北京
近年来，AI技术与教育教学的融合不断深化，不少高校陆续引入AI课堂行为分析系统，依托教室摄像头采集课堂数据，自动生成抬头率、前排就座率、课堂互动率等教学指标。这类系统投入成本较高，常被看作智慧校园建设的标志性成果。
而在热潮之下，有专家提出：技术投入的落脚点，究竟是切实赋能课堂提质，还是只产出一份表面好看的数据报表？
AI巡课：数据好看就是教学有效？
《中国教育网络》刊发文章对此类AI巡课模式提出反思——单纯依靠行为指标形成的课堂评价结果，是否能够代表真实的课堂教学成效？
AI能精准捕捉“头部朝向”等外在行为，却无法识别学生的思维状态。一名全程低头认真记笔记的学生，反而会被系统标记为“注意力异常”；学生长时间安静思考，会被标注为“师生互动频次不高”；热烈的小组讨论，也可能被判定为“课堂嘈杂，需加强纪律管理”。这不是简单的技术短板，而是简单算法难以跨越外在行为与内在思考之间的底层障碍。
该文表示，按照古德哈特定律，当指标本身成为考核目标，指标就会失去原本的测量价值。如果课堂评价以抬头率、互动次数等表层数据为准，教师就容易为迎合指标调整授课安排，催生“表演式抬头”这类形式化应对，教学重心从启发思考转向维持数据好看。同时，未经充分知情同意采集人脸、动作等生物特征数据，还存在隐私合规风险。只盯着表层行为打分的AI巡课，容易把技术工具异化为课堂监控手段，背离教育评价的初衷。
教育部要求研发智能化评价工具，侧重何在？
AI巡课暴露的矛盾，本质是智能化评价的建设路径出现偏差：把行为采集等同于质量评价，把监控统计当成教学诊断。相关政策文件，已经清晰划定了智能教评的发展方向。
教育部等九部门《关于加快推进教育数字化的意见》提出，建立基于大数据和人工智能支持的教育评价机制，面向学校、教师、学生等不同主体，完善结果评价，开展多维度的过程评价、增值评价和综合评价，推动实现教学全过程、发展全要素伴随式数据采集，开展精准画像。《“人工智能+教育”行动计划》进一步明确，要研发教育评价智能化工具，探索开展学生学习全过程纵向评价、德智体美劳全要素横向评价。
智能化评价，核心不是用技术管控课堂，而是依托多元数据穿透行为表象，诊断教学真实情况，服务教师改进教学。例如，麦可思AI教情学情智能分析系统聚焦课堂教学内涵开展伴随式采集，不局限于简单识别课堂动作。系统融合课堂音视频识别、自然语言分析能力，围绕课程思政融入、启发式提问、教学内容前沿性等课堂核心要素采集教学证据，把抽象的教学要求转化为可观测、可复盘的课堂信息。评价结论和校内督导人工评课保持较高一致性，还可以为教师生成专属教学能力档案，依托院校同类课程常模，帮助教师看清自身教学的优势与待改进之处。
智能化评价的价值，不在于产出漂亮的量化报表，而在于用可信的数据证据支撑教学改进。只有评价工具贴合教育规律、聚焦教学内涵，才能把政策要求落到实处，真正以数字化赋能教学质量提升。
主要参考文献：
[1]AI巡课：数据好看就是教学有效？[EB/OL].中国教育网络.2026-05-29.
[2]官方发文：推动“教学全过程、全要素伴随式”数据采集与评价改革[EB/OL].麦可思研究.2026-03-28.
[3]教育部发文：研发智能化教育评价工具[EB/OL].麦可思研究.2026-05-02.
[4]北京市教育领域人工智能应用指南（2026年）[EB/OL].北京市教育委员会，2026-09.
☞ ☞ ☞ ☞ ☞ ☞ ☞ ☞
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。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
