教育部要求：高校加快推进教育数字化进程

2025年，教育部等九部门发布《关于加快推进教育数字化的意见》（以下简称《意见》），要求高校等有关单位加快推进教育数字化进程。《意见》还提到，要加快建设人工智能教育大模型，推动人工智能与教育教学深度融合；通过人工智能技术的深度应用，实现大规模因材施教，提高教育教学的效率和质量，推动教育理念更新和模式创新。

2025年12月30日，教育部举行新闻发布会，介绍“十四五”期间教育数字化进展成效。教育部科学技术与信息化司司长周大旺在发布会上表示，教育部将继续深入推进人工智能赋能教育行动，计划在2026年出台相关政策文件，系统部署推进人工智能教育和应用。

在教育部政策引领下，当前各高校纷纷探索数字化转型。如深度融合大数据与人工智能技术，重塑教学督导、课堂分析与学业评价模式；积极打破数据孤岛，推动跨部门、跨领域的协同育人机制，实现从“经验驱动”向“数据驱动”的精准管理转变等。不少高校正通过AI赋能教学、专业建设与质量评估等关键环节，持续优化育人全流程，全面提升人才培养质量与内涵发展水平。

深度赋能教学

北京大学在各个教学环节大力推动技术赋能与方法创新，以人工智能技术探索构建未来课堂。学校推出20余个智能平台工具，推进AI深度融入教学全过程。

在北京大学校长龚旗煌看来，教、学、评是一个涵盖多维度、多要素的复杂体系，真正的教育变革在于重建教、学、评的有机联系。在深化教学全链条AI融合的基础上，北京大学鼓励各专业以课程知识图谱为牵引，凝练课程核心内容，进一步理顺课程之间的逻辑关系，优化课程结构，在大数据、人工智能等技术支持下，生成面向学习目标的个性化学习路径，重构基于知识图谱及优质教学资源的“教—学—评一体化”数智教学体系。

依托学校教学质量状态数据和教学管理数据，不断完善数据驱动的考核评价指标体系建设，引导院系教学投入；试点人工智能辅助课程教学评价和改进工作，对部分课程教学进行画像分析，探索人工智能辅助教育教学评价指标体系；持续推进学业考核及评价改革，强化过程性评价，增加个性化任务，引入口头答辩、交叉互评等形式，更加注重对学生批判性思维及创新能力的培养与考查。

东北大学在持续优化“监测—评价—反馈—改进—提升”的过程中，依托数智化质量平台，全面覆盖学生评价、教师评价、课堂听课、学院评价、专业评价、专项评价等各类场景，通过数据采集、多维度分析、AI技术深度赋能，生成一系列质量监测报告，为持续改进教育教学工作提供依据。

此外，从2023年开始，东北大学每年会基于本科教育状态数据、各专业年度建设数据等进行系统梳理和深度分析，研制发布《本科专业教学质量监测报告》，服务于专业建设和内涵发展。这些报告的核心是通过数据持续构建多维度画像。麦可思自2017年以来为学校定制了核心课程、学生成长等一系列个性化评估报告。2024年学校还参照审核评估模式，完成了在校生、毕业生、用人单位反馈等多方面评价报告并进行专项分析，未来也将继续依托第三方数据深化毕业生跟踪与专业建设关联研究。

链接：

麦可思教学质量评价与诊断项目通过为院校部署课堂教学质量管理平台，开展全过程，多主体参与的教学质量评价。在学校教学管理方面，平台能通过灵活多样的功能应用为教学质量管理部门赋能增效，如提升评价结果区分度，提升督导听评课覆盖，提升督导提交评价结果的时效等。

在评价结果的处理和应用层面，平台可通过对评价结果的多维度分析，为学校、学院及任课教师诊断教学情况，精准定位教学问题，进而指导教学改进，提升教学质量。此外，平台可对接人工智能大模型，通过与AI技术融合，提升评价效率，实现智能诊断和优化决策能力。

赋能专业综合评估

数字技术正在促进评价与教育教学深度融合。数据评价不能仅依赖单一类型数据，而需客观数据与主观评价数据相互补充。如何从专业层面运用数字化衡量人才培养质量？高校可通过监测招培就各环节重点指标，深入剖析反馈信息，专业可精准定位问题，动态优化培养方案及培养过程，构建起贴合实际、行之有效的质量保障机制，切实提升人才培养质量。

招生环节中，专业在生源竞争中的实力与吸引力能够通过生源、在校生等维度数据来展现。录取分数、生源分布等客观数据是判断生源质量的重要依据；同时，需要进一步体现专业在生源竞争中的优势，反映专业吸引力，可关注在校生反馈的专业认同度、首选专业情况等主观调研数据，从而定位招生宣传不足或专业认同教育缺失等问题。

培养过程中，在校生、毕业生、教师等多利益相关者的评价均有助于全面剖析专业教学过程的优势与短板。通过他们对学生学情、课程建设、教师教学等环节的评价，能够定位教学环节中存在的问题，进而优化培养方案。例如，课程建设方面需要关注专业授课内容与行业实际契合的程度，专业核心课程的重要度和满足度、教材评价等指标能够从多角度体现这一点；师资建设方面，要衡量教师教学能力，除教师数量结构、学历等基础条件外，也需要衡量教师适应教育信息化发展的情况，可关注教师数字素养、信息技术使用频率与效果等评价结果。

就业环节中，需要关注专业人才培养的实际成效与市场适配性，应从毕业生和用人单位角度共同观测。就业率与升学率等客观数据呈现的是毕业去向的整体结果，除此之外，需要关注人才与市场需求的契合程度，以及在实际工作岗位上的表现情况。为明确企业看重的人才特质与市场需求的知识技能，以及为优化专业培养方向提供依据，可关注用人单位聘用理由、毕业生工作与专业相关度、晋升情况等。

AI赋能教育已是高等教育发展的必然趋势。在政策引领与实践探索的双重驱动下，高校正逐步打破传统育人模式。相信在未来，随着人工智能与教育教学的深度融合持续走向纵深，高校数字化建设将更加聚焦育人本质，在技术创新与教育规律的有机结合中，不断提升人才培养质量。

主要参考文献：

[1]龚旗煌.从理念到实践：人工智能赋能下的高等教育创新探索[J].中国高等教育,2025(11).转引自：湖州师范学院发展规划处.

[2]数智赋能：东北大学教学质量保障体系建设的创新实践[EB/OL]. [2026-03-13]. 麦可思研究公众号.

[3]数字化赋能专业综合评估[EB/OL]. [2025-06-23]. 麦可思研究公众号.

声明：麦可思研究原创内容全面开放非盈利目的的转载授权，转载请留言或添加编辑微信获得长期白名单授权（电话或微信搜索18602824882）。转载要求——

1.文首注明“转载于麦可思研究”。

2.转载请在文章发布的24小时后进行。

关注“麦研文选”,获取更多数据——