**北大：人力变算力，AI赋能教学评价**

北京大学教务部副部长董礼表示，学校本科教学质量评价工作正在进行变革，目标是构建一套新的评价模式，将人力转化为算力，进行更全面的教学质量监测，为老师提供更细致的教学指导。

2022年，北京大学常务副校长、教务长龚旗煌提出，新一轮本科教学审核评估对学校提出了更高要求，要展现教育教学改革的新举措、新成果和新面貌，培养引领未来的杰出人才。

近年来，教学评价一直是北大的教育教学改革重点之一。董礼在与麦可思研究交流时多次提到“改革”、“评价指标细化”、“教评信息化”和“AI”等关键词。北大在教评工作中探索和尝试了许多AI技术的应用。

董礼表示，未来希望形成一套新的教学评价模式，将人力转化为算力，进行更全面的教学质量监测，为老师提供更细化的教学指导。

**本科教学质量保障体系**

北大建设的本科教学质量保障体系有两个重点：一是围绕课程评价，二是将信息技术与教评系统相结合进行改进。

北大的本科教学质量保障体系以课程评价为核心，还包括院系评价、专业评价、教师评价和学生评价。北大认为，课程是影响教学质量的核心因素，做好课程评价，可以使教师专注于教学，为学生提供更高质量的课程，提升人才培养质量。

北大的课程评价包括课程本身、学生对老师的评价、专家领导听课以及老师自评等多方数据，还有教务部开展的教学质量调查数据。

近年来，北大一直致力于系统建设，努力将信息技术与教学评价相融合，打造了与外部第三方合作的教学质量管理平台和正在开发的校内本科教学质量状态系统。

**AI赋能教评**

近期，北大与人工智能开发公司合作，希望利用AI技术改进教学评价，使评价工作更细化、导向性更明确，更好地辅助院系和教师开展教学。

目前，北大正在整合学校数据，建立了一套校内的本科教学质量状态系统。该系统已开展了一些简单的教评数据分析工作。

北大希望拓宽教学数据的广度，加入过程性数据，如学生学习过程的数据和教师教学的动态数据。这些数据将从其他系统获取并纳入质量状态系统中。

北京大学的听课专家组规模已从最初的 15 人左右增加到 40 余人。教务部统计数据显示，每年只有大约 1/3~1/4 的课程被专家听过。

由于一门课程的听课次数非常有限，学校和专家对教师课程设计等的了解不足。

与此教务部面临着管理压力和专家资源有限的制约，继续扩大专家组规模的可行性不大。

我们需要在评价方式上进行改进，以扩大课程评价的规模和质量。

数据可视化呈现是新系统的重点工作。之前的系统虽然能展示核心数据指标，但对学校领导、院系管理人员和教师的支持不足。部分教评数据没有展示评价结果和横向比较结果，使用者难以对比各院系找出优劣之处。

我们还在美化系统界面，以便使用者更清晰直观地了解各院系、各专业的教学发展状况，以及教师在不同院系的对比情况。

这些做法的优势在于：一是评价更加标准化，不同专家对同一门课程的评价结果可能会有较大差异，而 AI 技术可以确保所有课程在同等情况下得到相对公平的评比；二是摆脱人力限制开展评价工作，可从非学生角度对全部课程进行全覆盖，结合专家、领导、学生和 AI 自身等多渠道的评比结果，对课程的评价也更客观、公正；三是为教师提供具体的改进方向和建议，通过 AI 技术对课堂录像和文本的分析，可以深入体现教师的教学风格，为他们提供更合理、更精准的改进建议。例如，一些教师过于强调知识传授而忽视了师生互动环节，新系统可以在某一时间节点提醒教师开展课堂交流或鼓励学生提问。

目前，利用 AI 技术开展教评工作面临不少困难。大学教师的教学行为通常具有个人特色，不像基础教育老师的教学模式化程度较高。

我们认为可以先探索研究，尝试形成一种新的教学评价模式，将人力转化为算力，开展更全面的教学质量监测，为教师提供更细化的教学指导。

问：对于教评工作的信息化，您认为未来的发展趋势是什么？

董礼：我认为 AI 技术与教评工作的融合可能是未来的发展趋势。

教评工作信息化就是尽量减少人工工作量，让机器承担一些工作，减轻师生的负担。

如果未来 AI 能较好地分析课堂教学情况，包括学生的学习状态和教师的教学状态等，就可以降低学生评教的覆盖率。

对于 AI 评教的准确性，可以结合其他渠道的数据进行了解和佐证。

例如，每学期可以在固定时间段，选取真正愿意参与课程评价的学生反馈教学意见。学校要保证这一群体有畅通的反馈渠道。

专家组的听课与学生评教类似，同样可以与 AI 相融合。受疫情影响，近年来学校所有的课程都有录像，这就积累了大量数据，至少有相对基础的数据。而且，当前的硬件条件、网络配置等也基本能满足教评工作信息化的需求。

您还提到了分类开展教学评价。

课程评价的分类评估

董礼：北大一直在进行课程分类评价，包括理论课、实验课、体育课、实践课和思政课，每种课程都有不同的评估指标。

赋予院系课程评价权限个性化需求

董礼：我们在与外部第三方合作建立教学质量管理平台时，曾提出赋予院系开放课程评价权限的个性化需求。希望院系能根据课程特色和分类情况，细化评估指标。

个性化评价指标的使用情况

董礼：但实际上，只有少数院系使用该功能，大部分院系仍习惯使用学校已设定的评价指标。主要原因是院系担心自己设计的评价指标不合理，导致学生在评课时提出质疑。

建立针对性强的评价指标

董礼：为了改进和提升老师和课程的教学质量，有针对性设计的评价指标无疑是更好的选择。教务部正在考虑进一步细化课程评价指标，从学科、层次和规模等维度设计专门的指标。

等价的评教问题设计

董礼：对于同一门课程，我们会制定不同问题问法的评价指标，融入更有针对性的评估内容。例如，大班课和研讨课的教学规范可能不同，但其核心指向的内容是一致的。我们会设计相对等价、实质一致的评教问题。

评价指标的组合使用

董礼：在后续的课程评价工作中，我们会根据课程类型组合评价指标，提炼出更有针对性的评价模型。例如，结合通用评价指标和个性化评价指标，全面了解各课程的教学内容、方法和成效。

评价指标的意义

董礼：我们认为，课程评价应能区分课程质量高低，明确一门课程的优点和缺点，这对老师和院系而言都至关重要。如果评价指标相同，得分高的课程一定有值得肯定之处。

持续的教学改进

董礼：我们一直在使用课程分类评价的功能。目前的课程评价以期末评价为主，但我们也希望学生能在教学过程中及时向老师反馈意见。

督促老师回应学生反馈

董礼：教务部会定期查看反馈意见，并通过邮件发送给相关老师。我们会持续跟进未及时回复的老师，并请院系督促老师在课堂或系统中回应学生，以思考如何改进和调整教学。

匿名反馈和教务部督促

董礼：虽然评教是学生的额外任务，但教学质量管理平台有两大优势：一是学生可以选择匿名反馈；二是教务部可以看到反馈意见并督促老师及时回复学生。

麦：您之前提到希望把教学质量管理平台中的教评结果用于专业和院系的绩效考评，请问现在进展如何？

董礼：北京大学的教师教学绩效考核一直使用评价数据，通过固定的指标和分值，影响院系的整体评价分数。

相对而言，专业层面的应用较少。目前，我们仍然坚持以大类培养为主，同一个院系的多个专业，学生选修的课程差异不大，可能主要在于同一门课程是核心课还是选修课的差别。

基于北京大学二级学院管理模式，教务部针对各院系开展评价，会影响院系整体的本科教学绩效。

各院系会在综合考虑学校评价标准和自身情况后，继续使用教评数据对教师进行绩效考核。

学校人事部门也在使用这些评价数据，例如教学质量考核会影响教师职称晋升的评价。若教师教学综合评价较低，将影响其职称晋升。