近年來，國際測評和教育評價改革實踐強調(diào)技術(shù)賦能推動學(xué)生核心素養(yǎng)發(fā)展與評價，以引導(dǎo)教育教學(xué)改革。但由于核心素養(yǎng)具有綜合性、復(fù)雜性和內(nèi)隱性的特征，目前還難以對其進行準確和客觀的評價。此外，現(xiàn)有技術(shù)手段在表征學(xué)生復(fù)雜特征、突破評價工具發(fā)展瓶頸、規(guī)避人機互信危機等方面仍面臨評價能力不足的困境，未能有效地對學(xué)生關(guān)鍵能力與素養(yǎng)進行評價，也無法滿足創(chuàng)新人才培養(yǎng)和選拔需求，制約著教育評價改革的縱深推進。

核心素養(yǎng)評價要求全面深入地表征學(xué)生復(fù)雜特征，但現(xiàn)有評價模式側(cè)重單次、單一知識點的評價，評價結(jié)果只能提供對學(xué)生特征的簡單化表征，無法全面反映學(xué)生能力與素養(yǎng)。其中存在的主要問題有二。一是缺少人機交互的表現(xiàn)性任務(wù)。盡管我們普及了在線測試，但多是將傳統(tǒng)紙筆測試以電子化形式“搬運”到在線平臺，偏向于知識傳遞與獲得的標準化任務(wù)，缺乏動態(tài)環(huán)境下對能力與素養(yǎng)的評估，限制了學(xué)生展現(xiàn)自我的機會。二是評價標準難以調(diào)整。評價標準仍以知識記憶和理解為主，缺少對問題解決、批判性思維、創(chuàng)造力等素養(yǎng)指標的評價，適用性和可操作性不強，導(dǎo)致評價難以捕捉學(xué)生復(fù)雜特征，亦難以真實反映學(xué)生能力與素養(yǎng)發(fā)展情況。

為實現(xiàn)全面評價學(xué)生的核心素養(yǎng)，評價工具需要超越對知識記憶和理解的評價范疇，轉(zhuǎn)向通過模擬真實性場景下的評價任務(wù)，以獲取學(xué)生能力與素養(yǎng)評價的多維度信息。然而，這一轉(zhuǎn)變面臨技術(shù)局限、數(shù)據(jù)利用問題和場景適應(yīng)性不足三個發(fā)展瓶頸：一是技術(shù)支持的不充分使得實時反饋和持續(xù)評估難以實施，在很大程度上限制了教學(xué)、學(xué)習(xí)與評價的一體化遷移至多樣化學(xué)習(xí)環(huán)境中，進而影響了教學(xué)精準化、學(xué)習(xí)個性化和評價智能化的實現(xiàn)；二是多模型評價數(shù)據(jù)利用問題，包括數(shù)據(jù)采集的局限性，難以精準捕捉表現(xiàn)性和非結(jié)構(gòu)化學(xué)習(xí)任務(wù)中的復(fù)雜、動態(tài)和多維數(shù)據(jù)，導(dǎo)致許多評價研究僅限于特定情境，同時數(shù)據(jù)運用方法尚未成熟，在構(gòu)建評價模型時需要克服多模態(tài)數(shù)據(jù)之間的同步性、互補性、冗余性以及特征提取和整合等一系列問題；三是評價工具的場景適應(yīng)性不足，難以靈活應(yīng)對復(fù)雜多變的教育環(huán)境和場景，特別是在資源有限和數(shù)字化基礎(chǔ)設(shè)施不健全的情況下，無法在不同場景間實現(xiàn)有效應(yīng)用，進而造成評價與實踐的分離。

評價模型的可解釋性是指其產(chǎn)生的評價結(jié)果能夠被人們理解和接受的程度。隨著深度學(xué)習(xí)和機器學(xué)習(xí)技術(shù)的發(fā)展，可解釋性評價模型主要分為三類：獨立于模型的方法、依賴于模型的方法以及因果解釋方法。盡管人工智能可解釋性評價模型的準確性顯著提升，但仍存在精度不穩(wěn)定、教育場景適應(yīng)能力弱、單一模型分析不足等問題，導(dǎo)致人機信任危機，影響教育評價結(jié)果的公平性和科學(xué)性，容易誤導(dǎo)教育決策。究其根本：一是源于算法偏見，評價結(jié)果可能嵌入技術(shù)構(gòu)建者的價值觀，導(dǎo)致價值觀窄化；二是由于認知決策偏差，現(xiàn)有技術(shù)未能完全模擬人類思維和缺乏情感理解，加劇了智能機器決策過程中的不確定性；三是因為缺乏對可解釋性評價模型效度的驗證，預(yù)測準確性驗證相對較多，而對可解釋性的驗證相對缺乏。

學(xué)生需要完成的真實性任務(wù)，包括任務(wù)的性質(zhì)和要求等，必須基于真實性場景。真實性場景作為真實性任務(wù)的實踐場域，包括時空背景和數(shù)字化資源等，需要貼近現(xiàn)實，評價目標被精心融入場景中，從而引導(dǎo)學(xué)生解決現(xiàn)實和未來生活問題，促進能力與素養(yǎng)的逐層深化。同時，通過創(chuàng)設(shè)涉及現(xiàn)實世界中經(jīng)濟、社會和環(huán)境等方面的人機交互真實性任務(wù)，不僅能夠測試學(xué)生的知識記憶和理解，更能助推學(xué)生將知識和技能遷移到現(xiàn)實生活場景中，實現(xiàn)對學(xué)生能力與素養(yǎng)的直接評價，并發(fā)揮場景化評價在“主動育人”方面的積極作用。

智能動態(tài)性體現(xiàn)為通過高度智能化和動態(tài)適應(yīng)能力，使場景化評價能夠根據(jù)學(xué)生學(xué)習(xí)進度和實時反饋，靈活調(diào)整真實性場景和個性化評價方案。具體表現(xiàn)在：一方面，真實性場景可動態(tài)調(diào)整，通過利用追蹤技術(shù)、動態(tài)模擬技術(shù)和事件觸發(fā)器，實時接收、傳輸和整合來自現(xiàn)實世界的變化與數(shù)據(jù)，智能化調(diào)整場景設(shè)置，能夠增強場景的真實感知、動態(tài)互動和智能適應(yīng)，使評價工具與教育實踐、教育場景、教育環(huán)境相銜接，從而為學(xué)生提供最適宜的真實性場景；另一方面，個性化評價方案的智能適配，借助智能監(jiān)測和多模態(tài)學(xué)習(xí)情感計算等技術(shù)，持續(xù)跟蹤分析學(xué)生的認知過程、自我調(diào)節(jié)過程、情感狀態(tài)變化等全過程學(xué)習(xí)行為表現(xiàn)，進而向?qū)W生提供智能化、個性化的學(xué)習(xí)資源和學(xué)習(xí)策略等服務(wù)與支持，以提升評價的精確度。

場景化評價環(huán)境依托“AI+真實性場景”的教學(xué)評一體化數(shù)字空間，不僅消除了傳統(tǒng)教育場景的壁壘，還實現(xiàn)了學(xué)校、社區(qū)、場館、工作等多場景聯(lián)動、數(shù)據(jù)互通共享以及技術(shù)、教學(xué)、評價的深度融合。一是人機融合互動。利用可穿戴和嵌入式傳感器等智能設(shè)備，提供豐富的學(xué)生體驗視角，使學(xué)生能夠無意識地、自然地融入虛實融合的真實性場景中，并在多個場景間自由切換，從而全面捕捉和記錄學(xué)生學(xué)習(xí)行為表現(xiàn)。二是角色與場景的融合。真實性場景提供情感沉浸體驗，不僅能夠充分調(diào)動學(xué)生的多感官參與，還能增強人與人之間以及人與場景之間的價值觀傳遞，有效促進學(xué)生在真實性場景中實現(xiàn)情感與認知的深度互動。三是評價過程與評價結(jié)果的緊密結(jié)合。通過應(yīng)用貝葉斯知識追蹤模型、知識情境感知的深度知識追蹤模型等自適應(yīng)學(xué)習(xí)技術(shù)，能夠持續(xù)監(jiān)測和診斷學(xué)生與真實性任務(wù)的互動情況，為教師和學(xué)生提供實時且有意義的反饋信息，有效彌合教學(xué)、學(xué)習(xí)與評價之間的鴻溝。

場景化評價的內(nèi)隱聯(lián)結(jié)性體現(xiàn)在其以一種不易被學(xué)生察覺的方式，持續(xù)且穩(wěn)定地對學(xué)生在真實性場景中展現(xiàn)的、難以直接觀測到的個人能力與素養(yǎng)進行評估，并能夠預(yù)測學(xué)生的未來潛力和發(fā)展趨勢，為學(xué)生全面成長提供堅實的支撐。場景化評價通過與教學(xué)活動的無縫對接，使得評價過程自然地融入真實性場景之中，學(xué)生幾乎不會察覺到評價的存在，確保了教學(xué)與評價的同步性和連貫性。在真實性任務(wù)的完成過程中，學(xué)生能夠獲得持續(xù)的學(xué)習(xí)支持和即時反饋，這將幫助他們超越現(xiàn)有能力，向更高層次發(fā)展。同時，借助腦機交互和信號傳遞等技術(shù)，場景化評價能精確捕捉并映射學(xué)生實時的思維活動、意識細胞功能變化、神經(jīng)元動態(tài)突變以及認知過程進展，從而揭示他們在創(chuàng)新思維、問題解決、溝通協(xié)作和價值觀形成等方面的發(fā)展情況。