基于图表征的综合评价录取辅助决策机制研究

王兆平 许鞍铭

（1.长沙民政职业技术学院，湖南 长沙 410004；2.湖南省教育厅，湖南 长沙 410005）

1.引言

自国务院2014 年9 月发布《关于深化考试招生制度改革的实施意见》[1]以来，我国新高考改革按照“分类考试、综合评价、多元录取”为总体思路，开始积极探索“两依据一参考”的综合评价录取机制。2020年国务院颁布《深化新时代教育评价改革总体方案》又明确提出“改进结果评价，强化过程评价，探索增值评价，健全综合评价”[2]等多个促进学生德智体美劳全面发展的核心目标。在此背景下，利用人工智能、大数据、区块链等现代信息技术，创新综合评价的方法和工具，建立公平与科学的多元录取机制，是树立科学成才观念，破除高考“唯分数论”的关键。

2.综合评价录取实施的困局与挑战

综合评价录取方式是一种新型的教育评价制度，是“新高考”改革多元评价机制的重要手段。当前，综合评价录取主要面临着以下三种困局：

第一，缺乏规范的信息采集、存储和追溯机制。综合素质信息是高考改革多元录取“两依据一参考”中的主要信息源，其真实性和准确性是确保高考录取公平的关键，是取得更广泛的社会认同、进一步推广综合评价录取的首要任务，因此，需要有科学的信息采集与追溯机制来保证信息的真实可靠。

第二，缺乏统一的录取评判指标。学生综合素质档案主要由德智体美劳等质性数据来体现，容易受人为因素、主观判断的影响，评价指标的科学性、合理性容易受到质疑，因此，需要有科学的录取评判指标来精准匹配专业人才培养目标，实现高考录取方式从“单维”到“多维”，从“平面”到“立体”的转变。这是破解改革阻力、落实深化新时代教育评价改革战略目标的关键环节。

第三，缺乏高效的录取选拔工具。综合评价录取是一项专业性极强的工作，需要在有限的时间内依据学生综合素质信息记录进行客观评估，发现其潜在素质以及在相关领域发展的兴趣和潜能。目前高校进行综合评价录取人才选拔的过程效益低，人才选拔生均成本高。“时间”和“效率”的冲突，让选择综合评价录取机制的高校面临时效困难[3]。

总的来看，由于综合评价录取实施策略的自动化程度偏低，缺乏计算机辅助工具，存在公平性、科学性和效率性等诸多问题，因此也制约了综合评价招生录取机制的全面推广[4]。

3.构建综合评价录取辅助决策机制

在综合评价录取实施过程中，既要采集高考、学业水平等考试成绩，进行学习情况全过程的纵向评价，又要参考综合素质记录，进行德智体美劳全要素的横向评价，故在二者之间构建起一个相互统一的招生录取评价模型，是全面推进多元录取机制的关键。纵向的学习情况评价，可以通过量化后的考试成绩进行对比评估，然而，横向的综合素质评价属于发展性评价，需要对素质信息记录进行质性评估，难以形成统一的量化对比指标。若要将这两个维度的评价深度融合，则可以利用人工智能等现代信息技术，设计出科学的综合评价模型，以辅助高校招生录取决策。

3.1 综合评价录取辅助决策机制总体思路

综合评价录取辅助决策的新机制，应聚焦于评价数据的准确性和评价模型的科学性，重点解决综合评价录取机制中“进出”两端的问题。

3.1.1 评价“入口”的数据问题

采用基于联盟区块链（Consortium blockchains）等新型数据共享框架，用于存储评价信息。利用Channel通道配置访问策略，规划Peer、Orderer节点，管理通道资源（学生综合评价信息）的访问权限，实现数据隔离与信息共享；探索通过Identity Mixer实现匿名客户端身份认证，以及通过零知识资产转移（ZKAT）实现保护隐私的资产交换，完成综合素质评价信息的脱敏，解决综合评价信息的隐私保护、真伪溯源和共享评价等问题。

3.1.2 评价“输出”的度量问题

探索基于图神经网络（Graph Neural Networks）的人才选拔弹性指标算法，构建综合评价招生录取新模式，运用于图表征的综合评价模型辅助录取决策，实现高校综合评价招生的自动化匹配、个性化招录、合约化评价过程等策略。综合评价录取辅助决策机制能够解决多元协同、隐私保护、自动化匹配、个性化招录、全过程监管和溯源求真等困扰综合评价招生录取机制的全面推广的核心问题。

3.2 综合评价信息存储与共享策略

综合素质信息是高考综合评价录取的重要依据，需要解决信息公开、共享与隐私保护之间的矛盾，实现信息准确、数据多源、过程可溯的信息存储与共享机制。以HyperLedger Fabric 超级账本为代表的联盟区块链技术，采用机密和受控的信息流策略，兼顾数据共享和隐私保护，可解决学生综合素质信息的采集、存储、验证追溯等问题；去中心化的信任模型、高性能的共识算法[5]，为综合评价录取辅助决策机制，提供了全局维度的系统框架。通过构建囊括教育行政监管部门、招生高校、综合素质评价实体等多方参与、多元协同的学生综合素质信息采集新机制，将各个维度的学生综合素质过程信息，分阶段输入到区块链中，改变传统由学生或家长录入信息系统后被动验证的方式。采用“谁评价，谁录入”的新机制，使得学生综合素质信息的准确性、真实性和可追溯性显著提升。同时，联盟区块链的channel 隔离等技术，较好地解决了数据共享和隐私保护之间的矛盾。目前，国内已有部分省市开展了基于区块链的教育信息化的研究与应用。例如：2019 年，广东省就启动了基于“可信教育数字身份”的教育数字证照、教育数字档案的应用试点工作，签发了普通高考、学业水平考试、职业教育考试等10 余项相关电子档案，服务200余万名不同类型的考生[6]。

随着时间的推移，多元化的教育信息将不断汇集，呈“爆炸”式的增长。只有充分利用这些数据，并将其应用到综合评价录取决策过程中，才能引导高校以发展的眼光看待学生潜能，以综合评价促进人才的多样化发展，真正发挥综合评价在新高考改革中“指挥棒”的作用，实现“培养能够适应未来社会主义事业建设需要的接班人”的总目标。“教育卡”等可信实名教育数字身份在学生综合素质电子档案中的应用，为综合评价录取辅助决策机制提供了丰富的数据，同时，也为创新应用计算机辅助决策支持技术，构建综合评价录取辅助决策机制铺平了道路。

3.3 基于图表征的综合评价模型设计

近年来，随着图表征算法研究和深度学习（Deep Learning）模型的突破，图（Graph）广泛应用于社交网络、信用评价、智能推荐和知识图谱等人工智能应用场景。在综合评价录取情境中，学生和考察评价项目之间构成了相互依赖的关系，将其依赖关系抽象成无向图（Undirected Graph），通过分析其节点特性和结构特征，构建科学的综合评价模型，辅助招生录取决策。因此，综合评价模型，将在联盟区块链技术框架下，按照“全局最优，动态构建”的总体思路，采用闭包传递与图表征学习相结合的方法，构建出学生综合素质信息关系图；利用基于图表征学习的算法，挖掘图中各节点之间的隐藏信息，完成节点分类、链路预测和社群发现等任务，实现高校个性化的综合评价录取自动化辅助决策机制，解决高校应用综合评价招生录取机制的公平性、科学性和效率性等关键问题。

综合评价模型中，关键环节是如何将“过程性的质性数据”进行度量，基于图表征学习的评价算法（图1）能很好地解决这个问题。具体步骤是：

图1 基于图表征学习的综合评价算法示意图

第一步，生成项目关联图。把已有的学生综合评价信息记录中的组织、项目和成果等数据，映射成无向图（Graph）中的节点。将高考综合评价录取的指标构建问题，转换成图节点分类、节点聚集等节点嵌入（Node Embedding）问题。

第二步，项目节点图表征学习。利用DeepWalk、Node2Vec 等模型，训练得到每个项目节点的特征向量。构建出班级、学生、项目、组织四种类型节点组成异构图，定义三种元路径（MetaPath），利用metapth2vec等模型获得项目节点的辅助特征向量。

第三步，构建学生-项目关联图。以学生节点为中心节点，项目节点为附加属性节点，构建学生-项目关联图，并将第二步获得的特征向量作为项目节点的特征值。

第四步，图分类预测。按照综合评价信息记录分成的5 个主题（Topic），综合考虑招生专业的差异性和高校个性化评价指标的要求，采用GAT、GAAN、GAM 等带注意力矩阵的图神经网络模型进行分类，注意力矩阵动态调整邻近节点聚合的权重，提高综合评价算法效果。图神经网络模型中卷积运算公式为：

（1）式中，LeakyReLU 是非线性激活函数[7]；||代表将节点xi和xj的隐藏层表示进行拼接；

（2）式中，α（·）是一个注意力函数，它自适应地控制相邻节点j对节点i的贡献，使得模型在聚集特征信息时能将注意力权重分配给不同的邻居节点；

（3）式中，READOUT 是把所有节点的特征（feature）集合起来代表整个图（graph）。

为了学习不同子空间中的注意力权重，还需要使用多个注意力单元，并将注意力权重与多个模型集合起来，使用注意力权重引导随机行走等策略，进一步提升模型精确性[8]。其公式定义为：

最后，将根据基于图表征学习的综合评价算法的效果进行评估，通过AUC（即ROC 曲线下的面积）、微观F1 分数和训练的时间等指标对模型进行比较，不断调优模型的超参数，实现高考综合评价录取自动化的辅助决策。

4.综合评价录取辅助决策机制价值分析

基于图表征的综合评价录取辅助决策机制，为全面推进公开、公平、科学、有序的综合评价录取提供了技术保障，具有较强的实用价值。

4.1 有利于综合评价录取全面推进。采用基于联盟区块链（Consortium blockchains）的学生评价数据存储共享框架，解决了“两依据一参考”中多元协同、隐私保护、全过程监管和溯源求真等困扰综合评价招生录取机制全面推广的核心问题。录取决策模型可以根据学校和专业的特性，突出个体智能的表现特征与发展潜能，快速生成多元化的评价标准[9]。自动化的辅助决策工具，提高了高校综合评价录取的工作效率，缓解了大规模运用综合评价录取机制所面临的时效困难。

4.2 有利于促进综合评价录取科学决策。将高考综合评价录取标准指标构建问题，转换成图节点嵌入（Node Embedding）问题，解决了综合评价在招生录取过程中的公平性、科学性和效率性等关键性问题。闭包传递与图表征学习相结合的方法，构建学生综合素质信息关系图，挖掘图中各节点之间的隐藏信息，用于决策问题和有关因素分解、定量指标权重生成等环节，提高评价指标的科学性、合理性，降低人为因素、主观判断对综合评价录取的不利影响。

4.3 有利于完善综合评价录取监督制约机制。联盟区块链强大的过程性记录和数据防篡改等特性，将高校自动化综合评价录取辅助决策模型和关键流程编写成智能合约，记录所有参与综合评价录取的成果和评价成绩，形成“全过程式”的惩防机制，强化了考试招生的过程监督，增强了综合评价录取的规范化和透明度。

5.结语

在“新高考”改革背景下，依据综合评价所进行的招生录取工作的公平性和科学性，是关乎我国教育事业的发展能否适应经济社会发展需求，关乎人才培养服务于创新型国家建设战略的重大事项。推进计算机辅助决策技术在综合评价录取过程中的应用，有效整合综合评价的共同点，形成统一、规范的评价方法和手段，解决制约综合评价全面推广的关键问题，是深化新时代教育评价改革与发展的主要通路，将产生良好的社会效益。