方法創新，以人工智能技術探索構建未來課堂。學校推出20余個智能平臺工具，推進AI深度融入教學全過程。

在北京大學校長龔旗煌看來，教、學、評是一個涵蓋多維度、多要素的復雜體系，真正的教育變革在于重建教、學、評的有機聯系。在深化教學全鏈條AI融合的基礎上，北京大學鼓勵各專業以課程知識圖譜為牽引，凝練課程核心內容，進一步理順課程之間的邏輯關系，優化課程結構，在大數據、人工智能等技術支持下，生成面向學習目標的個性化學習路徑，重構基于知識圖譜及優質教學資源的“教—學—評一體化”數智教學體系。

依托學校教學質量狀態數據和教學管理數據，不斷完善數據驅動的考核評價指標體系建設，引導院系教學投入；試點人工智能輔助課程教學評價和改進工作，對部分課程教學進行畫像分析，探索人工智能輔助教育教學評價指標體系；持續推進學業考核及評價改革，強化過程性評價，增加個性化任務，引入口頭答辯、交叉互評等形式，更加注重對學生批判性思維及創新能力的培養與考查。

東北大學在持續優化“監測—評價—反饋—改進—提升”的過程中，依托數智化質量平臺，全面覆蓋學生評價、教師評價、課堂聽課、學院評價、專業評價、專項評價等各類場景，通過數據采集、多維度分析、AI技術深度賦能，生成一系列質量監測報告，為持續改進教育教學工作提供依據。

此外，從2023年開始，東北大學每年會基于本科教育狀態數據、各專業年度建設數據等進行系統梳理和深度分析，研制發布《本科專業教學質量監測報告》，服務于專業建設和內涵發展。這些報告的核心是通過數據持續構建多維度畫像。麥可思自2017年以來為學校定制了核心課程、學生成長等一系列個性化評估報告。2024年學校還參照審核評估模式，完成了在校生、畢業生、用人單位反饋等多方面評價報告并進行專項分析，未來也將繼續依托第三方數據深化畢業生跟蹤與專業建設關聯研究。

鏈接：

麥可思教學質量評價與診斷項目通過為院校部署課堂教學質量管理平臺，開展全過程，多主體參與的教學質量評價。在學校教學管理方面，平臺能通過靈活多樣的功能應用為教學質量管理部門賦能增效，如提升評價結果區分度，提升督導聽評課覆蓋，提升督導提交評價結果的時效等。

在評價結果的處理和應用層面，平臺可通過對評價結果的多維度分析，為學校、學院及任課教師診斷教學情況，精準定位教學問題，進而指導教學改進，提升教學質量。此外，平臺可對接人工智能大模型，通過與AI技術融合，提升評價效率，實現智能診斷和優化決策能力。

賦能專業綜合評估

數字技術正在促進評價與教育教學深度融合。數據評價不能僅依賴單一類型數據，而需客觀數據與主觀評價數據相互補充。如何從專業層面運用數字化衡量人才培養質量？高校可通過監測招培就各環節重點指標，深入剖析反饋信息，專業可精準定位問題，動態優化培養方案及培養過程，構建起貼合實際、行之有效的質量保障機制，切實提升人才培養質量。

招生環節中，專業在生源競爭中的實力與吸引力能夠通過生源、在校生等維度數據來展現。錄取分數、生源分布等客觀數據是判斷生源質量的重要依據；同時，需要進一步體現專業在生源競爭中的優勢，反映專業吸引力，可關注在校生反饋的專業認同度、首選專業情況等主觀調研數據，從而定位招生宣傳不足或專業認同教育缺失等問題。

培養過程中，在校生、畢業生、教師等多利益相關者的評價均有助于全面剖析專業教學過程的優勢與短板。通過他們對學生學情、課程建設、教師教學等環節的評價，能夠定位教學環節中存在的問題，進而優化培養方案。例如，課程建設方面需要關注專業授課內容與行業實際契合的程度，專業核心課程的重要度和滿足度、教材評價等指標能夠從多角度體現這一點；師資建設方面，要衡量教師教學能力，除教師數量結構、學歷等基礎條件外，也需要衡量教師適應教育信息化發展的情況，可關注教師數字素養、信息技術使用頻率與效果等評價結果。

就業環節中，需要關注專業人才培養的實際成效與市場適配性，應從畢業生和用人單位角度共同觀測。就業率與升學率等客觀數據呈現的是畢業去向的整體結果，除此之外，需要關注人才與市場需求的契合程度，以及在實際工作崗位上的表現情況。為明確企業看重的人才特質與市場需求的知識技能，以及為優化專業培養方向提供依據，可關注用人單位聘用理由、畢業生工作與專業相關度、晉升情況等。

AI賦能教育已是高等教育發展的必然趨勢。在政策引領與實踐探索的雙重驅動下，高校正逐步打破傳統育人模式。相信在未來，隨著人工智能與教育教學的深度融合持續走向縱深，高校數字化建設將更加聚焦育人本質，在技術創新與教育規律的有機結合中，不斷提升人才培養質量。

主要參考文獻：

[1]龔旗煌.從理念到實踐：人工智能賦能下的高等教育創新探索[J].中國高等教育,2025(11).轉引自：湖州師范學院發展規劃處.

[2]數智賦能：東北大學教學質量保障體系建設的創新實踐[EB/OL]. [2026-03-13]. 麥可思研究公眾號.

[3]數字化賦能專業綜合評估[EB/OL]. [2025-06-23]. 麥可思研究公眾號.

聲明：麥可思研究原創內容全面開放非盈利目的的轉載授權，轉載請留言或添加編輯微信獲得長期白名單授權（電話或微信搜索18602824882）。轉載要求——

1.文首注明“轉載于麥可思研究”。

2.轉載請在文章發布的24小時后進行。

關注“麥研文選”,獲取更多數據——