文献类型：期刊文章

作　　者：袁莉[1] 曹梦莹[2] 约翰·加德纳[3] 迈克尔·奥利里[4]

YUAN Li;CAO Mengying;GARDNER John;O'LEARY Michael(College of Education for the Future,Beijing Normal University,Zhuhai519085,China;Shanghai Engineering Research Center of Open Distance Education,Shanghai Open University,Shanghai 200433,China;Faculty of Social Sciences,University of Stirling,Stirling,UK;Centre for Assessment Research,Policy and Practice in Education,Institute of Education,Dublin City University,Dublin,Ireland)

机构地区：[1]北京师范大学未来教育学院,广东珠海519085 [2]上海开放大学上海开放远程教育工程技术研究中心,上海200433 [3]英国斯特林大学教育学院,英国 [4]爱尔兰都柏林城市大学教育学院,爱尔兰

出　　处：《开放教育研究》

年　　份：2021

卷　　号：27

期　　号：5

起止页码：4-14

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：随着机器学习和大数据的发展,如何利用人工智能技术优化教学过程和改进教学评估,已成为教育主管部门、科研人员、教育科技公司和教育工作者共同关注的话题。近年来,数十亿学习者在各种学习平台随时随地进行正式和非正式学习,形成了特定的活动轨迹和大量学习数据,应用人工智能技术对数字化学习环境中海量学习数据进行分析,给学生提供自动反馈和评估得到了广泛认可。因此,运用智能技术和大数据分析提高教育评估的效率和有效性也引起研究者越来越多的关注。但人工智能在高风险考试中应用的合理性和有效性备受质疑,其在形成性评估中应用的潜力和局限仍有待探讨。本文通过文献研究,从计算机测评领域相对成熟的两个自动测评系统:作文自动评分系统(AES)和计算机化自适应测验(CAT)的应用以及学术界对其存在问题的争论入手,对人工智能应用于教育评估的前景进行分析,并对人工智能和机器学习在形成性评估中的应用潜力和局限开展讨论。本研究认为,尽管人工智能的算法和大数据分析提高了自动测评系统的反馈速度和准确性,但其对学生深度学习和能力发展评价的应用价值仍然有限,教育评估中应用人工智能要掌握和了解计算机在总结性评估(如AES和CAT等)中的特征和局限,充分利用学习分析在形成性评估中的潜力,促进学生在数字化学习环境下创造力和自主学习能力的发展和培养。

关 键 词：人工智能 机器学习  作文自动评分  计算机自适应测验 学习分析  形成性评估

分 类 号：G40-057]