人工智能驱动思政课教学评价范式转型
□ 王观杰
教学评价是思政课教学链条中的关键环节，既是衡量育人成效的重要标尺，也是驱动思政课提质增效的有力引擎。当前，以人工智能为代表的新一代信息技术蓬勃发展，正加速融入思政课教学全流程，这既为教学评价带来了技术赋能的时代机遇，也对其范式革新提出了迫切要求。面对教育数字化发展的时代浪潮，应充分发挥人工智能在数据处理与深度分析方面的技术优势，以智能技术为牵引，推动思政课教学评价实现系统性重构与整体性跃升。
赋能评价主体从“人工主导”向“人机协同”转型
传统的多元评价主体包括学生、教师本人、同行、专家以及社会。智能评价工具的开发与应用，拓展了评价主体的边界，为实现评价生态的系统变革提供了技术可能。
人工智能参与教学评价可划分为三种模式：一是辅助型评价，即承担数据采集、统计分析等技术性工作，不涉及质量及价值判断；二是增强型评价，即基于算法模型对教学活动作出初步研判，生成指导性意见；三是自主型评价，即依照预设的评价标准与算法逻辑，独立完成对教学过程的评价并给出结论性判定。人工智能与思政课教学评价的深度融合，一方面丰富了评价主体的构成，推动评价主体向更加多元的方向发展；另一方面也赋能既有评价主体的能力提升，促进各主体之间形成优势互补、协同发力的良好格局。
同时，必须清醒认识到，思政课是落实立德树人根本任务的关键课程，其教学评价具有政治引领、价值引导、情感共鸣等鲜明特征，涉及复杂的思想变化过程与深层的情感体验。人工智能缺乏价值判断能力，难以识别隐性育人成效，更无法实现人文关怀。因此，必须构建协同互补、人主机辅的评价格局，在充分发挥人工智能技术优势的同时，坚守人的主体地位与主导作用，确保技术始终服务于思政课立德树人的根本目标。
赋能评价模式从“经验主导”向“智能驱动”转型
在传统思政课教学评价中，评价的主体是现实的人，评价活动的数据收集、目标设定、指标选取、过程实施与结果判断等，高度依赖人在实践中积累的个人经验、有限观察和主观感受等。这种经验主导模式虽然有利于发挥主体的积极性和判断力，但会使评价者产生“路径依赖”，难以避免评价的片面性、随意性和不可复制性。
智能评价工具的开发，为打破传统思政课教学评价中的经验主义提供了技术支持。评价者可以在个人经验的基础上，借助人工智能汲取海量的数据资源，再利用算法、标准化工具以及评估模型等辅助自身完成评价任务。由此，教学评价不再“靠经验”，而是“靠数据”；不再“凭感觉”，而是“凭证据”，结果的客观性、精准性和时效性显著提升。
智能驱动的思政课教学评价是“经验”与“算法”的有机结合。人的专业经验赋予算法以教育温度，算法的精准分析为人提供科学依据，二者的深度融合将推动思政课教学评价走向精准化、科学化与人性化。
赋能评价指标从“单一维度”向“多元综合”转型
传统思政课教学评价指标呈现单一维度的特征，往往选取一个或极少数易于量化的指标作为核心标准。这就造成政治立场、思想观念、情感态度等更本质的育人维度，因难以被捕捉和测量，长期被边缘化甚至处于缺失状态。单一维度的评价指标虽然操作便捷，却扭曲了评价对象的本真面貌，也背离了教育评价的初衷。
人工智能技术为思政课教学评价指标向“多元综合”方向跃升提供了现实可能。这一赋能作用体现在三个维度：一是横向拓展，推动评价覆盖从“知识”向“素养”跨越。 AI能够捕捉教学过程中的多维数据，使评价指标全面覆盖思政课“知识传授、能力培养、价值引领”三位一体的目标体系，改变以往偏重知识考核的单一格局。二是纵向延伸，推动评价节点从“结果”向“过程”拓展。将“课前预习—课中互动—课后复习—课外实践”全链条的学习行为纳入评价视野，实现对思政课育人过程的全程跟踪与动态记录，弥补传统评价只重终端结果的局限。三是结构优化，推动评价权重从“单一固定”向“动态适配”升级。依托AI的数据处理与模型分析能力，评价系统能够根据课程目标、学生特点、教学阶段等不同情境，动态调整各指标之间的权重分配，使评价更加贴合教学实际。
需要强调的是，构建多元综合评价指标，并非对多个维度的简单堆砌或叠加，而是以技术为支撑，建立一套相互关联、彼此印证、内在统一的评价指标体系，促使评价精准对接思政课多元化的教育目标，并有效回应学生差异化的发展需求，从而提升教学评价的科学性与育人实效。
赋能评价结果从“终结性评价”向“反馈性引导”转型
传统思政课教学评价习惯停留在现状判断的层面，呈现“为结果而评价”“为甄别而评价”的倾向。这种终结性评价，在一定程度上能诊断出教师教学与学生学习的情况，但是由于缺乏后续的改进和指导机制，一定程度上削弱了教学评价的引导与激励功能，最终使评价结果无法“为反馈而运用”“为改进而运用”。
人工智能能够深入剖析潜藏在评价结果背后的深层次信息，解读评价对象的核心优势、薄弱环节和发展诉求等，进而使结果应用更加科学合理。这主要体现在三个层面：第一，通过人工智能实现评价结果与反馈的即刻联结。当教育活动的某个环节产生细微偏差时，可以立即进行针对性的纠正；第二，通过人工智能实现评价结果的“私人定制”。人工智能可以精准识别每个评价对象的痛点以及堵点，为之匹配差异化的优化路径；第三，人工智能可以建构提高和改进的长效机制，形成“评价—反馈—改进—再评价”的良性循环。
（作者单位：扬州职业技术大学马克思主义学院；本文系2024年度江苏省高校哲学社会科学研究一般项目〈2024SJSZ0940〉阶段性成果）