生成式人工智能背景下高职院校人才培养评价体系的技术特征、风险挑战与应对措施

［摘要］生成式人工智能正不断渗透到经济社会发展的各个领域，引发职业教育变革浪潮。生成式人工智能的嵌入使高职院校人才培养评价目标呈现精准化和效能化特征，评价内容呈现丰富化和高速化特征，评价形式呈现一体化和智能化特征，评价环境呈现多元化和全景化特征。但在生成式人工智能影响下，高职院校人才培养评价体系也面临着内涵失真、内容颠覆、主体重构等众多风险挑战。对此，要从以下几个方面采取措施：一是做好人才培养评价体系的顶层设计，把握主流价值导向；二是清朗舆论生态圈，强化人才培养评价体系的监管机制；三是构建生成式语料库，赋能技能人才发展；四是挖掘人才培养评价体系的内蕴价值，创新数字育人路径。

［关键词］生成式人工智能；技能人才；高职院校；人才培养评价模式

［作者简介］吴秋晨（1989- ），男，江苏徐州人，华东师范大学职业教育与成人教育研究所、国家教材建设重点研究基地（职业教育教材建设和管理政策）在读博士；李佳敏（2000- ），女，江西樟树人，华东师范大学职业教育与成人教育研究所、国家教材建设重点研究基地（职业教育教材建设和管理政策）在读硕士；徐国庆（1971- ），男，江西高安人，华东师范大学职业教育与成人教育研究所、国家教材建设重点研究基地（职业教育教材建设和管理政策），教授，博士生导师。（上海" 200062）

［基金项目］本文系国家社会科学基金“十四五”规划2022年度教育学重大课题“技能型社会测度模型、驱动因素及路径优化研究”的阶段性研究成果。（项目编号：VJA220006，项目主持人：徐国庆）

［中图分类号］G717" " ［文献标识码］A" " ［文章编号］1004-3985（2024）14-0037-06

一、引言

生成式人工智能以其强大的自然语言处理能力和对话交互能力，在职业教育领域引发深层次变革浪潮［1］，并逐渐在高职院校人才培养评价体系中产生强大影响力。而这样的影响在给高职院校人才培养带来便捷的同时，也伴随着潜在的风险。因此，高职院校如何利用生成式人工智能的优势进一步提升人才培养评价效果［2］，同时减少复杂网络信息对评价效果的负面影响，是亟待解决的问题。

面对这一挑战，高等职业院校需要以前瞻性的眼光审视生产式人工智能对高职院校人才培养评价体系的影响，深刻把握生成式人工智能工具发展背景下人才培养评价体系的新特征。此外，高职院校需要厘清生成式人工智能与职业教育融合的动力机制，增强智能时代人才培养评价体系的适应力，保持自身在数字时代的竞争力。

二、生成式人工智能赋能高职院校人才培养评价体系的主要特征

职业教育数字化是当前我国高职院校实现高质量发展的重要突破口［3］。生成式人工智能的引入将为高职院校人才培养评价体系带来深刻的变革，呈现出数字化时代下技能人才培养评价的新局面［4］。生成式人工智能的融入将精准定位人才培养评价目标、丰富评价内容、重塑评价形式等。

（一）精准定位人才培养评价目标

高职院校是高技能人才培养的主要机构，需要通过人才培养评价体系来实现对自身办学和行业需求的双重保障［5］。然而，在传统技能人才培养模式的影响下，我国高职院校的人才培养评价体系往往过度强调统一化的目标，忽视了个性化需求和自主能动性［6］。

在这样的背景下，高职院校人才培养评价体系很少关注学生的职业生涯发展与自我价值的实现。而生成式人工智能在高职院校人才培养评价体系中的应用，能够根据人才培养需求和客观规律，精准定位评价目标，满足高职院校学生的个性化、差异化发展需求以及预判学生的心理和行为变化，以实现正确引导。同时，生成式人工智能的筛选功能可以在生产与分发过程中剔除不合适的内容，使评价内容更具针对性，实现技能人才培养内容的精准推送。此外，生成式人工智能还能捕捉分析使用者的情感状态，追踪评价工作的传播规律，进而预判使用者的心理和行为变化，提高高职院校人才培养评价工作的效率。

（二）丰富人才培养评价内容

在高职院校人才培养评价体系建设过程中，评价内容的设置是关键。由于对评价内容缺乏深刻的认识，高职院校人才培养评价体系往往难以充分体现出技能人才培养的细节表征，且与日常课程教学内容联系不紧密［7］。高职院校人才培养评价体系的内容构建主要由专业课教师负责，而他们在教学工作任务之外需耗费大量的时间和精力来进行高强度的评价内容建设。

相比之下，生成式人工智能拥有庞大的数据资源，能够快速完成人才培养评价体系的内容构建，包括课程评价内容、教学评价内容、实训评价内容等，其在文本、图像、数据统计等方面具有明显的优势。与传统人工智能专注于某一垂直专业领域、完成特定的工作任务相比，生成式人工智能具有超强的内容生产能力，集文字处理、信息收集、代码编写和协助写作等功能于一体，能够有效应用于人才培养评价体系。同时，技术的不断升级使生成式人工智能等技术工具变得更加智能高效，大幅提升评价内容的供给速度，促进人才培养评价体系的快速建立和应用。而自然语言处理技术使生成式人工智能更加智能化，在高速提供丰富的评价内容的同时，还能紧扣评价体系目标，严控评价内容的生成质量。

（三）重塑人才培养评价形式

高职院校人才培养评价体系是通过科学的方式对学生学习质量进行有效的评估。目前，高职院校人才培养评价体系往往在实践过程中异化为“主体—客体”二元对立的模式。借助生成式人工智能改变高职院校人才培养评价形式，摆脱传统的主客体的二元对立［8］，转而建立一种多元的、互融互通的评价形式。

一方面，生成式人工智能融入高职院校人才培养评价体系，体现了“共融”发展的趋势。一是生成式人工智能为评价工作提供更为自由的、多方互动的交流平台，并利用其强大的连通性将多种教育资源整合在一起，有效促进高职院校人才培养评价工作与其他教学活动的融合。二是高职院校学生不再是评价体系中的被动方，而是能够参与评价工作，并发挥其主观能动性。

另一方面，生成式人工智能通过智能化特征重塑高职院校人才培养评价形式。生成式人工智能可以通过算法构建出更智能的语义理解模型，与评价对象进行智能对话，客观评价个体在互动交流中展现的学习效果，其智能生成的人性化评价内容也会更科学、更客观，有助于生成式人工智能获得更多被评者的信任。这种智能化交互的方式为高职院校创新人才培养评价工作提供了载体，有效改善了传统评价体系中学生参与度不够的情况。

（四）推广人才培养评价成果

高职院校建立人才培养评价体系的目的是为了更好地实现办学目标。因此，人才培养评价体系不应局限于评价行为本身，更应重视评价结果的实际应用，以确保其能够为高质量人才培养的发展目标提供有力支持与指引［9］。生成式人工智能以其多元化和全景化的特征，拓宽了高职院校人才培养评价结果的应用环境。

一方面，生成式人工智能支持多种语言处理功能，极大拓展了人才培养评价成果的应用范围，有利于在国际职业教育领域中推广我国高职院校人才培养评价体系、提高国际传播力、丰富职业教育评价内容。

另一方面，相较以往人工智能技术在某专业领域的特异性、专一性发展，生成式人工智能呈现了对社会各领域的全面性影响［10］。由于评价体系在推广中受限于空间和时间，生成式人工智能的嵌入无疑为我国高职院校人才培养评价体系走向更广阔的平台提供了有利条件。

三、生成式人工智能背景下高职院校人才培养评价体系的风险挑战

生成式人工智能技术在助推高职院校人才培养评价体系提质增效的同时，也带来了人才培养评价体系的目标偏移、内容颠覆和主体重构等风险挑战。

（一）人才培养评价目标偏移：价值伦理失范风险

生成式人工智能赋能高职院校人才培养体系的关键在于充分利用机器的知识图谱和自然语言等先进技术拓展评价内容［11］，同时准确把握人才培养体系的内涵，坚持正确的价值导向。

一方面，在生成式人工智能的应用过程中，高职院校人才培养评价体系需要面临价值偏移与伦理失范的风险。这种风险挑战的根源在于生成式人工智能审核门槛的缺失。从算法逻辑的角度来看，生成式人工智能存在核查能力不足的缺陷，因此，必须为生成式人工智能建立与核查能力相关的法律法规。目前，生成式人工智能的相关法规的建设尚未跟上其发展的步伐。

另一方面，生成式人工智能还缺乏完善的监测评估机制，无法进行全方位的智能风险管控。面对新技术带来的新问题，简单依靠屏蔽关键词或相关话题的解决方式已不再有效，而现有监管能力和水平的相对滞后可能会加剧人才培养评价体系内涵的失真。

（二）人才培养评价内容颠覆：信息不实与拼凑风险

生成式人工智能对高职院校人才培养评价内容的颠覆主要体现在两个方面。

一方面，其高速生成的内容可能存在大量虚假或误导性信息，对评价内容的匹配与监控带来挑战。这种情况会降低评价内容的真实性，从而对高职院校人才培养评价工作构成风险。

另一方面，生成式人工智能在职业教育方面所依赖的数据资源有限，使高职院校人才培养评价内容存在信息拼凑的问题。目前，生成式人工智能对各国及地区职业教育数据的覆盖面不足，导致评价内容在逻辑连贯性上存在明显的缺陷。即使生成式人工智能为高职院校人才培养评价体系的建设带来了便利，但需要其载体不断创新以实现更有效的内容生成。

生成式人工智能的应用依赖于充足的互联网文本数据，并经过相应的训练形成有效的语言模型。然而，目前的职业教育数据量远未达到高职院校人才培养评价内容所需的水平。在我国已基本建成现代职业教育体系的背景下，高职院校面临新的发展使命和更高层次的人才培养任务。因此，高职院校人才培养评价体系不仅需要适应产教融合的要求，培养符合行业和企业需求的高素质技术人才，还需与现代职业教育体系建设同步发展，承担数字化转型和高质量发展的责任。然而，生成式人工智能对高职院校人才培养评价体系背后发展目标的精准识别和有效指导仍面临诸多挑战。

（三）人才培养评价主体重构：认知错位与地位削弱风险

生成式人工智能在职业教育领域快速渗透，对传统技能人才培养模式带来冲击，也打破了高职院校人才培养评价体系的传统模式。这种深度嵌入的过程重构了评价主体，同时也可能将学生置于认知错位的风险之中并削弱教师作为评价主体的地位。

一方面，要警惕生成式人工智能给高职院校学生带来的“辅助”和“替代”的认知错位风险［12］。若生成式人工智能缺乏全面和理性的判断，将对高职院校学生的价值观念带来负面影响。高职院校学生作为青年群体，接受新生事物较快，使生成式人工智能能够快速主导学习环境。尽管生成式人工智能能够完成过去聊天机器人无法胜任的任务，但这也可能导致学生过度依赖学习辅助工具，削弱学生的创造力，从而对生成式人工智能产生错误的认知定位。

另一方面，生成式人工智能的嵌入将在一定程度上削弱高职院校教师的主体地位。高职院校人才培养评价体系依赖于师生之间的对话与交流，师生之间协商并灵活调整职业发展目标，主动建构个性化的人才培养内容，以促进学生的个性化发展。但是，生成式人工智能与评价体系的结合可能导致教师的思维僵化，沉溺于智能化评价范式之中。在这一背景下，教师可能形成对技术的过度依赖，使得评价主体之间出现技术壁垒，削弱了师生互动评价的积极性。

四、生成式人工智能背景下高职院校人才培养评价体系的应对措施

高职院校在职业教育高质量发展进程中扮演着重要角色［13］，是高技能人才培养的主力军。高职院校需要正确理解和应对职业教育数字化转型，将数字思维和信息技术创新贯穿于人才培养过程。更为重要的是，高职院校人才培养评价体系需要清晰认识到生成式人工智能所带来的现实挑战，并采取相应的优化措施。

（一）做好人才培养评价体系的顶层设计，把握高技能人才价值导向

推动生成式人工智能在高职院校人才培养评价体系中的应用，首要之务在于全面考量评价体系的目标，从而确立符合高技能人才价值取向的顶层设计。高职院校人才培养模式的构建，对我国现代职业教育体系的发展水平和高技能人才队伍建设至关重要。政府在此过程中扮演着关键的领导角色，应对生成式人工智能发展背景下的评价体系进行系统设计。

一方面，通过政策引导高职院校人才培养评价体系建设的各项内容，包括评价体系的主体、客体及方式等要素，从整个现代职业教育体系发展的角度出发，制定整体规划和法律法规，以提升人才培养评价工作的整体效能［14］。相关部门也应积极发挥宣传、监督作用，特别是加强智能监管意识和技术能力，充分利用核心算法优势，加强语义屏蔽技术等的研发应用。在加强人才培养评价工作有效性的同时，运用新理念、新技术和新手段，及时防范潜在风险。

另一方面，必须确立高职院校人才培养评价体系的价值导向，以价值引领生成式人工智能在职业教育中的实际应用，同时巩固技能人才价值观的主导地位。科技创新绝不是价值无涉的［15］，生成式人工智能的发展也是如此。生成式人工智能的价值引领是技术研发的前提，唯有坚持正确的价值取向，方能更好地将其应用于高职院校人才培养评价体系。此外，生成式人工智能作为一种认知工具，其数据库和智能算法等技术也具备一定的价值内涵，因此，面对超强的生产能力，价值引领将赋予人工智能项目方向性和格局性。

在使用生成式人工智能时，必须坚持人才培养评价体系的价值目标，以主流价值观指导算法技术的应用。生成式人工智能项目的提供者也应对预训练数据负责，保证数据来源的合法性并优化训练数据。同时，在智能算法、数据训练等技术方面加强创新，巩固主流意识形态的主导地位，以加速全球人工智能发展的步伐。

（二）规范舆论生态圈，强化评价体系内容监管机制

为深入推动生成式人工智能在高职院校人才培养评价体系中的应用，需从评价内容入手，构建风清气正的舆论生态圈，并加强内容监管机制，以确保虚假信息和负面信息无处遁形。

一方面，强化高职院校学生对主流舆论的辨析能力和理解力，尤其要注重培养学生的伦理观和责任感，提升学生的技术创新素养水平［16］。引导学生从多角度审视生成内容的准确性和真实性，以了解事件本质，学会识别虚假信息，确保基于生成式人工智能的观点与事实相符，以免产生误导。

另一方面，与主流媒体合作，塑造主流舆论的新格局和新场域。借助生成式人工智能的优势，推动主流媒体不断创新，在充分发挥自身优势的基础上，把握新技术带来的新机遇。积极探索将生成式人工智能应用于评价内容的生产、分发、接收和反馈等方面。同时，加强对生成式人工智能的监管和信息审核。通过制定针对生成式人工智能服务管理的相关政策法规，确保其在高职院校人才评价体系中的监管有据可依，从而遏制虚假信息的生成和传播。

（三）构建生成式语料库，赋能评价体系文化建设

从文化传播角度看，生成式人工智能应充分发挥本土优势，丰富汉语语料库和媒体语言语料库等数据，赋能评价体系的文化建设。

一方面，构建并不断完善生成式人工智能背景下高职院校人才培养评价体系的文化数据库，打造具有我国高技能人才特色的语言模型。着力打造建立以我国工匠精神为代表的评价体系文化数据库，为生成式人工智能提供更为充足和精准的知识信息基础，以及规范化的语言体系。

另一方面，加强评价体系文化元素的融合。在生成式人工智能的开发、设计和应用过程中，可将高技能人才文化中的经典文本、诗歌和典故纳入生成式人工智能的训练数据，并启用用户反馈机制，以不断完善生成式人工智能工具的文化元素融合，更好地传承和传达职业教育的文化特色。此外，推动智能媒体转型，深度挖掘文化精髓，推动我国技能人才传统文化的国际传播。这就要求国内主流媒体加快创新，拓展对外传播的空间。

（四）挖掘评价体系内蕴价值，创新数字育人路径

作为互联网最活跃的群体之一，高职院校学生在使用生成式人工智能时往往利弊并存。如何引导学生规避风险，促进其与生成式人工智能之间的良性互动，乃关键之举。在此背景下，把握生成式人工智能赋能评价体系的内在价值，平衡技术嵌入与师生互动的关系，是探索育人变革路径的核心所在。

一方面，前置布局。尽管生成式人工智能本身并没有内在的价值内蕴，但教师可以利用生成式人工智能与其生成的内容来引导学生讨论评价内容，完善生成式人工智能评价体系的反馈机制。例如，提出具体的问题，让生成式人工智能与学生共同讨论解决问题的方式，要求生成式人工智能提供不同的解决方案或观点，帮助学生理解不同观点的利弊。生成式人工智能的引入改变了传统的高职院校人才培养评价形式，同时也激发了学生对新技术、新事物的兴趣。通过挖掘新技术的内在价值，引导学生形成自主评价的观念，可最大程度地激发其学习的积极性和创造力。

另一方面，需不断探索、创新数字育人路径，增强智能新数字时代高职院校人才培养评价体系的适应性。利用生成式人工智能的相关优势，充分发挥智能数据治理在高职院校人才培养评价体系中的作用。生成式人工智能可根据学生学情制定评价内容，提供精准反馈，帮助学生更好地理解和内化技能人才的价值观。借助在线平台，引入生成式人工智能工具，创建互动伦理场景或道德讨论平台，利用虚拟现实、增强现实或交互式模拟等形式，使学生能够在虚拟环境中进行伦理决策或参与讨论。

五、结语

根据以上分析可以发现，生成式人工智能的推广对于高职院校人才培养评价体系产生了深远影响。这种影响不仅反映了职业教育数字化转型的必然趋势，同时也体现了高职院校实现高质量人才培养的迫切需求。因此，推进生成式人工智能与高职院校人才培养评价体系的深度融合具有重要的现实意义。

需要注意的是，生成式人工智能并非简单等同于数字化、信息化甚至智能化等概念。这也是为何本文要特别强调生成式人工智能对高职院校人才培养评价体系的技术特征，同时将风险挑战和应对措施作为二者深度融合讨论的核心问题。显然，生成式人工智能具备相当的技术优势但并非绝对完美，如何有效地利用生成式人工智能仍是未来高等职业教育需要深入思考的重要议题。

［参考文献］

［1］刘宝存，苟鸣瀚.ChatGPT等新一代人工智能工具对教育科研的影响及对策［J］.苏州大学学报（教育科学版），2023，11（3）：54-62.

［2］徐国庆，蔡金芳，姜蓓佳，等.ChatGPT/生成式人工智能与未来职业教育［J］.华东师范大学学报（教育科学版），2023，41（7）：64-77.

［3］杨聚鹏.新时代教育数字化转型的政策议题及建构路向［J］.电化教育研究，2023，44（11）：36-44.

［4］李红春，胡德鑫.职业教育数字化转型的三重突破：理念、组织与技术［J］.教育与职业，2024（2）：28-36.

［5］吴秋晨，徐国庆.产教融合视域下高职院校人才培养质量评价体系研究［J］.高等职业教育探索，2023，22（5）：8-14.

［6］赵蒙成.工业4.0时代我国职业道德教育的嬗变与未来走向［J］.河北师范大学学报（教育科学版），2021（3）：73-81.

［7］徐国庆.职业教育学基础［M］.北京：高等教育出版社，2023：409.

［8］欧旭理，罗方禄.共享·共融·共识——大数据时代高校德育理念转型［J］.现代大学教育，2017（3）：71-76.

［9］严彦蕾，吴一鸣.扩招后高职院校人才培养质量评价的挑战与应对［J］.教育与职业，2021（1）：37-43.

［10］陈玉琨.ChatGPT生成式人工智能时代的教育变革［J］.华东师范大学学报（教育科学版），2023，41（7）：103-116.

［11］李梦，徐洁.智能技术赋能中小学德育增值性评价：内涵解析与应用框架［J］.教育学术月刊，2023（3）：64-70.

［12］戴岭，胡姣，祝智庭.ChatGPT赋能教育数字化转型的新方略［J］.开放教育研究，2023，29（4）：41-48.

［13］黄道平.构建新时代高职院校德育工作体系［J］.学校党建与思想教育，2019（24）：7-9.

［14］徐林，王阿舒.技能型社会高职思政教育的逻辑、审思与路径［J］.中国远程教育，2023，43（7）：67-76.

［15］苏屹，王文静.负责任创新：研究述评与展望［J］.科研管理，2021，42（11）：8-15.

［16］杨淑萍，曹美红.高职学生公民素养的现实样态及其优化路径［J］.教育科学，2022，38（5）：73-82.