人工智能为微观质量评估赋能

【摘要】微观质量评估体系的建立有赖于人工智能技术的发展。微观质量评估需要人工智能在五个方面的赋能：多层次、高密度传感信息采集，数字、文字、图像超文本信息处理，多模态信息存储与模拟计算，多样化信息交换与共享，基于用户需求的适时信息整合与反馈。强人工智能赋能下的微观质量评估有助于推动学前教育普及普惠安全优质发展。

【关键词】微观质量评估;人工智能;测评技术;学前教育

【中图分类号】G610 【文献标识码】A   【文章编号】1004-4604（2022）05-0003-05

*本文为国家社会科学基金重点项目“婴幼儿养育与照料的社会化研究”的研究成果之一，项目批准号：18ASH5。

**通讯作者：秦金亮，浙江省哲学社会科学重点研究基地浙江师范大学国际儿童研究院院长，中加人类发展联合实验室中方执行主任、教授、博士生导师，E-mail：qjlzjnu@126.com。何海波、冯伯乐为共同第一作者。

自微观质量的测量与评估技术兴起以来，其对基于复杂情境的多点测量、适时交互的异构算法的需求，推动人工智能理念进一步发展以及相关技术日益成熟。新时代人工智能是系统构架、深度算法体系、云计算平台及网络技术的集成。人工智能的纳米级智能感知系统属于无噪、无辐射、无感知的信息捕获系统，而人工智能的效应系统与智能机器人相仿，可实现“童趣性”（joys）交流与信息交换，适用于儿童的日常生活。〔1〕人工智能的智能感知与传感技术的集成以及信息的层级分类加工超越了传统的简单观察方式，更容易实现精准观察、持续观察、系统观察。学前教育质量评估进入微观质量评估时代，强人工智能的优势更加凸显。

一、不同学前教育质量评估阶段的评估尺度

1.要素质量评估阶段的评估尺度

在要素质量评估时代，学前教育质量评估的聚焦点是质量理论和现实层面的约束条件、物质保障、制度保障、人力保障。要素质量的评估尺度是宏观的，将普遍的、显性的、稳定的制约质量的要素作为衡量尺度，将机构的物质条件、生均经费、师幼比、教师水平作为核心要素指标。要素质量评估的量化指标可以被定为不合格、合格、良好、优秀等质量等级，进而转化为政策标准意义上的省一级、省二级、省三级等评估等级。〔2〕要素质量评估主要是进行基础数据管理等工作，对人工智能的依赖性不强。

2.班级过程质量评估阶段的评估尺度

学前教育质量评估进入过程质量评估时代，评估技术体系的关注点转移至教育对象接受教育的过程，对教育对象过程性信息采集的基本途径是观察、持续观察、系统观察。以《班级评定计分系统》（CLASS）、《幼儿学习环境评价量表》（ECERS）为代表的班级过程质量评估体系开启了质量评估信息化的先河。班级教育过程中的质量信息采集需要在质量平台进行分层组合式分析，建立区域目标、园所目标与班级质量目标等指标体系间的层级关联，形成质量改进的步骤与措施的层层嵌套。这为下一步人工智能平台支持的质量改进开辟了试验田。《班级评定计分系统》包括情感支持、班级组织、教学支持3个维度，积极氛围、消极氛围、教师敏感性、考虑幼儿视角、行为管理、效率、教学与学习形式、概念发展、反馈质量、语言示范10个具体可操作的量化项目。虽然其评分方式依然是评估者的主观概括性赋值，但项目间的适应性矩阵关联为人工智能赋能预留了空间。〔3〕《班级评定计分系统》建立在经典儿童发展理论的基础上，假定班级质量的维度是普适的，能跨越年龄界限和文化界限。〔4〕然而，作为托幼机构班级过程质量的评估工具，其互动质量评估具有模糊性，需要人工智能赋能下的连续测量和精准测量。《幼儿学习环境评价量表》是过程性质量评估工具的另一典范。按照人类发展生态学者布朗芬·布伦纳的理论，环境是物理环境、人际环境、社会文化环境的嵌套整合。〔5〕《幼儿学习环境评价量表》中国版（CECERS）更多地将要素、结果测量转化为对一日生活、游戏、教学活动、户外活动等的过程的连续、延展测量，关注互动中的过程嵌套关系，为人工智能的分布式嵌套奠定基础。

3.微观质量评估阶段的评估尺度

传统的观察方式具有很大的局限性。一是观察的主、客体无法实现有效转换。二是研究者以观察者的身份介入，所使用的研究工具很难成为教师自觉改进、专业提升的工具。学前教育质量评估从现实性看要难于其他教育质量评估。学前教育微观质量评估的主要内容是学与教的师幼互动。在微观质量评估视角下，师幼学与教的行为在不同尺度下存在“眼睛看得到”与“眼睛看不到”的连续信息链。在这一信息链上，既有显性信息也有隐性信息，因此对其的测量既需要基于经验以眼睛为主的多感觉器官的感知，也需要用眼动、红外捕获、生理生化等多测度指标来精细描述。

微观质量评估有三条基本要义：指向每一个微观个体，特别是每个学与教共同体;基于每个学与教共同体的稳定连续行为样态;面向显性与隐性行为样态的微观场域。这三条基本要义决定了微观质量评估的三个基本向度。微观质量评估以每个学与教共同体为观察单位，是借助人工智能的快速成像技术对个体的准确把握，既不同于要素质量的客观计数测量，也不同于班级过程质量的众数觉察、累计式平均估计。微观质量评估强调发生性累积，以发生学的研究方法来观察、分析行为的发生、发展、变化，以获得完整的行为链，发现关联行为间的循环发展轨迹，并判断其速率和审视其变化特征。人工智能的图像追踪、图像迭代计算能够满足这一需求。

微观质量评估重新确定观察场域概念。在这个观察场域中，物境、人境、我境互为关系，物与我、人与我、我与我形成显性与隐性的复杂互动关系。微观质量评估目前形成了嵌套多维体系的统一，借助多层级传感技术和深度算法模型将相关信息统整起来。微观质量评估的编码体系是在多维统合观下实现测量编码全覆盖、全时态、全层级、全空域、全息态。〔6〕

二、人工智能的不同赋能方式及其视角转换

1.人工智能的不同赋能方式

人工智能在其发展史上出现了物理符号、人工神经网络、感知与行为交互、自然语言云模型等不同技术路径，进而形成了不同的赋能方式。

一是刻板性赋能。在弱人工智能时代，质量评估中的人工智能只是单纯模仿人的感知系统形成智能感知，模仿信息处理系统形成智能信息加工，但其对人的模仿是刻板的、难以变通的。

二是柔性赋能。在强人工智能时代，深度算法语言使得机器情境化学习的能力极大提升，可以更灵活地处理特定信息，满足不同的处理要求。

三是确定性赋能。确定性人工智能认为，“世界是决定性的，不确定性只是人们的无知，而非事物本来的面貌”。只要知道事物的初始状态、边界条件，就可以用机器、系统或网络计算事物的发展趋势和结果，即教师对具体幼儿指导的针对性、有效性、显著性、即刻性、长远性都是可以预见的。

四是不确定性赋能。量子力学的出现揭示了不确定性是事物的本质属性，表明客观世界的不确定性不是由知识的不完备状态造成的，而是事物本质属性的客观反映。不确定性是客观世界的一种真实存在，是一种真实的自然状态。客观世界的不确定性使得人类认知中表现的智慧状态具有更复杂的不确定性。〔7〕微观质量评估中最复杂的是评估活动中显性与隐性的师幼关系。一日生活中教师的一对多和幼儿的多对一都是相对的。这使得对每个幼儿的评估变得异常复杂，如统一指令性语言与针对性建议语言、督促与引导、赞许与批评、默认与允许等存在相互渗透、相互转化等非常复杂的随机教育关系，为不确定性人工智能赋能提供了巨大的空间。

2.人工智能推动的评估视角转换

在传统质量评估中，评估者与被评估者分属两个系统。评估者是中立、客观的守护者，也是权力、行政的代言者，还是学术权威的象征者。评估者与被评估者不能相互转换，不能实现客观执行者与当事体验者的角色互换、体验分享，难以形成评估者与被评估者间的关系自省。在评估技术上，弱人工智能的物理符号模式、行为对环境的反应模式等是完全可以满足传统质量评估的要求的。这种模式的弊端是易使保教人员成为被动接受者、被动奖惩者，使教育变革处于被动状态。进入微观质量评估时代，质量评估成为保教人员专业改进的依据和动力之一。微观质量评估的专业支持使得保教者可以积极地、建设性地改变专业生活。人工智能赋能下的微观质量评估将人的因素、动能性因素当成质量改进的最大资源。人工智能赋能的微观质量评估可以将传统的评估者与被评估者的对立关系转变为依存关系，跨越评估者与被评估者之间的主客体对立鸿沟，在云计算全息数据驱动下实现二者关系的自省性转换，激发主体的各种积极力量，实现质量改进。

三、微观质量评估各环节的人工智能赋能方式

微观质量评估需要适时采集每个学与教共同体的过程行为，是多层次的、整合的、连续迭代的延续性行为，其海量存储、传输、分类、编辑、模式识别、系统分析、比较提取等数据计算问题需要一揽子解决方案，需要大数据、云计算、系统集成思维方式，才能使面向每个婴幼儿发展的教育公平价值理念落到实处。微观质量评估一旦指向每个婴幼儿的发展，服务于每个保教从业者，就必须从基础发展测量技术，从底层建立数据结构，从深层优化算法语言，从整体实现数据共享，在环境及方式等方面更加友好便捷。具体来说，微观质量评估需要如下五个方面的人工智能赋能。

1.多层次、高密度传感信息采集

传统评估中的观察一般是感觉器官对当下信息的获得。微观质量评估实现了多通道分布式采集。这种连续式信息采集模式是传统的观察方法难以实现的，即使是精准摄像技术也难以实现。在微观质量评估中，观察不仅关注对象行为本身，也关注对象行为与关联背景，是一种关系性观察，需要多层次、高密度传感信息采集。在特定的观察限制与文化背景下，对观察对象关系的理解和把握，对场域中的关系进行判断、权衡、反省，都需要借助关系性智能感知的异构算法。关系性智能感知的强人工智能可以充分发挥作用。〔8〕

2.数字、文字、图像超文本信息处理

目前微观质量评估涉及的信息文本以数字、文字为主，尚未完全实现数字、文字、图像三者混合的超文本信息转换。基于区组的强人工智能信息处理技术可以同时完成数字、文字、图像的信息处理，实现超文本处理与适时转换。这一技术使得微观质量评估中的多目标并行分布技术的实现成为可能。并行分布技术是一种系统集成。它至少包括多通道分布式识别与捕获、并行传输、海量存储、混合文本分析及统计、多层网络分析等技术成分。这一新型智能体以不确定性人工智能模型及其算法为基础，能够满足微观质量评估的需要。基于个体的过程性微观质量评估具有明显的不确定性。我们要在不确定中寻找、发现确定性，并以经验、事实为基础实现模型化、算法化、技术集成化。在教育情境中，共时性的多主体、多层级、交互式情境测量与评估，依赖于强人工智能对视频、音频、文字、符号、数字信息的及时处理。这种信息处理技术能够为主观信息和客观信息的转换奠定技术基础。脑-机接口技术的广泛应用有望实现教师与幼儿从分子、细胞、组织系统到行为、社会、文化间的多层级、跨个体快速信息交互转换，真正获得多层级、全域性的完整的教与学共同体的信息，从评估技术层面填平主体层级内、评价主体间的信息鸿沟。

3.多模态信息存储与模拟计算

目前，大规模信息存储与模拟计算已不是技术瓶颈，而适时的信息存储与交换技术还有待发展。近年来，随着非侵入式脑-机接口技术的快速发展，特别是空域滤波与时域滤波纠偏技术的突破，师幼间、幼幼间、区组间的信息交互更加频繁。强人工智能带来的多模态信息存储与模拟计算有助于在幼儿发展信息采集中实现跨时间和情境维度的适时信息存储与模拟计算，使研究走向真实生活。〔9〕

4.多样化信息交换与共享

教育公平的实现，在教育评价层面有赖于多元、开放、共享的测量与评估技术环境的创设。这是21世纪评价的主旋律，也是质量评估重心转移和评估价值转换的基石。不管是评估理念上的平等、包容与主体性激发，还是技术层面的网络开放、数据共享、资源共用，都为包容、开放、共享的微观质量评估平台建设提供了专业支点。一个强大的微观质量评估系统必然需要大数据下强人工智能多样化信息交换与共享的赋能。以往过程质量评估的人工记录方式很难满足同时面向几百上千个个体互动的评估需要。建立多层级、多通道、持续追踪、适时捕获的智能感知系统，成为理想的选择。强人工智能赋能下采集的微观质量数据呈几何级数增长，其标记点要求覆盖班级全域个体，全时空生成性获得。对婴幼儿与照护者多层信息及之间关系的描述、刻画、记录是海量级的数据信息，具有多层级、大范围交叉覆盖的特征。这种生成性迭代的数据特征与师幼关系的复杂性以及婴幼儿发展的快速变化性、或然生成性、发展不确定性相匹配。