人工智能赋能中小学生综合素质评价的创新探索

感谢您关注“永大英语”！

人工智能赋能中小学生综合素质评价的创新探索

陈 丽 林文静 郑勤华

摘要：我国中小学开展综合素质评价已有二十余年，其重要性得到高度共识，地方财政投入巨大，但目前评价结果应用有限，指挥棒作用体现不足。究其原因，主要是评价方法无法保证结果的客观性和科学性。人工智能技术的突破性发展推进了表现性评价方法的应用，成为提升我国综合素质评价能力的突破口和着力点。通过对我国学生综合素质评价发展历程的全面回顾，本研究系统总结了综合素质评价的现状与存在的问题、挑战，阐述了人工智能赋能综合素质评价的方向，并提出构建学生综合素质评价体系构想，以期为我国学生综合素质评价改革提供方向与策略指导。

关键词：综合素质评价；人工智能；基础教育；表现性评价

1999年印发的《中共中央国务院关于深化教育改革全面推进素质教育的决定》首次在官方文件中使用“综合素质”一词[1]。2004年，教育部办公厅印发《国家基础教育课程改革实验区2004年初中毕业考试与普通高中招生制度改革的指导意见》，首次提出在基础教育阶段开展学生综合素质评价[2]。二十多年来，综合素质评价改革已成为我国深化基础教育改革的关键，是拔尖创新人才培养的着力点，也是推动教育高质量发展的重要任务[3]。2020年颁布的《深化新时代教育评价改革总体方案》中明确提出改革学生评价、创新评价工具、完善综合素质评价体系、健全综合评价等要求，以扭转不科学的教育评价导向、克服“五唯”顽瘴痼疾，提高教育治理能力和水平[4]。可以看出，我国学生综合素质评价源于素质教育理念的提出与深化，是响应教育评价体系改革的迫切需求，核心目标在于促进学生全面发展，提升基础教育人才培养质量。

一、我国学生综合素质评价发展的两个主要阶段

从2004年至今，我国基础教育阶段学生综合素质评价已开展二十余年。根据学生综合素质评价的目的和作用，可以将其划分为选拔导向和育人导向两个发展阶段。

第一个阶段是选拔导向阶段（2004—2013年）。在这个阶段，学生综合素质评价的目的在于衡量学生是否达到毕业标准，其结果也是更高教育阶段学校招生的重要依据。综合素质评价的内容以道德品质、公民素养、学习能力、交流与合作、运动与健康、审美与表现六个方面的基础性发展目标为基本依据[2]。评价方法主要是基于日常观察的多主体评价，评价结果采用等级划分的方法[5]。在这一时期，初中升高中的考试与招生开始综合考虑学生的整体素质和个体差异，改变了以升学考试科目分数简单相加为唯一录取标准的做法。除考试成绩外，学生综合素质评价的结果也是录取的重要参考。然而，实践过程中也出现了诸如评价内容指标体系冗杂、评价方式简单量化处理、评价过程流于形式等现实问题[6]，导致学生综合素质评价结果的客观性严重不足，评价结果区分度较低。评价结果只能作为“门槛”使用，而未能发挥指挥棒作用。

第二个阶段是育人导向阶段（2014年至今）。2014年，《教育部关于加强和改进普通高中学生综合素质评价的意见》中将综合素质评价的目的调整为对学生全面发展状况的观察、记录、分析，指出其是发现和培育学生良好个性的重要手段，也是深入推进素质教育的一项重要制度，并提出应以“五育”构建综合素质评价指标体系[7]。评价方法主要是基于证据的多主体评价，评价结果是分数或者等级划分[8]。在这个阶段，各学校纷纷制订了学生综合素质评价实施方案，建立学生综合素质档案，指导学生客观记录成长过程以及能够集中反映综合素质主要内容的具体活动。综合实践活动、选修课程的修习情况等都成为综合素质档案的重要内容。教师利用写实记录材料，对学生成长过程进行科学分析，以加强指导。经过十年的探索，各地区学生综合素质评价体系构建日趋科学合理，取得了显著成效，有力扭转了“唯分数”的不良价值导向。但是，随着新课程标准的实施，前期形成的具有育人导向的学生综合素质评价体系也面临评价方法和能力不足等诸多挑战[3]。

学生综合素质评价从选拔导向转向育人导向，不是拨乱反正，而是因势利导，是顺应当时评价目标和评价方法做出的适时调整。无论是选拔导向阶段还是育人导向阶段，我国学生综合素质评价工作的政策方向始终是破除“唯分数”。选拔和培养均是发展学生综合素质的重要环节，缺一不可，开展学生综合素质评价应兼顾选拔和育人两个环节的导向作用[9]。

二、我国学生综合素质评价现状

2023年，受教育部综合改革司委托，北京师范大学项目团队对29个省（自治区、直辖市）38个区域的学生综合素质评价开展情况进行了系统调研[10]，较为全面地分析了我国学生综合素质评价的进展情况。

（一） 各地区评价指标差异大

调研发现，38个区域均以德智体美劳为总体要求，在具体实施过程中逐步发展出具有地方特色的评价指标体系，在指标数量与内容等方面各有侧重，呈现出显著不同。首先，二级指标数量差异显著，例如，北京房山区高中综合素质评价在思想品德等五个维度的基础上细化形成52个二级指标，而湖北、青海海南藏族自治州高中综合素质评价则分别细化为11个和12个二级指标。其次，部分区域增设地方特色的评价维度，有13%的区域在德智体美劳五维框架之外增设了其他维度，共同组成评价基本框架。例如，江苏常州市、苏州工业园区、浙江宁波市、陕西西安市分别增加了公民素养、自我认识和生涯规划、创新实践、交流与合作等维度。总体上，我国各区域的评价指标并无统一性框架。

（二） 评价依据以填报的写实记录为主

我国学生综合素质评价目前仍以主观填报的写实记录为主要依据。90%的区域以学生自主填报上传的写实记录作为评价数据，71%的区域采用了诸如自评、他评等评语填写方式，68%的区域采用标准化测试，45%的区域采用了问卷、量表等自陈报告方式。例如，江苏常州市采用《学生成长记录手册》、平台记载（珠峰平台）、记录袋搜集、量表等多种方式；湖北宜昌市则主要依靠关键材料写实记录，并辅以自评、互评和教师评价等方式。这些做法主要依赖于学生的自我报告和教师的主观评价。不过，有个别区域开始尝试表现性评价方法。例如，杭州市开发了基于项目的非纸笔测验工具，通过游园闯关、项目学评等活动，采集学生完成活动的各类数据，以评价学生某方面的综合素质。杭州市探索的这些表现性评价工具在一定程度上克服了传统评价方式的主观性问题，但仍处于起步阶段，这些工具尚未在区域内普及应用。

（三） 信息技术主要用于存储写实记录和学生画像

调研结果显示，目前我国所有区域都已投入建设学生综合素质评价信息填报平台，实现了无纸化记录，保证了数据安全存储，个别区域平台可以实现学生画像功能。然而，人工智能技术的应用相对较少，仅有少数区域开始尝试使用伴随式采集技术收集学生的多模态数据，如北京房山区、上海奉贤区、河南洛阳市西工区等。然而，这些区域都面临不知如何有效处理和应用采集到的多模态数据的能力困境，导致大量数据仅被采集，却未得到有效利用。总体上，信息技术在学生综合素质评价中的作用仍以数据采集与存储为主。

（四） 评价结果以等级划分为主

目前各区域普遍采用等级、分值、写实记录、评语等多种方式呈现综合素质评价结果，其中以等级划分为主要形式，有45%的区域采用等级制，30%的区域采用分值制，14%的区域采用写实记录。使用等级划分的区域会规定等级级别及各等级学生的比例。例如，山西阳泉市采用A、B、C、D四个等级，并规定除思想品德的A等级不受比例限制外，其余各维度的A等级比例不超过30%，B等级不超过45%，C等级和D等级不超过25%。使用等级制的各区域在具体的等级计算规则和结果呈现方式上存在差异。为了弥补等级评分方式可能丢失细节信息的问题，一些区域尝试在此基础上加入评语。采用分值制的区域，如天津市和平区、苏州工业园区等，会融合权重计算和主观赋分等方式计算出学生综合素质的分值。采用写实记录的区域则只记录填报的内容，并不对学生做出任何形式的评价。

（五） 评价结果的运用以“软挂钩”为主

调研发现，多数区域通过规定升学中综合素质评价的最低标准实现“软挂钩”。有76%的区域尝试将综合素质评价与初中升高中实现“挂钩”。其中，部分区域将评价结果作为高中阶段学校招生录取的重要依据，达标的学生可以参加招生录取；也有区域将评价结果作为初中学生毕业的重要依据，如品质与素养被评为D等级的不能毕业；少数区域尝试将综合素质评价结果以分数形式纳入初中升高中的分值中，实现“硬挂钩”，如山西阳泉市将学生综合素质评价结果折算成分值（20分）计入中考成绩。此外，也有部分区域尚未将综合素质评价结果应用于重要的选拔性考试招生环节。总体而言，综合素质评价结果在学生关键升学选拔中发挥的作用有限，以“软挂钩”为主。

三、学生综合素质评价的现实困境

学生综合素质评价是破除“唯分数”、深入实施素质教育的重要指挥棒[11]。从前期调研结果看，目前学生综合素质评价的指挥棒作用较为有限，在小学阶段作用较强，而初中和高中阶段则容易被轻视，学校、家长和学生更关注中考和高考相关的学业内容。学生综合素质评价能否发挥好指挥棒这一作用取决于评价方法的科学性和客观性，只有评价结果足够科学和客观，高利害选拔才能将其作为重要依据，实现“硬挂钩”，否则就只能是“软挂钩”。当前我国学生综合素质评价在科学性和客观性两方面都面临困境。

（一） 学生综合素质评价中的科学性问题

如何定义综合素质是学生综合素质评价工作中最基本的理论问题。教育部在2004年和2014年印发的两份重要文件中虽部署了开展学生综合素质评价工作的要求，但未明确说明综合素质的内涵和结构[2,7]。2014年的文件中提出了以“五育”构建综合素质评价指标体系，即各区域学生综合素质评价均以德智体美劳作为一级指标。深究其内涵，“五育”是教育方针的五个方面，并不是学生综合素质本身。学生综合素质内涵与结构模糊，不仅会影响评价体系的科学性，还会导致培养的盲目性。深化学生综合素质评价首先需要明确什么是综合素质，以及综合素质包括哪些方面，《中国学生发展核心素养框架》为明确学生综合素质内涵提供了重要依据[12]。

目前基于证据的多主体评价方法是由教师、家长和学生基于学生平日表现的各类证据分别打分，汇总后作为综合素质的成绩。这一方法隐含的科学性问题在于仅依据学生综合素质发展的过程性表现，难以评判其发展水平。过程证据能够反映学生是否努力，但不能简单直接地反映结果和水平。另外，学生综合素质并不是在所有场景中都能得到充分表现，即使有多主体参与评价，也难以全面地观察到学生综合素质的发展状况。

上述两个问题是学生综合素质评价工作中的短板，也是制约评价结果实现“硬挂钩”的关键科学性问题。

（二） 学生综合素质评价中的客观性问题

评价结果的客观性不足是当前学生综合素质评价所面临的另一个困境[13-14]。当评价结果与学生选拔“硬挂钩”时，容易出现证据客观性与多主体评价客观性无法保证的问题。例如，不同教师面对同一证据的打分可能不同，同一个教师面对不同证据可能难以客观区分，甚至还会出现学校要求家长给学生统一打高分，或者由学校直接替家长打分的情况。

对于学生综合素质评价模型，目前尚未达成全国性共识，多种多样的学生综合素质评价模型导致评价结果只在一定范围内具有可比性，而跨学校、跨区域的结果则不可比[15]。这种现象严重制约了评价结果的应用价值与参考性。

总之，学生综合素质评价的科学性和客观性问题会影响和制约评价结果的公信力和应用价值，反映出当前我国综合素质评价能力存在不足。完善学生综合素质评价需要从破解上述两个问题入手。

四、人工智能赋能学生综合素质评价的方向与突破

人工智能技术的发展为破解学生综合素质评价科学性和客观性问题提供了新机遇[16-18]。2021年，科技部和教育部联合设立“大规模学生跨学段成长跟踪研究”项目，旨在利用人工智能技术探索更加科学、客观和有效的学生综合素质评价方案，并持续五年评价100万学生的综合素质，建立学生综合素质发展数据库，以揭示我国学生综合素质发展规律。北京师范大学项目团队经过设计、研发和反复迭代，在理论模型、评价方案和规律挖掘引擎三个方面实现了重要突破。

（一） 重构学生综合素质模型

项目团队在系统梳理和深入研究的基础上，清晰界定了综合素质的概念，即学生在受教育过程中形成的跨越学科的价值观、必备品格和关键能力[19]。综合素质以学科知识为基础，但并不是学科知识的简单相加，而是跨学科集大成，包含能力、品格和价值观三种有机成分。该定义既强调综合素质的整体性，也注重个体独特性和差异性。在此基础上，以中国学生发展核心素养理论模型为底座，吸纳前期综合素质评价的内容，形成了包涵自主发展、社会参与和文化修养3个一级维度、10个二级指标、36个测评要点的学生综合素质理论模型，见图1。

新模型清晰展示了学生综合素质的构成，有利于细化评价学生综合素质的发展水平。新模型中的文化修养、自主发展和社会参与三个维度，保证了学生综合素质评价与基础教育新课程标准的一致性，有利于评价与培养有机配合；其吸纳的素质成分，涵盖了德智体美劳全要素，全面贯彻党的教育方针。总之，新模型为研究学生综合素质评价方案提供了理论支撑。

（二） 研发基于人工智能技术的学生综合素质评价方案

以上述理论模型为基础，项目团队以研发表现性评价工具为重点，开展联合攻关，研发了一套基于人工智能技术的学生综合素质评价方案（SEED平台）。表现性评价指通过真实生活或模拟评价练习来观察、评判学生解决实际问题的知识运用能力[20-21]。表现性评价能够测量学生在解决真实任务或复杂问题时的复杂成就、情意表现以及高阶能力，超越对低水平知识与孤立技能的考查[22]。基于人工智能技术的学生综合素质评价方案在两个方面实现了突破。

其一，利用人工智能技术搭建学生运用和表现综合素质的问题场景。结合学生综合素质评价的需要，项目团队搭建了一系列展示和运用综合素质的复杂任务场景[23-24]。例如，为评价科学探究能力，研发了探月活动任务；为评价音乐表达，研发了包括演奏、唱歌等在内的各类音乐素养活动。参与测评的学生只需按照要求完成规定的任务即可，实现了基于复杂任务完成中的真实表现对学生进行评价的目标。

其二，利用人工智能技术实时采集和智能分析多模态学生数据。针对学生综合素质评价客观性不足的问题，基于人工智能技术的评价方案可以在数据层次上对多模态特征进行提取、对齐、转译、融合[25]，不仅可以客观表征学生综合素质发展水平[26]，还可以分级分项详细报告与反馈。基于人工智能技术的学生综合素质评价系统可以实现面向区域、学校、教师和学生等四类对象进行反馈并给出分析报告，报告可呈现学生各项综合素质的发展水平、逐年发展趋势以及对比情况。此评价方案首次在全国范围内实现了学生综合素质发展水平的可比性，有利于全面分析区域间、学校间、班级间和学生间的发展差异。

（三） 利用人工智能技术揭示学生综合素质发展规律

项目团队还研发了能够基于抽样的学生数据队列，揭示学生综合素质发展规律的知识引擎[27]。其内容包括三个方面：第一，揭示各类学生群体综合素质发展水平的比较性规律，全面展示其综合素质发展水平和差异；第二，基于连续多年的数据，揭示学生群体或个人综合素质发展的变化规律，便于掌握学生综合素质的发展态势；第三，揭示学生综合素质发展的影响因素，有助于发现制约学生综合素质发展的原因，为基础教育教学改革决策提供支撑。

总之，项目在理论和技术等方面的突破为破解学生综合素质评价的科学性和客观性困境提供了有效途径，也充分展示了人工智能技术在推动教育评价改革创新领域的潜力和方向。

五、人工智能赋能综合素质评价方案的进展

为了检验、优化和运用上述基于人工智能技术的学生综合素质评价方案，《教育部办公厅关于开展信息技术支撑学生综合素质评价试点工作的通知》于2022年11月印发，旨在利用五年时间在全国范围内遴选30个左右的区域开展试点工作，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习成长情况全过程纵向评价、德智体美劳全要素横向评价，形成数据驱动的学生综合素质评价解决方案[10]。

（一） 评价方案的试用范畴

试点工作在全国范围内引发了积极响应，吸引众多地区参与申报。经评审，最终遴选出来自29个省（自治区、直辖市）的38个区域逾8000所中小学校试点实施综合素质评价方案。

评价方案试用工作由教育部统一部署和管理。在国家层面，成立指导专家组及秘书处；在区域层面，成立工作专班，与秘书处密切对接以确保解决方案的区域适应性；在学校层面，相关负责人在区域专班的指导下，具体执行评价方案，而班主任则在学校的统一组织下安排学生参与测评。该体系实现了评价方案试用工作从政策制定到实践操作的有序过渡，保障了试用工作的系统性与有效性。

（二） 评价方案的迭代优化

项目团队研发的SEED平台为不同区域的学校提供了统一的线上评价工具，支持大规模学生在线参与测评，教师、家长及学生可以通过电脑、手机、平板等多种终端进行访问。此外，有条件的区域可以采取线上线下混合的方式，覆盖学校、家庭、社区、科技场馆四种典型场域进行数据采集。基于平台，评价方案实现了统一工具、统一数据、统一计算，确保评价结果的可比性。评价方案以学年为单位组织学生参与测评，目前已完成2022—2023学年及2023—2024学年的测评，2024—2025学年的测评工作正在进行中。截至2024年12月31日，已有119万名学生连续三年参加并完成测评。

评价方案基于反馈不断优化表现性评价工具。相较于2022—2023学年的32套评价工具，2023—2024学年的评价方案将工具精简为16套，2024—2025学年又继续精简为14套。工具迭代主要面向两个方向，一是整合优化测评情境、精简测评任务，二是研制形成智能化表现性评价工具体系，扩展表现性评价与情境化试题，丰富多模态数据。

评价方案试点区域普遍能积极运用评价结果。SEED平台每年面向区域、学校、班级、学生四个层面分别反馈《学生综合发展评价报告》，报告已经成为试点区域的重要决策依据。在区域层面，报告可以为教育决策制定提供依据，区域可以基于本地区的画像调整教育资源配置、制定教育决策。例如，成都市金牛区利用项目成果，针对区域资源分配不均和课程质量差异问题，调整了学校资源配置，优化了课程设置。在学校层面，评价报告为学校教育教学质量提升与人才培育提供参考。学校可以基于本校画像针对性地改进教学，提升教育评价与管理工作。例如，天津市和平区的一所学校通过比较本校与本区域同类型学校在“发现问题”中的表现，决定通过调整语文、英语、数学等学科教学，重点提高七、八年级学生的问题发现与解决能力。在学生及家长层面，为学生生涯规划与全面发展提供支撑。报告量化了学生成长轨迹，并通过可视化反馈报告清晰展示学生在不同素养方面的成长优势与不足，为家长科学规划孩子的个性化发展路径提供有力支持。

（三） 评价方案研发应用面临的挑战

评价方案在研发应用过程中也遇到一系列困难和挑战。首先，部分区域和学校受前期综合素质评价模式束缚，对评价工作的价值和意义认识不清，参与不积极。随着评价工作的深入开展，特别是反馈报告得到运用并体现出其价值后，区域共识程度日益提高，许多非试用区域也开始申请加入试点工作。其次，评价方案要求学生在线完成测评，在一定程度上增加了师生和家长的负担，部分教师和家长因此产生抱怨，引发了舆情。针对这一情况，项目在确保评价工具科学性的基础上，持续优化测评流程，精简测评任务，并积极探索教评融合的新途径，将测评活动与学校教学计划有机结合，从而减轻师生和家长的负担。最后，由于评价工作涉及范围广、系统庞大，不同区域的组织管理能力差异明显，部分地区为了追求行政绩效，简单规定了测评时间，导致测评质量和效果受到影响。为应对这一问题，项目制订了详细的测评时间安排建议，并通过试点启动会和调研会，加强与试点区域工作专班的沟通与协调，以确保评价工作的质量和效果。

（四） 持续迭代与创新的方向

下一阶段，评价方案的迭代工作将围绕三个核心方向展开。一是推进教评融合，打造具有区域特色的综合素质评价解决方案。二是持续进行评价理论模型及采集工具的优化与迭代，开展理论与数据双向驱动的模型细目发展与结构修正工作，丰富表现性评价工具并进一步提升工具科学性。三是提升技术的先进性，通过升级学生数据质量检测技术等方式提升数据采集质量，研发基于区块链的隐私保护和数据确权技术以保障数据安全。

六、构建学生综合素质评价体系的设想

基于人工智能技术的学生综合素质评价方案第一次实现了对学生综合素质发展水平的客观评价，弥补了前期学生综合素质评价的短板，充分展示了人工智能赋能教育评价的潜力。在教育强国建设的新阶段，发展学生综合素质尤为重要，这是反映我国基础教育发展水平的关键[28-29]。在人工智能赋能和教育强国建设双动力推动下，学生综合素质评价的定位和作用也应与时俱进，发挥更强有力的指挥棒作用。为此，应构建学生综合素质评价体系，涵盖育人导向的过程性评价、诊断导向的水平性评价、选拔导向的识别性评价。

首先，育人导向的过程性评价定位应是纠正人才培养的方向，注重学生综合素质培养。评价方法可以采用基于证据的多主体评价，也可以利用人工智能技术伴随式采集学生行为数据，注重过程性。评价结果主要用于向师生反馈学生综合素质培养情况。目前，我国多数地区学生综合素质评价本质上都是育人导向的过程性评价[30]。

其次，诊断导向的水平性评价定位应是研判学生综合素质发展水平，包括个体和群体发展水平。评价方法应积极探索和应用基于人工智能技术的综合素质评价方案，注重客观性。评价结果可用于向学生、班级、学校和区域反馈学生个人和群体综合素质发展的水平和情况，也可以作为基础教育质量监测的依据。

最后，选拔导向的识别性评价定位应是识别学生综合素质发展的特点，为高中和高校人才选拔提供支撑。评价方法可以采用混合式评价方法，注重评价的客观性。评价结果应能够按照选拔的需要，向招生学校提供详细的评价报告。目前，选拔导向的学生识别性评价只有个别高校在探索，仍采用传统的笔试与面试相结合的方法[31]，高中阶段的识别性评价还是空白。

总之，我国基础教育实践证明，人工智能赋能学生综合素质评价在提高评价的科学性和客观性两个方面展示了独特优势，为完善学生综合评价、构建学生综合评价体系提供了成功经验和重要参考。人工智能赋能教育评价是教育评价改革的国际热点和学术前沿，也是世界各国都在部署和探索的重点。我国在人工智能赋能学生综合素质评价领域与世界同步，在规模和影响力方面呈现领先态势。相信经过五年试点，我国基于人工智能技术的学生综合素质评价方案将有力推动基础教育改革，并为解决世界教育问题提供中国方案。

（参考文献 略）

（本文首次发表在《中国考试》2025年第2期）