秦琳,李宇涵,祝新宇,等.智能时代数字教育的前沿探索与评价创新——2025世界数字教育大会“数字教育发展与评价”平行会议综述[J].中国教育信息化,2025,31(06):32-42.

　　摘要：数字技术在教育领域的全流程渗透，正驱动教育评价体系在价值与方法层面的双重变革。2025世界数字教育大会“数字教育发展与评价”平行会议聚焦全球数字教育发展的前沿进展与数字教育评价的创新探索展开研讨。会议提出，人工智能正加速催化全球教育数字化转型进程，智能融合型数字教育平台成为教育数字化转型的关键支撑，生成式人工智能等技术正嵌入教学全过程。教育评价在技术赋能之下更具智慧性、动态性与发展性。基于多模态的教育发展水平评价方法使得不同主体、不同国家和地区的数字教育发展成果更具可比性，成为全球数字教育发展评价的重要方向。全球数字教育治理体系正加速成型，涵盖伦理规范、能力建设、平台互联与标准协作等关键维度。需构建兼具全球视野、本土实践与技术创新的数字教育评价体系，以数字教育评价创新助力全球教育数字化转型。

　　当前，数字九游娱乐技术在教育领域的全流程渗透，正驱动教育评价体系在价值层面与方法层面的双重变革。构建科学、系统且具有前瞻性的教育评价体系，推动学习过程的动态反馈、教育资源的优化配置和学生全面个性发展，已成为教育数字化发展的重要议题，受到世界各国的广泛关注。在此背景下，5月15日，由中国教科院牵头组织、湖北省教科院承办的2025世界数字教育大会“数字教育发展与评价”平行会议在武汉召开。来自国际组织、国内外教育行政部门、教育科研机构、大中小学以及科技企业的150多名会议代表，围绕全球教育评价发展趋势、数智技术赋能教育评价、人工智能（AI）与教育的深度融合、教育数字化转型等关键议题展开了深入探讨。会议期间，中国教科院正式成立“全球数字教育发展指数”（GDEI）国际专家咨询委员会，发布“中小学科学教育智能导师”原型。未来，中国教科院将依托顶尖科研力量，进一步提升数字教育发展与评价研究的国际化水平。

　　随着AI技术的迅猛突破，全球范围内的教育数字化转型正以前所未有的速度推进。这一进程不仅是工具层面的更新换代，更是教育系统使命与结构的深层变革[1]。教育已从“工业时代”强调知识传授的传统功能，逐步转向“后工业时代”聚焦能力生成与个体发展。面对知识的高度流动性与专业化，教育的核心目标正在从知识传递转向培养具备数字素养、高阶思维与自主学习能力的终身学习者[3]。AI的介入加速教育由信息化初级阶段迈向深度的数字化、智能化的转型进程，AI扮演着“教育系统结构性变革工具”角色[2]。

　　然而，教育数字化转型也面临异化风险[3]。中国教育科学研究院院长李永智指出，数智时代教育改革面临的“时代之问”，需在核心理念、体系结构、教学范式与治理逻辑上进行全面革新。[4]教育系统不仅要适应技术的突飞猛进，还需回应全球可持续未来的发展需求，真正实现从“学科教学”向“系统性社会支持”的转型[5]。

　　与此同时，相互呼应的国家战略与不断深化的国际合作是这一进程的鲜明时代特色。其中，国际组织率先倡议将人工智能作为教育改革的重要议题之一。联合国教科文组织（UNESCO）等机构高度关注AI技术对教育系统的深远影响，发布《教育中的人工智能全球共识草案》等关键政策文件，并相继提出构建“可信赖AI”教育生态[6]、强化教育韧性与公平性、保障数据伦理与隐私安全[7]等核心理念。同时，经济合作与发展组织（OECD）进一步构建了包括政策评估框架、能力标准与教育系统数字化成熟度模型等多维度工具，推动成员国之间在战略制定与经验分享中的规范化合作[8]。

　　在国际组织倡议的引导下，越来越多国家将教育技术发展纳入国家层级战略，从“试点探索”迈向“系统集成”[9]。各国积极推动教育场景中的AI赋能改革，例如斯洛文尼亚的经验显示，教育与技术的深度融合必须超越单一部门，依托政府主导、学校实践、社区参与和产业支持的多方协同机制，才能形成具备韧性的教育转型生态。此外，许多发展中国家也开始借助国际合作项目推动本国教育数字化基础设施建设，缩小数字鸿沟。

　　当前，AI与数字教育领域国际合作呼声日益高涨，形成以平台建设和标准共识为支点的合作模式。国家智慧教育公共服务平台国际版聚焦“应用、共享、创新”，致力于构建全球AI教育标准，推动多国共享优质数字教育。二十国集团（G20）、亚太经合组织（APEC）等则不断强化区域协调机制，提出以“数字素养”与“教育包容性”为导向的政策建议与评估模型[10]。在上述努力下，涵盖伦理规制、能力建设、平台互联与标准协作的全球数字教育治理框架正在加速形成。

　　在全球教育数字化持续推进的趋势下，科学合理的评价体系不仅是施政的有效保障，更是衡量AI与教育融合水平及质量的关键标准。建立系统性、发展性与人文性的教育评价框架，以保障教育数字化转型及数字教育生态的良性循环，是当前学界的共识[11]。教育评价之所以成为教育数字化转型的核心议题，一方面在于其对教学质量、资源成效与师生成长具有基础性的支撑作用[12]；另一方面，随着大数据、人工智能等技术的嵌入，教育评价本身也在经历静态甄别向动态反馈、结果导向到过程导向的根本转变。

　　当前的全球数字教育评价呈现数据来源广泛、主体多元、工具智能、方式多样等特征[13]，并且聚焦改进教学方法、提升教学质量、促进教师发展与学生成长等方面。例如，通过自然语言处理与学习分析等手段，AI能够对学生复杂的行为轨迹进行深度解析，辅助评估其非认知素养。教师数字素养的测评和基于可视化的反馈机制，从而实现更为精细化、情境化的学习诊断和反馈[14]，促进“以学为中心”的教育实践落地。然而，在教育评价的哲学与价值层面，也正经历一场由“科学主义”与“人文主义”张力推动的范式转型[15]。第五代教育评价强调价值判断与技术手段的协同，呼吁避免应对工具理性至上带来的“数字依附”[16]与“数字崇拜”[17]。

　　基于当前全球数字教育发展的复杂态势，构建可比性强，且兼具包容性、普惠性与本土适切性的评价体系，仍面临诸多挑战。在这一背景下，教育评价如何有效发挥其在教育数字化转型中的“导向器”与“连接器”作用，亟需在评价内容、方法、工具与理念等多个维度进行系统创新。作为我国教育评价研究的中坚力量，中国教科院始终将数字教育评价作为密切关注的议题之一，近年来开展全球数字教育发展评价研究，聚焦国际比较视域下的数字教育评价机制建构，逐渐探索出一条数字教育全球评价的新路径——从基于数据的评价向基于多模态证据的评价转变。这不仅为全球数字教育评价贡献了中国智慧，也为我国教育数字化战略实施提供了坚实的数据基础与路径选择。同时，中国教科院牵头制定国家智慧教育平台应用标准体系，也已成为推动智慧教育实践落地的重要载体。此次大会上，中国教科院以数字教育发展与评价为主题组织平行会议并开展研讨，其目标正是以数字教育评价创新指引教育数字化转型。

　　当前，全球数字教育呈现出多层次、多维度的演进态势，不同国家和地区在政策引导、技术应用、平台建设、治理能力、教育系统重构等方面积极探索，凸显了全球教育体系应对技术变革、推动教育公平与质量提升的协同努力，也体现出发展进程中的差异与挑战。

　　数字教育发展阶段的划分，为各国教育数字化转型提供了重要参照。联合国教科文组织将信息技术与教育融合发展过程划分为起步、应用、融合、创新四个阶段。中国智慧教育发展历程也呈现鲜明的阶段性特征，结合国际理论与本土实践，将其分为四个阶段，即资源共享阶段、数据驱动阶段、AI融合阶段和生态重塑阶段[18]。经济合作与发展组织教育研究与创新中心副主任斯蒂芬·文森特-兰克林（Stephan Vincent-Lancrin）将数字教育发展划分为数字化、数字应用和数字转型三个阶段，其中数字化（digitisation）聚焦传统教学资源的电子化处理；数字应用（digitalisation）强调信息系统在行政与教学中的辅助性应用；数字转型（digital transformation）旨在通过技术手段重塑教育结构与治理逻辑。数据分析显示，多数经济合作与发展组织成员国仍停留在前两个阶段，真正实现系统性“数字转型”的国家仍属少数。通过对比不同理论框架与实践路径，有助于各国明晰自身定位，制定差异化转型策略，推动全球数字教育迈向更高级阶段。

　　在数字教育的系统转型中，智慧教育平台日益成为关键基础设施，逐渐取代传统教育要素而成为关键支撑。正如中国教育科学研究院数字教育研究所所长曹培杰提出的“无平台，不转型”，已成为教育系统演进的普遍共识。

　　全球国家教育平台的演进路径呈现出阶段性技术特征与教育范式的变革，正经历从资源平台、课程平台向智慧平台的螺旋式跃迁。中国教科院团队研制构建智慧教育平台评价体系，涵盖广泛联结、融合创新、机制保障、素养提升四个一级维度，平台接入、资源汇聚等十二个二级维度和三十五个观测点，形成以应用为导向的评估标准。评估结果显示，中国国家智慧教育平台在平台接入度、资源汇聚度、应用集成度、组织统筹力方面处于全球领先地位；在常态化应用水平和终身学习支撑能力上与其他国家齐头并进；但在流程优化和激励机制方面仍有提升空间。相比之下，美国可汗学院、Coursera等平台凭借先发优势，在内容自主创生、智能交互性和应用场景适配能力上表现突出。

　　全球主要国家教育平台正从“技术附加”转向“平台引擎”。曹培杰指出，全球主要教育平台积极接入人工智能大模型，采用大数据等技术，实现智能问答、个性化推荐和自适应学习。例如，新加坡SLS基于大模型建成“智能助手”辅助教学设计；美国可汗学院上线AI交互对话模块。同时，智能应用场景加速向教育教学全链条渗透。场景分类上，基础教育平台侧重智能备课、自适应学习等场景，高等教育平台关注智能测评、学术诚信，终身学习应用场景拓展迅速。场景创新上，89%的平台实现了自适应学习和智能答疑功能，78%的平台建立了交互式学习社区，超半数平台实现智能备授课。不同平台根据服务对象和目标，形成了多元化场景创新和差异化应用功能。

　　各国政府日益重视人工智能与教育融合过程中的顶层设计，纷纷出台相关政策以确保技术在教育教学中的规范应用与可持续发展。例如，伊朗与斯洛文尼亚等国已先后发布国家级政策框架，明确AI在教育中的角色、边界与应用指导，强调对技术伦理、安全与教育公平的高度关注。斯洛文尼亚教育专家伊戈尔·佩塞克（Igor Pesek）指出，当前AI+教育需要自上而下的系统性变革。政策制定者必须具备跨学科素养与技术理解能力，实现从“法规导向”向“生态系统设计”型治理范式的有效跃迁。AI教育集成需建立在四项核心治理原则之上，包括透明性（解释性逻辑）、包容性（多元参与）、教学合理性（育人导向）与人类主体性（人主导决策）。联合国教科文组织提出六项核心政策建议指导各国AI+教育实践[19]。经济合作与发展组织则重点关注AI对技能结构的影响，提出人类—机器互补技能的新评估方法[20]，并通过对不同国家数字教育技术的政策与实施现状评估，探讨AI在教育中的潜力[21]。

　　在AI广泛嵌入背景下，数据安全、算法偏见、推理黑箱、基础设施不均衡等技术性问题日益凸显，部分发展中国家仍存在基础设施薄弱、接入能力不足的系统性短板，教育伦理与治理困境亟待应对。人工智能的介入对现行教育治理体系提出了前所未有的挑战。伊戈尔·佩塞克强调，多数国家教育治理结构仍以“稳定性、监管效率与程序公平”为核心目标，具有较强的维稳性和规范性。然而，新行为体（如技术公司）、新中介（如算法系统）以及新风险（如数据歧视、安全漏洞与责任归属不清）持续涌现，显著冲击了原有的政策制定与执行逻辑[22]。重构技术治理逻辑已成共识：教育政策必须从“事后监管”走向“前瞻设计”，实现灵活性、伦理性与技术性的三元平衡。

　　在数字化转型与全球教育治理变革的双重驱动下，高等教育正经历“智能引领、全球协同”的战略升级。爱思唯尔全球市场高级副总裁克雷格·韦尔奇（Craig Welch）通过大数据分析高等教育的发展历程及趋势指出，在全球发展格局深度重构的当下，高等教育机构需要顺应时代发展趋势，进行转型升级，迈向“第四代大学”。高等教育机构必须突破传统边界，通过构建政产学研用深度融合的新型信任关系网，打造具有全球竞争力的区域创新生态系统。韦尔奇指出，面向未来，高等教育体系将着力构建三大战略支点：一是打造全球高校评价网络，深化国际比较研究；二是运用人工智能技术重构科研范式，提升学术创新水平；三是聚焦可持续发展目标，培育具有社会影响力且能有效推动产业变革的创新实践，以此拓展全球辐射力与可持续发展动能。

　　随着数字技术在教育领域内不断内化渗透，数字教育评价愈发引人关注。一方面，数字教育发展的评价成为引导数字技术赋能教育变革的关键工具；另一方面，大数据、人工智能、可视化工具等为教育评价变革注入新的可能性，使其更具智慧性、动态性与发展性。

　　随着世界数字教育变革的浪潮迭起，如何度量数字教育自身的发展水平成为引领教育变革航向的关键途径。当前全球数字教育发展存在不确定性、多元差异性、要素复杂性三大特征[23]，传统上基于统计、调查或测评等方式获取评价数据的方式应用于对数字教育发展状况的评价时，面临数据采集难度大、成本高及评价标准一致性低等问题，评价范围与维度受到限制，评价周期较长和评价结果可比性不高，给数字教育国际评价带来了共识难以达成、高质量可比数据匮乏、全面评价体系难以形成等多重挑战。要实现更为全面、综合、可比的数字教育国际评价，必须转换赛道，寻求评价方法的新突破。

　　中国教育科学研究院教育统计分析研究所副所长祝新宇介绍了中国教科院“全球数字教育发展指数”（Global Digital Education Development Index, GDEI）基于多模态证据的数字教育评价方法。评价内容从数据拓展至多元化证据，破解数据采集难题，扩大评价内涵，更全面反映现状。评价视角从单一的量化数据扩展至多模态证据，更深入揭示数字教育发展的内在复杂性和多样性，破解评价维度受限困境。评价口径从基于不同量化数据转为基于多模态证据的口径标准化再定义，使得不同主体、不同地区的数字教育成果能够在同一标准下进行比较，提升国际可比性。

　　基于多模态的评价方法遵循如下步骤[24]。首先，根据数字教育理论内涵构建评价指标体系框架，形成最大理论公约数，而后通过对数字教育发展证据资料进行分析归纳，形成最大实践公约数，最终将两者结合形成评价指标体系。评价内容则由包括文本、视频、音频、图片等在内的非结构化质性证据与量化数据共同组成。在采集多模态证据资料的基础上，对其进行鉴别、分类、结构化处理；而后由专家经过分析研判、标准设定、指标赋值、综合测算等对多模态证据进行标准化评估。评价结果需要经过客观证据的有效性判定、评价标准的设定以及指标赋值与权重设定，并经多轮专家咨询、论证与评判后生成评价结果。

　　基于这种方法，中国教科院团队采集全球多国数字教育多模态证据，进行证据萃取、设定分级赋值标准、进行多轮专家交叉赋值验证、处理证据缺失赋值并基于多种主客观权重设定方法进行对比验证，最终生成“全球数字教育发展指数”测算结果。这一指数已经连续发布两年，覆盖至72个国家，验证了这一新的数字教育评价方法的可行性。

　　当前，在数字技术的赋能下，教育评价新范式初步呈现出如下特征：一是数据的来源更加广泛；二是评价的方式更加多样；三是评价的主体更加多元；四是评价工具更加智能[25]。在数字化、智能化转型的大背景下，创新教育评价方式既是我国实施国家教育数字化战略行动中至关重要的环节，也是推动教育创新发展的重要支撑。

　　数智技术与高等教育评估体系的深度融合，正推动高等教育质量保障体系向精细化、智能化、个性化方向发展。教育部教育质量评估中心主任徐维清提出了技术赋能下我国构建的全要素、全过程的高等教育分类评估体系。这一体系集院校评估、专业认证、自我评估、常态监测、国际评估于一体，采取统一规范与分类引导、定性分析与定量分析、专业与院校、常态性评估与周期性监测等相结合的手段。这一体系的核心是横向覆盖31个省（自治区、直辖市）、纵向贯通10年的高等教育国家数据平台。涵盖学校基本信息、基本条件、教师队伍、学科专业等8个类别，覆盖高校教育教学的全要素和全过程的2亿条数据。同时，平台提供仪表盘功能，可对高等教育综合数据、高校师资情况、高校学生情况等12个方面开展可视化、定制化、智能化监测。此外，教育部教育质量评估中心也基于这一数据平台构建了监测和预警体系，据此定期发布年度报告、监测报告、画像报告等，为高等教育分类发展提供数字参考。平台还可自主生成院校自评报告、教学过程性报告和就业结果性报告，为高等特色发展提供精准服务。通过这样数字技术赋能的多维评估，不仅提高高等教育评估成效，也有效减轻了学校负担。

　　在数字化浪潮与技术变革的双重推动下，人工智能赋能教育的实践已从理念倡导走向系统部署。当前，全球各国积极探索AI在教育中的多元应用路径，不同文化、制度与技术基础下的实践呈现出丰富的样态，应用领域、专注学段、技术选择与体系构建等各有侧重。各类实践路径为进一步研究“如何科学、可持续地使用AI”提供了宝贵经验。

　　教育数字化转型的成效，根植于教师与学生的多维度能力建设。AI与教育的深度融合强调“以人为本的技术融合”，关注个体社会化而非技术本身。伊戈尔·佩塞克指出，教育者的AI素养不仅包括工具使用技能，更应涵盖算法逻辑、数据伦理、教学重构等系统性能力。因此，需对教师实施系统化、强制性与持续性的专业培训计划，帮助教师由“技术使用者”转变为“教学设计者与引导者”。同时，面向学生的AI与数据素养课程亦应尽早纳入中小学阶段课程体系，奠定其未来公民素养与数字劳动能力的基础。

　　浙江大学教授吴飞就人工智能素养培育做了实践分析。浙江大学正与20家中小学（机构）共建特色平台，开展AI通识基础教育；协同各大高校积极探索大学生AI通识教育，在教育部101计划核心课程《人工智能引论》建设基础上推出系列通识课程及AI+X微专业，融合前沿人工智能技术与多元交叉领域实践应用，推动培养具备AI原生思维与跨领域创新能力的复合型人才。浙江大学致力于打造“浙大先生”新生态，以“算力—数据—模型—平台—应用”一体化为思路，构建低代码技术门槛为特色的智能体开发平台与高校领域智能交互为场景的智能服务门户。

　　斯蒂芬·文森特-兰克林表示，基于经济合作与发展组织在《数字教育展望》（Digital Education Outlook）系列中的研究，当前数字教育应用不仅反映出技术对教育核心过程的深度嵌入，也揭示出生成式与非生成式技术的不同价值逻辑及其潜在影响。

　　对学生而言，应用非生成式AI的自适应学习系统，能够辅助学生实现任务级、单元级与领域级的个性化学习路径，同时提升阅读障碍、视觉障碍等特殊群体的学习可达性。生成式AI则为学生写作、翻译、编辑、头脑风暴等提供即时反馈，提升学习效率与创造力。案例研究表明，生成式AI辅助写作任务在语言质量与参与度方面表现优异，但也引发输出趋同、元认知惰性等问题，提示教育设计需审慎引导其合理应用。对教师教学而言，非生成式AI能够通过仪表盘技术实现课堂活动量化反馈，为教师教学反思与专业成长提供支持。生成式AI如“虚拟辅导助理（Tutor Copilot）”系统能帮助经验不足教师提升教学质量和效率。实证研究显示，使用AI系统的教师更可能采用高效反馈策略，从而显著提升学生学习效果。对于教育管理而言，教育管理信息系统（EMIS）的演化路径呈现出从数据采集与轨迹分析，到基于自然语言处理的智能问答系统与数据可视化工具趋势。米利西（Milesi）等人提出的“Gen AI增强的数据漫画”项目，以视觉叙事方式辅助教师理解分析结果，提升了干预效能[27]。巴黎高中招生系统改革案例显示，通过优化匹配算法与引入社会经济指标，能够有效缓解校际分层，促进教育公平。

　　深圳市南山区教育局局长杨珺分享了南山区推进中小学人工智能教育规模化普及的创新举措。面对中小学人工智能课程体系建设不够完善、教学目标层次不够清晰、教学资源更新不够及时、教师智能素养不够完备等现实困境，南山区探索出“素养筑基、教学变革、生态创汇、机制护航”的区域AI教育模式。一是构建面向人人“随时随地”的素养课程。南山区自主研发中小学部分年级“基础—拓展—创新”人工智能教育三级读本，同时构建了“区校联动+AI更新”的数字资源库，建立“教师智能助手与学生学伴”智能体，破解师资专业化瓶颈，打破知识孤岛，延伸学习场景。二是实施面向差异“深度求索”的个性化教学。构建“普及—提升—高阶”课堂样态，广泛开设AI校本课程、社团课程，为每个孩子提供适配的成长路径。三是面向社会推动“学创共进”的协同创新。依托区域高新产业资源，构建“政企校”协同育人模式；将实验室和AI设备配备到学校，形成“校内实验室+校外基地”的完整教育生态；开发“真实问题—行业导师—成果孵化”创新教育链。第四是形成面向需求“长效常新”的保障机制。成立“1+1+N”学习共同体（高校专家+教研员+一线教师），试点培育AI教育联盟体与标杆校，通过共建共享课程资源和跨校教研，辐射带动薄弱学校及新建校发展。

　　西班牙国家研究理事会人工智能研究所副所长费利普·玛尼亚（Felip Manya）分享了西班牙通过组织专家团队在中学开展AI启蒙教育的创新实践。他提出，人工智能教育应打破学段壁垒，构建“基础教育—科研创新—产业应用”的贯通式培养体系，通过沉浸式实践和跨学科融合，激发青少年科学志趣并培养AI时代的关键能力。他所介绍的中学AI课程体系围绕“教育—科研—技术”三维目标构建：一是教育维度，培养学生对AI与STEM的学术热情和辩证思维，项目制学习引导学生专业方向选择。二是科研维度，建立“中学生—科研人员”协作机制，以真实课题参与系统展示完整科研链条。三是技术维度，通过多种案例增加学生对AI应用领域广泛性和跨行业的理解。丰富的内容不仅连接了中等教育与高等科研体系，而且能够助力未来AI人才培养。数据显示，参与学生中93%掌握AI进阶研究能力，整体STEM专业报考率提升了40%。

　　在全球教育数字化快速演进的背景下，AI、大数据等技术加速融入，不再仅限于辅助功能，而是引导教育理念、资源体系与教学模式的深层转型。尽管有技术红利的加持，但数字教育进程仍存在融合深度与公平性等挑战。面对“新瓶装旧酒”的表面式结合、资源与平台公益性和包容性不足、数据孤岛与协同缺失制约智能化转型、伦理治理与规范化应用发展滞后等问题[28]，如何使数字教育的评价体系与整体发展朝着理念变革、惠及边缘群体、缩小差距和人机和谐共处等方向提升仍需思考。教育数字化转型需要从质量、特色、贡献三个维度协同推进，更加动态化、精准化、智能化，以支撑中国式现代化建设。

　　数字教育正在由传统信息化的“工具替代”逻辑，迈向以智能决策与个性化支持为特征的新阶段。构建多层级联动、数智赋能的综合性教育评价体系，是推动教育高质量发展的关键路径。以试点经验普适性转化为基点，以数智评价系统建设为枢纽，以结果与决策反馈闭环为保障，评价体系从内容生成、路径推荐到动态评估的演进有助于推动教学从统一供给走向精准适配，促进人机协同与高效育人的实现。

　　当前，数字教育资源不再是预制内容的简单呈现。生成式AI驱动的智能课程、教师共创与基于学习者画像的精准推荐和实时互动显示，大数据等技术正深度嵌入教学全过程，教学越发注重个人21世纪技能与终身学习能力全面发展。数字教育呈现出以人工智能为引擎、以学习者为中心、以数据为基础的智能协同教学新格局。

　　数字教育的发展正逐步转向关注学习过程中的认知发展、情感参与和能力培养等。在这一趋势下，技术不仅用于评价终点，更用于实时追踪学习行为、支持个性化调整与激发深度学习，推动教育技术演变为全过程赋能的支持系统，实现更具包容性与生成性的育人目标。例如，高校将深化分类评估改革，针对研究型高校重点考察学术贡献度，对应用型高校侧重产教融合契合度，为技能型高校设计人才供需匹配度评价，从而形成差异化、精准化的评估体系。智慧教育平台需打通教育数据要素流通与分析应用链条，建立用户使用导向的平台优化机制，增强学习者元认知意识与自我调控能力，完善终身学习认证服务，探索人机协同的质量保障与平台治理创新。未来的教育应更加注重多维度动态分析与终身学习服务，逐步构建适应新时代要求的教育质量保障新格局。

　　数字教育评价将构建新的生态体系，不仅注重工具应用，更强调助力构建开放、包容、公平的数字教育生态系统。技术赋能层面，基于多模态证据的数字教育评价将逐步形成“人工+AI”的证据采集与分析，提升证据采集与分析的智能化水平。方法层面，评价将着力解决证据采集的全面性、海量证据筛选的高效性、证据处理的客观性、证据评价结果的可验证性等问题，进一步形成更加科学可行的方法论体系。全球合作层面，各国将积极开展全球评价技术的创新合作，以突破评价的技术瓶颈；构建全球证据采集机制，提升证据的质量；打造全球合作研究网络，确保评价的科学性。

　　未来的教育数字化战略，应关注技术—制度—文化三者的协同进化，构建以“人”为核心的智慧教育生态。新兴技术与教育深度融合，使得教育内容、学习路径和教育角色将围绕技术进行重新配置，以云平台、数据中台、智能服务为支撑的整体生态系统将连接学校、家庭、社会三大学习场域，实现跨场域学习空间中的“协同共创”。教育正走向一个以数据驱动、智能支持、多元参与为特征的系统性重构时代。

　　简言之，人工智能的深度应用正在重塑学术研究范式与教育发展战略，面向未来，数字教育发展应朝着系统性、协同性与人本性并重的方向演进。构建以全球视野、本土实践和技术创新为支撑的数字教育评价体系，将成为教育变革的重要动力。同时，基础保障、教学设计、评价机制、伦理规范和人本精神层面的创新将提供强大支撑。这一过程不仅要求教育系统的内部更新，也有赖于跨部门、跨区域、跨国界的协同创新与共享。国际组织正推动形成广泛的合作框架。例如，经济合作与发展组织与国际重要的教育者联合组织“教育国际”联合发布的九项建议提供了具体路径。诸如此类机制也强调，各国在促进教育创新的同时，需要避免“效率逻辑”压倒“伦理考量”，从而构建更可持续、可信赖的数字教育生态系统[29]。

　　更加智慧的教育评价有助于明确发展方向，促进智能化的教育体系建设，进一步增强社会成员的终身学习能力与数字适应力，缩小城乡、区域和群体间的教育鸿沟，提升教育公平与社会韧性，为高质量发展提供坚实的支撑。

　　[3]齐彦磊,周洪宇.技术、制度与思想：生成式人工智能在教育领域中应用的演进逻辑[J].电化教育研究,2024,45(8):28-34.

　　[6]联合国教科文组织. 教育中的人工智能：全球共识草案[R]. 巴黎: 联合国教科文组织, 2021.

　　[14]王艳.数字教育时代教学评价面临的挑战和创新策略[J].黑龙江教育(高教研究与评估),2023(12):19-21.

　　[17]罗琴.高等教育评价中的“数字崇拜”及其治理[C]//中国高等教育学会.高等教育现代化的国际视野与中国经验——“2019高等教育国际论坛年会”论文集.西南大学西南民族教育与心理研究中心,2019:398.

　　[18]中国教育科学研究院.中国智慧教育发展报告（2023）——迈向数字教育的高级阶段[M].教育科学出版社，2024：6-7.