技术赋能基础教育监测的实践探索与创新思路
来源：本站 作者：李明 发表于：2024.09.20 9浏览
文/李明 河南师范大学河南省基础教育发展监测与评价中心实验师
摘要：在基础教育的优质均衡发展与创建工作中，监测扮演了不可或缺的角色。但在传统的教育监测实践中，常常出现教育理念与监测指标脱节、评价活动与教学研究脱节、监测设计与测试实施脱节、分析结果与教育决策脱节，这些脱节已成为监测价值实现的瓶颈。随着人工智能技术的快速发展，基础教育监测需要依托高校协同创新优势，构建融入数字素养的生态指标体系、协同教研的命题引领机制、多端协同的数据采集模式和分析赋能的循证决策思路，以期通过技术赋能监测，撬动省域基础教育朝向更高质量和更加公平发展。
关键词：技术赋能；基础教育；监测
监测是实现基础教育更高质量和更加公平发展的关键环节。有效的监测，不仅需要全面体现五育并举的教育理念，还要将监测结果与教学研究有机结合，更要为教育决策提供循证依据。但在监测实践中，经常存在着教育理念与监测指标脱节、评价活动与教学研究脱节、监测设计与测试实施脱节、分析结果与教育决策脱节的问题，已经制约了监测对教育发展的引领作用。
传统监测方法常受限于技术与资源，对于经济欠发达的省份，基础教育监测更是面临着独特的挑战与需求，也更加急需通过技术创新来提升监测的效率与效果。以人工智能（AI）为代表的技术发展，为通过技术赋能监测并由此撬动教育优质均衡发展带来了契机。在持续的探索中，基础教育监测从指标体系的研发，到人才队伍建设和技术创新，再到循证的教育决策，各类技术赋能的创新实践，不断涌现出一些值得分享的经验。
一、赋能监测内涵创新，构建生态指标体系
指标体系是监测的灵魂，决定了监测的效用与效益。基础教育监测要致力于在监测中体现“五育并举、全员育人”的理念，构建学生成长的“生态指标体系”，如图1所示。
首先，纳入现代化发展指标，丰富五育内涵。在数字时代，师生的数字素养成为其适应未来生活的重要内容，也应是学生发展核心素养的必要成分，甚至也应将其用于丰富“五育”的重要内容。在当前的基础教育教育评价体系中，尚未充分关注学生发展的这一内涵。在探索中，我们不仅融合了学生发展核心素养、综合素质评价等相关体系的关键要素，还纳入了社会情感能力、高阶思维、创新能力、团队协作等最新研究成果，尤其突出了数字素养评价，以呼应AI时代对学生发展的新要求，由此更加全面监测和评价学生发展成就。
图1学生成长内涵及生态指标体系
其次，扩充多层级相关因素，助力全员育人。在丰富学生发展内涵要素的同时，完善其影响因素体系也是监测工作能起到诊断和指导作用的一个必备基础。在学生发展相关因素架构设计中，根据生态系统观点，我们构建学生成长的“生态指标体系”评价模型。其中，不仅纳入了国家义务教育优质均衡发展督导评估的所有县级和校级指标，还通过学生、家长、教师、校长、教研人员和区域教育管理人员调查，纳入了学生个体、学生家庭、教师、班级、学校、区域等多级的影响因素，由此构成了一体化、立体式、全方位的生态指标体系，以期通过监测与评价改革，带动教研、教学、学校协同提升，全力支持学生健康和全面发展。
二、创新AI辅助命题，赋能一线教评融合
命题是监测指标的直接体现。传统命题一方面难度大、专业性强、耗时耗力，成为一项技术壁垒；另一方面，命题工作由监测部门组织，并严格保密，极易与一线教学研究脱节，难以把监测内涵通过指标传递到课堂；另外，一般教研员不愿或难以承担费力不讨好的命题任务，因此大型考试常被委托给考试院，小型测试则下放给一线教师。在这种情况下，教研人员难以利用命题这一评价手段带动教育改革，导致评价与教学成为两张皮。发挥AI辅助命题的技术优势，有助于创新命题的组织机制，赋能一线教评融合。
首先，AI赋能命题技能，充实一线命题力量。AI技术的突破与普及，有助于打破传统命题各环节的技术壁垒、资源屏障、经验局限，使命题成为教学和教研的一项基本技能，而非高不可攀的特权。通过开展“监测命题趋势研讨”和系列培训，吸引一线有热情和能力的教研人员及优秀教师参与命题。在AI技术赋能下，教研人员命题能力快速提升。
其次，创新命题组织机制，共建共享题库资源。在周期性命题培训、研讨和评奖活动中，不断积累优质命题，由此实现优质监测题库资源的省域共建共享。在题库建设达到一定规模后，在一定程度上向一线教师开放监测题库。由此，最大限度降低技术和资源门槛，力促一线教师参与评价改革，以期突破从监测评价到质量提升的下行瓶颈。
第三，健全理念传递链条，推动一线教评融合。AI赋能的命题专家库建设，以及命题机制创新，其意不仅在于命题工作本身，而且在于教研人员的传递者角色。这些活动的本身，就有助于监测理念到教学质量提升的传递。在此过程中，命题的理念与思路，能否获得教研人员的理解、认同和实践，是带动一线教师教学和评价改革的关键。只有将命题意图直接影响到一线教师，才能直接促进教育质量的提升。
三、采用多端对接技术，赋能数据采集提质
监测工作不仅要求纵向的工作流程环环相扣，在测试阶段更涉及到多个群体、多个系统的密切协同。在经济欠发达地区，监测工作常常面临一系列现实难题，比如小规模学校数量庞大、乡村学校机房设备老化、操作系统缺乏更新维护、技术保障条件落后、监测设备和场地不达标等。另外，很多学校还存在教师人员数量和技术水平都难以满足监测工作需要等实际困难。在这种情况下，要实现多群体、多系统无缝对接，对于刚起步的基础教育监测来说，确实是面临着一系列的挑战。
经过逐项攻关，我们创新了一套技术赋能的监测方案，包括与上述挑战相适应的各群体组织工作指南，以及配套的采集、监控、清洗、分析和应用系统。一是全线上学业质量监测系统，配合手机版小程序完成答题卡上传；二是android版应用软件，无需安装摄像头，使用工作人员手机即可进行人脸识别和测试场所的视频监督；三是线上巡考视频监督系统，巡考监督人员利用本地机房或办公室电脑，即可对随机分配的各测试点的多路视频，开展实时视频监督，过程中既可随时进行语音连麦或文字沟通，也可进行问题标记、截图上报；四是高效灵活的线上阅卷系统，自动与答题卡上传系统和学生学业测试系统对接；五是数据中台系统，用于整合来自教育厅不同处室和各个采集系统的数据；六是教育数字地图系统，用于监测结果的优化展示，以期在年度监测报告之外，为教育循证决策提供更直接和更高效的辅助工具。
四、赋能结果应用，循证决策突破上行瓶颈
服务教育决策，是监测的重要职能。地方监测往往比较重视在教学研究中的引领作用，但却忽视或弱化了辅助上层的循证决策。这一方面与其职能定位有关，另一方面也和分析成熟度有关。
分析成熟度提升是监测赋能循证决策的前提。首先，提高数据处理效能，打牢分析成熟度提升的基础。面对纷繁复杂的教育数据，需要有一套成熟的数据清洗、集成和处理方案，比如多源异构数据集成方案（图2）、大规模非随机缺失数据处理方案、因使用中招数据而必须应对的潜在地市级评分偏差处理方案、校际差异率算法对标校正方案、学业水平分级对标方案等。
图2多源异构数据集成方案
其次，提升分析技术成熟度，契合教育决策需求。成熟的分析既要能适应决策需求，还要能引领决策需求。师范高校在教育发展前沿上具有学术优势和技术优势，先进的理念加上先进的技术，通过监测结果应用的契机，以政策建议方式进入决策者视野，将使得决策需求范围更加广泛、决策内容更加丰富、决策方式也更加循证。
第三，采用结果呈现新技术，支持教育循证决策。在结果呈现形式上，研发“教育数字地图系统”。在地理信息系统（GIS）的支持下，地图中含纳了所有监测数据和分析结果，此外还包括深入各学校内部的场地实境、学校概况、办学水平、校园文化、地理环境、经济环境和文化环境一览无余。这是以期在年度监测报告之外，为教育循证决策提供的更具互动性的数据分析工具和模型，有助于决策者从多维度、多角度动态审视教育问题，为制定科学合理的教育政策提供更有力支撑。
除了以上探索和创新，在技术赋能监测过程中也难免会有大量试错。但在技术赋能监测过程中积累的数据，本身也有助于自我分析和自我完善，有助于高效完成监测任务，有利于保障监测任务的顺利和高效完成。我们相信，这种以技术赋能为特色的监测新模式，能在一定程度上克服教育薄弱地区的资源局限问题，从而撬动基础教育向更高质量和更加公平发展。