人工智能教育实践的上海样本④ | 人工智能驱动教师数字素养测评智能转型：发展图景、场景构建与实践推动

“区域及学校教育数字化发展 ”

是《中国信息技术教育》杂志

2026年关注重点之一

我们将以专业的视角

展示数字化赋能区域教育优质均衡发展

呈现数字化赋能学校教育教学创新变革

2026开年，我们聚焦

“人工智能助力基础教育变革的上海样本”

2026年 第05期

如何推动人工智能教育高质量发展？

作为全国首个“教育数字化转型试点区”，上海在这一领域走在全国前列。 “人工智能助力基础教育变革的上海样本”专题，将从顶层设计、实验区探索、学校形态等视角，系统呈现上海人工智能教育实践，以期为全国人工智能教育的发展提供有益经验与启示。

人工智能驱动教师数字素养测评智能转型：发展图景、场景构建与实践推动

黄炜 王英

上海市教师教育学院

教师数字素养的提升是一个动态且复杂的过程，它既要求教师个体积极投身于数字教学实践，不断学习和反思，也离不开教育系统内部和外部的群体互动与支持。传统的教师数字素养评估多依赖于自我报告式的问卷和量表，容易受到主观偏见、社会期许效应的影响，评估结果与真实素养之间存在较大差距。人工智能技术的加速发展为解决传统测评的弊端提供了新思路和新方法。

本文详述了如何基于大模型技术开发教师数字素养测评智能体，动态构建多维的教师数字素养测评指标以及多样化的、真实的测评环境，整合跨系统的多模态数据，建立对教师数字素养动态发展的全面认知，从而在技术应用能力和教学实践效果之间建立可信的一致性关联。本文同时提出，在提升素养评估质量的同时，应探索建立数智技术赋能的持续跟踪评估机制，逐步形成数据驱动的教师数字素养提升路径，推动人工智能与教学的深度融合，为教育数字化转型提供强有力的支撑。

随着人工智能（尤其是生成式人工智能）技术的飞速发展，其在教育领域的应用已从辅助工具演变为推动教学范式变革的核心力量，从多方面推动教师专业发展，也对教师数字素养的提升与评估提出了新的要求。人工智能（AI）不仅能通过自动化评估和个性化反馈提升教学效率，更能促进教师从传统的知识传授者向学习引导者和创新者转型。这一转型要求教师具备融合智能技术应用的数字素养，包括对人工智能工具的批判性评估、伦理意识及整合应用能力。因此，亟须构建融合人工智能的教师数字素养发展项目，为教师提供一个能够检验并提升其数字教学能力的数智化环境，进而为有效测评并提升教师数字素养提供更为有力的支撑和服务。

发展图景：人工智能重塑教师数字素养发展内涵与路径

人工智能不仅为评估和提升教师的数字素养提供了新途径，也为其专业学习和发展开辟了新通道。2025年7月，教育部办公厅发布《关于组织实施数字化赋能教师发展行动的通知》，明确提出“以提高教师数字素养为关键，以数字技术、人工智能技术融合创新应用为牵引，扩大优质资源和服务供给，开辟教师发展新赛道、塑造教师发展新优势，打造新时代高水平教师队伍”。

1.人工智能重新定义教师数字素养发展内涵

教师的数字素养已不再局限于传统的信息技术应用能力，而是扩展到理解和运用人工智能技术，包括AI伦理、数据素养等，成为一个涵盖多个维度的综合能力。这种融合体现为教师需要具备评估和创建AI工具的能力，以及对AI引发的伦理问题的认知。研究表明，借助生成式人工智能等工具能够显著提升教师在信息处理、问题解决和批判性思维方面的能力。频繁使用生成式人工智能的教师不仅在数字素养测试中表现更佳，还能通过人工智能提供的个性化反馈和项目式任务，在人机协同的实践中加深对数字技术的理解与应用。近两年来，各级教育单位、高校和中小学校普遍将生成式人工智能纳入教师培训项目。实践证明，生成式人工智能技术不仅支持了教师的个性化学习，还培养了教师基本的数字能力。

人工智能与传统ICT技术不同，它具备自主运行和根据情境调整的能力，能够生成教学内容、参与教学实践以及模拟反思实践。这让进一步认识和理解人工智能素养变得更为复杂，要求具备多种能力，包括对人工智能基础原理的理解、批判性评估人工智能工具的能力、对人工智能伦理问题的考量、熟练使用人工智能技术的能力、对人工智能社会影响的意识，以及与他人有效沟通人工智能相关概念的能力。教师在教育教学中整合应用人工智能，除了需要理解系统如何运作，还须警惕其可能带来的伦理风险，如数据偏见、隐私侵犯和算法不透明等问题。为系统评估教师数字素养中蕴含的智能素养，研究者们将人工智能素养与成熟的教育技术框架相结合。例如，“技术-教学法-内容知识”（TPACK）框架被扩展为“人工智能-TPACK”模型，强调其不仅是技术技能，更是批判性和复杂能力的综合体现。

2.人工智能支持教师个性化学习与专业发展

人工智能正在催生新的教学方法和教师角色。人工智能通过自动化和个性化手段极大地提升了教学效率。人工智能工具可以辅助完成备课、作业批改、学生进度跟踪等任务，使教师能够将更多精力投入到教学设计和与学生互动中。生成式人工智能的应用促使教师的角色从知识的传递者转变为学习的促进者和引导者，学科教学的重点不再是传授事实性知识，而是培养学生的提问能力、批判性思维和跨学科解决问题的能力。教师需要学习如何设计和引导基于人工智能工具的探究式学习和项目式学习。

人工智能正在为教师提供个性化专业发展机会。人工智能系统可以分析课堂教学数据，为教师提供客观、即时的教学行为反馈，如提问技巧和教学策略，从而促进教师的自我反思和专业成长。生成式人工智能不仅可以在人机对话中促使教师开展自我反思，并为教师提供不同的想法和观点，还可以支持和鼓励教师打破学科的界限，在课堂上提供更多跨学科教学，增强教师对跨学科教学的信念，拓展专业能力提升的视野。

3.人工智能推动教师数字素养测评智能化

人工智能技术在教师数字素养测评中的应用潜力成为当前研究的热点，其核心是通过智能化手段提升测评的精准性、个性化和效率。人工智能可以创建测评与学研融合的一体化系统，实现信息采集、分析、预测和干预的自动化流程，从而将测评结果与教师个性发展相结合。人工智能支持的适应性评测技术能够为教师数字技术知识测评提供精准支持，同时，虚拟现实技术可以模拟真实教学场景，有效测评教师的数字技术技能。

当前的测评工具主要聚焦于教师在技术应用、教学与学习、专业发展以及学习者支持等方面的数字能力，提倡结合主观评价与客观评估，以全面衡量教师数字素养。自我评估工具能够快速获取教师对自身数字能力的认知，但可能存在主观偏差。客观测评工具综合基本理论体系、评价框架与指标等多维度因素，使用人工智能技术构建人机对话反思、实践教学模拟、自适应评测等多样化测评场景，通过标准化测试、情境模拟和大数据分析，能够更为准确地评估教师的实际数字能力，但其开发成本较高且实施复杂。例如，探索数据驱动下的教师行为分析与预测研究，重点关注如何通过人工智能技术挖掘教师在使用数字工具时的行为模式，探索构建基于AI的教师数字化应用能力评价画像，为更全面的评估提供数据支持。

研究表明，人工智能支持的教师数字素养测评工具的类型与特征呈现出从单一技术应用到多技术融合、从静态测评到动态伴随、从结果导向到过程导向的转变，不仅反映了评估方法的技术进步，更体现了对评估结果准确性和全面性的不断追求，未来需进一步探索其在复杂教育场景中的深度融合与创新实践。

场景构建：开发多智能体协同的教师数字素养测评应用

传统的教师数字素养测评方法往往受限于量表的主观性、测评场景的单一性以及数据分析的局限性，导致测评的科学性和精准性不高。因此，亟须探索开发基于人工智能大模型的教师数字素养测评智能工具，以多智能体协作为支撑构建富有实践意义的应用场景，促进教师数字素养测评智能转型，加强对教师数字素养发展的跟踪评估，可视化透视教师个体数字素养水平和学习效果，为教师提供持续性专业支持和指导，帮助教师建立技术学习和教学应用的自信。

1.教师数字素养测评智能体的设计理念

教师数字素养测评场景构建应遵循以教师为中心、与教学实践紧密结合的原则，以设计与开发基于大模型技术的教师数字素养测评智能体为主要内容，融合人工智能的自适应能力与教育测评的专业性，通过设计可灵活调整的测评指标、实践任务和模拟场景，为教师提供一个基于真实教学情境的、可动态调整的以及支持个性化发展的服务平台，以期实现对教师数字素养的精准、持续和个性化评估与指导。在场景构建过程中应基于以下设计理念与原则：

第一，以教师发展为中心，关注教师对数字素养的学习和发展需求。智能体应基于认知诊断理论，分析教师在不同数字素养维度上的掌握情况，并提供建设性的反馈意见，而非简单地给出测评分数；应帮助教师了解其在人工智能的使用技能和数字化教学实施能力等方面的现状，并与现有的国家数字素养框架对齐，从而促进教师数字素养的持续提升；可以评估教师在学习新数字工具或采用新教学法时的认知压力，进而优化发展路径。

第二，多维度与持续性更新。智能体应紧密围绕现有的教师数字素养标准，如教育部发布的国家《教师数字素养标准》和联合国教科文组织发布的《教师人工智能能力框架》等，建立一个相对全面且细致的能力框架，以确保评估的全面性和有效性,并以这些标准为基础，构建更为广泛且专业的基础性知识库，为动态生成个性化评估内容和维度提供专业依据，应对数字能力快速发展带来的变化，满足区域或学校基于实情构建适切性评估方案的多样化需求。

第三，多模态与情境化评估。智能体设计应支持文本、语音、视频等多模态数据的输入与分析。例如，通过分析教师在模拟教学场景中的对话和互动，评估其在数字环境中的实际教学能力。情境化评估通过提供真实的教学情境和具体的任务描述，帮助教师在具体背景下反思和评估自己的工具性数字技能、批判性数字技能和技术相关教学技能。这种方法减少了评估的主观性和模糊性，为教师的专业发展提供更可靠的依据，是一种比传统自我报告更准确的评估方法。

第四，自适应与个性化反馈。智能体应以自适应测试理论为指导，能够根据教师的实时表现，动态调整评估内容和难度，并提供定制化的反馈建议，有效解决传统评估中“一刀切”的问题。自适应评估可以弥补教师个体差异，提升用户体验，减少评估疲劳，有助于优化教学资源配置。

第五，公平性与透明性。在利用大模型构建智能体进行评估时，必须考虑算法偏差问题，确保评估过程的公平性和结果的透明度，支持教师可视化透视自身数字素养，建立技术应用自信。智能体设计应包含偏差评估与修正机制，允许教师对数字素养评估结果进行反思和申诉。

2.教师数字素养测评智能体的应用架构

传统的评估多依赖于教师的自我报告或观察量表，而人工智能可以采集、分析多模态数据，如课堂录像、语音交互和学生作业等，动态构建教师数字档案袋，从而对教师的教学行为、课堂管理、师生互动和数字技术应用进行更细致、客观的分析。在测评场景中，人工智能工具既是评估的手段，也是评估的对象。例如，可以设计一个场景，要求教师利用人工智能工具设计一节跨学科课程，并评估其设计的合理性、创新性以及对学生批判性思维的培养效果。这不仅考查教师对人工智能工具的操作能力，更考查其教学设计能力和人工智能素养。为此，教师数字素养测评智能体应是一个具有综合性功能的协作共同体，由多个各有所长的智能体构成，其中包括评估智能体、反思智能体、知识管理智能体和出题智能体等。每个智能体都具有各自的领域专长，承担不同的专业任务。

（1）评估智能体

评估智能体负责对教师的数字素养水平进行客观、多维度、多模态的采集、分析和评估。其核心任务是根据预设的数字素养模型和评估指标，对教师完成测评任务、模拟教学或实际教学场景中的数字行为、操作结果以及知识掌握程度进行量化或定性评估，并生成初步的评估分析报告。评估智能体应可以持续分析自身评估工具的工作质量，如信度和效度，以确保评估结果的准确性和可靠性。

人类专家承担着对智能体的知识学习、任务分析及结果生成等方面的训练工作，尤其是在数字素养评估模型构建、指标体系分解、复杂情境分析等任务中，助力智能体的专业成长。例如，专家负责定义数字素养的评估维度、指标体系、权重以及评估规则，并对智能体的初步评估模型进行训练和校准；对于无法通过自动化规则完全判定的复杂情境题、开放性回答或操作模拟结果，专家进行人工复核和深度解读；定期审查评估智能体的评估结果，识别并纠正可能存在的算法偏见，确保评估的公平性和包容性。

（2）反思智能体

反思智能体专注于引导教师对自身的数字素养评估结果进行深入理解、批判性思考和自我规划，促进教师从“被动接受评估”转向“主动自我反思和改进”。其核心任务是提供个性化的解释，促进教师进行自我反思，并协助他们制订可行的改进计划。

参与测评的教师在阅读智能体生成的反馈后，进行自我反思，并通过与智能体的交互（如提问、表达困惑）来深化理解。智能体允许人类辅导员共同参与对话，人类辅导员可通过同步或异步的方式，结合受测者和智能体的对话情况，帮助教师更准确地解读评估结果，挖掘深层原因，并共同制订更具针对性的学习改进计划。

（3）知识管理智能体

知识管理智能体是整个协作系统的“大脑”，负责对海量的数字教育知识、数字素养相关资源、最佳实践案例以及最新的技术动态进行收集、组织、存储、检索和更新。其核心任务是构建一个结构化、可扩展的知识库，包含基础知识库、专业知识库及通用知识库等，为评估智能体、反思智能体和出题智能体提供强大的知识支撑。

在智能体开发前期，领域专家/课程开发者负责向知识库注入高质量、权威的知识内容，协助智能体构建知识入库的评估规则，并对智能体自动收集和组织的知识进行严格筛查和校对，尤其要使其符合教育伦理和安全规范等，确保信息的准确性、专业性和时效性。在智能体运行期间，学校和教师可使用智能体动态生成的修改后的测评方案、评估指标、计算规则、实践案例等方面的知识材料，这些材料经构建者同意分享后进入通用知识库，经智能体评估合格后可进入专业知识库。

（4）出题智能体

出题智能体负责根据评估模型的要求，自动化生成高质量、多样化、符合难度的评估题目。其核心任务是确保题目能够准确衡量教师在特定数字素养维度上的能力，并具备良好的覆盖性和区分度。

在智能体开发前期，命题专家对智能体生成的题目进行精细化修改、润色，界定题目难度系数，确保题目的科学性、严谨性和避免歧义。智能体可根据较长周期的教师测评情况不断调整、修正题目的难度系数，定期回顾和更新题库，淘汰过时题目，补充新题型，保持题库的活力和前瞻性。命题专家可参与回顾和更新过程，避免出现任何形式的偏见或不当内容。

通过上述“术业专攻”的设计理念和“人在回路”的人机协同分工，每个智能体都能聚焦于自身的核心职能，发挥其在数据处理、知识管理、内容生成等方面的优势，而人类则专注于价值判断、伦理审查、复杂决策和个性化指导，实现人类智慧与机器智能的优势互补，最终共同构建一个高效、精准、公正且人性化的教师数字素养测评系统。

实践推动：探索智能体支持下教师数字素养测评方案

为有效推动教师数字素养测评智能转型，实现教师数字素养精准测评和持续发展，需要从宏观设计和微观实践两个层面协同推进，克服标准、技术、资源和认知上的多重障碍，进行系统规划、持续推进，只有这样才能使智能体真正服务于教师发展和学生成长。

1.高位推动共育，构建教师数字素养测评的顶层设计

实施智能体支持下教师数字素养发展测评是个系统工程，需统整考虑多方组织协同、数字素养标准研制、智能体能力培育、教师发展项目设计等工作，建立以评促发展的理念，共同构建符合区域教育特点的、可落地的教师数字素养测评指标体系，共同助力教师数字素养测评智能体的专业成长，在此基础上研制“一校一策”教师数字素养测评方案。

首先，需要建立一个清晰、协同且多层次的组织架构，包括教育行政部门、教育机构（如大学、教育学院、中小学）以及技术团队，明确各方职责，确保在政策制定、智能体研发、评估流程重构、数据隐私保护和结果应用等方面的顺畅协作，尤其是在智能体自身能力的训练和培育上，需要构建多方强力协同的机制。其次，要有明确、可量化且具有操作性的教师数字素养标准，这是测评工作的基石。现有研究表明，虽然教师数字素养的评估标准和工具众多，但如何针对不同学段、不同区域的教师发展的特点，将这些宏观标准细化并应用于具体的评估实践，仍是挑战。因此，需要参照国内外先进经验，结合本区域教育实际，细化教师数字素养的维度和具体指标，并能够将其转化为具体的行为观察点和数据采集点，以便智能体能够识别、分析和评估。最后，测评并非终点，而是促进教师专业发展的起点，因此，需要基于智能体测评结果，灵活构建个性化的教师智能素养提升项目，探索动态发展的教师数字素养提升机制。

2.突破认知障碍，探索基于数据证据的教师数字素养测评路径

教师数字素养评估应关注教师如何选择并创造性、有效性地使用数字技术、工具或资源，评估的核心证据应来源于教师在教学准备、实施、反思过程中产生的真实行为数据。例如，教师在备课、授课、批改、反馈过程中使用数字软件、平台和设备的频率、时长、功能偏好等使用痕迹记录，或者教师对数字教学资源的查找、筛选、整合和创新应用能力，或者教师在不同教学场景下选择和使用数字工具的适切性等行为数据。

传统的教师数字素养评估多依赖于自我报告式的问卷和量表，容易受到主观偏见、社会期许效应的影响，评估结果与真实素养之间存在较大差距。而基于智能体构建教师数字素养测评体系的核心优势在于其能够通过技术赋能构建多样化的测评环境，在真实或高度仿真的教学情境中采集数字教学活动中产生的行为数据，从而在技术应用能力和教学效果之间建立可信的一致性关联。通过智能体构建数字化教学中教师行为变量、学生结果变量的关联模型，不仅统计数字技术使用的频率，更专注分析数字技术应用于教学中的质量，助力探索数据驱动的教师数字素养提升路径。例如，对教师在教学过程中的技术使用与学生的学习参与度、学习反馈或作品质量等进行相关性分析，从而评估技术应用的实际教学有效性。

3.重构评价机制，强化教师数字素养测评的过程性和协同性评价

数字素养是在复杂教学情境中动态解决问题的能力，具有动态性和发展性的特征。教师数字素养评估是为了诊断、支持和促进教师数字能力持续发展，而非仅仅停留在某个时间点的“快照”。因此，教师数字素养测评不应是单一的“问答式”环节，而是一个融合“测评—诊断—学习—优化”的循环流程，其目的是支持教师进行自我评估，进而提供个性化发展建议和资源支持，并引导教师进行反思和改进，实现“以评促发展”。构建教师数字素养发展测评智能体的核心目标不仅仅是做结果评估或诊断评估，更在于促进教师的持续专业发展。这意味着基于智能体的测评工作系统应改变传统的终结性评估方式，转向探索更注重过程、更强调协同的动态评价模式，以促进教师数字素养的持续、螺旋式提升。

教师数字素养的提升是个体实践与群体相互作用的综合结果。从个体层面看，教师数字素养的提升离不开其主动学习和应用数字技术的实践。从群体层面看，教师数字素养的提升也是一个社会建构的过程，离不开同伴与学生的互动以及学校、机构和政策等多方面的支持。尤其是学生，作为数字化教学实施的重要受众，他们的感知能够直接反映教师数字素养在教学中的实践效果。因此，从评估的角度来看，应强调多主体参与的协同性评价，整合来自教师、学生和专家等多元视角的反馈，共同对教师数字素养进行评估，这不仅能提供多角度的反馈，还能增强教师提升数字素养的内驱力。智能体可以支持多源数据的融合，既考虑教师个体的行为表现，又融入学生、同伴等群体的反馈信息，使得对教师数字素养的评估更加真实。

结语

教师数字素养的提升是一个动态且复杂的过程，它既要求教师个体积极投身于数字教学实践，不断学习和反思，又离不开教育系统内部和外部的群体互动与支持，包括专业的培训、政策的引导、同行间的交流协作以及来自学生等利益相关者的反馈。在未来的研究中，笔者将致力于推动本研究所构建的智能体支持下的教师数字素养测评方案的落地实施，探索建立数智技术赋能教师数字素养提升的持续跟踪评估机制，逐步形成数据驱动的教师数字素养提升路径，推动AI与教学的深度融合，为教育数字化转型提供强有力的支撑。

本文作者：

黄炜 王英

上海市教师教育学院

文章刊登于《中国信息技术教育》2026年第05期

引用请注明参考文献：

黄炜，王英.人工智能驱动教师数字素养测评智能转型：发展图景、场景构建与实践推动[J].中国信息技术教育，2026（05）：17-23.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志