我国学生综合素质评价的现状与挑战

一、评价内容逐级解构，难在复杂场景中判断学生综合能力

在义务教育阶段，综合素质评价的一级维度主要参考思想品德、学业水平、身心健康、艺术 素养、劳动与社会实践五个维度，并进行适当延伸，而高中阶段的综合素质评价基本围绕上述五个维度并进行适当拓展，与基础教育标准的口径不一致。在此基础上，教育工作者会进一步将一级维度逐级细分为二级、三级甚至四级维度。我们开展综合素质评价的初衷是希望通过关注学生在不确定的、真实的任务场景中综合运用知识解决问题的能力（包含非智力因素），然而，评价内容与核心素养的自我发展、文化基础和社会参与维度在指标口径上的不一致，不利于学生综合素质评价与培养体系的融合统一。

二、各地指标差异大，评价结果不支持跨校跨区域比较

通过调研走访我们发现，各区域围绕一级维度中的五个维度细化出的二级维度评价指标数量差异明显，指标内容差别显著。例如，北京市房山区将一级维度细分为20个二级维度，青海省海南藏族自治州将其细分为12个二级维度，湖北省将其细分为11个二级维度。可见，差异化评价指标体系给跨校甚至跨区域的学生综合素质评价结果比较带来了极大不便，导致评价结果应用存在局限，无法根据评价数据揭示我国学生的综合素质发展状况及成长规律。

三、综合评价数据主要依据写实记录和主观评语，客观性不足

通过调研走访我们发现，有90%的区域采用了诸如写实记录等填报方式采集学生综合素质发展数据，71%的区域采用了诸如自评、他评等评语填写方式，68%的区域采用了标准化测试方式，45%的区域采用了诸如问卷、量表等自陈报告方式。综合来看，上述这些数据采集方式均属于传统教育测量与评价范式的范畴，难以客观采集学生在关键能力、必备品格和深度价值观上的真实表现。

四、评价自定等级且标准差异大，学生整体发展状态不清

通过调研走访我们发现，评价结果的划分主要有以下三种情况：1.有89%的区域采用自定等级呈现评价结果，例如内蒙古自治区呼和浩特市分为A（优秀）、B（良好）、C（合格）、D（不合格）四个等级，以初中学校为单位，A等占比30%，B等占比60%；吉林省长春市分为A、B、C、D四个等级，A等约占本年段学生总数的40%，B等约占50%，D等比例严格控制；浙江省宁波市最终评价结果呈现为A、B、C三个等级，其中A等占比不超过25%，C等不高于5%。2.有8%的区域采用分值量化评价结果，例如天津市和平区将一级维度中的五个维度设置为各占比20%，每个维度设置基础项与加分项，折算为最终总分后，以作为升学推荐指标。3.有3%的区域采取“只评价不量化”的方式，例如上海市通过客观写实记录，形成综合素质评价档案，不给出具体分数或等级标准。由此可以看出，评价标准的不统一，导致难以综合分析出全国学生在综合素质上的整体发展状况，进而不利于整体揭示学生成长规律。

五、信息技术多用于采集学生写实记录，人工智能优势未体现

通过调研走访我们发现，超过70%的区域明确表示已建有专属的综合素质评价平台，但各地所使用的平台功能较为单一，以收集和记录学生写实记录材料为主，未能从数据采集、存储、分析等方面发挥技术优势。如何借助人工智能赋能评价数据的采集、存储、分析等，将会是未来发展的一大重要挑战。

六、评价结果主要作为升学最低标准，支撑人才选拔能力不足

通过调研走访我们发现，评价结果的应用主要分为以下三种情况：1.有74%的区域给出了升学最低标准，实现了“软挂钩”，例如深圳市南山区将综合素质评价结果作为高中阶段学校招生录取的重要依据，综合素质评价达标的学生可以参加所有高中阶段学校的招生录取，但评价结果不作为考试成绩相同情况下的录取比较条件；江西省南昌市将综合素质评价结果作为初中学生毕业的重要依据，若评价结果中出现D等（待合格），则不能毕业。2.有5%的区域尝试将结果与升学进行“硬挂钩”，例如山西省阳泉市在高中阶段学校录取时，将评价等级换算成相应的分数，直接计入考生录取总成绩，总分20分。3.有21%的区域未将结果与升学进行挂钩。显然，综合素质评价在人才选拔、促进学生个性化发展方面的作用非常有限。

综上我们可以看出，当前我国综合素质评价的客观性、导向作用十分有限。一是评价思路趋向五维逐级解构，学生适应个人终身发展与社会发展的“综合素质”难表征；二是信息技术支撑作用不足，记录负担重，评价的客观性较差，信息技术应用不足；三是评价方案各具特色、差异很大，国家层面学生发展状态难以把握，人才选拔难应用，决策支持不足。

综合素质评价的创新性探索

基于政策要求及我国综合素质评价存在的突出问题，教育部组织开展信息技术支撑学生综合素质评价试点工作，经各地积极申报，最终遴选出38个试点区域。在教育部统一部署下，试点工作于2023年4月正式启动。我和我的团队承担起该项试点工作，并取得了一定的创新性成果。

一、形成了综合素养理论模型

我们以中国学生发展核心素养为底座，纳入学生综合素质评价内容，以综合素养为核心概念初步形成了一种新的综合素养理论模型。（如图）

二、探索出智能化表现性评价工具

智能化表现性评价工具是一种利用智能技术变革评价实践中任务的呈现方式、数据的采集和分析过程，考查学生在真实、复杂、不确定情境中运用先验知识完成某项任务或解决某个问题时的知识与技能掌握程度，以及问题解决、交流合作和批判性思考等多种复杂能力发展状况的评价方式。

例如在协作问题解决能力的测评中，传统的综合素质评价方式主要依靠学生自主上传记录各类实践活动，教师基于多元主体的主观评定来测评学生的交流与合作能力；而新型评价工具则可以借助智能技术创设复杂的“三人联合倒水”任务，模拟真实的协作问题解决情境，在学生应用能力解决问题的过程中测评其协作问题解决能力。

又如在科学探究能力的测评中，传统的综合素质评价方式主要依靠学生自主上传记录各类学习报告、创新作品等，基于多元主体的主观评定来测评学生的创新精神、实践能力等；而新型评价工具则可以结合中国科技馆现有科技活动及新课标要求，围绕我国“探月工程”设计线上与线下探究实验活动，模拟真实的科学探究场景，在学生应用能力参与活动的过程中测评其科学探究能力。

三、研发出三类关键技术

第一，学生多场景表现性数据的采集技术，具体包括：1.基于复杂活动场景的伴随式采集技术，即基于自主研发的表现性评价工具或“红外+可见光”采集装备，伴随式采集学生在学校、家庭、社区和科技馆四个场域的多模态（包括音频、视频、文本、图片等）数据；2.多源异构数据汇聚技术，即教育部信息技术支撑学生综合素质评价试点工作数据和教育部教育技术与资源发展中心数据、教育部教育管理信息中心数据以及试点区域原有综合素质评价数据的汇聚技术；3.视频数据标注增强技术，即针对教室、科技馆等场景中多主体的多目标行为连续追踪识别技术。

第二，学生多模态活动数据的智能处理技术，具体包括：1.文本数据的自动识别技术，即基于光学字符识别（Optical Character Recognition，OCR）技术自动识别语言表达测评中学生上传的文本图片数据，并对难以辨识的新词、特征词等复杂标注任务进行矫正识别和标注增强；2.音频数据的音准识别与评测技术，即基于“音符转录—音符对齐—音高提取”智能化处理方法，自动识别音乐素养测评中学生上传音频数据的错音符、漏唱音符和音调高低等；3.视频数据骨骼绑定与内容分析技术，即基于身体素质测评中学生的跳绳视频将Mediapipe（一个用于构建机器学习管道的框架，可用于处理视频、音频等时间序列数据）获取的骨骼坐标点输入跳绳姿态判别模型，通过关联信息融合模块对多源异构数据进行融合，输入时序模型计算耐力评分。

第三，大规模学生综合发展数据的分析技术，具体包括：1.学生成长发展知识库引擎，可支持探索学生成长发展影响因素（如媒体使用或课外活动的类型和时间），挖掘中国学生综合素质发展规律（如自主学习能力的变化曲线），建设学生成长发展知识库；2.学生综合素质常模库引擎，可支持依据数据建设学生综合素质发展常模，支持建设不同区域（如东部、中部和西部地区或城市、农村地区）、不同学段（如小学低、中、高年级）学生成长发展特定理论维度的常模；3.学生综合素质队列（流行病学术语，在教育领域中特指具有共同因素特征的一组学生群体）建设引擎，可支持不同区域和学段学生的成长发展队列建设。

四、整合出学生综合评价与发展平台

我们整合上述技术，研发了学生综合评价与发展平台（Student Evaluation Enriching Development，SEED），主要功能包括：1.呈现测评工具，支持大规模学生在线参与综合素质测评；2.呈现测评分析报告，面向区域、学校、学生和家长反馈学生综合素质评价的结果及改进建议；3.呈现学生成长规律，包括学生综合素质发展性规律、比较性规律、溯源性规律，学生常模库、队列等。