0 引 言
《深化新时代教育评价改革总体方案》（
https://www.gov.cn/zhengce/2020-10/13/content_5551032.htm）提出“改革学生评价”“创新评价工具”“完善综合素质评价体系”“健全综合评价”，扭转不科学的评价导向、克服“五唯”顽瘴痼疾，提高教育治理能力和水平。综合素质评价是拔尖创新人才培养的关键着力点，科学精准地评价学生综合素质发展状况，能够反映我国素质教育改革的实质性进展，为各级各类人才选拔提供依据
[1]。大数据、物联网和人工智能等数智技术推动教育评价变革，使教育评价向智能化、个性化、精准化的方向深入发展。大学生是国家未来发展的主力军，利用数智技术对大学生综合素质进行科学精准地评价是检验人才培养和教育质量的重要方式，是推进教育高质量发展的有力支撑。
综合素质评价是对学生在思想品德、学业水平、身心健康、艺术素养、社会实践等方面素质发展状况的观察、记录、分析，以发现和培育学生良好个性，促进学生全面发展的评价活动，核心理念是充分肯定综合素质评价促进学生全面而又个性发展的独特育人价值
[2]。梳理国内外相关文献发现，“综合素质”这一概念形成于中国特色教育体系，国外相对应的概念是“核心素养”。OECD
[3]、欧盟
[4]和联合国教科文组织
[5]均对核心素养概念内涵、维度特征进行研究并发布系列报告，研究者们围绕核心素养测评
[6]、评价模型构建
[7]、评价工具开发
[8]等方面对学生核心素养评价开展了广泛而又深入的理论研究和实践探索。我国关于综合素质评价的研究，主要面向全日制学生，包括基础教育、职业教育和高等教育三个阶段。在基础教育阶段，相关学者从概念内涵界定
[9-10]、理论模型构建
[11-12]、评价成效调研分析
[13]、技术实践路径探索
[14-15]等层面进行探究。在职业教育阶段，研究围绕增值评价
[16-17]、评价指标体系
[18]、能力评价模型
[19]、评价机制
[20]等层面展开论述。在高等教育阶段，针对大学生群体，围绕大学生综合素质评价的研究成果相对较少。大学生综合素质评价是指依据国家的教育方针、高等教育的目标和社会的需求，运用科学合理的评价方法和手段，对大学生德、智、体、美、劳等素质的发展状况进行综合测评的评价活动。目前，大学生综合素质评价的相关研究集中于对大学生综合素质评价指标体系的构建及培养策略的探讨
[21-23]，研究方法主要应用层次分析法
[24]、多元统计分析
[25]、模糊综合评价
[26]等量化统计方法。相关研究显示，大学生综合素质评价暴露出指标体系构建内涵不清、赋值困难、评价主体打分主观、评价结果难以促进学生改进成长，评价结果反馈不佳等问题
[27]。数智赋能综合素质评价使得评价更为智能、精准和高效，为大学生综合素质评价带来新动能。伴随着大量新技术在教育领域实践应用的经验积累，智能技术与学生综合素质评价的内部耦合性增强，为突破大学生综合素质评价困境和改革评价方式提供技术支撑。因此，本研究系统诠释数智赋能大学生综合素质评价的价值定位，构建大学生综合素质评价模型，并设计相应的实施路径，为新时代深化教育评价改革提供参考。
1 数智赋能大学生综合素质评价的价值定位
数智赋能大学生综合素质评价以智能技术为依托，可从评价主体、评价过程和评价结果等方面分析其价值定位。
1.1 数智赋能大学生综合素质评价主体的多元参与
教育评价主体主要包括统筹评价者、利益相关者以及第三方专业评价者。长期以来，上述三类人员受限于评价数据不互通、评价结果难共享，在实践过程中各行其道、互不干涉，制约了教育评价的全面性和专业性
[28]。数智技术拓展了评价主体的评价权利，使得多元主体共同参与大学生综合素质评价。一是智能技术赋予评价主体权利。数智技术为评价主体的沟通协商和有效对话打通连接通道，形成多元主体参与的交互评价体系，赋能多元评价主体的评价权利。智能技术能够汇聚大学生综合素质评价多维数据并实现评价结果的多元共享。各级评价利益主体可以根据自身需求，利用智慧平台、软件应用终端积极主动地参与大学生综合素质评价实践和决策，行使角色权利和职责，拓展评价主体间的对话模式。二是为多元主体提供协商平台。全时空全场景的数智化综合素质评价系统提供虚拟开放、多元参与和资源共享的平台，促进多元主体深入到各类评价情境中，打破单一评价的藩篱。数智技术的介入突破传统评价利益破碎化的困境，提高评价数据和信息的流通效率和决策速度，降低不同尺度和不同层级间的交流难度。数智化综合素质评价平台为不同评价利益主体提供表达诉求、交互及协商的渠道和途径，促进多元评价主体利益耦合，实现多元主体共商共治的评价共同体。
1.2 数智赋能大学生综合素质评价过程的感知融合
数智赋能大学生综合素质评价通过使用多样化的智能感知设备、人工智能技术和算法模型，细粒度感知大学生所处的物理情境、社会情境等多元评价情境，探寻大学生综合素质特征要素的协同演化机制。一是感知采集全域评价数据。机器智能和神经网络突破传统评价指标筛选的方式，对复杂非线性、计算度高的大规模多模态数据进行整合和关联，筛选出有强解释力和预测力的大学生综合素质评价指标。通过使用传感器、探测器、采集器、智能体等多样化的智能感知设备和技术，对与综合素质评价指标有关的学生身心状态、物理环境、人机交互、数字资源、教学信息等数据进行全域化感知和多维化采集，实现综合素质评价内容的数据化。二是融合分析多维数据。芯片算力的提升，使得以AIGC（Artificial Intelligence Generated Content）为代表的新一代人工智能技术具备较强的数据分析与运算处理能力
[29]。数智技术可建立信息加工通道，利用大模型、智能体等技术对大学生日常学习、生活、社交、活动中产生的图像、视频、声音、文本、眼动、血压、脑成像等多模态异构数据进行特征提取、特征融合等规范性操作和智能分析。由此，实现综合素质评价指标和数据特征之间的关联映射，桥接多模态数据和大学生综合素质理论指标，进而分析大学生知识、能力、素质、品行、情感等综合素质过程性特征要素间的交互状况。
1.3 数智赋能大学生综合素质评价结果的精准分析
机器作为人类逻辑思维和信息处理能力的衍生，通过数据化的信息表征和智能化的挖掘分析，可为人类提供参考和甄别的教学决策方案，并通过人类大脑联想、推理和归因
[30]，提高评价效能。数智赋能大学生综合素质评价结果通过评价主体主观经验选择，联结机器的智能化挖掘和数据分析，为基于评价服务反馈的评价过程改进和评价结果优化提供支持。一是提供精准化的评价结果。首先通过模型训练、输出及存储，利用深度神经网络、时间序列分析、关联规则挖掘等算法来分析大学生综合素质要素特征和机理。同时，利用机器学习、AIGC通用模型和智能体等人工智能技术对模型进行验证、评估和优化，避免评价模型过度拟合问题。数智技术工具的应用确保大学生综合素质评价模型在实际应用中的有效性、准确性和鲁棒性，提高评价的效率、泛化能力和稳定性。二是提供智慧化的评价服务。大学生综合素质评价涉及面向“政府-区域-学校-教师-学生”的多元评价主体，数智技术通过使用大模型能够针对多元评价主体的价值需求，提供数字画像、数字地图、雷达图、学习方案、实施分析报告等个性化反馈服务。通过将评价结果以图形的方式直观呈现，并辅以解释性评价报告，可以帮助相关主体全面客观地理解数据背后的现实状况和改进方向。评价结果的精准分析能够实时、敏捷、高效地跟踪、觉察和预警潜在问题，为持续动态地追踪和干预提供支持，实现基于证据的教、学、管、测、评一体化评价服务。
2 数智赋能大学生综合素质评价模型的构建
数智时代下，人类从赖以生存的“物理世界+人类社会”的二元文明形态向“物理世界+人类社会+数字信息网络”的三元文明形态跃升演变。大学生综合素质能力的发展处于复杂情境中，相关数据信息分散于泛在网络中，呈现出“碎片化”和“分散化”的特征。数智赋能大学生综合素质评价场景涉及教学、学习、生活等多维场域，包含主体、活动、内容、资源等多维评价要素。因此，为更好指导大学生综合素质评价实践活动，整合大学生综合素质零散数据资源，运用有价值的技术手段进行联通融合，需构建大学生综合素质评价模型。该模型旨在厘清数智赋能大学生综合素质评价的运转机理，剖析技术赋能的内在过程和属性特征，诠释评价要素间的实质交互逻辑和内在机理。
2.1 “三个世界”理论
1972年，Popper在《Objective knowledge： An evolutionary approach》一书中提出“三个世界”理论
[31]。第一世界是物理世界，包括物理实体和物理状态；第二世界是精神或心理的世界，可被称为主观知识世界，包括意识状态、心理素质、主观经验等；第三世界是第二世界的产物，可被称为客观知识世界，包括思想内容、客观知识、科学理论、知识载体、工程技术、逻辑关系或结构等客观抽象产物
[32]。在“三个世界”理论中，物理世界和主观知识世界、主观知识世界和客观知识世界相互作用，而物理世界和客观知识世界需要通过主观知识世界才能产生连接。Popper从哲学本体论层面上论述“三个世界”理论，解释了知识和存在的不同层次，为理解物质世界、知识和意识间的复杂关系提供了框架。随着互联网、数智技术的不断发展，信息技术网络渗透到经济社会和生活的方方面面。计算机和互联网连接线上和线下世界，使现实世界数实融合，人类社会活动空间随着时代和科技的发展发生改变。信息技术的发展跨越了早期三个世界主观知识的媒介作用，实现了物质世界、主观意识和客观知识的互联互通。潘云鹤院士指出世界已经转变为包含物理空间、人类社会空间和信息空间的三元空间
[33]，构成一个多人、多机、多物的开放性网络世界
[34-35]，其中物理世界与社会空间的元素或者数据通过协同感知与交换共享等方式映射至信息空间，信息空间对映射后的元素和数据进行组织、融合与分析，反向指导物理世界和人类社会中的决策行为
[36]。在此背景下，融合“物理空间-社会空间-信息空间”于一体的三元空间理论亦可为大学生综合素质评价变革提供理论支撑。在三元空间理论下，数智技术赋能大学生综合素质评价在复杂生态下整合各类技术和资源，将评价要素联通交互，为数字化、扁平化、精准化的智慧评价生成提供有效途径。
2.2 三元空间理论视角下的评价系统
基于三元空间理论的综合素质评价系统包含“人”“机”“事”“物”“场”等评价要素。系统运用数智化的理念和技术对这些评价要素中包含的数据、信息、知识、资源进行表征和整合，形成多空间、多主体、多场景、多类型的全域评价系统，革新评价组织样态。其中，系统以多源异构数据为链条，聚焦评价全流程，将物理空间、社会空间和信息空间中的评价要素建立逻辑关系，刻画、描述和复现评价要素间的交互作用及状态，揭示综合素质发展的内隐性和外显性过程和规律。其以信息空间（如数智设备和技术等）为载体，感知物理空间（如物理实体、物质设备等），识别和表达社会空间（如评价主客体、评价活动等），将客观世界（评价资源）和主观世界（评价需求）形成虚实联结。三元空间理论视角下的综合素质评价将“人-机-事-物-场”要素进行交融，形成供需匹配的评价系统。
具体而言，物理空间、社会空间和信息空间彼此交互，共同构成空间系统结构。在此系统结构中对“人”“机”“事”“物”“场”等评价要素进行建构，实现评价系统的循环运转，如
图1所示。其中，物理空间提供评价实体交互场所，用于描述评价的外部物理世界，包含实体、物质和环境，强调对与综合素质相关的设备、硬件等一系列物理实体的关注，保障评价活动的开展。社会空间表征人工世界，强调客观世界的交互关联，实现对参与评价的人、活动、关系和组织间交互的关注。社会空间联结物理空间和信息空间，对物理实体和虚拟资源进行链接和表达，实现人机交互和资源聚合。信息空间是物理空间和社会空间的载体，提供数智化的技术与工具，感知物理空间，表征社会空间，实现综合素质评价指标的数字化表征和映射。因此，综合素质评价系统通过对物理空间、社会空间和信息空间中的流转、运行的评价要素组织、整合、协调和汇聚，对学生综合素质进行多元化、精准化的评价，揭示综合素质能力变化的特征与规律。
2.3 大学生综合素质评价模型
大学生综合素质评价围绕“德、智、体、美、劳”五个维度，评价流程包括评价目标、评价内容、评价场景、评价工具、评价结果、评价反馈和评价服务在内的七个环节。具体来看，评价目标和评价内容环节确定综合素质评价开展的实际需求、形式和标准，明确大学生综合素质评价的概念内涵和指标维度。评价场景包含课堂教学、校园生活、人际社交、体育运动等多维场域。评价工具基于评价目标和评价内容，围绕多维评价场域，对与综合素质评价有关的数据进行实时采集获取，将繁杂无序的大学生综合素质数据信息集成联结，输出评价结果。评价反馈归纳整合评价结果的全量数据，挖掘大学生综合素质评价数据间的关联，形成对综合素质评价各流程事件的分析、推演和理解，为评价服务决策和应用的调整优化奠定基础。明晰的大学生综合素质评价流程，可为数智赋能大学生综合素质评价流程的表征和映射指引方向。以大学生的多模态数据为链条，数智赋能为载体，在三元空间理论指导下，厘清大学生综合素质评价构成要素间的关联关系及交互模式，构建“人-机-事-物-场”的大学生综合素质评价模型，实现基于态势感知、敏捷响应、适应优化、韧性治理的全域评价，如
图2所示。
1） 人：评价对象和主体
“人”是指参与综合素质评价的各级各类评价主体和客体。教育评价主体涉及党委和政府、学校、教师、学生和社会等多种类型，各个评价主体处于纵向教育系统的不同层级之中
[37]。在大学生综合素质评价中，多元评价主体包含“教师-部门-学校-区域-政府”在内的多级教育主体，涉及参与评价的评价组织者、评价实施者和评价管理决策者。具体而言，包含教师、行政人员、管理人员、技术人员、数据商等教育系统主体和实体用户，也包含评价技术的运营者、评价服务的供给者、参与评价的需求者，还涵盖智能代理、数字人、智能助手等虚拟用户。评价客体指的是被评价者，即大学生。大学生综合素质评价过程中，多元评价主体对评价目标、评价标准、评价内容、评价工具、评价结果、评价反馈和评价应用等要素进行规划，明确各主体需求和监管权责，了解智慧评价算法的参数、逻辑和依据，科学客观地制定综合素质评价总体方案。智能代理、数字人、智能助手等担任虚拟评价主体，参与评价周期的全过程，发挥其能动性。评价参与主体协助发挥人类经验和机器智能的核心优势，实现人机协同的精准评价
[38]。
2） 机：评价手段和技术
“机”是指与大学生综合素质评价相关的智能设备和智能技术。智能设备主要是智能传感器、智能穿戴设备、智能终端等硬件、软件、应用平台、先进芯片产品（类脑芯片、感知芯片等）、高性能服务器（训练服务器、推理服务器）等算力设施
[39]，它们是开展大学生综合素质评价的基础保证。智能技术是指包括自然语言处理、机器学习、深度学习、数据挖掘等在内的多种核心技术体系，以及基于深度学习的前沿模型（如Transformer、CLIP、DALL-E2、Diffusion、GPT等生成式人工智能大模型）和智能体（Agent）等技术。通过这些智能技术的应用，为开展具备感知、理解、推理与生成能力的大学生综合素质评价实践提供技术支持。“机”实现对全过程、多维度和可计算的评价数据进行采集、加工处理、挖掘分析和结果输出。例如借助于语音识别技术、图像识别技术、行为跟踪技术、情感计算技术、眼动跟踪技术、智能视频跟踪技术等智能技术
[40]细粒度表征大学生综合素质动态性评价数据。运用基于大语言模型的智能体进行环境感知、推理规划、学习改进、行动决策等自主适应能力
[41]，实现对大学生综合素质数据的整体态势感知、敏捷响应、执行推理、适应优化和评估反馈，全面了解大学生综合能力的发展水平。
3） 事：评价内容和活动
“事”是指大学生综合素质的评价内容，涉及与大学生学习、心理、活动、行为相关的内隐性和外显性的操作和实践，包括大学生在日常生活、课程学习、社会实践等各类交互活动、组织关系及实践事件。嵌入AI模型的智能设备和智能技术采集大学生的行为数据，场景涉及正式学习环境（课堂教学）和非正式学习环境（线上学习、课外学习、第二课堂等）。智能设备和技术感知和采集大学生的表情、动作、出入信息、刷卡记录、志愿活动、课堂测验、数智平台及移动终端的对话交互信息等泛在交互场所下的各类行为及活动数据，使用聚类分析等传统模型结合AIGC、大语言模型、智能体等技术处理和融合大学生综合素质多模态数据。通过在不同数据模态（文本、图像、视频等）中自动发现相同的或相关的知识要素，挖掘不同数据模态之间隐含的深层关联，构建涵盖多个数据模式的统一数据模型
[42]，实现不同模态信息的理解。通过对大学生综合素质评价数据的智能分析，透视大学生的认知程度、技能水平、情感态度等综合表现，刻画大学生外显性行为和内隐性特征，呈现和揭示大学生综合素质能力的动态变化趋势及发展规律的复杂关系。
4） 物：评价服务和资源
“物”是指各类符号化、数字化的信息、资源及反馈服务。旨在面对多元评价场景时，发挥智能技术在数据采集、挖掘分析等方面的优势，利用其多模态内容生成、智能交互等特点，实现评价资源的精准供给和评价服务体系的效能提升。AIGC应用具有自组织群智效应，能够链接个体智力、数据语料、平台算法等，实现分布式群体智能，推动知识内容的富集涌现，为数字教育资源生态提供持久的创作动力
[43]。多元评价主体可以利用移动终端应用软件（如微信小程序、APP）、智能平台等收集评价主体行为和服务需求，汇总至生成式AI的智能服务平台，利用AIGC、智能体进行分析、推理和决策，借助学习助手、智能学伴、虚拟数字人、AI助手等虚拟形式实现评价主体和客体的服务需求。例如，在信息查询方面，数智技术可以理解学生、教师等多元评价主体的需求，从海量数据中搜寻相关信息并通过算法输出需求结果；在沟通对话方面，数智技术通过多轮对话交流，了解主体意图，提供有用信息；在评价服务方面，通过大学生表现、行为等多维度综合素质数据的统计与分析，为学生提供能力提升、学业诊断、资源推荐等个性化、定制化的支持服务和路径规划；在评价反馈方面，对于教师、学校等各类评价主体而言，智能化、可解释的结果和归因分析，为参与评价的各级各类评价主体改进、管理和决策提供坚实的数据实证。基于数智技术的评价结果为诊断现实问题、挖掘评价规律，预测未来趋势等精准性服务反馈提供增值空间，赋能个性化的评价反馈服务供给，推动评价组织机制的变革。
5） 场：评价环境和场域
“场”是指大学生综合素质评价所包含的人、机、事、物等评价要素融合、交互、协作、共生的环境或场域。场域是由不同位置之间形成的客观关系网络构成的开放性结构，具有系统的特征
[44]。数智赋能大学生综合素质评价模型能够实现评价技术治理空间的覆盖，促进多元主体在治理流程的全面参与，实现各项资源业务的集成，构建无缝隙、不间断且精准化的技术治理空间，提升治理效能和水平
[45]。具体而言，以数智技术为载体，对大学生综合素质评价模型中的评价主体、评价客体、评价工具、评价内容、评价资源、评价服务等各个流程要素进行虚实连接、融合，形成具有关系网络的开放性结构。利用数智技术的工具特性，形成综合素质评价态势感知、敏捷响应、适应优化的数字支撑模式，有效感知、评估、分析、学习和应对各类评价事件，形成稳定的韧性组织结构，促进精准管理。通过大学生综合素质评价全域的智慧化管理、多模态资源的立体化集成和评价服务链条的联通，实现物理空间、社会空间、信息空间中评价要素的虚实交互，进而形成数智化大学生综合素质评价系统的韧性治理生态。在此生态场域中，以“数据驱动”和“人机协同”治理替代“经验直觉”治理，将治理主体从“人的智能”扩展到“人”和“机器”的群体智能，通过“人”和“机器”的高效合作、优势互补，变革教育治理主体结构与关系，提升教育治理能力
[46]。
3 数智赋能大学生综合素质评价的实施路径
数智技术引发大学生综合素质评价的系统性变革和创新。基于“三元空间”理论指导，审视大学生综合素质评价系统的组织结构，依托“人-机-事-物-场”的评价模型，可以系统建构数智赋能大学生综合素质评价的实施路径，其具体包含实施架构和实施阶段。
3.1 实施架构
数智赋能大学生综合素质评价的实施架构需要综合考量大学生综合素质“德、智、体、美、劳”全维度要素，阐释大学生综合素质评价分析的全过程，保障实施架构各层级之间的逻辑衔接和作用关系。具体来看，数智赋能大学生综合素质评价实践的开展应当营造数智化的评价环境，为实现数智赋能评价奠定技术基础。在数智技术搭建的智能化评价场景中，通过采集与分析与大学生综合素质评维度的评价数据，客观呈现和表征大学生综合素质的发展水平，揭示大学生评价规律和挖掘评价数据的潜在价值，进而实现多元智慧的评价服务。基于数智融入的大学生综合素质评价流程指引实施架构各实践层级架构的设计，具体分为物理层、数据层、分析层、服务层和交互层5个层级，如
图3所示。
1） 物理层
物理层是大学生综合素质评价的基础支持层，负责采集和传输全要素、全流程、全状态的大学生综合素质多源异构信息，进行数据的采集、生产、存储、分析及应用等，包含智能设施、数智技术和标准规范。智能设施主要指的是利用智能摄像头、传感器、机器人、云服务器、服务器等相关的传感设备和算力设备，采集与大学生综合素质相关的信息与数据。数智技术包括综合素质评价体系构建所需的物联网、大数据、数字孪生、人工智能等多种技术
[47]及对抗生成网络（GAN）、扩散模型（Diffusion Model）、神经网络模型（Transformer）、跨模态深度学习模型（CLIP）等AIGC算法技术
[48]，保障学生综合素质数据的全域感知和智联。标准规范由政策制度、运维管理、信息安全等保障制度支撑的，这些制度从建设内容、数智技术标准规范、管理规范、质量标准、建设举措、伦理风险等方面构建多方协同的运维管理保障工作机制，保障系统的正常运行。物理层通过智能设施、数智技术和标准规范维护大学生综合素质评价系统运行环境的计算机设备、网络通信设施及技术支持的运行安全，是大学生综合素质评价系统运行的根基。
2） 数据层
数据层是大学生综合素质评价体系运行的关键。数据层包括大学生综合素质多维数据采集、数据预处理和特征提取等环节。在数据采集中，与大学生“德、智、体、美、劳”有关的综合素质评价数据来源于多种场域，包括单一文本模态数据及包括音频、视频、图像和生理信号等在内的行为数据、心理数据以及生理数据
[49]。不同模态的评价数据在数据结构、数据质量和数据格式等方面存在较大差异，对多源异构数据进行高效采集和数据同步是技术难点。借助大数据、云计算、AIGC等数智化技术，运用学生活动数据伴随式采集标准、多源异构数据汇聚、传感器融合、数据标注、数据对齐等技术对文本数据、视频数据、语音数据、图片数据等多源异构的动态、静态数据信息进行全方位采集。在数据预处理环节，多模态数据包含大量噪声、异常值和缺失值，通过使用AIGC、智能体等数智技术对与大学生综合素质相关的结构化数据、半结构化数据和非结构化数据进行清洗，自动化完成多模态数据的噪声处理、异常值监测、错误校正、重复去重等数据转换、清洗等预处理统一规范化操作，确保数据的质量。在特征提取环节，对数据预处理后的综合素质图像、视频等多模态数据进行特征提取、选择和表示。多模态评价数据特征本质存在差异且具有高维冗余的特性，有效提取特征，进行降维减少冗余成为技术实施的关键点。在此过程中，使用卷积神经网络（CNN）、循环神经网络（RNN）、Transformer等深度学习技术提取特征并进行特征选择，并将提取的特征转换为统一的特征表示形式，以便于后续的融合处理。数据采集、预处理及特征提取为分析层的多模态数据融合和模型训练做好准备。数据层涉及海量的评价主体数据，其中包含大量的隐私信息。数据采集和使用需要严格规范教育数据使用权责，保障师生数据的隐私权利和合法利益，避免伦理风险。数据层是物理层和分析层的中间层级，是数据处理分析的基础，提升物理层和分析层的虚实映射水平，为分析层的数据挖掘和数字建模提供标准化的数据支撑。
3） 分析层
分析层是大学生综合素质评价体系的核心层次，是提高服务效能的关键层级，其包含数据融合、数据分析和数据建模三个阶段。分析层的主要目标是对多模态数据进行分析建模，实现对大学生综合素质评价垂域数据的汇集和聚合。在数据融合阶段，将数据层特征提取后的综合素质多模态数据进行整合、传输和存储。通过特征融合、决策融合和混合融合方式，对综合素质多源数据进行整合，生成多模态数据集。在数据分析阶段，融合后的数据在聚类计算、关联分析、序列挖掘、生成对抗网络、Transformer模型等传统机器算法和深度学习模型的赋能支持下进行模型训练、评估及优化，学习文本、图像、视频等不同模态之间的关联。多模态模型的评估标准和可解释性是衡量模型性能的重要标准，可以采用多维评估指标（如准确率、F1等）和模型可解释方法（如Local Interpretable Model-Agnostic Explanations（LIME)、SHapley Additive exPlanations(SHAP)等）提高模型的透明度和可解释性。在数据建模中，基于学生在课堂学习、校园生活、社会实践、体育运动等场景采集的评价数据，构建学习路径优化模型、学术能力评估模型、心理监测支持模型、学生发展预测模型等多样态的大学生评价模型，增强模型的语义理解和表达，探究不同情境对大学生的品德、能力、身体素质、审美素养、劳动能力等方面的影响。在此过程中，需要实时采集学生的多模态数据并对模型进行更新，使模型适应不断增加和更新的实时数据流处理和分析。可以将流处理平台、边缘计算、增量学习等技术结合，实现对新数据的分析处理和模型的动态更新。数据融合、分析和建模阶段包含大量算法设计、算法规则、算法开发等，需要明确算法使用目的、伦理规范、运行规则等指标，加强监管，避免算法黑箱、算法偏见、算法缺陷、算法歧视等问题，践行“算法向善”原则。分析层基于AI技术实现海量学生评价数据的整合存储，揭示大学生行为交互数据、主体需求、服务资源间的内在关联，为交互功能开发和服务应用提供支撑。
4） 服务层
服务层基于大学生综合素质评价的分析结果，执行场景化服务配置理念下精准化与个性化服务供给方案。该层级包含模型组合、多元场景和服务反馈，是数智技术服务大学生综合素质评价场景的智能化体现。评价模型聚合是指基于AIGC的智能系统、自适应群体形成、专家促进、智能虚拟代理、智能调节
[44]等大学生综合素质多模型之间的组合、集群和协同支持，将多模型链条聚合，对学生行为状态和数据进行检测和挖掘，获取和发现学生的行为路径和需求，形成虚实情境要素的关联耦合和柔性适配。大学生综合素质评价涉及包含课程学习、社会实践、实习就业、学术科研、体育运动等情境在内的多元场景，聚焦不同场景和具体需求，形成针对性的技术场景赋能和评价服务供给。在评价服务反馈中，大语言模型、智能体、知识图谱等应用于评价服务的智能技术依赖于大量数据、领域知识和环境反馈，应用时需要考虑技术应用的具体任务、场景和因素条件，其实现需要强化学习、图谱技术、神经网络、模型微调、验证、后处理等技术方法的支持。大语言模型等智能技术以大学生评价数据为基础，根据多元场景下评价主体需求和指令，进行推理决策和任务执行，响应用户需求，输出可信度高的执行结果，形成包含学习路径优化、行为监测预警、心理智能辅导等在内的多样评价服务。例如通过个性化推荐、知识图谱等形式实现学习资源定制、行为监测预警等AI辅助和人机协同的多元场景化服务，实现大学生在心理场景、学习场景、生活场景等全场景下综合能力提升的需求与期望。在心理健康教育领域，一些学校通过引入“人工智能心理辅导师”，增强学生的倾诉意愿，自动化采集学生的体征数据，对学生实时进行个性化心理干预，帮助学生缓解心理压力，促进其心理健康成长
[50]。
5） 交互层
交互层是汇集多种人机交互服务与应用，对大学生综合素质评价进行管理和监控，以实现评价目的。交互层通过智能终端实现综合素质多元评价主体的决策支持和应用服务，呈现数智化赋能大学生综合素质评价的价值和效能。交互层分为决策支持和智能干预两部分。其中，决策支持通过管理驾驶舱、可视化大屏、数字能力地图等各类终端设备，即时传送、显示和反馈大学生综合素质能力的可视化结果及变化趋势。智能干预以软件应用为依托，提供个人和群体画像、智慧决策、个性化推荐、实时预警等跨时空、跨领域的交互功能，为智能干预提供证据。依赖数据支持的决策和技术支撑的服务可能会削弱评价审查者的主体性，导致评价效能反馈被算法逻辑遮盖。评价审辨者应当增强伦理敏感度，在评价价值判断上摆脱对机器和技术的过度依赖，明确评价决策管理者的主体性。将数智技术决策和人类价值判断相结合，实现符合情理观念的智慧决策和服务方案。交互层涵盖管理、监测、推理、决策、干预等全流程的评价反馈功能，适应于多元评价主体精细化和个性化的应用需求，依托交互层可以全景化展示大学生综合素质评价数据的多域态势，为实现大学生综合素质评价的实时反馈和调整改进提供解决方案。例如，韩国学者分析了16万余名高中生学业管理数据，将教育大数据导入基于机器学习的AI预测模型中，从而高精准度地识别出潜在辍学风险类学生并及时干预
[51]。
3.2 实施阶段
数智赋能大学生综合素质评价的实施需要充分考虑实施架构各层级的技术成熟度和建设效益，分阶段推进，具体包括初期、中期、远期三个阶段，可从数据、技术和业务三个维度考虑各阶段的建设任务。
1） 初期阶段
初期阶段实现大学生综合素质评价的数字化转型，建设任务是打造大学生综合素质数字化评价的底层支撑，实现综合素质评价信息和评价资源的数据化。在数据层面，主要关注评价数据电子化的采集、转换和集成。以数据安全为基础，形成评价信息存储、访问、分析、管理的信息化，强调对评价原始数据集的质量保障和支撑。依托技术支撑，构建数据治理体系，初步完成大学生综合素质评价数据资产体系的构建。在技术层面，重点实现综合素质评价数字环境和数字平台工具的建造。综合素质评价的数字化运行包括综合素质数字化建设顶层设计、综合素质评价场景建设等。其中，数字化建设顶层设计包含对评价数字设施、运维体系、数据安全体系、网络系统、数据治理体系、资源库、交互平台建设等统一的数字化组织体系的设计和构建，保证数据交互设备间的实时联通和信息管理。综合素质评价场景建设实现包括虚拟数字人、数字分身在内的联合评价场景，支持评价主体在综合素质评价场景中进行操作、分析和管理。在业务层面上，初期阶段旨在实现评价系统内部间的数据模型的整合集成，强调评价数据流促进大学生综合素质系统“人-机-事-物-场”的协同配置，提升评价操作临场感的评价场景实现，支持评价事件与评价任务的开展。
初期阶段建设基于统一评价数据的系统集成，使得评价应用功能向系统化、数字化发展，实现大学生综合素质评价人与人、人与机器、机器与机器间评价数据的交互。通过建立健全的数据集成体系，实现综合素质评价系统内部的协调联动和协同配置，形成整体建设认知体系，为后续建设奠定基础。
2） 中期阶段
中期阶段在初期阶段的基础上，实现综合素质评价的数智化升级。通过技术迭代、智能体构造、大模型接入、场景扩展等设施和技术的智能升级，实现评价业务能力的优化和提升，达成综合素质评价系统的精益化运行。首先，在保障数据安全和质量的前提下，利用评价数据构建评价资产数据库并将其作为智能评价管理系统的数据动力，形成评价数据链全流程的纵向集成和横向聚集。通过对海量多源评价数据的标准化处理和智能化分析，进一步保证数据使用和分析的合理性和有效性。通过对大学生综合素质评价数据安全、数据分析整合、数据存储、数据质量的全生命周期的动态监测，实现评价系统自感知、自处理、自执行、自决策、自反馈等能力的拓展，更进一步实现人与人、人与机器、机器与机器三者之间的融合交互。其次，实现综合素质评价数智化设施、平台、工具的智能化改造。在初期阶段数据建设的基础上，形成包括云基础设施、云计算架构、智能采集、智能监测、大模型服务、智能体构造、智能分析等整体综合素质评价系统的升级建设。最后，建立基于数据驱动大学生综合素质评价过程的动态模型，利用数智指挥空间、评价行为的动态演变分析和多维关联分析等技术有效提升大学生综合素质评价的上下级协同能力、异常状态监测和处置能力，实现综合素质评价的有效控制和科学决策，精益化地开展综合素质评价数智化建设工作。
中期阶段实现评价应用平台和应用系统功能向自动化和智能化发展，形成初步的智慧评价应用系统体系。打通综合素质评价数据链条，实现综合素质评价各环节数据链条的联通，为远期建设奠定数据基础底座，形成数据共享、智能服务的协同交互评价样态。
3） 远期阶段
远期阶段通过人工智能、虚拟现实等先进智能技术的赋能，实现大学生综合素质评价的智慧化发展。通过顶层设计、架构体系和应用服务的创新和升级，对包括评价数据采集、数据管理、评价场景、应用服务等评价要素进行平台一体化建设和运营，持续推动综合素质智能评价应用体系的优化和深入，实现评价组织资源协同和价值创生，智慧化地开展大学生综合素质评价工作。在数据方面，实现数据安全、数据治理、数据决策的实时优化，推动评价业务多场景智能应用效能的整体提升。在技术方面，建设内容重在升级和优化综合素质评价数智化平台管理系统和门户系统建设，完善大模型和智能体，推进大模型融合，构建针对不同评价场景的适配模型，形成大学生综合素质评价智慧集成门户。在业务方面，通过对多评价场景的多维实时监测和综合评价数据全时域的关联表达，利用智能计算对评价复杂场景进行监控、分析、评估和决策。以敏捷、智能的数据服务推动评价智能应用体系和智能应用场景服务的完善和健全，为综合素质能力提升提供最优方案和策略，推动综合素质评价建设向智慧化方向发展。
远期阶段强调评价数据和平台的一体化汇聚和协同化运作，注重评价业务场景智能水平的整体提升。以评价数据全生命周期中丰富的数据资源为基础，对评价数据安全、数据治理和数据决策进行智能监控、管理和优化。建立和完善敏捷、韧性、智能的数据评价服务体系和智能应用功能和场景，形成“人与人、人与机、机与机”之间融通交互的智慧方案和策略。通过评价数据和信息互联共享，实现三元空间下“人-机-事-物-场”一体化联动的协同评价。
4 结 语
数智赋能大学生综合素质评价旨在利用数智技术实现对大学生综合能力进行全方面立体的测度，揭示大学生综合素质能力的现实水平，助力教育评价改革的创新发展。本研究从评价主体、评价过程和评价结果等方面论述了数智赋能大学生综合素质评价的核心价值。基于三元空间理论，从物理空间、社会空间和信息空间三元空间建构“人-机-事-物-场”的大学生综合素质评价模型。在此基础上，设计数智赋能大学生综合素质评价运行的实施路径，从物理层、数据层、分析层、服务层和交互层构建大学生综合素质评价的实施架构，并从初期、中期和远期三个阶段探讨综合素质评价的实施路线。后续研究可结合某一区域或者学校，开展系统化的应用和实践，进而验证本研究提出的数智赋能大学生综合素质评价的模型和实施路径。
2024年度重庆市社会科学规划重点委托项目(2024WT15)
重庆市教育委员会2024年高等教育教学改革研究重点项目(242023)
京公网安备11010202008535号
PDF
(2922KB)
