“AI+教学评价”是受政策支持的发展趋势
2019年，在国际人工智能与教育大会上，联合国教科文组织发布了会议成果文件《北京共识：人工智能与教育》，指出“认识到人工智能在支持学习和学习评价潜能方面的发展趋势，评估并调整课程，以促进人工智能与学习方式变革的深度融合。发掘数据潜能，支持学生综合能力的多维度评价；支持大规模远程评价”。
2019年，北京市教委印发《北京促进人工智能与教育融合发展行动计划》，提出“加强人工智能与教育深度融合发展策略和标准规范等方面的研究，探索智能技术与教育环境、教学模式、教育评价等融合路径和方法”。
2010年，美国《国家教育技术计划》中强调各级各类教育系统要利用技术来测量、评价学习过程，教育管理者应该利用技术来收集学习过程中的实时数据，为持续改善学习效果提供依据。
教学评价是为教师与学生提供反馈的重要环节。利用人工智能技术在处理非结构化数据（视频、音频、图像）方面的优势，挖掘教学数据的潜能，可以提供过程性的教学数据、多个维度的定量分析。
我们看到，未来国内外有效的教学评价一定是一种多元评价方式、形成性分析与总结性分析的兼顾，以及定量评价与定性评价的结合。
AI能解决传统教学分析面临的哪些问题？
学校和教师也不断为实现更有效的教学分析而努力，但是从客观上受到了教育技术手段和工具的阻碍。这其中主要的限制是，我们过去的技术手段没有办法处理视频、语音、图片等复杂的非结构化数据（世界上85%的数据都是非结构化数据），也无法获得实时的教学反馈。
人工智能尤其是情感计算、自然语音理解、行为分析的发展，让计算机逐渐具备理解人类情感、语言和行为的能力。在AI技术的支持下，传统教学分析的局限性才得以打破，具体表现在下面3个方面：
1、提供定量数据作为评价依据
在上一篇“观点”中，我们提到教师自评、学生评价、同事评价共同构成了多元评价的主体。同时，多元评价应当符合定量评价与定性评价相结合的原则，以确保评价内容的准确有效。
但是，如何获得课堂教学中教师与学生的定量评价呢？
人工智能技术给出了解决方案：通过处理课堂教学视频，目前可以在课后及时提供关于学生课堂专注度、学生课堂情绪、师生语音对话、教师授课模式等多维度数据，量化课堂教学行为、课堂教学语音与课堂教学情感。
2、提供过程性数据支持形成性评价
形成性评价、中期评价与总结性评价共同构成了一个平衡的教学评价体系，这三种评价方式中“形成性评价”的实现难度大，因为没有好的方法对学习过程进行评估，因此我们在很长的一段时间内选择了相对公平的考试成绩作为评价依据。
但是，更新的教学核心理念让教育工作者觉醒，单纯的总结性评价丢掉了教学中宝贵的东西——发现过程（这是问题发生时的依据）。
得益于人工智能技术对每节课处理后提供的数据，让我们从习惯结果到看到过程，这样的转变有利于对学生非智力因素的关注，包括他们学习态度和兴趣的转变，有助于个性化发展。
3、实现常态化、自动化的教学评价
以教师听评课为例，对于学校而言有比较高的人力成本和组织成本，因此评价周期相对较长，时间也不固定。这也导致听评课作为一种评价方式不具备，不能及时有效的提供反馈。
总结性评价同样如此，考试成绩能反映出学生在较长的一个学年段的整体学习效果，但是也容易忽略过程性的变化。人工智能技术为常态化的教学评价提供了解决方案。
借助课堂教学视频，为每节课、每个科目提供常态化的教学分析，辅助教师进行教学分析。同时，这一过程的实现完全自动化，减轻了教师和学校的工作负担。
人工智能在教育中的应用，除了提供工具解决教学分析的问题，它正在帮助教育工作者将教学理念进行实践不受技术条件的限制。当然，技术永远不能代替教师去理解学生，也不能代替学生进行自我发现，但是它可以是教师读懂学生的工具，让教学评价兼顾“质”与“量”，让教育回归对人的主体发展的探究。