数智赋能医学院校教育质量评价体系的探索——以首都医科大学为例

Exploration on quality evaluation system of medical college education empowered by digital intelligence

摘要

建立科学完善的教育质量评价体系对于建设教育强国意义重大，而医学院校的学科教育有其相对的独特性，所以医学院的教育质量评价体系就需要根据医学教育的特点做全面科学的部署，如纳入临床见习、实习、实验、实践等多维考核。目前，有些临床教学医院的信息化发展还属于“各自为战”阶段，不能将教育数据有效运用到医学院校整体的教育质量评价体系中。因此，可以通过数智化赋能教育评价体系，利用数据采集与整合，打通“数据孤岛”，助力医学教育改革；同时采用“顶层设计”策略，推进数据统一管理，建立“共建、共通、共享”的“一张表”评价体系，减少重复填报，数据采集覆盖多场景，利用数智化技术实现数据标准化与动态反馈，以保障医学人才培养和医疗服务水平提升。

Abstract

Establishing a scientific and sound education quality evaluation system is of great significance for building a strong educational country. However, the disciplinary education in medical colleges has its relative uniqueness, so the education quality evaluation system for medical colleges needs to be comprehensively and scientifically deployed according to the characteristics of medical education. For example, it should incorporate multi-dimensional assessments such as clinical probation, internship, experiments, and practical training. At present, the informatization development of some clinical teaching hospitals is still in the stage of "separate operations," and educational data cannot be effectively applied to the overall education quality evaluation system of medical colleges. Therefore, the education evaluation system can be empowered by digital intelligence, using data collection and integration to break through "data silos" and facilitate medical education reform. Meanwhile, adopting a "top-level design" strategy to promote unified data management, establishing a "shared, interconnected, and interoperable" evaluation system based on a "unified form" to reduce repeated filling, covering multiple scenarios in data collection, and using digital intelligence technologies to achieve data standardization and dynamic feedback, so as to ensure the improvement of medical talent training and medical service levels.

Graphical abstract

关键词

教育质量 / 医学教育 / 数智化 / 评价体系

Key words

education quality / medical education / digital intelligence / evaluation system

习近平总书记在中共中央政治局第五次集体学习时强调，教育兴则国家兴，教育强则国家强，要建设教育强国，就要深化新时代教育评价改革，构建多元主体参与、符合中国实际、具有世界水平的教育评价体系^［1］。这一重要论述为进一步完善教育质量评价体系指明了方向。

教育质量评价体系是指通过一系列科学的评价工具和方法，对教师的教学效果、学生的学习成果、学校的教育管理等多个维度指标进行全面评价的体系，是保障人才培养质量的重要组成部分^［2］，其目标是为了提高教学质量，促进学生全面发展，优化教育资源配置。

科学的教育质量评价体系的特性和意义在于：评价体系的“反馈性”能让高校教学管理者了解本校教学效果；“闭环性”能够让决策者做到科学的资源分配、政策调整；“实时性”能让学生和家长了解学校近期的发展状况。

之所以强调医学院校的教育质量评价体系，是因为医学院校的教学相对于普通高等院校来说，具有一定的独特性，如医学培养中的医院实习、教学查房和病例讨论等也需要被列入评价范围，所以医学院校教育质量评价体系的核心就在于要建立更加符合医学临床教育特性的多维化、系统化、科学化评价机制^［3］，如增加医学实践操作、临床技能培养等方面的考核，以此来保障医学人才培养质量，确保医学生临床核心能力达标，提高医疗服务水平，推动医学教育改革，并最终服务于医疗健康事业的可持续发展，这就是医学院校构建教育质量评价体系的现实意义和价值。

1 数智赋能医学院校教育质量评价体系的意义

数智化，即数字化与智能化的结合，为医学院校教育质量评价体系建设带来了新的机遇，通过统一医学教学业绩指标，利用数智化手段，更加科学、客观、全面地进行医学教育数据采集、整理、分析、共享，打造一个以医学教师教学综合能力信息为基础的“数据池塘”，为优化教育质量评价提供有力支持。该“数据池塘”还可以随时服务于本学校其他数据分析及数据挖掘任务的系统^［4］，打通各个平台的“数据孤岛”，从而提高医学教师的整体教学水平、保障学校教育目标实现、提升医学教育效率与质量。本文以首都医科大学（以下简称首医）为例，探索数智化如何赋能医学院校教育质量评价体系建设。

2 数智赋能医学院校教育质量评价的探索

随着科学技术的快速发展，智慧化校园建设已经成为提高教育教学质量、推进现代化管理的必然趋势^［5］，首医近几年在信息化建设方面取得了一定的成绩和效果。尽管各职能部处在“信息化的跑道”上同时起步，但由于缺乏顶层设计、统一规划与统一标准，各职能部处和学院“各自为战”，独自建设自己的信息系统，教师需要在不同部门的不同系统上反复填报信息及表格，而这些不同的系统因为接口不通而不能共享数据，就形成了一些“数据孤岛”，在整体运行时这些数据就失去用武之地；同时，教师和学生在不同部门的系统中反复填报信息，占用了师生教育及学习时间，影响了教学效率，而且数据管理人员工作量也大大增加，不同系统之间传输数据还存在数据失真与数据丢失的风险。此外，由于存在附属医院临床教师教学职称评聘的需要，需要借助“数智化”手段，实现附属医院临床教师教学质量评价的统一性^［6］。

为了达到“数据少填报、多利用”的效果，首医采用“顶层设计、总体规划、分步实施”的策略，积极推进包括教学数据、科研数据、师生人员数据等各类数据统一管理，统筹教育教学相关各部门业务需求，建立“共建、共通、共享”的医学教育质量评价体系。本文从构建评价体系过程中采用的4种数智化技术做探索分析。

2.1 数据采集与整合

医学院校的学科特点决定着其特有的数据类型，在医学教育过程中涉及基础理论、临床实践、技能操作等多个方面，教学数据不仅来自课堂教学、在线学习平台等，还有医院实习、教学查房、病例讨论等不同场景。传统的教学数据采集可能偏重课堂教学和考试成绩，但医学院校教学评价就需要更多过程性数据，利用数智化技术手段能提升数据采集效率。首医以此需求为基础，建立了统一的数据中台，将不同来源的数据标准化（表1）。

数据整合是医学院校教育质量评价中构建科学评价体系的核心环节，既要结合医学教育特点（如实践性、多场景性），还要便于分析和反馈，保证数据的全面性、精准性和动态性，实现整合后的数据用于持续改进教学效果的目标。

为了达到科学的数据整合^［7］，建立多维度数据融合的“数据池塘”至关重要，首医将现有的数据库升级为“数据池塘”，采用“云数据仓库”技术，达到弹性扩展、低成本运维^［8］，支持混合负载（如批量与实时查询）的效果，同时利用数据池仓一体（lakehouse）技术，融合数据池的灵活存储与数据仓库的高效分析能力，支持ACID事务，即原子性（atomicity，或称不可分割性）、一致性（consistency）、隔离性（isolation，又称独立性）、持久性（durability）。首医教学数据池塘示意图见图1。

目前常用的数据整合技术有提取-转换-加载（extract-transform-load，ETL）和提取-加载-转换（extract-load-transform，ELT）工具。这两种工具都是从系统提取源数据，转换数据之后再加载到目标系统。在大数据时代，云数据仓库兴起，能够统一存储结构化数据（文字表格）和非结构化数据（图片视频）的ELT工具更常用，也更适合实时性要求高的场景（图2）。

2.2 数据分析与挖掘

医学院校教育质量评价的数据分析与挖掘以“全场景覆盖、多维度融合、技术深度赋能”为核心，通过标准化流程、智能化工具和动态化反馈，对采集到的医学教育数据进行深入分析和挖掘。通过统计分析、机器学习等方法，在连通了“数据孤岛”的“数据池塘”中发现信息的规律和趋势，再利用可视化技术，将数据以图表等形式直观呈现，将碎片化数据转化为可行动的洞察力，为医学教育质量评价提供科学依据，通过数据驱动精准决策，持续提升医学人才培养质量，最终服务于医疗健康事业的高质量发展。

数据分析和挖掘是处理海量数据、提取有价值信息的关键技术手段，二者既有交叉也有侧重。常用的数据分析手段有以下3种。

（1）数据清洗与预处理技术。用于缺失值填充、异常值处理、数据标准化/归一化、重复数据删除、数据转换。

（2）描述性统计分析技术。用于均值、中位数、方差、分布分析（直方图、箱线图）、频次统计、相关性分析。

（3）探索性数据分析技术。用于可视化分析（散点图、热力图、折线图）、多维数据分布探索、交互式分析。

常用的数据挖掘技术方法有以下4种。

（1）关联分析方法。通过设定最小支持度和最小置信度阈值，可以筛选出有意义的关联规则，能够帮助我们从大量数据中提取有价值的信息，为决策提供支持。

（2）序列模式分析方法。通过识别数据中的重复模式来揭示潜在的结构和趋势，常用于从时间序列数据中提取有意义的模式和趋势。

（3）分类分析方法。通过将数据或对象按照共同的特征或属性进行分组，将复杂问题简化为更易于管理和理解的子集，可以帮助我们识别模式、趋势和关联性，从而做出更加精确的预测和决策。

（4）聚类分析方法。通过将数据集中的样本根据其特征相似性分组成多个类别或“簇”，帮助我们从大量未标记的数据中提取有价值的信息，从而更好地理解数据的结构，为决策提供支持。

通过数据分析和挖掘的数智化手段得到的可视化效果见图3。

2.3 多维化质量控制

在医学教育质量评价体系中实施有效的质量控制，需要系统化^［9］、多维度的策略，确保教育过程与结果符合专业标准和社会需求。首先，对标《全球医学教育基本标准（WFME）》和《中国本科医学教育标准》，建立适合本校发展的本土化指标，如临床技能占比≥40%、基础医学实验课学时≥100等标准；其次，设置分级指标体系，如一级指标（师德建设及教学秩序建设、教学工作量、三轨评教、教材建设、实践项目等）、二级指标（教学学时量化、实习小讲课、临床教学查房、病例讨论、临床实习带教等）；此外，还实行师资准入质量控制、数字化督导过程监控以及三维评估体系输出评价的全流程闭环管理。

利用数智化手段科学地实现对以上方法中各指标的质量控制，通过设置质控点和质控模型，加上教学日志数字化的过程性监测工具和教学工作量统计的结果性评价工具，将教学数据切实转化为教学行为的持续改进，从而实现对各层面关键质量指标的实时把控。

为确保数据分析和评价结果的客观性和准确性，学校建立了严格的数据审核和校验机制，对采集到的数据进行全面检查，剔除异常值和错误数据。此外，还加强了数据分析过程中的质量控制，采用先进的统计方法和模型，对数据进行深入挖掘和分析，确保评价结果的可靠性和有效性。通过这些措施，可以全面提升医学教育质量评价体系的科学性和实用性。

2.4 动态化评价与反馈

数智化赋能医学院校教育质量评价体系建设，还需要动态化评价与反馈技术。将教学过程中的各项指标形成智能反馈机制，及时将评价结果反馈给教师和学生，帮助师生了解自身的优势和不足，进而采取针对性的改进措施，提升教学效率。通过这些动态化评价与反馈技术的应用，与上述3项技术形成“标准-执行-质控-改进”的良性循环，从而能够更加精准地把握教育质量的脉动，及时调整教学策略。

动态化评价与反馈技术能够促进教育资源的优化配置。通过分析评价数据，学校可以识别出教学资源在不同学科、不同课程以及不同教学环节中的分布情况和利用效率^［10］，进而根据实际需求进行合理调配。如对于评价反馈中表现优异的课程或教学环节，可以给予更多的资源支持，以进一步提升其教学质量；而对于评价反馈中存在问题的部分，则可以通过改进教学方法、优化课程设置等方式来提高资源利用效率。这种基于数据的资源优化配置方式，有助于实现教育资源的最大化利用，为医学院校教育质量的持续提升提供有力保障。

首医构建教育质量评价体系中动态化评价的部分多维融合数据，也称为数据池仓一体化数据（表2），在进行教学数据采集后，这些数据运用到评价与反馈的作用是多维度的，如在“教材专著”中“教材名称”这一数据就可以用于“人事聘岗”及“教育质量评估”两个评价反馈系统；在“纵向课题”中“项目来源”数据可以用于“人事聘岗”“科技大会”“科技统计年报”和“导师年报”4个系统。

3 数智化赋能的挑战与对策

尽管数智赋能医学院校教育质量评价体系建设具有诸多优势，但也面临一些挑战^［11］。如数据安全问题、技术更新速度问题、教师信息化素养能力^［12］等问题。为了应对这些挑战，可以采取以下对策。

3.1 加强数据安全管理，确保数据的安全性和隐私性

医学院校拥有大量的学生、教师、课程、临床数据，这些数据一旦泄露或被滥用，将对个人隐私和学校声誉造成严重影响。因此，加强数据安全管理至关重要。首先，应该建立完备的管理办法确保数据安全，通过规章制度明确医学教学数据在收集、使用、存储和销毁等环节的权限和责任；其次，需要及时关注最新技术，采用先进的数据加密手段，以保证医学教学数据在传输、存储和分析处理过程中的安全性和隐私性；此外，为了防止数据丢失或损坏，还需要定期对数据进行备份；最后，加强师生的数据安全意识和培训，提高他们对数据安全的重视程度和防范能力。

3.2 避免评价标准单一，确保多元化评价和动态评价相结合策略

在数智赋能医学院校教育质量评价的过程中，评价标准单一会限制评价的全面性和准确性。多元化评价意味着不仅关注教师课堂教学情况，还综合考虑教师对于学生的实践能力、创新能力、团队协作等多方面能力的教学水平^［13］。动态评价则强调评价过程的持续性和灵活性，能够根据教师职业发展情况及时调整评价标准和方法。

3.3 持续关注技术发展趋势，及时更新数智化手段和方法

通过不断更新数智化手段和方法，可以确保评价体系的先进性和实用性，提高评价的准确性和效率，同时，也有助于推动医学院校教育质量的持续提升^［14］。

3.4 加强教师信息化素养培训，提升教师数智化教学能力

可以定期组织医学院教师参加人工智能信息化素养培训课程，包括信息技术基础知识、教育技术应用等内容，帮助教师掌握最新的信息技术工具和教学方法；鼓励医学院教师积极参与数智化教学实践活动，通过实际操作和反思总结，不断提升自身的数智化教学能力；对通过数智化手段教学而取得突出成绩的教师进行奖励，激发教师参与数智化教学的积极性和创造性；通过与国内外其他高等院校或教育机构交流合作，借鉴先进的教育评价理念和构建评价体系的实践经验，不断丰富和完善自身的教育质量评价系统。

通过这样的努力，医学院校能够更好地服务于医学教育的长远发展，为培养高素质医学人才创造良好的条件。

4 结 语

通过数智化赋能，医学院校能够构建起更加科学、系统、高效的教育质量评价体系，从而促进医学教育质量的全面提升，培养出更多服务于社会需求的优秀医学人才，推动国家医疗健康事业可持续发展^［15］。未来，随着教育理念的不断创新和科学技术的不断进步，医学院校的教育质量评价体系将更加完善，更好地服务于教育目标的实现和教育改革的深化。

参考文献

[1] 新华社.习近平主持中央政治局第五次集体学习并发表重要讲话［EB/OL］.（2023-05-29）［2025-01-12］.

[2] 倪娟. 高质量基础教育评价体系的内涵、重点及实现策略［J］. 人民教育， 2024（10）： 10-14.

[3] 谢千池， 武艳， 雷丽萍， 等. 临床教师教育教学业绩评价体系的构建与应用［J］. 医学教育管理，2022， 8（3）： 301-307，318.

[4] 丁达文， 赵志强. 基于模型的系统工程在医学院校管理业务流程设计中的探讨［J］. 中国医学装备， 2019， 16（1）： 131-134.

[5] 杨晓英， 尹正， 何其迅， 等. 我国研究生资助体系的现状及改革［J］. 首都医科大学学报（社会科学版）， 2011 （1）： 76-78.

[6] 谢千池， 赵丽莉. 应用学生评教意见提升医学生线上课程授课质量的实践及积极意义展望［J］. 中国医药， 2020， 15（12）： 1955-1958.

[7] 王宇， 武博， 张楠. 医学生计算机基础B课程教学改革研究与实践［J］. 医学教育管理， 2023， 9（S1）： 32-36.

[8] 张伟， 王晶. 基于信息化平台的医学院校科研消耗品的管理实践［J］. 中国医学装备， 2019， 16（9）： 155-157.

[9] 张黎， 杨光耀， 季湘年. 综合医院临床教师教学绩效考核模式研究［J］. 西北医学教育， 2015， 23（1）：145-147.

[10] 侠克， 熊琳. 首都医科大学率先对临床教师予以分类评聘［EB/OL］.（2020-12-18） ［2025-02-23］.

[11] 宫贵贞， 吴晓路. 高校评教体系存在的问题及对策［J］. 教书育人（高教论坛），2017（1）： 44-46.

[12] 孙长忠. 现阶段开放大学高质量发展的实践路径［J］. 河南开放大学学报， 2024， 37（4）： 4-7.

[13] 张娜. 高校青年教师综合能力评价体系研究［J］ . 教育教学论坛， 2017（33）： 22-24.

[14] 徐晓巍， 唐琳， 归航， 等. 数字赋能的医学教育创新模式探析［J］. 中华医学教育杂志， 2025， 45（3）： 161-166.

[15] 梁雨星， 童西琴， 周芙玲. 数字赋能医学教育创新发展的实践路径探索与研究［J］. 中国医学教育技术， 2025， 39（2）： 201-205.

基金资助

北京市教育科学“十四五”规划2022年度课题项目：新一代人工智能技术与高质量教育服务供给体系建设研究(CHDB22188)