從憑感覺到靠數據——北京交通大學重塑教學評價與學習范式

文/《在線學習》主筆 劉增輝

人工智能正以前所未有的廣度和深度融入教育全過程，重塑教與學的方式、重構教育生態。為深入落實《教育強國建設規劃綱要（2024—2035 年）》提出的“促進人工智能助力教育變革”的戰略部署，加快實施國家“人工智能+”行動，北京教育科學研究院于9月發布《北京市教育領域人工智能應用指南（2025年）》《北京市教育領域人工智能應用實施導引（2025年）》，進一步推動人工智能與教育深度融合，為構建智能化教育新生態、培養面向未來的創新人才做出積極貢獻。

本刊推出封面專題報道，聚焦《應用指南》及配套《實施導引》，通過采訪研制核心團隊及專家、剖析典型案例等方式，全面展現首都教育在人工智能融合應用方面的頂層設計、創新路徑與未來布局，為全國“人工智能+教育”發展提供經過實踐檢驗的“首都樣本”，賦能“人工智能+”行動實施和教育強國建設。

高等教育人工智能應用案例

從憑感覺到靠數據——北京交通大學重塑教學評價與學習范式

在北京交通大學的一間教室里，一堂課剛剛結束，10分鐘內，一份詳盡的教學質量診斷報告已悄然生成，并推送至任課教師的手機端。這份由人工智能系統生成的報告，精準記錄了課堂的到課率、前排就坐率、學生抬頭聽講的頻率，分析了教師語速的快慢、提問的類型，評估了課堂互動的深度與氛圍的活躍度。

這一場景，正是北京交通大學“人工智能賦能教育教學質量評價診斷”的日常縮影。面對高校長期存在的教學評價主觀、滯后等痛點，北交大以一場數字化革命，將AI推向了教學的核心地帶，正重塑全新的教、學、管、評、建生態體系。

傳統評價的模糊與滯后

以往，高校的教學質量評價主要依賴于學生評教和教學督導聽課。這兩種方式雖有其價值，但固有弊端也難以忽視。

“傳統的評價更像是一種感覺。”北京交通大學教學運行中心副主任竺超今表示，“學生覺得老師講得好，就打高分，但具體好在哪里，差在何處，往往說不出基于數據的指標。督導打分雖有量表，但也多基于主觀感受。”

更大的弊端的是，這種評價是滯后的。學期末的評教結果，對于當屆學生而言已成過去時，教師即便想改進，也只能應用于下一輪教學。同時基于少量課堂樣本的評價，也難以全面、公正地反映一位教師的真實教學水平。如何讓教學評價從模糊走向精準，從滯后走向即時，從片面走向全面？北交大將希望寄托于人工智能技術。

兩大基座與三個維度

北交大的AI實踐并非空中樓閣，其背后是數據基座、硬件基座的堅實支撐。在數據基座方面，學校研發一體化教務管理系統，將本科生、研究生及各校區的教學數據、教學業務全部納入統一平臺，實現從教學任務分配到成績管理的全流程數據集中管控。在硬件基座建設方面，疫情期間，全校教室就已完成智慧化升級，配備高清攝像頭與音頻傳輸設備，實現了海淀校區與烏魯木齊分校區實時異地教學。這套設備能夠在每堂課結束后10分鐘內自動生成錄播視頻，完整記錄教學全過程。

2022年底ChatGPT技術出現后，學校抓住機遇，于2023年初啟動AI賦能教育教學改革，結合既有數據與硬件基礎，僅用一年時間便完成系統研發與調試，2024年初正式投入使用。

基于此，北交大從2023年初開始，構建了一個覆蓋“課堂—課程—專業”三個維度的教學質量診斷體系。

在課堂維度，系統對錄制視頻進行深度分析，從教情、學情和課堂互動三個層面生成報告。教情分析關注教師的教學行為，如語速、授課模式；學情分析追蹤學生的聽講狀態、積極或消極行為；互動分析則區分提問的層次。一堂課結束，教師很快收到反饋。

在課程維度生成綜合數據。一門課程由多個課堂組成，其根本任務是支撐專業畢業要求的達成。AI系統讀取教學平臺上各門課程的學生考試、測驗及互動數據，自動生成每門課程的詳細數據，最終匯算出一屆學生各項畢業要求的總體達成率，為課程質量的優化提供量化依據。

在專業維度，通過分析數據進行預測，給出建議。首先，進行橫縱向對比分析。橫向對比同一學院不同專業的目標達成度，縱向追蹤歷年畢業要求達成趨勢，追溯關鍵課程的影響。通過對比，AI可找出專業建設短板，提出教育策略調整建議。其次，自動采集就業崗位、薪酬等市場需求數據，為專業設置調整和培養目標優化提供量化依據和數據支撐。最后，通過AI分析預測專業前景，給出專業規模調整建議，指導學生合理規劃職業路徑。

以三大學習范式變革?構建未來學習中心

引入AI評價，一個無法回避的挑戰是：教師會接受嗎？面對可能存在的AI質疑，北交大摒棄了傳統的打分排名模式。“我們絕不將AI結果簡單用于對教師的懲戒或排序。”竺超今介紹，學校的舉措是“提供建議，而非評判；評優示范，而非懲罰落后”。

具體而言，系統呈現給教師的是教學質量改進建議，語氣是建設性的，旨在幫助教師提升教學效率。同時，學校利用AI的客觀數據（占比80%），結合少量主觀評價，評選出示范課堂，通過正向激勵引導教師主動提升。

針對 AI 可能出現的幻覺問題，學校建立持續迭代機制。每學期收集海量教學數據訓練模型，將AI評價結果與督導主觀評價、教學名師案例對比，不斷優化算法。“初期AI統計人數、抬頭率有誤差，經過多輪訓練，精準度已大幅提升。”竺超今表示，這種動態優化模式，確保了系統能夠緊跟教學實際進行調整。

目前，北交大正在制定AI賦能教育教學三年行動計劃，圍繞 “教學管評建”五維度深化應用。學校正在全力構建面向未來的“學習中心”，并提出了以學生為中心的“2+3+4+4”創新架構，其核心是三大學習范式變革。

項目式學習:徹底打破按教材章節學習的傳統模式，將學習與真實的科研課題、產業難題無縫銜接。學生學完基礎知識后，可進入一個充滿挑戰的項目庫，像選擇研究課題一樣選擇心儀的項目，在解決真實問題的實踐中，主動驅動后續所需知識的針對性學習。

個性化學習:借助AI，對每位學生的學習基礎、認知風格、興趣傾向進行深度測評，為其定制獨一無二的學習路徑、資源推送和評估方式。

創造性學習:強調學習的過程不僅是知識的被動輸入，更是新知識、新方案、新作品的主動創造。學生在項目式學習中生成的課程論文、設計圖紙、調研報告等成果，經過打磨后可以反哺到學習資源庫中，成為學弟學妹們學習的新素材。

竺超今說，“未來一位優秀教師的定義可能會發生改變，教得好或許就等同于把AI訓練運用得好。教師、學生與AI將形成一種全新的三元互動關系，共同探索并催生屬于智能時代的全新教學模式。”

專題目錄

觀察

專家觀點

北京經驗

基礎教育人工智能應用案例

職業教育人工智能應用案例

高等教育人工智能應用案例

從憑感覺到靠數據——北京交通大學重塑教學評價與學習范式

終身教育人工智能應用案例

北京開放大學：以AI學伴“小歐”重構入學教育新模式

來源丨《在線學習》雜志 2025年11月刊（總第120期）