智能技术赋能职业教育增值性评价的逻辑与路向

摘 要 在教育数字化转型格局下，人工智能、大数据、物联网等智能技术为职业教育的增值性评价提供了技术保障和解决方案，从而促进了技能型人才培养质量提升和职业教育高质量发展。在逻辑重构方面，通过理念赋能构建基于数据证据的评价体系，借助方法赋能拓展职业技能导向的评价内容，依托技术赋能建立学教评一体化的诊断机制。在实践路径方面，以学生发展为中心，建立个性化评价指标；以持续改进为特色，分析过程性评价数据；以精准干预为导向，纳入多元化评价反馈。

关键词 智能技术；职业教育；增值性评价；人才培养；评价改革

中图分类号 G712 文献标识码 A 文章编号 1008-3219（2022）28-0050-06

面对经济社会转型需要，职业教育已从规模扩张转向以人才培养质量为核心的内涵式发展，持续改进评价体系是不断提升人才培养质量的重要环节。特别是在新一轮科技革命背景下，职业教育受到前所未有的冲击：一方面，随着大数据、人工智能、虚拟仿真等技术在教育教学中的广泛应用，极大改变了职业教育的人才培养模式；另一方面，随着智能技术的发展，越来越多的劳动者将面临职业替代的风险，而职校生是未来的劳动者主力军，如何在智能技术浪潮中扭转职业教育形势、提升职业院校的人才培养质量，是当下职业教育的重要命题。职业院校人才培养质量的提升需与科学有效的评价体系相结合。

2020年，中共中央、国务院印发的《深化新时代教育评价改革总体方案》提出将“改进结果评价、强化过程评价、探索增值评价、健全综合评价”作为改革重点；2019年国务院印发的《国家职业教育改革实施方案》提出“建立职业教育质量评价体系”；《中国教育现代化2035》提出“利用现代技术加快推动人才培养模式改革”；2022年全国教育工作会议指出我国要实施“教育数字化战略行动”，用数字技术推动教育发展，增强职业教育适应性。可见，如何在数字化教育语境下重构职业教育评价体系，以人工智能、大数据等新兴技术手段赋能职业教育高质量发展，是当下职业教育内涵式发展的重要突破口。

一、职业教育增值性评价的概念及意义

目前，我国职业教育大多仍以学生横向排名的考试成绩作为参考依据，这种以结果为导向的终结性评价方式难以考量职业教育所培养的技能人才发展过程的实质转变及各责任主体对转变的贡献。基于数据统计分析的“增值性评价”是考量评价对象在纵向比较空间上是否有“净增量”出现，增值性评价更加注重体现公平性与科学性，关注学生个体水平的有效提升，能增强教育主体高效发展的内源性动力。

（一）增值性评价的概念溯源

增值性评价来源于经济学中的“投入—产出”理论，是一种重视学生个体进步过程的发展性、形成性评价，以发展的眼光促进学生全面发展，这些增量也是用来评判教育是否有效的重要依据。该质量导向的评价体系促进了教育评价的公平性，有利于激发生源质量相对落后的学校提升学生进步的动力。1966年，社会学家科尔曼（J.S. Coleman）及其同事在解释学生成绩分数差异时指出，教师是学校中最具影响力的变量[1]。之后，教育经济学家埃里克（E. Hanushek）从经济学视角研究教育投入和产出的关系，并于1971年提出采用教师素质评估的增值模式来评估小学阶段教师对学生成绩的影响[2]。20世纪70年代以来，以“科尔曼报告”为起点，学校效能的增值评价研究在世界范围内逐渐发展起来。1992年，教育学家威廉（W. Sanders）与其同事创建的田纳西州增值评价模型（Tennessee Value Added Assessment System， TVAAS）是目前比较完善的增值评价模型，经过不断完善已被纳入教师评价改革中的问责系统[3]。随着研究的深入，目前经过调整后的增值评价模型有协变量调整模型和进步分数模型，还有多水平模型、多元增值评价、线性混合评价模型等。

增值性评价的核心内涵在于“增值”二字，即指对学生的各种教育投入在学生个体成长中起到的作用，学生增值大体分为两个方面：一方面，关注学业成绩上的“净效应”；另一方面，注重德智体美劳等非认知能力的“增值”。学业成绩维度的增值评价是指基于学生自身多次测验成绩的纵向比较，关注学生个体的进步和成长而不是学生成绩的绝对水平，改变了以往将同年级学生的学业成绩进行横向比较的做法。能力维度的增值评价包括学生的情感、态度、能力、素养等方面的发展，也有研究者将这种全面发展具体化为道德品质、健康素质、审美素养、实践创新、劳动素养等指标的增值幅度来评估学生效能[4]。增值评价与传统评价的主要区别在于其是用发展的眼光动态比较学生的变化过程，而不是关注学生的最终学习结果，也不是比较学生与其他学生之间的横向差异，同时又剔除了家庭背景、生源质量、地域经济等非学校因素的影响。增值性评价可以真实反映学校和教师的教学成效以及学生的成长进步，即所谓“不比基础、比进步”“不比背景、比努力”[5]。

（二）职业教育的增值性评价

当前，我国职业教育正处于优化类型定位、构建现代职业教育体系的改革攻坚期，职业教育评价事关职业教育改革发展方向，要改变功利化倾向，破除单向化标准，就必须重构新的评价格局[6]。职业教育是培养多样化人才、传承技术技能、促进就业创业、推动经济社会发展的重要途径[7]。人类的知识被分为理论和实践两个部分，由此教育也被划分为两种类型，一是为了获得满足生存所必须的训练，二是通过崇拜的方式以安抚灵魂世界[8]。中世纪的学徒制是职业教育的原始状态，师傅结合生产劳动传授技艺给徒弟，这一过程中包含了现代学校的招生、培育、监督等环节，通过“技艺劳育”培养学生的工匠精神一直是职业教育的核心价值。可见，相对于普通教育来说，职业教育更倾向于将技能水平、职业素养、综合能力指标作为教育评价导向，不断紧跟时代发展与行业趋势，适应就业市场供给新需求。

增值性评价是基于人的发展理论，关注学生发展与教学过程的纵向比较方法。如果说“静态性”“终结性”是早期教育评价的特征，那么“发展性”“动态性”是具有后现代特色的现代教育评价理念，增值评价是对“唯分数、唯升学”教育传统的批判，是“五育融合”目标下培养全面发展的人的新路向[9]。职业教育的增值性评价中，所谓“增值”是在控制生源质量、家庭背景、社区环境、区域经济差异等不受学校改变的因素后，由学生接受职业教育所带来的个体发展成果，增值评价即是对职业教育影响个体发展程度的测量[10]。职业学校的人才培养目标具有综合性、全面性等 特征，既要依托于课程文化知识培养学生的逻辑、思维、记忆等认知能力，还要通过实操练习培养学生的技能、经验、实操能力、职业素养等专业技艺。因此，职业教育需要更全面、更直观的评价体系和方法来权衡教育的实际效能，提升职业教育的社会认同度。在增值评价理念导向下，职业教育的质量评价更关注“过程”而非“结果”，评价对象从“投入”转向“产出”，评价目标从“学业成绩”转变为“持续改进”，评价方式由终结性评价转向发展性评价、诊断性评价，评价内容注重综合考察学生认知层面与非认知层面的进步幅度。此外，根据最近发展区理论，增值评价有助于分离职业教育各要素自身的影响，单独考察职业院校、教师和学生的发展情况，获取学生和学校层面各影响变量的线性关系，更公平客观地反映生源多元化现实处境下职业教育的质量增值[11]。概言之，增值评价理念有助于体系化、科学化、数据化评价职业院校的人才培养效能，关注的是学生学业、素养和技能的综合增值情况，为技术技能人才的培养提供“因材施教”的依据，为职业教育高质量发展提供科学参考。

二、智能技术赋能职业教育增值性评价的内在逻辑

随着教育数字化转型，5G、大数据、人工智能、物联网等智能技术为教育评价改革提供了支撑引领，深化融合智能技术与教育评价改革是必然趋势。《深化新时代教育评价改革总体方案》提出“要利用人工智能、大数据等现代信息技术，探索学生增值评价，促进学生德智体美劳全面发展”。传统的教育评价技术难以收集到完整的学生数据，导致增值性评价仅停留在对学业成绩的考查，无法真正反映学生的内在素养，以人工智能为代表的新兴教育技术本质上已形成一种新的思维方式和解决问题的方法，能为职业教育增值性评价改革提供创新性解决方案。

（一）理念赋能：基于数据证据的评价体系构建

随着智能技术与教育领域的深度融合，新兴的智能技术不仅从技术层面为教育改进提供了硬件支撑和条件保障，更是从理念层面提供新的教育观念，对传统教育评价方式进行革新与重构。增值性评价强调评价对象的过程性发展，根据“输入—输出”理论视角探讨教师与学校对学生成长的互动关系，而不是只关注学业成绩的最终结果，避免了生源差异、家庭背景等非教学因素对教学效能的影响，在一定程度上促进了教育公平与教育均衡发展。因此，“过程性”与“发展性”是职业教育增值性评价的核心特色，其既包含教育活动本身的实践过程，也包含学生个体进步的成长过程，逐步形成从结果到过程的评价理念转向。

循证教育认为教育实践应基于现有的最佳科学证据，将教育者的教学经验与学习者的学习证据结合起来开展教育实践，是提升教育质量、促进教育改进的有效途径。循证取向的职业教育评价破解了“经验主义”“机械方法”和“单一数据”的桎梏，以职校生的学习表现和实操水平为中心，收集多模态、多维度的数据证据，通过反复反馈调节促进教育实效的改进。传统教育大多只依赖试卷、作业等传统教学媒介考察学生的学业情况，而在现代智能技术的支持下，教师可随时采集学生过程性、动态性、多模态数据，通过自动化数据处理与分析，对学生的已有增值进行判断，对其未来增值趋势进行预测，在数据结果基础上进行精准改进，形成有据可循的“循证型信息化教学”。第四代评估理论强调，评价是一个共同建构的过程，应以联系和发展的视角考量评价结果，基于证据的论证模式为职业教育技能评价提供了新的思路[12]。智能时代，基于证据的增值性评价以数据信息为基础，采用增值评估模型和深度学习算法进行教师增值评价分析，通过证据采集、证据规整、证据核查、证据融合等环节形成基于关联证据的证据簇，为有效的教育评价提供优化依据[13]。智能技术支持下的增值评价体系破解了单维度、单一化的评价方式，转向教育过程全覆盖的多维科学考量，通过评价反馈与数据分析不断改进人才培养过程，为教师、学校和教育主管部门有针对性地决策提供相关数据，直观呈现各职业院校教育的实际效能，能够科学精准地推进职业教育高质量发展。目前运用人工智能优势解决职业教育评价问题的研究较少，应转变现有教育评价的理念和方式，运用智能技术采集学生成长的过程性数据，在增值分析基础上推进技能型人才培养的精准评价。

（二）方法赋能：职业技能导向的评价内容拓展

职业教育的增值性评价需兼顾学生认知能力与专业技艺等内容，将外显的知识水平和内在的素养水平结合起来考量技能型人才培养。人工智能赋能教育评价正走向教育评价改革的主战场，技术的升级换代决定了技术应用的功能范围，在智能技术助力下，教育评价内容从以往学生认知维度的观测拓展至学生社会性、心理、情感、态度、能力等多维度的评估，评价重心从学生知识技能的培养转向促进内在素养的生成[14]。

从人才培养的角度来说，高等教育划分为研究型、应用型和职业技能型，其中，培养职业技能型人才是职业教育的工作重心，强调学习者需在掌握一定理论知识之后形成熟练的实际操作能力和应用创新能力。传统教育多以学生学业成绩为评价依据，而这种“考试型”的评价方式已不能满足当下社会发展对职业院校学生的需求，只有在学校掌握了“真本事”“真技能”，才能确保技能型人才广阔的就业前景。同时，传统的纸笔测试也无法有效评价学生的综合素养，使得职业教育的评价结果有失偏颇，难以真正衡量学生的内在素养与职业技能。智能驱动下的教育评价不仅可以分析学生知识掌握情况等外显数据，还能分析学生的学科能力、核心素养、思维水平等内隐数据，以最新的行业标准与岗位要求为导向，对技能型人才进行精准评判。运用具有数据采集功能的学习终端如电脑、智能手机、平板、可穿戴设备等即可捕捉到学生完成学习任务的全过程数据，通过分析学习时间、练习过程、互动频率等数据之间的关联，形成反映学生真实掌握情况的“数字画像”。综合评估学生的认知与非认知能力、促进学生的全面发展是增值性评价的优势所在，而智能技术弥补了传统教育评价的短板，将内隐的技能素养通过数据挖掘显现出来，更客观、全面、高效地评价学生个体增值情况，从内容维度拓展了职业教育评价体系，为应用型和技能型人才培养提供新的方法思路。

（三）技术赋能：学教评一体化的诊断机制建立

评价的意义在于诊断、激励与改进，唯有把关教育过程各环节，找出问题所在，才能促进教育教学质量的有效提升。智能技术能够促进职业教育评价个性化、智能化、精准化，具有评价模型科学化、主体参与多元化、数据获取立体化、诊断分析最优化、评价反馈精准化等特征[15]。目前，已有的智能教学测评技术包括课堂教学行为智能分析模型、自动化测评系统、测评大数据、自然语言理解技术、智能化学习评价、智能教学系统、情绪识别系统等，可实现文本、语音、图像、视频等多模态的数据分析，快速诊断出教学中的问题，帮助教师及时调整教学策略。

已有研究实践中，常用的增值评价模型有分数差值模型、多水平分析模型和多层线性回归模型，其中分数差值模型和多水平分析模型需要运算标准化测试后的学业成绩，依赖于传统的教育测量方法，而“多层线性回归模型”不仅可以计算学业考核和技能测试分值，还可以处理各种隐性指标的量表数据，如自陈式量表、自我报告等，更适用于分析职业教育中各因素的交互作用。在智能技术支持下，研究者能更加高效精确地剔除多层线性回归模型中学生的家庭条件、性别、地域等非教学因素的影响，分析学生在接受一段教育后个人成长的“净增量”，以及教师和学校在其中发挥作用的实际效能，使评价结果更高效、真实、公正。在职业教育增值评价实践中，可借助技术平台建立智能诊断机制，运用智能学情分析、视频图像识别、学生数字画像、自动化测评等技术，实现教学过程个性化设计、伴随式采集、及时性报告等功能，形成“决策—监测—评价—改进”闭环式智能教学诊断机制。例如，职业教育中常有一些操作性和危险性较高的教学场景，运用虚拟仿真实验技术打造“学、教、评”融为一体的实训基地，不仅可以让学生产生身历其境般的沉浸式体验，还能通过可穿戴设备和技术端口将学生的操作过程进行详细记录与学情分析，在实际训练中精准诊断、及时反馈并持续改进；基于区块链技术的分布式存储、不可篡改、可追溯等技术特征，实现个人职业技能证书的身份认证和精准识别，保护用户的合法隐私和知识版权，形成职业技能证书“考核、认证、识别”融通式服务机制。与此同时，从技术层面赋能职业教育增值性评价要把握好智能技术的应用场景与合理尺度，运用数字挖掘技术采集学生学业、品德、技能、素养等数据，将隐性评价指标转化为量化分析，通过数据可视化技术和增值评价模型，形成发展水平可视化分析报告、以评促教，以评促学，引导学生德智体美劳全面发展。需要注意的是，在智能技术使用过程中，要遵循规定的技术伦理标准，保护学生隐私和合法权益，在学生知情并同意的情况下采集信息，不可过度依赖技术陷入单向度的人才培养误区[16]。