从凭感觉到靠数据——北京交通大学重塑教学评价与学习范式

文/《在线学习》主笔 刘增辉

人工智能正以前所未有的广度和深度融入教育全过程，重塑教与学的方式、重构教育生态。为深入落实《教育强国建设规划纲要（2024—2035 年）》提出的“促进人工智能助力教育变革”的战略部署，加快实施国家“人工智能+”行动，北京教育科学研究院于9月发布《北京市教育领域人工智能应用指南（2025年）》《北京市教育领域人工智能应用实施导引（2025年）》，进一步推动人工智能与教育深度融合，为构建智能化教育新生态、培养面向未来的创新人才做出积极贡献。

本刊推出封面专题报道，聚焦《应用指南》及配套《实施导引》，通过采访研制核心团队及专家、剖析典型案例等方式，全面展现首都教育在人工智能融合应用方面的顶层设计、创新路径与未来布局，为全国“人工智能+教育”发展提供经过实践检验的“首都样本”，赋能“人工智能+”行动实施和教育强国建设。

高等教育人工智能应用案例

从凭感觉到靠数据——北京交通大学重塑教学评价与学习范式

在北京交通大学的一间教室里，一堂课刚刚结束，10分钟内，一份详尽的教学质量诊断报告已悄然生成，并推送至任课教师的手机端。这份由人工智能系统生成的报告，精准记录了课堂的到课率、前排就坐率、学生抬头听讲的频率，分析了教师语速的快慢、提问的类型，评估了课堂互动的深度与氛围的活跃度。

这一场景，正是北京交通大学“人工智能赋能教育教学质量评价诊断”的日常缩影。面对高校长期存在的教学评价主观、滞后等痛点，北交大以一场数字化革命，将AI推向了教学的核心地带，正重塑全新的教、学、管、评、建生态体系。

传统评价的模糊与滞后

以往，高校的教学质量评价主要依赖于学生评教和教学督导听课。这两种方式虽有其价值，但固有弊端也难以忽视。

“传统的评价更像是一种感觉。”北京交通大学教学运行中心副主任竺超今表示，“学生觉得老师讲得好，就打高分，但具体好在哪里，差在何处，往往说不出基于数据的指标。督导打分虽有量表，但也多基于主观感受。”

更大的弊端的是，这种评价是滞后的。学期末的评教结果，对于当届学生而言已成过去时，教师即便想改进，也只能应用于下一轮教学。同时基于少量课堂样本的评价，也难以全面、公正地反映一位教师的真实教学水平。如何让教学评价从模糊走向精准，从滞后走向即时，从片面走向全面？北交大将希望寄托于人工智能技术。

两大基座与三个维度

北交大的AI实践并非空中楼阁，其背后是数据基座、硬件基座的坚实支撑。在数据基座方面，学校研发一体化教务管理系统，将本科生、研究生及各校区的教学数据、教学业务全部纳入统一平台，实现从教学任务分配到成绩管理的全流程数据集中管控。在硬件基座建设方面，疫情期间，全校教室就已完成智慧化升级，配备高清摄像头与音频传输设备，实现了海淀校区与乌鲁木齐分校区实时异地教学。这套设备能够在每堂课结束后10分钟内自动生成录播视频，完整记录教学全过程。

2022年底ChatGPT技术出现后，学校抓住机遇，于2023年初启动AI赋能教育教学改革，结合既有数据与硬件基础，仅用一年时间便完成系统研发与调试，2024年初正式投入使用。

基于此，北交大从2023年初开始，构建了一个覆盖“课堂—课程—专业”三个维度的教学质量诊断体系。

在课堂维度，系统对录制视频进行深度分析，从教情、学情和课堂互动三个层面生成报告。教情分析关注教师的教学行为，如语速、授课模式；学情分析追踪学生的听讲状态、积极或消极行为；互动分析则区分提问的层次。一堂课结束，教师很快收到反馈。

在课程维度生成综合数据。一门课程由多个课堂组成，其根本任务是支撑专业毕业要求的达成。AI系统读取教学平台上各门课程的学生考试、测验及互动数据，自动生成每门课程的详细数据，最终汇算出一届学生各项毕业要求的总体达成率，为课程质量的优化提供量化依据。

在专业维度，通过分析数据进行预测，给出建议。首先，进行横纵向对比分析。横向对比同一学院不同专业的目标达成度，纵向追踪历年毕业要求达成趋势，追溯关键课程的影响。通过对比，AI可找出专业建设短板，提出教育策略调整建议。其次，自动采集就业岗位、薪酬等市场需求数据，为专业设置调整和培养目标优化提供量化依据和数据支撑。最后，通过AI分析预测专业前景，给出专业规模调整建议，指导学生合理规划职业路径。

以三大学习范式变革 构建未来学习中心

引入AI评价，一个无法回避的挑战是：教师会接受吗？面对可能存在的AI质疑，北交大摒弃了传统的打分排名模式。“我们绝不将AI结果简单用于对教师的惩戒或排序。”竺超今介绍，学校的举措是“提供建议，而非评判；评优示范，而非惩罚落后”。

具体而言，系统呈现给教师的是教学质量改进建议，语气是建设性的，旨在帮助教师提升教学效率。同时，学校利用AI的客观数据（占比80%），结合少量主观评价，评选出示范课堂，通过正向激励引导教师主动提升。

针对 AI 可能出现的幻觉问题，学校建立持续迭代机制。每学期收集海量教学数据训练模型，将AI评价结果与督导主观评价、教学名师案例对比，不断优化算法。“初期AI统计人数、抬头率有误差，经过多轮训练，精准度已大幅提升。”竺超今表示，这种动态优化模式，确保了系统能够紧跟教学实际进行调整。

目前，北交大正在制定AI赋能教育教学三年行动计划，围绕 “教学管评建”五维度深化应用。学校正在全力构建面向未来的“学习中心”，并提出了以学生为中心的“2+3+4+4”创新架构，其核心是三大学习范式变革。

项目式学习:彻底打破按教材章节学习的传统模式，将学习与真实的科研课题、产业难题无缝衔接。学生学完基础知识后，可进入一个充满挑战的项目库，像选择研究课题一样选择心仪的项目，在解决真实问题的实践中，主动驱动后续所需知识的针对性学习。

个性化学习:借助AI，对每位学生的学习基础、认知风格、兴趣倾向进行深度测评，为其定制独一无二的学习路径、资源推送和评估方式。

创造性学习:强调学习的过程不仅是知识的被动输入，更是新知识、新方案、新作品的主动创造。学生在项目式学习中生成的课程论文、设计图纸、调研报告等成果，经过打磨后可以反哺到学习资源库中，成为学弟学妹们学习的新素材。

竺超今说，“未来一位优秀教师的定义可能会发生改变，教得好或许就等同于把AI训练运用得好。教师、学生与AI将形成一种全新的三元互动关系，共同探索并催生属于智能时代的全新教学模式。”

专题目录

观察

专家观点

北京经验

基础教育人工智能应用案例

职业教育人工智能应用案例

高等教育人工智能应用案例

从凭感觉到靠数据——北京交通大学重塑教学评价与学习范式

终身教育人工智能应用案例

北京开放大学：以AI学伴“小欧”重构入学教育新模式

来源丨《在线学习》杂志 2025年11月刊（总第120期）