摘 要：日新月异的人工智能技术深刻影响着新时代教育评价改革的前行进程。在教育评价场景的转换中，人工智能赋能显著推动了过程评价的智慧化、增值评价的精准化、结果评价的全面化以及综合评价的立体化。研究阐释了人工智能赋能新时代教育评价改革的逻辑机理，认为人工智能在教育评价中的应用主要涉及分类评价策略的设计、协同整合能力的构建、评价工具效果的强化以及评价保障体系的优化。为实现由工具主义逻辑向立德树人根本任务的转变迭代，需要推动评价原则落地、专业建设强化、评价结果应用、评价过程监测和技术实践纠偏等策略的有效实施。当前，人工智能技术引入教育评价还面临伦理与隐私问题、人机失衡、技术依赖和模型偏见等风险挑战，推进新时代教育评价改革高质量推进，必须构筑智能、安全、协同、共融、灵活的智慧评价生态。

关键词：人工智能；教育评价改革；教育评价生态；多元评价

一、问题提出：人工智能时代的教育评价改革

人工智能技术的日新月异重塑着全社会多领域的价值观念、分工结构、行为模式与决策机制，亦影响着素质教育的内外环境。2020年10月13日，中共中央、国务院正式印发《深化新时代教育评价改革总体方案》（以下简称《总体方案》），强调在组织实施过程中，应创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价。教育评价作为教育活动的指挥棒，是推动人才培养模式改革与教育创新的关键驱动力，顺应教育改革战略，将人工智能技术与教育评价工作深度融合，已经成为新时代教育评价改革的关键机遇和必然趋势。通过科学、合理、适切的人工智能赋能，有助于推动改进结果评价、强化过程评价、探索增值评价、健全综合评价的教育评价改革目标高质量实现，为教育高质量发展带来新契机。

近年来，以人工智能赋能教育评价改革成为教育改革的新兴热点。有研究对智能技术赋能教育评价的发展阶段、关注重点和形态图景展开了讨论和思考；也有研究认为新时代教育评价改革应坚持“标本兼治”和“破立并举”，人工智能技术将从本体论、认识论、价值论和方法论的层面强化教育评价的智慧性；还有研究揭示了人工智能在赋能教育评价改革过程中暴露出的明显风险，包括数据伦理威胁、教育主体底线僭越、底层技术能力制约等亟待化解的挑战，加强制度保障、施行价值调试、推动理念转换等策略是风险规制的有效手段。已有研究成果有效推动了我国教育评价改革的理论发展，然而，鲜有研究对人工智能赋能教育评价改革的全局逻辑进行深度追问，本文拟从人工智能赋能新时代教育评价改革的场景转换出发，基于对人工智能赋能教育评价改革逻辑与边界的分析，探寻人工智能赋能新时代教育评价改革的实践进路选择。

二、教育评价改革的技术变量：人工智能对教育评价场景的转换与重塑

随着人工智能技术与教育行为的日趋融合，教育评价场景亦发生了显著转变。从组织实践经验来看，人工智能技术赋能对教育评价场景转换的主要表征体现在由机械转向智慧化的过程评价、由模糊转向精准化的增值评价、由局限转向全面化的结果评价和由碎片转向立体化的综合评价四个方面。

一是由机械转向智慧化的过程评价。在教育评价改革的技术变量中，人工智能技术对过程评价的影响体现在评价模式的根本性转变，即从传统的机械式评价向智慧化评价的跃迁。这一转变立足于教育评价理念和体系的深刻变革，超越了单纯的工具主义视角。基于人工智能技术的过程评价摆脱了孤立、静态的检测模式，转化为动态、持续的个性化学习支持系统。通过整合学习管理体系、动态感知机制和自适应学习模块，人工智能技术能够追踪和分析学生的学习足迹，以提供实时反馈和个性化评价指导的方式，同步强化学习的最终结果以及过程中的认知发展和技能掌握。

二是由模糊转向精准化的增值评价。伴随着教育评价领域内的技术革新，人工智能对增值评价手段的优化发挥了关键性作用，推动增值评价从传统的模糊性方法转向更为精准和科学的评价工具包。这一场景转换不仅体现在评价工具和计量方法的精细化，更在于评价策略逐步向更具深度和复杂性的方向演进。人工智能的自适应学习技术能够实时精确追踪单一学习主体和群体的发展进程，通过有效控制非教学变量，对教育活动增值效果准确捕捉，使评价结果更贴近于教育干预的实际成效。此外，人工智能还可以采集入学基线测试数据和各评价测度的学习数据，在复杂情境下区分评估学生自主成长与特定教育干预之间的效果差异。

三是由局限转向全面化的结果评价。在教育评价改革的宏观背景下，人工智能技术对结果评价的改革赋能产生了显著影响，实现了从评价维度局限的传统方法向评价维度更为全面深入的科学化评价的进化跨越。这一转变强调从隐喻、模糊、弱关联的教育大数据背后洞见本体共生的表征价值、交互产生的关联价值以及多方协同创生的决策价值。基于高效执行的标准化测试，人工智能通过自动化评价机制，对评价客体所掌握的特定知识点进行实时评估与动态感知。通过赋能结果评价的高适应性改革，人工智能技术能够有效助力对评价客体的测试难度与学习建议的制定与设计，同时兼顾激发其学习潜力的兑现和习惯风格的建立。

四是由碎片转向立体化的综合评价。人工智能技术在综合评价过程中的耦合赋能，实现了从碎片化的评价方法向全面深入的评价体系的敏捷转变。其核心在于嵌入人工智能技术，整合多源评价数据，以学习管理系统的形式将受教育主体的足迹记录、互动数据、学习作品和行为表现等纳入综合分析框架，结合过程评价的通用工具包，构建多维立体的学生能力画像，推动综合评价模型彻底摆脱单一考量学术成绩的桎梏。此外，在利用虚拟现实和增强现实技术创建沉浸式评价环境的前提下，建构于机器学习算法之上的情感分析工具进一步强化了对学生非学习表现的采集和评估能力。

三、算法与策略的全局驱动：人工智能赋能新时代教育评价改革的逻辑机理

智能技术日新月异，人工智能作为一种先进的工具手段在教育评价体系中的应用，逐步对传统评价理念与方法产生了根本性的机制重构。对人工智能赋能新时代教育评价改革内在逻辑的探讨，首先，必须对当前人工智能赋能教育评价的主要手段有准确认识，回答如何赋能的理论意涵。其次，必须在关于人工智能赋能手段准确认识的基础上对工具主义逻辑向立德树人根本任务转变的逻辑有清晰的把握，回答赋能的实践要求。在理论层面对上述两方面问题的准确认识和理解，能够助力正确把握人工智能赋能新时代教育评价改革的前行进路，最终为有效推进教育评价改革提供可靠参考。

（一）内在逻辑的理论意涵：人工智能赋能新时代教育评价改革的行动理路

技术的快速发展催化了人工智能成为新时代教育评价改革的关键驱动力。从理论层面来看，凭借在数据捕捉与分析方面的精准能力，人工智能不仅在过程评价、综合评价、增值评价和结果评价等多个领域进行了分类评价策略的创新，还对评价工具的效用及评价体系的结构进行了整合重塑。不仅如此，以人工智能为核心的教育评价改革，超越了单纯的技术层面的革新，实现了评价理念和策略上的全面革新，推动着教育评价朝向更加全面、精确、前瞻的模式蜕变。

1.引入人工智能设计分类评价策略。人工智能可以分别为过程评价、综合评价、增值评价和结果评价提供分类型的评价策略，关键在于其在数据捕捉与分析方面的高效能力和灵活性。在过程评价策略的设计中，人工智能通过集成算法监测和分析学习者的学习足迹，提供实时反馈，从而支持学习路径和策略的动态调整。在综合评价方面，人工智能利用特征选择算法构建代表性的评价指标体系，能够有效地完成包含学术成绩、创新思维、批判性分析、沟通互动及领导力等多维度的综合评价任务。对于增值评价来说，人工智能的核心机制在于长期跟踪学习发展，通过基于主体建模的评价方法，评估教育投入对学生发展的影响。在结果评价中，人工智能则通过构建智能量化分析框架，确保评价指标与立德树人的教育宗旨相契合，从而提升评价的目标导向性和实效性。

2.嵌入人工智能构建协同整合能力。构建以立德树人为宗旨的教育评价体系关键在于通过人工智能赋能，以协同整合全局评价要素的方式，推动各项教育评价任务高质量完成。通过引入人工智能在数据集成与交互操作等方面的特长，实现教育信息系统间数据的无缝对接，进而在人工智能模型中处理和分析多源数据，为教育评价系统提供丰富的内容输入。同时，人工智能得以支持开发多维度评价模型，实现学术成就、非认知技能及个性化学习需求的整合性考量，并通过算法分析不同维度间的协同影响效应，推动评价内容和评价标准的持续优化。教育评价工具间的跨领域协作亦对整合协同能力构建发挥了重要影响，人工智能大模型通过将不同学科的专业知识整合至评价体系中，最终促进评价能力朝向全面与深化的方向进化。

3.应用人工智能强化评价工具效果。在新时代教育评价改革的进程中，人工智能技术的应用显著增强了评价工具的效果，这一进展源于人工智能兼具评价数据宏观分析和微观处理层面的核心优势。人工智能技术能够处理和解析大量复杂的教育数据，得以显著强化关于测试结果、课堂参与度和学生反馈等评价效度和信度，不仅能够为所有评价相关者提供更为深入全面的洞察和更为快速准确的评价意见，还能够为教育者提供基于机器学习算法预测结果支持的成绩预测和决策支持。在教育进程中的动态评价方面，人工智能则通过基于主体建模的方法对学习行为和发展足迹进行实时感知，有效助力教育主体适时调整教学内容和评估标准，确保评价内容与评价标准始终与学生的当前状态和学习进度保持一致。

4.借力人工智能优化评价保障体系。人工智能在教育评价的保障体系中同样扮演着举足轻重的角色，其高效的数据处理能力和高超的计算精准性为教育评价体系带来了显著的优化效果。在提升评价的标准化和公平性方面，人工智能得以处理海量数据，助力在复杂情境下维持评价标准的一致性，从而减少人为的主观性偏差。在资源分配和管理保障方面，人工智能的自动化中控模块优化了评价的时间和资源成本，通过算法实现评价资源的最优配置。在伦理保障和隐私保护保障中，人工智能可以通过底层逻辑，严格遵循隐私和伦理标准，监测、干预评价过程中可能出现的价值偏见行为。在教育评价全过程中，人工智能还可以通过搜集、梳理、归纳评价足迹，实时对评价行动质量和受评主体的发展动态开展模式识别和趋势预测，为教育评价的系统性改革提供来自于第四范式的支撑和参考。

（二）内在逻辑的实践要求：从工具主义逻辑向立德树人根本任务的转变迭代

人工智能在教育评价中的应用加强了对数据驱动决策的依赖，使得评价工具本身在教育评价过程中的地位显著提升，导致评价活动更多地偏向于依赖工具而非教育的本质目的。同时，这一趋势引发了“技术决定论”倾向，忽视了教育评价改革完善立德树人体制机制、扭转不科学教育评价导向的“初心”，致使教育评价功能偏离立德树人目标，导致教育评价功能担当和现实功能的错位矛盾。因此，新时代教育评价从工具主义逻辑向立德树人根本任务的转变迭代主要涉及以下几个并行策略。

1.推动全周期的评价原则落地。实现全周期的评价原则，首先要强调立德树人的核心价值。在此过程中，教育评价应超越单纯的知识和技能传授，更多地关注学生作为整体人的发展，包括其道德观、价值观和人文素养。其次，教育评价应该支持并推动为党育人、为国育才的使命，这要求评价体系能够与国家的教育目标和社会需求保持一致，同时也要反映出对个体发展的关注和尊重。在实施过程中，教育评价要发挥其导向作用，通过明确的评价标准和反馈机制，引导教育主客体朝着既定的教育目标努力。这不仅要求评价内容的全面性和科学性，也要求评价过程的公正性和透明性。此外，教育评价还需紧密结合当下的技术进步，以更精准和高效的方式进行评价，确保技术应用不偏离立德树人的根本任务。

2.执行全类型的专业建设强化。在新时代教育评价改革的进程中，执行全类型的专业建设强化是实现从工具主义逻辑向立德树人根本任务转变的重要环节。这一策略涉及对结果评价、过程评价、综合评价、增值评价的全面强化，旨在提升评价的科学性、客观性和多维度。借助人工智能技术的赋能，这种全类型的评价方法能够通过全时空场域数据无损采集更精准地捕捉和分析教育过程中的各种信息，从而提供更全面的评价结果。在执行全类型的专业建设强化中，重要的是保证这些评价方法的科学性和客观性，同时确保技术应用不偏离教育的根本目标——立德树人。

3.强化全情境的评价结果应用。在全情境应用中，人工智能技术的应用不仅提高了数据分析的效率和准确性，也增强了评价过程的针对性和个性化。通过对成长和发展足迹的数据分析，全情境部署的人工智能工具包可以准确识别受教育主体的学习难点和优势，提供个性化的学习路径和支持。此外，人工智能在处理大规模数据时的能力，使得教育评价可以覆盖更广泛的情境和背景，为教育决策提供更全面的信息。强化全情境的结果运用还意味着将评价结果应用于教育实践中的各个方面，不仅限于学生的学习成绩，还包括其行为、态度和社交技能的发展。这种全面的评价能够促进学生的全人发展，与立德树人的教育目标相契合。同时，通过持续的监测和反馈，教育评价可以成为调整教学策略、改善学习环境和提高教育质量的有效工具。

4.优化全主体的评价过程监测。优化全主体的评价过程监测可以实现对教育过程的全面把控，确保教育活动与评价紧密结合，及时调整教育策略以符合教育评价的最终目标。人工智能在评价过程中的应用应实现对学生学习行为、成绩进展以及行为态度的持续监测，通过提供实时反馈，帮助教师和学生即时调整教学和学习策略。同时，全主体的评价过程监测还涵盖对教育方法和内容的评估，以确保教育内容和方法能够有效促进学生在知识、技能以及道德和情感方面的全面发展，保证教育活动与立德树人的目标一致。此外，人工智能技术在评价过程中的监测应用也有助于识别和解决教育实践中的问题。通过分析宏观和微观层面的教育行动数据，发现教育过程中的潜在问题和改进机会，从而促进教育质量的持续提升。

5.进行全领域的技术实践纠偏。全领域技术实践纠偏的关键在于及时发现和纠正技术实践中的应用偏差，确保评价方法和工具始终服务于教育的根本目标。首先，利用人工智能和大数据技术对评价工具进行优化创新，为教育评价系统提供更深入的洞察能力，助力更全面客观地评估学生的学习和发展。在实践过程中，人工智能可以分析多元情境下的发展模式和学习行为，帮助教育者了解受评价主体的成长进度和学习难点。其次，需要在评价过程中及时发现和调整技术应用过程中所暴露出的工具主义逻辑偏差，长期维持监测评价方法的有效性和准确性，确保评价结果真实反映学生的学习和发展情况。同时，全领域的技术实践纠偏还要确保评价工具和方法不仅关注结果评估的纠偏执行，还要涵盖学生德育、智育、体育、美育和劳育等多维度发展的偏差识别。

四、引入人工智能赋能的风险边界：新时代教育评价改革中的达摩克利斯之剑

（一）窥视深渊：人工智能的伦理和隐私问题。智能技术赋能教育评价的背景下，伦理和隐私保护是需要重点关注的风险点。由于教育评价过程中搜集的学生信息大量涉及敏感数据，若未采取严格的加密和安全措施，则可能导致数据泄露和滥用的风险。与此同时，数据隐私保护问题同样不容忽视。即便数据得到了安全处理，若未经适当匿名化和去标识化处理，学生的隐私权也可能在数据分析过程中遭受侵犯。

（二）人机失衡：人类智慧和人工智能的博弈。在智能技术赋能教育评价的应用过程中，忽视人类判断的重要性可能引发多方面的次生风险，最终使得教育评价偏离立德树人的根本目标。尽管智能技术在处理大量数据和提供客观分析方面展现出优势，但智能系统可能无法充分理解学生的动机、情感和社会互动等复杂的非量化的人文因素。因此，在何时、何地、何处应该采纳人工智能的评估意见，而又应该在怎样的情境下以教育工作者的专业判断为主，缺乏明确的人机行动标准，最终很有可能导致技术决策的超越性问题。

（三）能力局限：人工智能工具和算法的边界。智能技术在赋能教育评价中的能力局限性风险显现于多个层面。现阶段的智能技术在理解和处理非结构化数据方面能力有限，教育评价涉及复杂的语言表达、文化差异及个人经历等元素，这些因素常难以量化或以结构化形式呈现，以大语言模型为代表的人工智能技术在捕捉和解析这些非结构化信息方面的不足可能导致评价结果的偏颇。语言作为文化和情感表达的重要载体，在教育评价中理解语言的微妙差异至关重要，技术能力边界受限最终亦可能使得评估结论与学生的实际状态之间产生显著的差异或偏离。

（四）技术依赖：在实践中对人工智能“成瘾”。过度依赖人工智能技术所带来的教育评价风险逐渐在改革实践中显现。对于人工智能的“成瘾”表征首先影响了部分传统但优秀可靠的教育评价方法的应用和发展，如教师观察、同侪互评和实践调研等方法在提供个性化反馈的独特价值将被显著削弱。其次，大规模依赖智能技术可能导致教育工作者和学生对智能评价工具包的盲目信任，长期忽视评价中的批判性，从而限制了教育评价的“指挥棒”效应。不仅如此，任由过度依赖智能技术的问题发展，还可能会导致对教育工作者自身专业建设的忽视，并逐渐弱化教师在教育评价设计、实施和解读等方面的专业能力。

（五）模型偏见：人工智能算法的不公平悖论。在智能技术赋能教育评价的领域中，模型算法的公平性和偏见问题构成了一项难以规避且复杂的挑战。其最显著的风险是智能技术在教育评价中的应用可能因数据源的偏差导致评价结果的偏见。诸如GPT4-Turbo等国际大模型人工智能产品需要导入海量的文本数据进行模型训练，其中的数据可能包含相当规模的价值观和意识形态偏见，并通过教育评价应用对受评主体产生潜移默化的危险性导向。在算法框架方面，智能教育评价工具包的设计内容还可能缺乏对多样性学习风格、学习能力和学习路径的包容性考量，进而难以全面、客观地反应所有受评个体的发展情况。

（六）算法黑箱：人工智能评价中的逻辑之谜。智能技术在教育评价中的应用还往往面临着不可解释性和算法黑箱问题，难以解释的计算分析逻辑对教育评价的有效性和公信力构成了显著挑战。智能系统基于复杂算法和大量数据进行决策，但相关决策过程受到商业机密或算法设计本身的制约，往往无法向相关使用主体阐释其决策原理和分析逻辑，不可解释性可能导致教育工作者、学生及其家长不能充分理解评价结果的依据，对结果持怀疑态度，从而影响智能技术在教育评价领域的接受度和效果，最终导致人工智能赋能教育评价改革的进程陷入迟滞。

五、人工智能赋能教育评价改革的实践路径：构筑智能、安全、协同、共融、灵活的智慧评价生态

随着人工智能技术的日益成熟和普及，教育领域正面临着一场深刻的变革。智慧教育评价生态作为这一变革的核心组成部分，旨在通过高度集成的智能技术，重塑教育评价的应用范畴和策略方法。在教育评价改革的实践路径中，不仅应该关注传统的学业成绩评价，还应更为全面地涵盖学生的学习过程、能力发展和创新潜力等领域，建立智能、安全、协同、共融、灵活的智慧评价生态体系。在此思路下，人工智能不单单是工具，更是推动教育改革的重要驱动力，使得教育评价在立德树人的原则下充分发挥其“指挥棒”的效用。

（一）构建智能导航，开发智慧导向化评价体系。部署成长迹记录器，建立智能追踪与个性化反馈机制，架设综合能力雷达，开展全面成长动态评估是构建智能导航的关键。智能导航的核心目标是利用人工智能技术创造一个能够主动引导学习并促进教育发展的评价体系。这一体系不单单是对学习成果的量化评价，而是一个动态、互动的过程，能够根据学生的实时表现提供调整和指导。由此，通过深度学习和大数据分析，智能评价体系可以识别学生的学习模式、预测学习成效并提供个性化的学习路径建议。

（二）打造数字堡垒，实现安全透明的数据保护。打造数字信任护盾，保障数据保护与应用透明，安排信息安全领航员，培养隐私保护意识是打造数字堡垒的前提。保障数据安全的首要任务是构建一个坚固的数据安全架构，确保在利用人工智能赋能教育评价改革的过程中所有相关数据的安全性和透明度。其核心在于创建一个全面的数据保护机制，不仅应通过数据加密、访问控制、持续监控防止数据被未授权访问或滥用，还要在整个数据处理流程中保持高度透明和可审计性。

（三）促进和谐共生，优化人工智能的协同合作。培育智能助理教师，助力人工智能协同人类智慧，开设智慧决策加速课，建立技能培训与批判性思维是促进和谐共生的基础。推动人类智慧和人工智能间的有效互补和高度协同，是实现教育评价过程更加高效、个性化同时符合立德树人宗旨的深层次需求。这不仅涉及技术层面的集成和优化，还包括在教育理念和实践层面的融合。为实现这一目标，需要将人工智能技术与教育实践紧密结合，确保人工智能技术在辅助教学、评估学习成果、个性化学习路径规划等方面的有效应用。

（四）推动多元共融，打造兼容并蓄的评价空间。调用公正视阈放大镜，建构包容性教育评价框架，引入教育评价均衡器，优化技术适应性和普适性是推动多元共融的核心。人工智能赋能教育评价改革的另一关键策略在于建立一个多样化、灵活且包容的评价体系，旨在适应各种复杂的教育情境和多元的发展需求。为此，评价体系需要利用人工智能的数据处理和分析能力，对各种学习方式和学生的不同表现进行客观评估。

（五）形成敏捷迭代，建构灵活适切的技术框架。嵌入智能进化引擎，激发持续技术更新能力，设立价值共创圆桌，推动多元主体需求驱动是形成敏捷迭代的保障。建构灵活适切的教育评价技术框架的策略，核心在于创建一个能够快速响应教育需求变化和技术进步的评价体系。这需要评价体系具备高度的灵活性和适应性，能够不断根据新的教育理念、学习方法和技术发展进行调整和优化。

六、结语

探讨新时代教育评价改革的前景，人工智能技术的赋能标志着教育评价系统正向着更加精准、个性化及动态化的方向发展。自适应学习系统的广泛应用正在引领一场教育个性化的革命，其具备动态调整教学内容和难度的能力，并能够依据每位学生的特定需求和学习目标，定制个性化的学习路径，显著提升教育成效的精确性。同时，情感分析与社交能力评估的融合为教育评价带来了新的维度。这种综合分析使得教育者能更全面地理解学生在社交环境中的行为模式与互动方式，进而揭示学生在非学术领域的潜能与挑战，促进其在社交和情感层面的成长。此外，增强现实与虚拟现实技术的应用预计将根本性地改变传统的学习及评价环境。在数据管理方面，随着数据量的增长，伦理治理和数据的开放共享变得尤为关键。教育大数据的管理需要实施更加细致和复杂的策略，以确保数据的安全性、隐私保护和合规性。随着技术的持续进步和社会对其更深层次的理解，教育评价正逐步向更加智能化、精准化和人性化的方向发展，将促进教育公平性和包容性的提高，最终构建一个充分恪守立德树人原则且能够适应未来趋势的教育评价体系。

（本文参考文献略）

The Logic, Boundaries, and Pathways of AI-empowered Educational Evaluation Reform in the New Era: Constructing a Transformative Path for Intelligent Educational Evaluation Ecosystems

SongZhaoxiang SiLinbo

Abstract: The rapidly evolving artificial intelligence (AI) technology is profoundly influencing the progress of educational evaluation reform in the new era. In the transformation of educational evaluation scenarios, AI empowerment has significantly promoted the intellectualization of process evaluation, the precision of value-added evaluation, the comprehensiveness of outcome evaluation, and the multi-dimensionality of integrated evaluation. This paper elucidates the logical mechanisms of AI empowerment in the new era of educational evaluation reform, arguing that the application of AI in educational evaluation primarily involves the design of classified evaluation strategies, the construction of collaborative integration capabilities, the enhancement of evaluation tool effectiveness, and the optimization of evaluation support systems. To achieve the iterative transformation from instrumentalist logic to the fundamental task of moral education, we need to effectively implement strategies such as grounding evaluation principles, strengthening professional development, applying evaluation results, monitoring the evaluation process, and correcting technical practices. Currently, the introduction of AI technology into educational evaluation faces risk challenges including ethical and privacy issues, human-machine imbalance, technological dependence, and model bias. To advance high-quality progress in educational evaluation reform in the new era, it is imperative to construct an intelligent, secure, collaborative, inclusive, and flexible smart evaluation ecosystem.

Key words: artificial intelligence; educational evaluation reform; educational evaluation ecosystem; multi-dimensional evaluation

初审：曹洪家

复审：孙振东

终审：蒋立松