警惕教师评价权让渡！数智化学生评价到底该怎么做？

在数字化浪潮重塑教育生态的当下，校园里的摄像头、在线学习平台和可穿戴设备每分每秒采集着学生的行为轨迹、操作记录、语音数据乃至面部微表情，教育仿佛拥有了“上帝视角”：一张数据仪表盘就能告诉教师谁“认真”、谁“走神”，一份雷达图就能呈现出学生的“核心素养”。教育科技公司在产品发布会上宣称“用数据说话”，学校管理者以为过程性评价终于可以落地，教师们则既兴奋又惶恐：兴奋于可以摆脱烦琐的纸质记录，惶恐于自己好像正被某种看不见的力量推着走。这股力量就是数据主义：它相信所有教育现象都能简化为可计算的指标，相信“客观”数据天然优于人的主观判断，相信算法给出的结论比教师的经验更可靠。但过度依赖数据决策可能导致教师角色异化，从育人主体沦为系统操作员。这一转向将消解教育智慧的价值，弱化师生的情感联结，最终使蕴含人文关怀的育人实践降格为可量化的数字报表。

教育数据主义的第一个风险试图把复杂的育人过程压缩成可排序的数字标签。学生的创造力、合作精神、坚毅品格难以量化，但平台总要给出一个“创新指数”“协作值”或“坚毅分”。为了让指标显得更加“科学”，评价系统开发者往往使用可观测行为作中介，如讨论区发帖次数被计为“协作”，视频反复观看时长被计为“坚毅”，作业里出现生僻词句的数量被计为“创造力”。教师一旦把这些数字奉为客观事实，就会忽视行为背后的真实动机与意义：频繁发帖也许只是为了应付教师或作业，反复观看视频可能只是网络卡顿被迫暂停，使用生僻词更可能源于查词软件的随意粘贴。当教育被量化为指标竞赛，追求全面发展的教育理想便在数据的遮蔽下悄然消解。

教育数据主义的第二个风险是教师评价权的让渡。许多学生智能评价系统内置了经过“大数据训练”的模型，标注着“高风险”“中水平”“优秀”的区间，教师可以直接选取应用。这种方式，表面上看，似乎减轻了教师的负担，但实质上是把“评什么、为何评、如何评”的决策权交给了算法的设计者和训练数据。而且，算法可能放大既有偏见，如果训练数据来自重点学校，模型就容易将“优秀”与特定学习风格绑定。教师若缺乏批判性意识与思维，就会默认模型所提供结果的合理性，继而放弃对育人目标的持续追问：评价究竟服务于管理效率的提升，还是服务于学生的全面成长？我们究竟要培养什么样的人？当前的指标是否与教育愿景一致？当分数或等级由黑箱算法生成，教师便从价值判断者沦为技术执行者，评价的教育性也将随之弱化。

教育数据主义的第三个风险是师生关系的疏离。过去，教师通过课堂提问、走廊谈话、作业批注、家访等具身化实践，捕捉并回应学生的困惑。如今，教师对学情的感知愈发依赖后台日志，致使教育交互让位于数据化诊断。教师对着屏幕查看“异常波动”，学生却感受不到被“看见”。当教育异化为隔着数据的“云端诊断”，学生就不再被视为需要被理解的主体，而是一串有待优化的参数。久而久之，学生也会把自我认识让渡给算法：系统评价我“拖延”，我就自认拖延；系统评价我“中等”，我便不再奢望卓越。数据原本应成为对话与评价的起点，却在数据主义的裹挟下成为对话与评价的终点。

要规避数据主义给学生评价带来的风险，必须在数据洪流中确立师生的主体地位。师生的主体地位不是排斥技术，而是以价值理性驾驭工具理性。教师需要不断回到“培养什么样的人”这一原点，审视每一个数据指标是否与之适切。若平台宣称“专注力”可由头部姿态识别得出，教师就要追问：这种“专注力”与学习深度是否等同？会不会把善于沉思的学生误判为走神？只有经得起育人目的性考问的指标，才能进入课堂。

价值理性还表现为教学情境化理解的能力。数据无论多大规模，都生成于具体教学情境；同一行为在不同情境下可能获得截然不同的解释。教师长期浸润在班级生态之中，了解学生的家庭背景、性格特征、同伴关系，能够把冰冷的数字还原为有温度的故事。当学生在线测验成绩骤降，算法只能标记“风险”，教师却能结合学生近期的家庭变故，如父母离异、搬家转校等信息，判断这是一次可理解的波动而非本质化的学习滑坡。正是这种人性关怀构成了教师无可替代的教育智慧。

教师必须自觉担当评价伦理的守护者。教师需要审查数据来源的代表性、算法决策的透明度，了解算法是如何处理数据并得出结论或预测的，并在结论与自身观察冲突时敢于质疑。伦理责任还要求教师保护学生隐私，避免因数据泄露而给学生贴上永久标签。唯有在批判性审度与关怀性保护的双重伦理框架下，评价方能实现技术精准与教育温度的辩证统一。

教师需要持续提升数字素养，以满足教育数字化转型的需要。教育部《教师数字素养》标准以“五维三级”框架明确：数字化意识、数字技术知识与技能、数字化应用、数字社会责任与专业发展。在数智化评价中，教师还需同步提升四大核心素养：读懂评价数据的“数据素养”、洞察因果的“分析素养”、转译为教育叙事的“解释沟通素养”，以及守护隐私公平的“伦理安全素养”，方能以价值理性驾驭工具理性，让评价服务于学生的成长。

面对数智时代的学生评价，教师要实现四重身份转变。其一，教师要成为数据工具的“善用者”与“批判者”。各种学生评价工具，有的擅于捕获高阶思维，有的长于记录情感投入，有的仅能提供粗糙的行为计数。教师需要根据育人目标精挑细选，并对预设逻辑保持批判，例如：该工具把“协作”简化为发帖数量是否合理？采集面部表情的伦理边界在哪里？其二，教师要成为多模态数据的“解读者”与“意义建构者”。平台输出的原始数据往往零碎而繁杂，教师需要把学习管理系统里的日志、课堂录像里的手势、电子档案袋里的反思文字整合起来，勾勒出一幅完整的学生成长图景，揭示学生认知与情感的真实状态。其三，教师要成为数据对话的“促成者”。教师可以把学习分析图表展示给学生，引导他们讲述背后的原因；也可以联合家长基于数据与故事共同规划孩子的个性化支持策略。其四，成为评价公平性的“守护者”。当资源推荐算法只把优质内容推送给高分学生时，教师就需手动干预，确保其他学生同样获得支持。

学校的数智化评价落地需要可操作的实践路径——

第一是目标与技术工具的匹配度。在技术引入之前，教师团队应回答：本次评价究竟需要诊断什么？若目标是评估批判性思维，结构化电子档案袋就比选择题测验更有效；若关注学生情绪投入，课后匿名反馈结合教师质性观察就比表情识别算法的推断更可靠。

第二是多源数据的互证。单一数据来源易导致评价片面化，需整合在线行为日志、课堂录像切片、学生反思文字、教师现场笔记等多模态数据，进行交叉验证与综合分析，以接近学生发展的真实图景。例如，当系统显示某学生连续三天深夜上线，教师需结合家访信息判断是因家庭监护缺位还是因某种原因而无法入睡导致。

第三是聚焦个体纵向发展。评价应超越群体比较的局限，关注学生个体的成长轨迹与增值变化。平台常侧重展示班级平均分，但教育的核心关切在于个体相较于其过往的进步幅度与学习历程。

第四是深度归因与过程诊断。当小组合作项目得分偏低，教师需深入讨论分工记录、对话视频、资源获取路径，直至识别出“沟通不畅”或“任务理解偏差”等可改进因素。

第五是数据驱动的教学改进与元认知发展。评价数据需切实服务于教与学的双向优化。教师可利用诊断结果调整教学策略：如全班在“控制变量”概念上普遍薄弱，就追加探究实验；个别学生在议论文写作上落后，就为其提供范文拆解与结构化句型支架。同时，把个人数据反馈给学生，引导其制定下一阶段目标，让评价反过来滋养学生元认知的发展，实现评价对学习的赋能。

在区域层面，教育行政部门需要建立制度规范，防止数据主义侵蚀育人目标。一是评价标准制定权必须留在教育者手中，任何算法模型上线前都要经过教师、教研员、伦理专家共同审议；二是建立数据质量与伦理审查制度，对存在显著偏见的系统亮黄牌或者红牌；三是投入资源为教师提供持续的专业发展支持，把数字素养纳入教师继续教育学分，让更多教师拥有与技术对话的能力。