智能技术赋能教育评价的时代内涵、伦理困境及对策研究

吴龙凯 程浩 张珊 宋琰玉

[摘   要] 教育評价处于衡量与引导教育事业发展的枢纽环节，以人工智能、大数据为代表的智能技术全面赋能教育评价改革，支撑教育系统全方位、全要素、全流程转型。然而，目前有关智能技术赋能教育评价所引发的潜在伦理风险及其应对措施的研究尚不明确。基于此，文章系统回顾与分析了国内外有关智能技术赋能教育评价的相关研究，阐释了智能技术赋能教育评价的时代内涵，探析了智能技术赋能新时代教育评价的伦理困境：技术至上僭越教育主体底线、算法偏见触碰人本伦理防线、数据过度挖掘违背信息安全红线、唯机器评价偏移教育公平普惠基准线、智能评价围囿制约主体思维创新“高线”。提出了消解伦理困境的具体对策：明确评价主体地位，建立多级联动保障新机制；审视智能算法偏差，驱动绿色评价技术新引擎；筑牢数据安全护栏，探索“弹性+柔性”共治新模式；兼容内外评价范式，破解教育质量公平伦理新难题；培养人工智能素养，推动主体伦理道德新发展。

[关键词] 智能技术赋能教育评价； 时代内涵； 伦理困境； 对策研究； 算法偏见

[中图分类号] G434            [文献标志码] A

[作者简介] 吴龙凯（1976—），男，湖北汉川人。教授，博士，主要从事教育人工智能、智能教育评价、教育信息化、数字化政策与实践等研究。E-mail：longkaiwu@ccnu.edu.cn。

一、引   言

教育评价处于衡量与引导教育事业发展的枢纽环节，以大数据、人工智能为代表的智能技术全面赋能教育评价改革，支撑教育系统全方位、全要素、全流程转型。2020年，中共中央、国务院印发《深化新时代教育评价改革总体方案》（以下简称《总体方案》），明确提出发挥教育评价指挥棒作用，充分利用人工智能、大数据等信息技术改进结果评价、强化过程评价、探索增值评价、健全综合评价，提高教育评价科学性、专业性、客观性[1]。智能技术与教育评价的深度融合，已成为教育评价变革的关键契机与重要趋势。然而，当前智能技术赋能教育评价的研究聚焦点主要在于宏观的发展规划、实践路径及微观的概念理路、技术运用等方面，有关智能技术赋能教育评价所引发的潜在伦理风险及其应对措施的研究仍待探赜。

2019年，欧盟人工智能专家委员会发布《可信赖的人工智能伦理准则》，旨在提升人工智能的可信任度[2]。2021年，联合国教科文组织（UNESCO）发布首份关于人工智能伦理的全球协议《人工智能伦理问题建议书》，尝试建立管治人工智能伦理问题的国际准则协议[3]。同年，国家新一代人工智能治理专业委员会发布《新一代人工智能伦理规范》，提出将伦理道德融入人工智能全生命周期，为人工智能在各领域的运用提供伦理指引[4]。2023年，世界数字教育大会在北京召开，会议强调要以数字技术为杠杆撬动教育整体变革，探索人工智能变革教育评价的新思路。在此背景下，推动人工智能在教育评价变革中的规范运用，提升智能技术在教育评价全过程的伦理效力，既是进行教育教学改革、实现高质量发展的必然要求，也是推动教育评价改革落实落地的重要举措。本研究旨在阐释智能技术赋能教育评价的时代内涵，探析智能技术赋能下教育评价伦理困境的核心范畴，在此基础上，提出智能教育评价伦理困境的消解对策，探索实现智能教育评价和伦理风险规避统一同步的新理念、新方法。

二、 智能教育评价的时代内涵

智能技术时代的到来，掀起了各产业、各领域智能化变革的浪潮，教育评价领域也不例外，以人工智能、大数据为代表的智能技术近年来不断被应用于教育领域，催生了新形态、新模式的智能教育，出现了智能画像、机器评分、数据分析、人工智能辅助评价等教育评价新样式，时代的诉求、技术的进步、教育的发展迫切需求教育评价改革创新，于是，智能技术赋能教育评价被正式提出[5]。关于智能技术赋能教育评价内涵的本体论研究，业内学者的内涵阐述主要集中在智能技术赋能支持及教育评价要素转型两方面。

其一，从智能技术赋能角度看。郑燕林等人认为，智能时代的评价关键在于通过数字技术手段收集、处理学习数据，融合专家评价、教师评价、自我评价及同伴评价等多方面数据，形成对学生的多维度、全方面评价[6]。刘邦奇等人综合学者观点指出，智能技术赋能教育评价在于运用智能技术助力教育评价数据的深度挖掘分析、反馈及应用，本质在于重构传统教育评价模式，形成智能化、数据化的新型教育评价模式[7]。张生等人提出，“学评融合”新理念以描述智能时代的新型教育评价，强调通过数字世界将评价融入学习活动，统筹评价的学习性与诊断性[8]。张志华等人从大数据赋能新时代教育评价转型的技术逻辑出发，提出数据驱动结果评价更加客观、数据驱动过程评价更为立体、数据驱动增值评价更具发展性、数据驱动综合评价更富效率[9]。教育的特殊性致使智能技术与教育领域的融合常滞后于其他领域，我国早期信息技术与教育评价的结合主要应用于教学测验评价、教育测量分析等方面，例如，网络阅卷、上机考试、电子档案等，技术带给教育评价的影响并不明显。但随着图像识别、智能扫描、大数据分析等技术的成熟，以及以ChatGPT为代表的解决多领域复杂问题的新型人工智能的兴起，技术对教育评价的影响愈发深远，智能技术赋能下的教育评价改革也愈发紧迫。

其二，从评价要素转型视角看。朱德全等人从“第四范式”视角提出，智能时代的教育评价是教育全过程的伴随式评价，教育评价与教学活动构成反复迭代的循环回路，教育要成为“自我纠正系统”[10]。吴砥认为，智能技术赋能教育评价要推进教学评价组织过程自动化，考试评价智能化、精准化，学生评价过程化[11]。吴立宝等从评价主体、内容、方式、结果等方面阐述智能技术赋能下评价的变革[12]。例如，以ChatGPT等为代表的生成式人工智能可高效完成知识的收集、呈现，提供个性化的学习支持和辅导，在此情形下，学生的创新能力、人机互动能力、批判思维能力习得尤为关键，传统的以知识传递为目标的教育体系、以知识考察为目的的教学评价将难以满足新形势下人才培养的要求，教育的评价目标与评价方式迫切需要变革；依托智能算法、VR/AR、区块链、虚拟现实等数字技术构建的沉浸式、融合式、拟真式教育元宇宙，将使得学生情感态度、价值观念、心理情绪等非结构化数据得以便利采集，伴随式、动态化教育评价将得以实现，教育评价的内容、方式和形式将得到极大丰富与转变[13]。总之，人工智能技术与教育的深度融合为教育教学评价改革创新提供了可行路径[14]，教育评价系统的各要素亟须数字化转型。

纵观各方观点，本研究认为，智能技术赋能教育评价的时代内涵本质在于评价目标、评价方式、评价主体、评价结果等全要素的数字化、智能化转型；关键在于教育结果评价、过程评价、增值评价、综合评价等全方位的突破性、全局性创新，实现教育体系的时代变革。

三、 智能教育评价的伦理困境

人工智能技术在教育领域的融合应用推进了教育评价改革的创新发展，在释放教育评价活力的同时，教育评价智能化转型进程中出现的伦理问题同样不可忽视。基于前文所述，考量各方观点，本文对智能技术赋能下的教育评价伦理困境作出如下归纳：

（一）技术至上僭越教育主体底线

教育评价是以教育活动满足社会或个体需要程度而进行的价值判断，明确评价主体是教育评价实践的首要问题。相较于工具化、辅助化的机器客体，拥有情感、创造力、判断力的教育管理者、教师、学生等则是毋庸置疑的教育评价主体。随着人工智能在教育中的深度应用，技术至上、工具理性思维的异化滋生导致人技的主客位置颠倒，技术僭越教育评价主体底线的情形出现，不得不引起人们对教育评价主体的担忧和思考[15]。智能技术的发展带给教育评价质的改变，强大的机器学习能力、强劲的算力及学习分析能力赋予人工智能海量的知识储备、快速高效的处理能力以及自我学习的优化能力，使得智能技术在教育评价中凸显出高速度、高效率、高准确率的优势，备受部分教育评价使用者青睐。但评价过程中过度关注效率、计算、手段的工具理性偏执可能招致教育评价主体产生“技术依赖症”[16]，从而削弱主体进行评价分类、推演、计算、判断的能力，思维认知产生钝化，致使原本存在于教育评价活动中的情感、道德、自我需求等因素被忽视。教育评价不是简单的纸质报告，“人评”与“机判”的关系还需深入调和，基于客观事实、数据分析所呈现的教育评价结果固然有利于教育评价标准化、科学化发展，但并不代表它能量化一切，偏执地追求客观理性，人特有的主体气质将难以评判诠释，评价效果离克服《总体方案》中所提的“五唯”顽疾也将相隔甚远。

（二）算法偏见触碰人本伦理防线

智能时代越来越多的教育决策工作为机器、算法和人工智能所取代，技术带来决策便利的同时，人工智能所挟裹的算法“黑箱”、算法歧視同样不容小觑。其一，算法设计本身缺少道德伦理规范，致使教育评价所依据的数据自带现实社会中的教育歧视[17]。2021年，英国由于疫情取消A-level考试，并使用新算法开发的智能评分系统按照学区综合表现给学生划分等级，最终导致学生所处的“学区”综合实力成为决定成绩的关键因素，大量学生成绩被下调，引发学生和教师不满。其二，智能评价系统的训练需要大量的数据，如果数据本身存在性别歧视、种族主义、地域歧视等不当言论[18]，其评价模型便会反映这类偏见，甚至产生自我强化学习的歧视与偏见反馈环路。一项关于AI模型性别歧视水平的测试结果表明，GPT-2模型有70.59%的概率将教师性别预测为男性，将医生预测为男性的概率为64.03%。此外，有学者提出，人工智能在评判中存在将女性与“家庭”相联系，男性与“事业”相关联，好“白”恶“黑”的歧视与偏见[19]。其三，研发者自身主观或客观局限性，造成算法偏见。一是研发者本身对于以人为本的教育价值观、伦理道德观认识不足，在研发过程中无意识地赋予算法偏见；二是算法的设计是由编程人员主观选择和判断的结果，开发中能否客观、公正地将既有的法律规范或道德准则编写到程序中也值得怀疑。

（三）数据过度挖掘违背信息安全红线

现代教育必然是数据驱动的，而非纯粹的经验主义[20]。以数据为本的教育测评正逐渐成为智能时代教育的主导方式，客观化的数据已成为教育质量监控、行为监测的重要依据[21]，但无处不在的数据挖掘势必会威胁到主体的隐私安全和数据控制权，引发新的评价伦理冲突[16]。一方面，实施智能化的教育评价，离不开对整个教育过程开展数据式收集、分析、处理及运用，包括对评价主体的情感、行为、动作、认知、学习效果、思维方式、生理或心理状态等数据进行海量的挖掘分析，但数据挖掘会采集评价主体家庭背景、个人偏好等私人信息，这些隐私信息如果被不当使用或泄露，个体的信息安全势必会受到影响和侵犯。此外，由于数据挖掘可以识别出主体的个人特征，如性别、种族、社会背景等，若数据不遵从道德标准失范使用，会导致偏见与歧视等伦理问题。另一方面，由于资本逐利的驱动，人工智能商家可以利用数据、算法和算力与用户之间的不对等，在评价主体并非完全知情或明白的情况下，收集用户信息和私人隐私，间接弱化评价主体的知情权和对数据的掌控权[22]。比如，多数未成年人在使用智能产品时，并不知晓使用产品前所需的权限赋予有何意义，以及选择“同意”后会带来什么样的影响，或者为使用产品而不得不被动选择赋予产品某些不对等的权限[23]，从而失去数据掌控权，造成个人信息被动收集，不经意间产生隐私泄露危机。

（四）唯机器评价偏移教育公平普惠基准线

以人工智能、大数据、机器学习、算法等为核心的决策系统被广泛应用于教育评价中，但受传统评价思维惯性牵制、技术发展限制以及数据质量偏差的影响，由数字佐证的教育决策将难保评价的质量与公平，引发新的伦理冲突。首先，传统教育体系下的评价思维往往是基于标准化的测验和单一的评价标准，其产生的思维惯性很可能被沿用到智能教育评价中。智能评价所产生的结果往往是依赖数据事实、算力分析，若只关注评价主体绩效、成绩、知识表现的思维不发生转换，那么智能评价的结果不仅不能促进评价主体发展，反而会将教育主体“物化”，阻碍其进步。其次，教育评价的数据源采集往往来自数字基础设施完备、软硬件设施丰富、教育信息化水平较高的地区学校，资源水平落后地区的教育过程性数据往往难以采集或者被选择性忽视[24]，这导致教育决策者在作出某些决策时难以保证均衡公正，如人力、物力、财力资源分配。最后，教育过程中的智能评价系统通常由算法和模型驱动，若要求公开数据和算法原理，评价主体的隐私会产生泄露危机，因此，评价系统内部的运行机制往往是非公开、不透明的，这也导致教育主体难以理解信任评判结果，从而影响对决策的判断。此外，评价模型背后的数据集质量欠佳，导致作出固化社会歧视、加剧社会不公的决策。

（五）智能评价围囿制约主体思维创新“高线”

智能评价要关注学生创造性价值观等高阶能力的培养，但现有评价实践存在围囿与束缚主体思维创新的现象。其一，智能技术在评价方面的高效准确可能导致评价主体过度依赖评价结果，将评价结果视为绝对真实和正确的标准，忽视评价过程的批判创新思维，导致主体的自主思考能力、创新能力降低。教育评价者放权完全由机器判断作出决策，那么，这些由人工智能完成的测试再由人工智能评判所得来的结果，在消弭主体主观能动性的同时，也会扼杀主体的思维创新、价值判断能力。其二，基于大数据、算法的智能评价可能对教育主体的思维方式、认知结构产生影响，比如，弱化主体对于交叉信息的判断能力，限制跨领域、跨学科知识处理能力，降低教育主体处理解决复杂问题的能力。据在线课程供应商Study.com的调查显示，美国有89%的大学生承认使用ChatGPT完成家庭作业，49%的学生承认使用ChatGPT完成测试，且作品完成质量较高，致使教师发现写作完成最好的作品是ChatGPT所完成[25]。其三，智能评价本身难以收集表现评价主体的创新能力的数据，评价决策也自然无法体现主体在教育過程中的真实能力价值，这会导致评价结果效能感降低、评价激励作用难以发挥，使得主体产生自我质疑、思想倦怠，进而失去创新动力。

四、 智能教育评价伦理困境的消解对策

解决智能技术带给教育评价的伦理问题要注重意识与实操两个层面[26]，要制定相关的政策保障机制，警惕算法歧视、数据泄露等潜在危害，辩证看待技术与伦理的关系，提升评价主体人工智能素养，构建绿色发展的智能教育评价生态。

（一）明确评价主体地位，建立多级联动保障新机制

明确教育管理者、教师、学生等在教育评价活动中的主体地位，将教育评价各阶段的伦理诉求嵌入到安全制度保障体系当中，是消解伦理风险的一道强硬防线。宏观层面，政府部门应加强顶层设计，规划重点战略布局，明确智能技术赋能教育评价的辅助者角色，持续完善智能技术管理的配套规范，融合、更新现有网络、信息等法律法规，增建有关智能技术建设、应用和评价标准，完善权责划分、归属、追责、问责机制，积极探索智能技术赋能教育评价过程中的理论和实践问题，加强伦理治理法治实践，营造绿色安全的技术应用环境。中观层面，相关组织机构应按需细化，针对智能技术的应用需求建立弹性应变机制，及时应对技术伦理潜在的问题，服务教育评价切实落地，赋能师生绿色健康发展。微观层面，将制度要求转化为技术要求，提升技术准入门槛，明确技术应用红线，建立技术监测平台，完善技术平台与系统间的身份认证、授权、审批流程，规范评价过程中的技术应用行为，确保符合现有标准；完善现有监督机制，并在此基础上纳入风险预警触发机制，统筹技术与人工“双重预警”，以快速应对复杂多变的实时需求，及时进行调整。最终建立多流程联动、全方位保障的安全防护体系，确保技术与教育评价的健康发展。

（二）审视智能算法偏差，驱动绿色评价技术新引擎

算法设计者的主观影响、数据误差和算法封装等原因不可避免地导致算法偏差，使得某些潜在风险难以轻易察觉[32]。个体信息的自处理与保护机制倒逼算法偏差规避、透明公开[33]，为确保智能教育评价应用的良性运转，算法审视尤为重要。算法设计和算法选择负载设计者的主观价值，消除算法偏差首先应明确并规范算法主体的责任，建立算法“问责制”，加强算法备案，明确算法设计的目的、原则、种类、程序、合法性与正当性。其次，遵循“运行前评估”与“运行中持续监督”相结合的原则，助推算法透明化、公开化。算法投入应用前对算法进行全方面安全评估，接受多阶梯监督、多层级审查与多情境测试，针对其中出现的问题进行主动有效干预；投入运行后，持续关注算法风险变化，完善全过程动态评估，定期对算法进行质量评估、模型训练、系统升级，及时修补漏洞，实时更新数据。除此以外，建立风险自评估机制，增设自身风险监测、预防、管控及自修复功能，通过特征提取技术，建立算法风险模型，组建算法风险集成库，以快速识别风险类型，进行事先预警、精准防控[34]；针对算法风险破坏问题，应及时更新防范数据，自梳理分析应对措施，启动多层防护系统。通过搭建算法设计、选择、运行、检测、更新的良性生态链，驱动评价技术绿色发展新引擎，为教育评价提供算法伦理保障。

（三）筑牢数据安全护栏，探索“弹性+柔性”共治新模式

多样化数据来源可有效支撑教育评价，例如，美国建立国家级、州级、学区级以及校级等各级各类教育数据系统，支撑教育评价数据的获取[29]。但其身后的数据安全风险是智能技术赋能教育评价过程中亟须解决的一大伦理问题，须从采集、处理、应用、管理等数据全生命周期入手，制定数据安全保护框架，探索教育数据的弹性监管与柔性治理模式。数据采集阶段，为保证数据的质量，应确保数据收集过程的可追溯性，完善数据审查制度，保障数据的完整性、及时性、一致性、准确性和可靠性[30]，明确数据的使用目的、相关主体、保存期限等问题。数据处理阶段深度加工收集的数据，对数据进行清洗、修正、脱敏，剔除冗余、无效、恶意数据，对数据中的敏感和隐私信息进行筛选和加密保护，同时对剔除的数据进行妥善破碎与处理。数据应用是智能技术赋能教育评价的关键，优化数据供给模式，保障数据传输、存储、分析、运用各环节，确保数据的知情权、访问权、使用权公开透明，规避教育数据篡改、师生隐私泄露等风险。各层级应统筹协同作业，规范数据标准格式，制定开放共享权限，建立安全统一的数据传输与流转通道，互相检验数据质量，监督数据使用行为的正当性、合法性，同时联通数据利益相关者，开展多主体协同监督，对教育数据使用可能产生的边界和偏误问题进行综合评估、伦理论证，形成常态化监督与聚集辐射效应。最后，个体是消解数据伦理问题的中坚力量，重视提升个体的数据安全意识，加强个体对数据中敏感信息、附带权益与经济价值的识别与自我防护[31]，提高辨别数据陷阱、预测数据风险的能力。

（四）兼容内外评价范式，破解教育质量公平伦理新难题

技术伦理发展至今，出现了辩证统一的“外在主义”与“内在主义”两种技术哲学观点。其中，外在主义技术伦理进路基本模式是对技术带来的后果进行伦理的反思与批判[27]；与之相对的内在主义技术伦理则主张将道德伦理“嵌入”技术中，目的在于运用技术解决伦理问题，达到对人的行为产生正面引导、规训的效果[28]。辩证来看，两种观点各自侧重了技术与伦理矛盾关系中的一方面，均为研究解决智能教育评价的伦理问题提供了新的视角，但技术与伦理本身是统一的，因此，在教育评价实践中，需要兼顾“内外”、融合发展两种不同技术伦理进路。一方面，教育评价要反思评价结果的不足，重视以人为本的教育评价目标。确保技术的使用与发展契合人的目标与价值，注重评价对象的多元性、评价要素的多样性以及评价指标的科学性；要确保评价过程、结果的公正透明，保证技术的使用符合人类的道德和伦理规范，避免评价结果受个人偏见或技术漏洞的影响。另一方面，教育评价要重视技术的道德规范，增强教育评价的社会责任。提高企业与技术从业人员的道德意识，鼓励创新与社会环境、伦理道德等密切相关的技術，确保未来教育评价所用技术本身具有较强的道德责任感，促成教育评价的工具理性与价值理性耦合；人工介入与监管教育评价，提高评价过程、手段、方法、结果的公正性和准确性，提供反馈和建议，以优化改进评价系统。

（五）培养人工智能素养，推动主体伦理道德新发展

技术是人的延伸，教育评价的主角永远是使用技术的人，应对智能教育评价伦理危机，还需从评价主体自身出发，着力提升人工智能素养。首先，强化主体理论教育。开展如何利用智能技术进行教育评价的理论培训，掌握智能技术的基本概念、了解人工智能工作原理以及利用评价智能系统解决实际问题；引入具有智能化分析和处理功能的教育评价工具，理解大数据分析、算法处理等技术的应用原理、应用场景及局限性；加强人工智能伦理与道德法律教育，组织相关研讨培训活动、学习评价伦理最新案例，提升主体的技术伦理道德责任感。其次，注重主体实践应用。引导教育管理者有意识地使用智能评价工具，总结评价过程中的技术优势和潜在的伦理问题，提供反馈数据以优化数据源、算法参数、结构模型；注重评价对象参与感，提供数据分析、编程教育、信息安全竞赛等多元学习方式，强化信息安全意识、数据隐私意识教育，增设计算机编程、数据科学等课程，提高师生数据素养[35]；鼓励教育评价主体在评价中探索人工智能技术的新应用，提出创新性的评价方法与思路，发展主体创新意识。最后，积极开展人工智能技术与教育评价伦理的理论与实践问题研究，组织引导专业研究团队，针对技术伦理与教育评价融合的模式、方法、路径、影响等问题开展研究，为评价主体智能素养的提高及道德伦理观念的增强提供支撑。

五、 结   语

智能技术赋能教育评价是深化新时代教育评价改革的迫切需求。要破除传统单一维度、唯分数论的评价机制；要充分发挥人工智能、大数据等技术优势，牵引教育领域综合改革，助推教育现代化发展；要高度重视潜在的伦理风险，精准洞悉突破口；要以政策制度为保障基础、理论创新为研究依据、数据治理与算法监管为重要手段、智能素养提升为导向，实现智能技术全面赋能教育评价改革创新，撬动评价要素在实践中融合重组与创新革新，构建与新时代教育现代化目标一致的教育评价体系。

[参考文献]

[1] 中华人民共和国教育部.中共中央 国务院印发《深化新时代教育评价改革总体方案》[EB/OL].（2020-10-13）[2023-07-19]. http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.html.

[2] European Commissions' High－Level Expert Group on Artificial Intelligence[EB/OL]. （2018-04-08）[2023-07-19]. https：//ec. Europa.eu/digital－single－market/en/news/ethics－guide-lines－trustworthy－ai.

[3] UNESCO. Draft text of the UNESCO recommendation on the ethics of artificial intelligence [EB/OL].（2021-09-26）[2023-07-19].https：//unesdoc.unesco.org/ark：/48223/pf0000379920.page=14.

[4] 国家新一代人工智能治理专业委员会.《新一代人工智能伦理规范》发布[EB/OL].（2021-09-26）[2023-07-19].http：//www.most.gov.cn/kjbgz/202109/t20210926_177063.html.

[5] 刘邦奇，吴晓如.中国智能教育发展报告[M].北京：人民教育出版社，2020，19-21.

[6] 郑燕林，柳海民.大数据在美国教育评价中的应用路径分析[J].中国电化教育，2015（7）：25-31.

[7] 刘邦奇，袁婷婷，纪玉超，等.智能技术赋能教育评价：内涵、总体框架与实践路径[J].中国电化教育，2021，415（8）：16-24.

[8] 张生，王雪，齐媛.人工智能赋能教育评价：“学评融合”新理念及核心要素[J].中国远程教育，2021，553（2）：1-8，16，76.

[9] 张志华，王丽，季凯.大数据赋能新时代教育评价转型：技术逻辑、现实困境与实现路径[J].电化教育研究，2022，43（5）：33-39.

[10] 朱德全，吴虑.大数据时代教育评价专业化何以可能：第四范式视角[J].现代远程教育研究，2019，31（6）：14-21.

[11] 吴砥.利用智能技术赋能教学评价创新——谈智慧教育示范区建设如何落地[J].教育家，2020，214（10）：52-53.

[12] 吴立宝，曹雅楠，曹一鸣.人工智能赋能课堂教学评价改革与技术实现的框架构建[J].中国电化教育，2021（5）：94-101.

[13] 杨宗凯.元宇宙推动教育的全面数字化转型[J].教育研究，2022，43（12）：23-26.

[14] 杨宗凯.利用信息技术促进教育教学评价改革创新[J].人民教育，2020（21）：30-32.

[15] 冯锐，孙佳晶，孙发勤.人工智能在教育应用中的伦理风险与理性抉择[J].远程教育杂志，2020，38（3）：47-54.

[16] 鹿星南，高雪薇.人工智能赋能教育评价改革：发展态势、风险检视与消解对策[J].中国教育学刊，2023，358（2）：48-54.

[17] 滕长利，邓瑞平.智能技术赋能教育高质量发展：内涵、挑战及应对[J].高教探索，2023，231（1）：8-13.

[18] 周洪宇，李宇阳.ChatGPT对教育生态的冲击及应对策略[J].新疆师范大学学报（哲学社会科学版）：2023（4）：1-11.

[19] AYLIN C， JOANNA J， BRYSON， et al. Semantics derived automatically from language corpora contain human-like biases[J]. Science，2017，356（6334）：183-186.

[20] 杨开城.教育何以是大数据的[J].电化教育研究，2019，40（2）：5-11.

[21] 金生鈜.大数据教育测评的规训隐忧——对教育工具化的哲学审视[J].教育研究，2019，40（8）：33-41.

[22] 苗逢春.教育人工智能伦理的解析与治理——《人工智能伦理问题建议书》的教育解读[J].中国电化教育，2022，425（6）：22-36.

[23] BEREND B， LITTLE J A， BLAKEMORE M. AI in education： learner choice and fundamental rights[J]. Learning， media and technology，2020，45（3）：312-324.

[24] 逯行.智能技术引发的教育主体行为失范如何判定：方法、类型与表现[J].现代远程教育研究，2022，34（2）：37-46.

[25] VICTOR T. 89 Percent of college students admit to using ChatGPT for homework[EB/OL]. [2023-07-19].https：//futurism.com/the-byte/students-admit-chatgpt-homework.

[26] 陳丽，郭玉娟，高欣峰，等.人机协同的新时代：我国人工智能教育应用的现状与趋势[J].开放学习研究，2019，24（5）：1-8.

[27] 张卫.藏礼于器：内在主义技术伦理的中国路径[J].大连理工大学学报（社会科学版），2018，39（3）：116-121.

[28] 张卫.内在主义视域下的道德增强及其争议[J].伦理学研究，2022（1）：106-112.

[29] 陈明选，王诗佳.测评大数据支持下的学习反馈设计研究[J].电化教育研究，2018，39（3）：35-42，61.

[30] 吴砥，饶景阳，吴晨.教育大数据标准体系研究[J].开放教育研究，2020，26（2）：75-82.

[31] 祁志伟. 着力提升全民数据安全意识和素养[N]. 中国社会科学报，2023-02-08（007）.

[32] 闫坤如.人工智能的算法偏差及其规避[J].江海学刊，2020，329（5）：141-146.

[33] 杜永欣，周茂君.透明化生存中的自主性构建：算法推荐的隐私问题与规制路径[J].未来传播，2022，29（6）：10-19.

[34] 郭胜男，吴永和，张治.人工智能教育大脑模型构建及实践路径[J].开放教育研究，2022，28（4）：22-30.

[35] 雷励华，张子石，李志昊，等.数据驱动教育优质均衡督导评估研究[J].电化教育研究，2022，43（12）：39-45.

On Contemporary Connotation， Ethical Dilemmas and Countermeasures of Educational Evaluation Empowered by Intelligent Technologies

WU Longkai1，  CHENG Hao2，  ZHANG Shan2，  SONG Yanyu2

（1.National Engineering Research Center for E-Learning， Central China Normal University， Wuhan Hubei 430070; 2.Faculty of Artificial Intelligence Education， Central China Normal University， Wuhan Hubei 430070）

[Abstract] Educational evaluation is the key link to measure and guide the development of education. The intelligent technology represented by artificial intelligence and big data comprehensively empowered the reform of educational evaluation and supports the all-round， all-factor and whole-process transformation of the education system.However， at present， the research on the potential ethical risks caused by the educational evaluation empowered by intelligent technology and its countermeasures is not clear. Based on this， this paper systematically reviews and analyzes the relevant studies on the educational evaluation empowered by intelligent technology at home and abroad， explains its contemporary connotation， and explores its ethical dilemma in the new era： technological supremacy has overstepped the bottom line of the main body of education， algorithmic bias has touched the defense line of humanistic ethics， excessive data mining has violated the red line of information security， machine-only evaluation has deviated from the baseline of equity and inclusion in education， and intelligent evaluation has limited the "high line" of subject's thinking and innovation. Specific countermeasures are proposed to resolve the ethical dilemma： to clarify the status of the main body of evaluation and establish a new mechanism of multi-level linkage guarantee; to examine the deviation of intelligent algorithms and drive the new engine of green evaluation technology; to build a strong data security guardrail and explore a new model of "elasticity +flexibility" co-governance; to be compatible with internal and external evaluation paradigms and solve the new ethical problem of equity in educational quality; to cultivate artificial intelligence literacy and promote the new development of subject ethics.

[Keywords] Educational Evaluation Empowered by Intelligent Technologies; Contemporary Connotation; Ethical Dilemmas; Countermeasures Research; Algorithm Bias