人工智能在中小学艺术测评中的应用探究

向莉

近年来，随着教育改革的深入，在基础教育领域，艺术教育质量监测作为改进美育教学、提高学生审美和人文素养的推手，得到了国内外的重视。国际上，实施艺术测评中起步较早、经验丰富的以美国、新西兰等国家为首。美国教育进展评估（National Assessment of Educational Progress，简称NAEP）始于1969年，是全美唯一对各学科基础教育进行定期监测的评估项目，主要考查学生各学科的学业表现及相关背景信息。到目前为止，艺术学科测试已经进行了六次，最近一次测试是在2016年，参与学生人数8800名，测试内容包括音乐与视觉艺术两个学科。新西兰教育监测项目（The National Education Monitoring Project，简称NEMP）始于1995年，四年为一个监测周期，分别在1995年、1999年、2003年和2007年进行了视觉艺术监测，每次分别在四年级、八年级学生中各抽取1440名学生作为监测样本。

2015年4月，国务院教育督导委员会办公室印发《国家义务教育质量监测方案》，标志着我国义务教育质量监测制度的建立。同年5月25日，教育部印发《中小学生艺术素质测评办法》，明确了测评指标体系。2020年10月，中共中央办公厅、国务院办公厅印发《关于全面加强和改进新时代学校美育工作的意见》，明确推进评价改革：把中小学生艺术实践活动情况纳入学业要求，全面实施中小学生艺术素质测评，将测评结果纳入初、高中学生综合素质评价；探索将艺术类科目纳入中考改革试点，纳入高中阶段学校考试招生录取计分科目，依据课程标准确定考试内容，利用现代技术手段促进客观公正评价。

通过对指标内容的分析，我们发现测评内容涵盖了学生课内课外、校内校外的方方面面，基于我国学生基数庞大的现状，如此巨量的采样、记录、测试、评价、统计、分析等工作，通过传统的手段几乎没有完成的可能。幸运的是，随着信息技术的高速发展，以人工智能为代表的现代技术手段被广泛应用，给人们的工作和生活带来了极大的便利。利用人工智能手段辅助美术教学和测评，以提高测评效率、优化教育策略，对美育的未来或许是一个不错的选择。对此，笔者有如下思考。

人工智能在艺术测评中的积极作用

人工智能对艺术测评的影响。人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，其研究的领域包括计算机视觉、机器学习、自然语言处理、机器人技术、生物识别技术等。在艺术素质测评方面，人工智能的应用具体体现为音乐类的唱、奏等音频识别和美术类的图形图像识别及大数据智能画像。

在这些测评活动中，测试通常由知识性测试和技能性测试两部分组成。知识性测试采用人机对话形式完成，主要考查学生对艺术基础知识的掌握、对作品主题风格及情绪情感的辨析以及运用艺术知识的能力。技能性测试则主要考查学生的创造力与表现力。

在测评活动的实施过程中，存在一些实质性的问题。一是效率相对低。我国学生的基数庞大，每一次测评组织时间长、关联部门多，这其中耗费的人力、物力、财力可想而知。二是评价难度大。艺术学科评价的特点在于其高度的主观性，在知识性测试中部分客观题尚能采用机器阅卷提高效率，但是在技能性测试中，如唱歌、作画、奏曲的评价需要大量的评价者参与，尤其是美术作品，没有任何参照，评价者的审美态度也有差异，很难标准化。三是数据分析难。根据教育部《中小学生艺术素质测评办法》中的测评指标内容，我们发现其涵盖的数据量相当大，维度相当多，统计每个学生的考勤率、学习任务、社团活动、社会实践、知识技能测试等数据再进行分析，单靠人力来完成是不可想象的。

基于学习的人工智能算法对艺术测评的作用。人工智能在计算机上实现时有两种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法，已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法，不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似，这是基于学习的算法。利用这种技术实现艺术作品的智能评价，能最大程度地减轻评价者的负担，提高评价效率，接近实现公平和公正。因此，基于学习的人工智能算法在藝术测评领域的作用得以凸显。

人工智能在艺术测评中的多种应用

利用人脸识别技术完成身份识别。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，是用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度。人脸识别技术已广泛应用于金融、司法、航天、医疗等领域，目前也开始在教育领域中应用。

我们在进行网络活动时，首先需要身份识别。例如，学生上传自己的美术作品到云空间。一般情况下，学生需要输入用户名和密码，或者输入手机号和验证码进行登录以进行身份识别，但这对于低年级的学生来说比较困难，即便高年级学生也容易出错。所以，利用人脸识别的方式完成登录显得尤为重要。试想，只要每个学生举着自己的画作，面对摄像头，系统就可以将身份认证和作品上传两件事同时完成，这是多么智能高效的事情。

需要注意的是，中小学艺术测评涵盖1～9年级，这个阶段是学生生长发育的主要时段，面容可能会发生很大的变化，会影响人脸识别的准确率。为了提高准确率，一是采用更新的方法，即每学期（学年）重新采集以保持最新的面部生物特征；二是采用更先进的人脸识别技术，即集成了机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，并结合中间值处理的技术，方可达到精准、快速的应用效果。

利用计算机视觉技术进行作品评价。计算机视觉是指用摄像机和电脑及其他相关设备，对生物视觉的一种模拟，主要任务是让计算机理解图片或视频中的内容。例如：理解图片中的场景（办公室、客厅、教室等）；识别场景中的物体（动物、交通工具、人等）；定位物体在图像中的位置（大小、边界等）；理解物体之间的关系或行为（对话、运动等）以及图像表达的意义（喜庆、悲伤等），通常在以图搜图、商品识别、车型识别中应用。该技术在艺术测评上的应用包括智能客观评价和智能主观评价两个方面。

智能客观评价。以绘画作品为例，绘画是现实视觉的情感表现，与照片的写实完全不同，尤其中小学阶段的学生作品容易出现变形、夸张，用照片的图像识别技术无法实现测评。对这些作品可以使用基于图像本体的分析，即对光谱特征、纹理特征、形状特征、空间关系特征等进行信息提取，将提取到的色彩、形状、大小、纹理、轮廓、相邻关系、填充率等一系列因素转化为客观评语。

依照上表，当收到一幅学生上传的作品时，计算机会自动给出如下评语：

智能主观评价。主观评价富有强烈的感情色彩和个性意识，如美术作品中的落笔肯定、想象丰富、创意独特、形象生动、形神兼备、构思巧妙等，需要大量的有价值的作品数据及评价数据，以帮助人工智能进行长期的深度学习，方有可能实现。目前尚未发现相关有意义的研究及文献，因此，这项研究还须经历更多实验和论证，以期得出更多结论。

利用题库数据进行智能组卷。智能组卷是指利用人工智能技术，结合教材上的知识，采用合理的组卷算法，从题库中选择试题，随机、科学、合理地组成满足多重约束目标的试卷。智能组卷的效率与质量主要取决于组卷算法的设计。使用试卷进行艺术测评，尤其是知识性评價，是目前常见的测试手段。智能组卷是采用人工智能技术对题库已有数据进行分析并重组，生成满足不同需求的练习试卷。智能组卷系统能够对题目知识结构、数据延展进行全方位跟踪管理。智能化组卷可提高组卷效率和质量，并实现多种形式的考试。

题库建设和组卷是整个考试流程中最基础、最重要的环节。考试组织者要通过定义试题的知识点、难度、教学要求、分数等指标以及题型完成试卷的创建。其中，涉及的几项重要任务如下。

题库建设。题库是智能组卷的数据来源，一个逻辑合理、属性丰富、数量庞大的题库决定着组卷的质量。每道试题具有多种属性指标，每一种属性指标实际上针对一个约束条件。考虑到艺术学科教材版本的多样化，录入每一道试题时需要赋予多重属性：教材版本、知识点、所属领域、难度系数、题型、出处等。

智能组卷。目前组卷系统大多采用智能搜索算法，即组卷者根据要求输入试题约束条件，系统按条件分别匹配题库的知识点、题型、难度、区分度、时间、分数等，形成组卷条件表，然后根据条件表从题库中既快速又精准地选出一套最符合条件的试题。

在智能组卷过程中，每一个约束条件又有若干属性。例如，一份美术试卷就有填空、选择、判断、连线、排序、简述、拼图等不同的题型，每种属性约束条件又对应相应数量的题目，所有这些属性约束条件都可以通过题型的性能指标量化来满足。一般选择顺序是：首先满足题型、知识点分布、分数、版本等一级条件，其次满足难度系数、区分度、重复率等二级条件，最后再自动优化。

本文仅探讨了人工智能技术在美术学科测评中的部分应用方向，事实上还有其他更多的应用。例如，利用大数据分析给学生进行智能数据画像，并根据画像生成智能评语，以艺术档案的形式记录学生的成长历程，全面精确地进行艺术评价，将基础指标、学业指标、发展指标高度统一，把过程性评价和终结性评价全方位记录，给教育管理者提供可视化数据，给出教学分析及建议，为优化改进学校和地区的美术教育提供充足的依据。

2022年4月，教育部发布了最新的《义务教育艺术课程标准（2022年版）》，根据新课标要求，未来艺术课程内容将拓展为美术、音乐、戏剧（含戏曲）、舞蹈、影视（含数字媒体艺术）五个方面，相信更多的人工智能技术，如自然语言生成、声音识别、动作（行为）识别、智能创作等，会伴随教育改革的推进大放异彩。

（本文系湖北省教育科学规划2022年度立项课题“大观念下的人工智能技术在中小学艺术素质测评中的运用”的研究成果，课题编号：2022JB287）