AI如何重構高校教學評價？

在國家教育數字化戰略行動、“人工智能+教育”系列工作的持續推進下，AI賦能課堂教學評價已成為高校教情學情建設、教師隊伍提質、推進教育評價改革的重要探索方向。

長期以來，我國高校教學評價形成了以人工督導聽評課、階段性學生評教為核心的成熟運行體系，在規范教學秩序、保障基礎教學質量方面發揮了重要作用。但隨著高等教育高質量發展對教學評價的精細化、個性化、發展性要求不斷提升，傳統評價模式逐漸顯現出較為突出的應用局限：

一是評價覆蓋范圍有限，難以實現對全部課程、全體任課教師的常態化、全周期覆蓋；二是評價反饋存在滯后性，人工評價從信息采集到結果輸出的周期較長，難以及時介入教學過程、實現即時性優化；三是評價精度受主觀經驗制約，人工觀察難以完整捕捉課堂教學的全維度細節，評價結果易受主觀因素干擾，客觀性與精細化程度不足；四是評價呈現明顯的片段化特征，單次聽評課、階段性評教僅能反映特定節點的教學狀態，難以為教師的系統性專業發展提供持續支撐。

AI評價如何促進教學

AI評教從技術實現與應用范式上，重構了傳統教學評價的運行邏輯。它不再單純依賴人的經驗和主觀感受做定性評判，而是以客觀、全面的教學數據為核心支撐，結合專業研判形成評價結論。不再局限于一學期一次的“期末總結式”評價，而是可實現貫穿整個教學過程的“全程跟蹤式”診斷。不再局限于用一套固定標準適配所有教師，而是能精準捕捉每位教師的教學特點，給出針對性的成長引導。

1. 課堂教學全維度細節“看得清”，破解人工督導的覆蓋與效率瓶頸

麥可思教評平均數據顯示，傳統高校人工督導模式下，一學年聽評課平均僅能覆蓋39%的課程、52%的教師，反饋周期長達10.9天，有限的覆蓋范圍與滯后的反饋節奏，讓教學管理干預難以前置。

AI教學評價通過多模態數據采集，能夠突破人工觀察的效率局限，實現更高精細度、更廣覆蓋度的課堂數據采集：通過課堂音視頻設備實時采集教學全流程數據，結合算法自動生成量化分析報告，清晰呈現單節課中教師講授類型、學生專注度等細節，為教學改進提供客觀、可追溯的數據支撐，讓教師清晰明確課堂行為的優化方向。

2. 教師專業發展短板與優勢“判得準”，實現個性化成長支持

同質化的教學評價指標，難以精準適配教師個性化的專業發展需求。而通過對教師教學全流程數據的跟蹤與深度分析，AI能夠精準刻畫教師的教學風格特征，識別教學短板，清晰定位其核心優勢與關鍵提升方向，為教師提供更精準、更適配的個性化專業發展支持。

例如，AI教學評價可識別出某教師課程內容編排邏輯嚴謹、課堂互動頻次高，且能靈活融合PPT、板書等多種媒介開展教學，有效提升了學生的課堂專注度；但同時存在知識點以口述羅列為主的問題，易因語言組織或課堂節奏把控不當，導致授課中段出現學生注意力下滑的情況。

3. 教師全周期教學成長軌跡“跟得全”，打破片段化評價的局限

傳統高校教學評價普遍存在顯著的片段化特征與應用局限：單次督導聽評課、每學期固定開展的學生評教，僅能捕捉教師特定節點、特定階段的教學狀態，既無法實現對單堂教學細節的深度診斷，也難以為教師長期、系統性的專業成長提供持續、連貫的支撐。

AI教學評價可匹配完整教學周期，為教師提供更科學、全面的分層教學診斷：單堂課堂分析能精準定位單次課堂的教學細節、優勢亮點與短板不足；針對整個學期的課程維度開展全鏈路評估，則能有效彌補單堂評估的局限性，實現從單點課堂到完整學期的教學表現全覆蓋。

系統還可為每位高校教師建立專屬的專業發展電子檔案，持續記錄教學視頻、評價報告等數據。教師可隨時回顧分析報告，清晰對比自身教學行為的變化與成長軌跡，直觀掌握自身在教學表現、教學規范、教學內容、教學方法、學生學習狀態等多個維度，與本院及本校教師均值的差距，為長期教學能力的系統性提升提供清晰、可落地的參考依據。

拓展閱讀：AI賦能教評的實踐案例

北京大學教務部副部長董禮曾在與麥可思研究交流中提到，在AI技術教評工作的應用方面，北大做了諸多探索和嘗試。

將信息技術與教評系統結合

近年來，北京大學一直在發力系統建設，力圖將信息技術與教學評價相融合，包括與外部第三方合作搭建的教學質量管理平臺，以及正在開發的校內本科教學質量狀態系統等。同時，聯系一些人工智能開發公司，希望利用AI技術改進教學評價，使其評價工作更加精細化，導向目標更加明確，更能助力院系和教師教學。

開展教評數據分析工作

目前，北京大學正在整合學校數據，參照教育部本科教學基本狀態數據采集平臺的功能和數據收集需求，建立了一套校內的本科教學質量狀態系統，已經開展了一些簡單的教評數據分析工作。同時，學校正在拓寬教學數據的廣度，加入過程性數據，如學生學習過程和教師教學過程的動態數據，嘗試改變每年按照固定時間收集和展示教育部本科教學基本狀態數據的現狀。

推進數據可視化呈現

當前，北京大學本科教學質量狀態系統正在重點實現數據可視化呈現功能。之前的系統雖能展示核心數據指標，但是給學校領導、院系管理人員和老師的支持并不夠，部分教評數據沒有展示出評價的橫向比較結果，使用者難以對比其他院系找出優劣之處。另外，學校也在美化系統界面，讓使用者能更清晰直觀地了解各院系、各專業的教學發展狀況，以及教師層面不同院系的對比情況。

北京大學AI賦能教學評價優勢在于，教學評價更加標準化，不受人為因素影響，評價結果更加客觀公正。利用AI技術進行教學評價，可從非學生的角度對所有課程進行全覆蓋，結合專家、領導、學生和AI自身等多渠道的評價結果，保證所有課程在同等情況下得出相對公平的評價結果。同時，AI賦能教學評價能夠給老師提供具體的改進方向和建議，借助AI技術對課堂錄像和文本的分析，可深入分析老師的教學全過程，給老師提供更合理、精準的改進建議。

主要參考文獻：

[1]卿素蘭.如何利用AI評價改進教學[N].中國教育報，2025-11-03(05).

[2]麥可思研究.北京大學：AI賦能教學評價.[EB/OL].微信公眾平臺,2024-12-13

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——