大学老师，上课“演”给AI看

上课铃响，教师走进教室，按下多媒体按钮，AI课堂反馈系统开始运行。它实时记录教师的语速、口头语、板书有无、是否走动，统计学生的抬头率、前排就座率、互动频次。一节课结束，一份数据报告自动生成。

随着高校信息化基础设施的不断完善，近几年，用AI评价教学正在逐步进入大学课堂。

它被寄予的期待是改善课堂质量，“秒级响应异常情况、精准解读课堂状态”，让人工督导难以覆盖的课堂有据可循。

但争议也随之而来——能被AI测量的课堂行为，真的等于教学质量吗？当这些“好看的数据”开始影响评价，教师会不会开始“演”给算法看？而AI是否也会从“评价工具”沦为“电子监工”？

AI评教加速进入大学课堂

AI参与教学评价并非高校自发的一场技术尝试。

《教育强国建设规划纲要（2024—2035年）》明确提出建立基于大数据和人工智能支持的教育评价和科学决策制度。《教育部等六部门关于推进教育新型基础设施建设 构建高质量教育支撑体系的指导意见》要求，开发教师能力评估应用，实现伴随式数据采集与过程性评价，为教师改进教学提供依据。深化教育督导信息化，实现大数据支持下的实时监测和精准评估。

今年4月，教育部等五部门在《“人工智能+教育”行动计划》中进一步明确利用智能技术分析课堂教学行为，开展人工智能循证教研实践。

在政策指引和技术发展的双重推动下，AI正在快速进入教学评价环节。

对高校而言，它可以弥补人工督导难以覆盖全部课堂的局限，让教学评价有据可依。而且无感采集，不会增加师生工作量；数据客观，评价排除主观因素；实时采集、同步分析，能及时发现问题等，都是AI评教的优势所在。

但新的问题也随之而来。当课堂被转化为一组组数据，这些数据真的足以说明一堂课上得好不好吗？

简单的指标评价不了复杂的教学质量

在媒体相关报道以及社交媒体平台讨论中，我们观察到部分教师对AI评教的确有一些抵触情绪。值得注意的是，这种抵触很多来自对评价指标和评价标准是否科学、合理的质疑。

比如某高校AI巡课中，一位教师的课堂被判定为教学效果不佳，系统给出的理由是“学生使用手机300余次”。而实际情况是，学生们低头的行为大多是在翻阅教材、开展小组讨论，或按教师要求完成拍照签到。单纯统计“手机使用次数”，显然很难还原课堂的真实状态。

再比如，有的教师并不认同AI评教系统试图用一套标准化模型衡量所有学科。一位文科教师就指出，相关评价体系对课堂的理解带有非常明显的理工科思维，认为课堂就得有明确的知识点。加上评价标准也十分外在，没有板书要扣分，教师讲课要时不时走到学生中去，还要有一些眼神互动。这样的教学模式设计很像中小学课堂。

以上例子其实反映的都是同一个问题——不可能用简单的量化指标，来考量复杂的教学质量。

学生低头，不一定意味着没有听课；课堂互动次数多，也不一定意味着学生真的学会了。更重要的是，不同学科、不同课程、不同教学环节，本身就有不同的教学规律，很难用一套完全相同的“好课”标准来衡量。

AI评教，不能有什么数据就分析什么

可为什么简单的表象行为指标，仍会成为一些AI评教平台主要依赖的指标？

一个重要的原因是，这些数据采集简单，也容易量化和比较。无论是学生的“前排率、抬头率、互动率”，还是教师的“肢体语言、手势动作、板书行为”，都可以通过传感器和算法自动获取。

问题在于，最容易被测量的表象行为指标，并不一定是最值得评价的。

一是行为表象数据难以真实地反映课程教学的质量和效果。比如“学生是否在深度思考”“这节课是否构建了学生的认知框架”，这些真正关乎教学质量的问题，恰恰不在可自动采集的范畴之内。有关教学内容、教学方法的评价与改进部分，也严重缺失。

二是一些行为表象数据与教学质量的关联度其实并不高。用这类数据评价教学，容易引发教师的抵触情绪，进而导致管理者与一线教师之间的信任危机。

比如语速。麦可思专家对不同学科教师的语速、音调等特征的分析发现，文科教师讲课的语速会更快一些，理工科类的教师因为要讲解、推导公式，语速会相对较慢。因此建议不能用简单的语速指标去评价教师的表达是否流畅，而是需要结合语义是否准确、逻辑是否清楚、是否有利于学生理解等多个维度进行综合判断。

换句话说，在评教指标的设计上如果不是从教学规律和评教需求出发，而是从技术能力出发，系统能够捕捉到什么数据就分析什么数据，那么就会把原本用于辅助教学评价的AI工具，变成一个“课堂行为记录仪”。它可以告诉管理者课堂上发生了什么，却难以提供真正有价值的教学洞察，更难进一步告诉教师应该怎样改进。

教师不能给AI“表演”教学

更值得警惕的是，当“好看的数据”开始影响评价结果，教学就可能变成一场给算法看的“演出”。

上课铃一响，教师自动进入“表演模式”：每隔十分钟抛出一个问题，因为AI要统计“互动频次”；提问不能太难，否则学生的沉默可能被记录为“参与度低”；为了提高“小组合作”得分，刻意增加形式化讨论；如果考核“抬头”，教师还要积极引导学生频繁举手、抬头。

当教师围绕模型指标设计课堂，评价工具就可能反向塑造教师的教学行为。

所以问题不在于“AI是否该用于评教”，而在于它应该以什么方式参与评教。

AI可以帮助教师发现学生注意力变化、课堂互动情况等过去难以持续观察的数据，也可以为督导和教师提供新的观察视角。但这些数据更适合作为发现问题的线索，而不是直接成为判断教学质量的结论。

归根到底，AI评教需要解决的不是“还能采集多少数据”，而是“哪些数据真正有助于改进教学”。只有它能够帮助教师理解为什么发生、怎样改进，它才能真正成为科学、有效的教学评价工具。

主要参考文献：

[1]魏晓涵 孙然. 摄像头凝视下，我从大学老师变成“表演者”[EB/OL]. [2026-04-24 ]. 极昼工作室.

[2]余刘琅. AI巡课：数据好看就是教学有效？[EB/OL]. [2026-06-01]. 中国教育网络微信公众号.

[3]徐爽. 一所大学如何“改造”它的文科[EB/OL]. [2025-07-17]. 冷杉RECORD.

☞ ☞ ☞ ☞ ☞ ☞ ☞ ☞

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。