人工智能赋能考试评价改革的运行机制与突破路径

评价事关社会进步与教育发展，考试作为教育评价体系的重要组成部分，是落实教育评价改革举措、优化人才选拔培养的关键环节。近年来，人工智能在教育领域表现出的巨大应用潜力，为考试评价改革带来历史性机遇。对此，我国持续深化政策布局，积极推动人工智能在考试评价领域的融合应用。2023年10月，《国务院关于考试招生制度改革情况的报告》提出利用人工智能等现代信息技术赋能考试评价改革。《教育强国建设规划纲要（2024—2035年）》明确“建立基于大数据和人工智能支持的教育评价和科学决策制度”“推进信息技术赋能考试评价改革”的时代命题；同年4月，教育部等九部门联合印发《关于加快推进教育数字化的意见》，在“全面推进智能化，促进人工智能助力教育变革”部分强调推进数字化赋能考试评价改革；随后，教育部将“人工智能赋能评价改革”列为教育评价改革的核心突破方向之一，并试点探索人工智能在日常考试关键环节的场景应用。2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，明确提出推动智能命题、智能组卷、智能监考、智能评卷等应用；同年6月，《教育发展“十五五”规划》进一步提出开展“人工智能+教育”行动，推动考试考核深层次变革。由此可见，人工智能赋能考试评价改革已成为新时代教育改革的重点工作任务。

当前，学界围绕人工智能赋能考试评价改革展开了诸多探索，相关研究或关注人工智能背景下大规模考试评价的变化与调整，阐明其面临的现实挑战，或聚焦人工智能在考试评价场景中的设计与应用。然而，已有研究多从实践层面探讨考试评价改革或技术应用，对人工智能赋能考试评价改革的理论观照有待深化。当技术逻辑成为改革的关键变量时，深化对人工智能赋能考试评价改革必要性、适切性与引领性的认识和理解，有助于准确把握推进考试评价改革的实践方位，更好地适应不断变化的社会形态与人才需求。基于此，本文从“缘何”“依何”“向何”三个层面展开论述，首先剖析人工智能赋能考试评价改革的逻辑理路，继而阐释其运行机制的系统转变，最后面向实践提出突破路径，以期为构建契合智能时代教育高质量发展要求的考试评价体系提供理论支撑。

一、缘何而发：人工智能赋能考试评价改革的逻辑理路

考试评价自诞生以来，其形态与功能始终深刻反映并服务于社会发展的整体需求。随着人工智能与社会各领域的全面渗透融合，考试评价与社会系统间经长期调适形成的相对稳定的关联与作用机制发生深刻转变。在此过程中，经济、技术、教育等多重因素交互作用，共同促进考试评价改革理据遵循的转变，构成人工智能赋能考试评价改革的动力机制。

（一）人才需求转向呼唤考试评价与时俱进

马克思和恩格斯强调，人是生产力中具有决定意义的因素，每一次生产力的质变，不仅意味着生产工具的迭代更新，也必然伴随着劳动者知识技能结构的重塑与再造。智能时代，人工智能等技术的变革性突破推动经济增长动力转换，加速产业结构调整，驱动新质生产力的培育与发展。在新质生产力诸要素中，新质人才无疑是最活跃、最具决定意义的因素。新质人才的能力发展与角色蜕变，成为适应并推动新质生产力发展的核心力量与根本支撑。习近平总书记指出：“要按照新质生产力要求，畅通教育、科技、人才的良性循环，完善人才培养、引进、使用、合理流动的工作机制。”在此背景下，考试评价作为育人、量人、选人的重要环节，亦亟待与时俱进，以提升各层次领域新质人才选拔培养的质量和水平。

考试评价以社会对人才的实际需求为依据，因而新质生产力发展对新质人才的需求决定了考试评价标准及内容的转向。从概念内涵出发，新质人才关键落脚于“新”与“质”双重维度。一方面，“新”与“旧”相对。新质人才之“新”，强调适应新质生产力发展的“新”能力，这并非否定过去的能力，而是通过新旧融合形成更高水平的新能力。当重复性、规律性工作逐渐被技术取代时，考试评价需要重新审视“考什么”的问题，其关注重点应从谁掌握了更多的基本知识和技能，转向对多元创新思维、高阶能力等成长韧性的评价，以促成认知迁移中的“忘知而达真知”。另一方面，“质”与“量”相对，新质人才之“质”，强调高素质、高水平、复合型的“质”态特征，指向人才的内在品质与综合素养，涵盖思维、能力、品格与情志等多维属性。“效率至上”理念导向下，传统标准化考试通过规模化评价为社会发展输送了大量“合格”人才，在特定历史阶段发挥了重要作用。然而，全球产业智能化升级正重塑就业岗位和所需技能，人才供需的主要矛盾从“量”的短板转向“质”的短缺，这意味着考试评价亟须强化对新质人才之“质”的考查。在此背景下，旧有以“知识再现”为核心的考试模式已难以适应智能时代的评价需求，仅依赖考试评价自身的缓慢演进，难以实现与新质人才需求的高效对接。唐·伊德指出，人类无法摆脱技术或技术物而理解自身与环境的关系。当人工智能重塑社会生产方式，催生新的人才需求命题时，亦为人才探询与评价带来技术视角下的方法和路径解答。由此，考试评价可借助人工智能之力，系统重构新质人才选拔、培养与使用范式，通过“人—考试—人才—社会”持续整合的良性循环，充分回应智能时代对人力资源结构的重塑要求，从而为国家长远发展筑牢人才根基、强化智力支撑。

（二）技术迭代演进助推考试评价系统革新

回溯历史，造纸术与印刷术催生纸笔考试，实现以知识再现为核心的标准化评价。20世纪中叶，光电扫描仪开启了数字技术在考试评价中的应用先河，考试评价信息的传输、处理与存储效率得以提升。20世纪90年代，伴随互联网与计算机的快速发展，计算机化考试（CBT）、在线考试等数字化考试评价模式先后兴起，技术开始具备自动化特征，推动考试评价流程数字化与灵活化。与此同时，计算机性能的显著提升及心理测量学理论的逐渐成熟，推动计算机自适应考试（CAT）的发展，其根据考生实时表现动态调整题目的测试方式，显著提升了考试评价的精准度与个性化水平。进入21世纪以来，大数据、学习分析技术迅速发展，推动考试评价从单一分数分析，转向多模态数据的综合研判，考试评价更加客观、全面。

可以发现，技术革新虽不断提升了考试评价的覆盖广度、实施效能与测量精度，但受制于技术条件和测评认知局限，考试评价改革多表现为既有框架与模式下的延伸，尚未发生实质性变革。具体来看：其一，考试评价流程虽经历数字化再造，但其实践逻辑与价值导向仍遵循纸笔考试框架；其二，技术逻辑结构的程式化设定固化了工业时代“刺激-反应”的行为主义测量范式，在强调外部行为可观测的同时，相对忽略了人最为本质的认知、情感、思维等内部精神特质；其三，考试评价内容偏重加德纳多元智能中的“语言”与“逻辑”智能，难以有效评价个体发展的多样化与个性化。万物得其本者生，百事得其道者成。要想推动考试评价向前、向新、向深发展，必须破除既有阻碍与束缚。正如经济合作与发展组织（OECD）发布的《2023年数字教育展望：迈向高效数字教育生态系统》中所强调的，教育系统的未来在于从“复制”走向“革新”，人工智能赋能考试评价改革的核心意义正体现于此。一方面，全面与个性评价得以实现的技术阻碍正逐步被破除。人工智能技术智慧层级的跃迁，极大提升了考试评价的交互性，通过还原个体发展的丰富性、动态性与生成性，突破证成逻辑仅关注个体学习成效的“事实”描述，为解构个体内在心智过程与复杂精神世界提供可能。另一方面，技术持续放大了考试评价促进个体发展的价值功能。人工智能深刻改变知识的生产、传播与创新方式，使得知识可靠性的根基被逐渐动摇，这意味着既有考试评价“知识本位”与“分数导向”的标准化价值定位将发生转变，需转向深入思考如何更好促进个体全面而有个性的成长与发展。

（三）教育系统变革牵引考试评价协调运转

我国正经历从教育大国向教育强国的系统性跃升与质变，在此过程中，某些关键环节起到牵一发而动全身的作用。教育系统中具备这一特征的，首要就是考试评价。一方面，深化考试评价改革是教育综合改革的重要内容，构建高质量考试评价体系是形成高质量教育体系的重要组成部分。另一方面，考试评价具有“为国选才、以考导教、以考促学”的强大作用，其蕴含的价值取向决定社会对人才选拔培养的认知、理解和判断，将影响教育改革举措的制定与实施，关乎教育强国建设的方向和质量。同时，考试评价还通过促进各类人才充分涌现来增强教育发展活力，为加快建设教育强国提供坚实的人才保障。

为引领支撑教育强国建设，国家以教育数字化为战略突破口，全面推进人工智能赋能教育行动。然而，当人工智能以前所未有的速度、广度和深度融入教育全过程、全要素、全场景，推动教育系统发生深刻变革时，考试评价改革却稍显滞后，主要体现在以下几方面。其一，考试评价与教育教学协同不足。人工智能驱动教育教学变革背景下，考试评价多倾向于因循守旧，在目标定位、内容设置、实施方式等关键维度上，无法与课程、教学等环节达成逻辑自洽与协同联动。其二，考试评价与教育评价耦合不畅。当教育评价向人工智能驱动的多元化与精准化评价演进时，考试评价仍多依赖单一的纸笔测试，致使评价理念、标准与方式等相互冲突。其三，对教育发展的促进作用仍需深化。人工智能在实现因材施教、促进教育公平等方面具有独特优势，正日益成为推动教育高质量发展的关键力量。然而，当前“唯分数”倾向加剧了考试评价的窄化与异化，使得其导向、激励、调控等功能难以有效发挥，总体上有悖于教育高质量发展的现实需求。相较于教、学等环节对人工智能的积极接纳，考试评价受规模效应、自我强化机制及高社会公平敏感性等多重约束，延缓了与人工智能融合的步伐。然而，教育系统是具有内在一致性的有机整体，并非各行其是的“拼盘”。考试评价与教育其他环节间的错位，将引发“目标与实践”“育才与鉴才”等矛盾冲突，阻碍教育系统的协调运行，削弱教育改革的整体效能。可以说，只要考试评价不发生实质性改变，所有的教育改革都有可能沦为空谈。因此，考试评价必须打破滞后状态，实现与教育系统其他环节的协同演进，借助人工智能重新定义自身发展方向，完成从“形”到“质”的深刻转型。

二、依何而行：人工智能赋能考试评价改革的运行机制

运行机制是保障系统高效运转的关键。人工智能与考试评价内容、方式、流程及结果等要素间的深度关联，推动多环节组织结构及作用关系动态演变，驱动考试评价寻求新的调适与平衡，进而重塑其运行的特征、逻辑与功能。为探析人工智能赋能考试评价改革的运行机制，系统阐明“考什么、怎么考、谁来考、考何用”等本原性问题，研究构建了涵盖“内容突破、方式革新、流程转向、结果改进”的分析框架（见图1）。

（一）内容突破：从“静态预设”到“动态生成”

随着社会分工精细化与全球化进程不断深入，考试评价覆盖领域持续扩展、频次显著增加，对考试评价内容的生成规模与效率均提出了更高要求。既往技术虽优化了考试评价内容的聚合与分发环节，却始终未能深入内容生成的核心环节，表现为基于既定题库的反应式输出样态。人工智能所具备的内容生成能力，为考试评价内容供给从“现成”调用、“预成”编制转向“生成”突破提供可能。

一是考试评价内容自生成，显著提升命题效能。知识生产方式的“生成”转向、数字化考试的广泛推行，以及考试理论从常模参照向标准参照的演变，为考试评价内容自生成奠定了理论、技术和制度基础。内容获取方面，人工智能可打破认知壁垒，通过整合与处理海量教育资源拓宽命题视野，推动考试评价内容与时俱进，更好适配经济社会发展需要。内容生成方面，通过深度融合知识、学科或能力图谱与检索增强技术，人工智能可围绕考试评价特定需求衍生多体量、多类型、多层次的试题变体，显著提升内容生成效率。此外，人工智能还可辅助生成命题方向、思路与素材，有效降低人力与时间成本，同时激发命题人员的创新灵感。二是组卷编制智能化，助推自适应考试评价。不同类型人才所需具备的能力和素养各不相同，为回应人才选拔与培养的差异化需求，考试评价需突破“千人一卷”的统一模式，提供与其认知相匹配的测评内容。人工智能可依据考生的知识结构、能力水平与考察要求，建立多目标、多约束的组卷模型，从题库中自动筛选并组合考题，生成适配个体特征的差异化考卷；施测过程中，可根据考生实时作答情况，动态调整考题难度与类型，突破传统考卷静态预设的局限，实现对考生知识掌握情况的连续诊断与精准反馈，推动学业考试、技能考试等诊断类考试评价从基于群体正态分布的预设评价，转向促进个体认知发展的适应性评价。三是考试评价内容自检测，维护评价质量与公平。考试评价内容质量是保障评价工作科学、有效和公平的前提。传统考试评价内容质量检测多依赖主观经验与抽样复核，缺乏客观依据。人工智能则可依托教育测量模型，实现命题与考卷质量的自动检测。一方面，综合表述规范性、知识覆盖度及与评价目标匹配度等维度解析命题内容，弥补经验判断不足；另一方面，结合题目间的结构关系与测量学特征，开展自动化查重与难度预测，在考前整体把握考卷的难度与区分度，降低考试评价失准风险。此外，在覆盖考试命题全流程的多智能体协同系统支撑下，检测结果还可实时反馈至命题与组卷环节，形成“生成—检测—优化”的业务闭环，推动考试评价内容持续完善。

（二）方式革新：从“标准规约”到“个性探赜”

考试评价的对象，既是自然的人，亦是社会关系的总和。因此，考试评价应系统考查个体在社会实践中所形成的对客观世界的认知能力与实践素养。然而受工具方法限制，对个体综合能力的评价大多停留在知识层面。人工智能为个体认知、思维、情感等内隐特质的测量提供了全新的评价方式，促使原先不可见的能力与素养正逐渐变得可观测。

一是创建情境化考试评价场域，洞察考生在真实场景下的综合表现。情境具有激活认知的“启动效应”，考试评价所建立的情境、观念和结果之间的关联越紧密，考生调动和整合工具、资源与方法的深度、广度及灵活性越强，越能够反映其不同能力的发展水平。人工智能依托具身认知技术突破符号抽象的“离身性”困境，将与特定评价目标紧密相关的人、事、物等要素转化为结构完整、意义真实的沉浸式交互场景，不仅有助于考查考生信息收集处理、分析判断、策略构建与问题解决等综合能力，还能激发其创造性思维，推动从“抽象知识表征”到“真实情境嵌入”再到“能力考察培育”的深层贯通，实现“考中学”。目前，人工智能赋能的情境化考试评价场域已广泛应用于化学实验、生物解剖、医学护理及机械操作等实践技能考试中。二是推进交互式考试评价对话，精准探明考生能力发展水平。既有考试评价中，考生与试题之间呈单向、静态的应答关系，考生的参与实质上是基于被动接受的有限反应。得益于人工智能在自然语言处理、认知诊断等方面的发展，实时交互与智能评分成为可能。人工智能不仅能在自主创设的人机对话情景中与考生进行多轮次的深度交互，及时生成适配性的引导与反诘，更能通过分析交互对话的逻辑结构、内容深度与认知路径，深入考查考生的批判性思维、知识整合迁移与元认知等能力。当前，人工智能赋能交互式考试评价对话在语言类考试中的应用正成为常态。三是捕获分析多模态过程性数据，多维表征考生深层次特质。传统考试评价主要回应“是否答对”问题，其高度依赖最终作答结果，难以全面反映考生“如何作答”的认知过程与心理特质。人工智能可伴随式采集考试周期内的个体行为、生理反应等多模态数据，通过挖掘分析系统记录的作答轨迹、操作序列、时间分配、尝试策略、注意焦点等细粒度行为，推断考生的认知路径、思维风格与问题解决模式，并映射至对目标测量构念的评价与表征，在刻画行为表现的同时揭示其背后隐含的多维特征。

（三）流程转向：从“单向交互”到“人机协同”

考试评价既包含大量模块化与程序化任务，又高度依赖价值判断，亟须推动机器智能与人类智慧的深度融合。人工智能作为兼具技术能力与认知思维的高级形态，正与人类特有的教育智慧、伦理决策等能力形成双向链接并相互补充，打破传统技术被动服务考试评价的单向关系，建立起人机双向互动的协同机制。

一是改变考前组织环节，形成“机执行”“人审查”的分工体系。人工智能依托自动化处理与智能规划优势，重塑传统以人力为核心的组织管理模式，重构考务部署、考场安排等场景，支持考试信息智能查询、审查等工作，快速生成考生、考官、考场最优排期方案，高效完成考场资源优化配置、考卷加密分发等任务，提升考试评价组织和管理效率。人类管理者主要承担规则制定、流程审查、环节优化等职责，负责审定考试评价实施方案，处理特殊考生需求，并制定应急处置措施，确保考试评价组织管理的公平、安全与合规。二是改变考中监考环节，构建“机监控”“人裁定”的协作机制。相较于传统人工巡查或网络监控，人工智能依托行为识别算法和物联网技术，延伸了人类监考的感知范围，可持续追踪考场内考生及监考人员的行为轨迹，同步完成身份验证、行为识别与录像智能分析，精准监测代考、作弊等违规违纪行为，并将异常情况实时推送至人工端，实现全天候、无死角的智能监控与值守。为避免“技术误伤”，人类考官在情境化解读基础上对系统提示作出裁定与干预，并重点处理复杂模糊或涉及伦理判断的情形。此外，技术人员将记录并汇总智能巡查巡检中捕获的异常行为数据，以评估人工智能在考场巡检中的辅助效能，并持续修正和优化监测算法。三是改变考后阅卷环节，完善“机评阅”“人核判”的协同模式。阅卷前，人工智能依据预设条件实现答题卡的智能归类和派卷；阅卷中，人工智能自动批阅结构化考题，承担空白卷和雷同卷识别、自动统分、进度监控等任务，并适时扮演第三方阅卷者以减少开放题评阅中的偏差和冲突；阅卷后，基于深度学习与聚类分析，从海量答卷中提取考生常见解题路径与结果，呈现整体作答情况和规律。人类阅卷者聚焦评价工作本身，由阅卷教师负责开放题的评判，阅卷专家主导评分标准制定，并对系统输出的评阅结果进行抽样校验与争议仲裁，处理系统标记的异常卷、争议卷等特殊情况，以保障人机协同阅卷的科学性与公信力。

（四）结果改进：从“线性表征”到“多元导引”

考试评价具有社会性与教育性，不仅承担社会层面的判断筛选功能，也蕴含教育层面的价值引领属性。因此，考试评价结果的反馈需同时回应“结果如何”与“结果何用”的双重命题。人工智能的引入正逐步突破考试评价分析反馈中单一数据依赖与线性处理逻辑的双重局限，在提升分析反馈效率的同时，拓展分析反馈的内容维度与呈现形态。

一是提升考试评价的分析反馈效能。传统考试评价结果的反馈周期较长，考生往往需等待数天甚至数周。依托大数据分析与边缘计算等技术，人工智能可对海量考试评价数据进行高效处理与分布分析，完成数据完整性检查、成绩合理性分析等多轮校验，缩短评阅时间，提升分析效率。同时，人工智能可自动生成面向不同考生的个性化报告，减少人工整理与分发的时间成本，提高反馈效率。此外，人工智能还支持自适应考试、日常课堂测验等评价场景中的实时分析反馈，考生在作答过程中即可获得初步评分和题目解析，实现“边考边反馈”。二是丰富考试评价的分析反馈维度。人工智能打破了传统考试评价数据类型单一且分散孤立的局限，能够关联考试评价上下游数据、日常学习数据，以及学校信息、家庭背景、社会经历、职业需求等信息，并深度挖掘数据间内在联系及规律，识别影响个体发展的关键因素。在此基础上，根据考生在考试评价中的各项指标表现，生成包含成绩信息、诊断信息与发展建议的分析报告，帮助考生明晰优势与薄弱之处，更好把握自身综合能力与发展潜能。三是拓展考试评价的分析反馈形式。一方面，拓展考试评价结果的可视化呈现方式。人工智能将静态、抽象的分数结果转化为动态、直观的数据看板，清晰地刻画不同考生在不同阶段中不同能力的发展轨迹，并延伸至学校、区域等层级进行展示，服务教师、管理者等不同群体的育人实践与教育决策。另一方面，拓展考试评价报告的反馈形态。用户可基于智能交互报告系统，结合自身需要自主选择分析维度、筛选关键变量，生成定制化结果分析报告，也可要求系统模拟不同角色提供多维度解读，形成个性化改进方案和发展建议。

三、向何而进：人工智能赋能考试评价改革的突破路径

人工智能的加速迭代演进为考试评价改革赋予了新的动能和手段，二者之间的深度交互正推动形成协调、灵活、高效的考试评价改革新机制和新格局。而要让改革愿景变成美好现实，还须立足时代需求、评价本质与现实条件积极探索切实可行的实践路径，从顶层设计、协同运转、实践需求、多维保障等方面协同发力，推动人工智能赋能考试评价改革落到实处。

（一）加强顶层设计，谋划考试评价改革蓝图

人工智能赋能考试评价改革涉及问题之多、领域之广，靠零敲碎打和单兵突进行不通，必须坚持以全局观念和系统思维谋划推进，强化战略协同与制度供给。为此，一是规划整体发展布局。政府应提升人工智能赋能考试评价改革的战略定位，将其作为重要事权，融入教育强国建设和“人工智能+”行动的全局统筹谋划中。在深度洞察社会、学校、家长、考生等多方利益主体诉求的基础上，科学规划人工智能赋能考试评价改革的发展目标、重点任务和实施要求，以提供战略指导。同时，针对考试评价场景中的人工智能“有没有”“好不好”等问题，建立健全制度和规范保障，完善基础设施、应用流程、招考服务等配套标准，为推动举措落地提供遵循。此外，完善人工智能应用于考试评价的相关法律法规，注重与现有行业规范和技术标准相衔接，推进依法治考。二是坚持渐进发展路径。考试评价承载多重社会功能与历史传统，且当前技术的不确定性使得考试评价改革更加复杂，因此教育部及地方教育行政部门应秉持“稳中求进、循序深化”的工作基调，设定近期可操作目标与远期可持续愿景，以场景培育为抓手有计划、有步骤、有层次地推进人工智能赋能考试评价改革。具体而言，应遵循风险梯度原则，优先在日常考试、学业水平考试、社会技能考试等中低风险场景中开展融合实践，在积累经验、完善机制后再审慎探索高利害考试中的试点。三是推动管理体制革新。理顺人工智能赋能考试评价改革的组织架构、权责配置与运行流程。其中，教育部应统筹制定人工智能赋能考试评价改革的管理规定，并加强对地方考试评价组织与实施的监督指导。同时，针对现有管理制度多基于纸笔考试设计，未将新技术纳入考量的问题，加快补充完善技术组织与管理规范，建立技术准入机制，明确智能考试评价产品与终端的应用规范；完善模型更新、题库优化、阈值调整等事项的合规要求；健全技术监测、风险预警与应急响应联动机制，确保考试评价中技术的安全、有序与高效运行。省级教育行政部门则承担本域考试评价中人工智能的部署审核与运行监测，完善考试评价管理办法并强化责任落实；市县教育行政部门应严格履行监管职责，制定全流程管理细则，并加强一线学校及考点的问题收集与反馈。

（二）推进协同运转，凝聚考试评价改革合力

考试评价并非孤立、封闭的存在，而是与教育教学、招生招聘等社会子系统紧密相连的关键环节。唯有推动多环节间的协调统一，才有可能释放改革的整体效能。为此，一是注重教育系统内部“教学考”协同。一方面，推动考试评价对接产教实际。将产业与教学一线中的背景参数、内容素材与能力验证场景等资料标签化处理后，纳入考试评价素材池，满足后续数据关联分析与题目匹配需求。另一方面，以考试评价内容改革反哺教与学方式转变。鼓励命题者探索考查与引导相结合的命题路径，应用人工智能优化试题素材、内容结构与表现形式，推动形成注重素养与能力发展的评价导向；同时，依托智能考试评价系统深入解析试题所指向的课程标准、能力发展要求与产业发展需求，建立命题意图标签库，引导教学从应试训练转向关注个体成长本身，进而形成“教学考”一体化实践闭环。二是推动考试评价反馈跨场域协同。考试评价机构应主动转变服务理念，将考试评价结果延伸共享至社会子系统，迅速、准确地反馈给高校、用人单位及管理决策者等利益主体；同时融合回溯式与前瞻式反馈，增强考试评价分数的可解释性，帮助各类主体正确地理解和使用考试评价结果。高校和用人单位则需超越唯分数、唯学历的简单逻辑，逐步建立更加科学、全面、统一的人才评价与互认体系，基于考试评价反馈结果实现与考生之间的精准匹配，服务人才选拔与流动。管理决策者可通过智慧看板掌握区域整体教育水平，并据此推动教学改进、招考调整与资源配置等决策部署，同时将评价结果纳入区域教育督导考核，增强基层执行力。三是促进考试评价治理多主体协同。明确开发者、施考者、使用者和监管者等相关方的权责边界，践行责任明晰、多方协同的治理策略。鼓励企业等开发者应用国产芯片、操作系统及国密算法构建全栈信创体系，通过多模型协同配置弥补单一模型在算法选择、数据训练等方面的潜在偏见，并自觉在系统设计与评价服务中嵌入安全与伦理约束，实现从被动合规响应到主动构建可信体系的转变。要求施考者和使用者遵循数据收集和使用的最小必要性原则，严格保护用户隐私，同时加强网络安全防护，防范数据泄露、数据篡改等风险。此外，设立专门的监管机构，落实人工智能算法与大模型备案审核，以及考试评价智能体应用的合规授权，严格惩处侵犯用户隐私和权益的行为，持续提升考试评价的安全防护能力。

（三）锚定实践需求，提升考试评价改革成效

尽管人工智能赋能考试评价改革解决了某些旧的问题，但也面临前所未有的复杂情况与艰巨任务。必须立足改革的实际需求与现实挑战，不断提出真正解决问题的新理念、新思路与新办法。为此，一是因试制宜，即推进人工智能赋能不同类型考试评价的适切应用。组建由教育专家、教育测量专家、技术专家及考试管理者共同参与的专项小组，依据考试评价利害程度、标准参照、内容结构化水平等特征，划分人工智能介入的层级深度，编制人工智能赋能考试评价适配矩阵，明确技术赋能边界、具体实施方案、监督机制及接受度提升策略，并根据技术成熟度和社会接受度动态更新。同步树立元评价意识，对人工智能赋能考试评价实践活动进行持续的价值审视与校准，评估影响机制、识别改进因素，以提升人工智能在各类考试评价应用中的有效性与适切性。二是灵活应变，即细化人工智能赋能考试评价改革的实施方案。鼓励各考试评价机构积极探索人工智能在命题、施测、评阅、反馈等环节中的差异化应用。如基于算法、考试类型、题型占比等因素，灵活组合“人工-智能-专家”的协同命题与评阅方案；适切选取文本情境模拟、对话交互、沉浸式虚拟现实等施测方案；根据考试评价用途，按需提供精细度与解释性各异的反馈服务，高利害考试评价侧重可审计报告与可追溯依据，日常考试评价则侧重即时个性化建议与学习路径指引。同时，避免盲目追求前沿技术与全模态数据堆砌，根据考试评价需求充分发挥不同测评工具的技术优势，确保技术真正服务于考试评价。三是攻坚克难，即破解人工智能赋能考试评价改革的实践瓶颈。鼓励专家学者系统研究人工智能赋能考试评价与传统考试评价、数字化考试评价间的内在关系与本质差异，深刻理解并回应改革赋予的时代新命题。如在能力为重导向下，应采集哪些信息作为考试评价的内容，哪些指标适于定量刻画或定性描述；综合评价结果在招考中的应用采取“硬挂钩”还是“软挂钩”；如何通过考试评价实现拔尖创新人才的精准选拔与优质培育等。此外，应明确考试是重要但非唯一的评价手段，探索如何利用人工智能加强考试评价与过程性、表现性等多元评价的关联补充，构建育人、诊断、选拔导向各司其职又互为补充的立体化评价体系，推动统一标尺向多元评价转变。

（四）统筹多维保障，夯实考试评价改革基础

人工智能赋能考试评价改革的长效发展，有赖于人员、基建、数据等要素支撑。为此，一是提升工作队伍评价素养，筑牢考试评价改革人才支撑。考试评价机构应持续提升成员的业务能力与智能素养，通过专题培训、学习研讨和实践调研，增强其运用人工智能优化考试评价组织、管理与反馈等环节的应变能力；同时，优化人才结构与岗位设置，吸纳、培育既精通考试评价业务又熟练掌握人工智能技术的复合型人才，为改革扫清技术障碍。此外，着力提升教师人机协同评价素养，依托国家智慧教育公共服务平台，加强线上线下相结合的考试评价改革专题教研与培训，帮助教师理解人工智能与考试评价融合的实践逻辑，明晰技术应用的界限与伦理规则，理顺教学考一体化改革路径；鼓励教师探索人工智能在日常考试评价中的创新应用模式，审慎对待人工智能生成的评价结果。二是完善新型基础设施，创设考试评价改革智能基座。各级教育行政部门及学校需统筹规划，持续推进考试评价场所的标准化改造与智能化升级，确保考试专网、基本软硬件设备的广泛覆盖与稳定运行。同时采取“小步快跑”策略，鼓励轻量化、低成本插件应用率先融入日常考试评价场景。推动高校、科研院所与企业联合攻坚智能考试评价领域的关键核心技术，构建基于云服务架构的智能考试评价平台，降低对终端设备的性能要求，实现各类学校以较低成本便捷接入；定向研发契合我国考试评价需求的多智能体系统和智慧考试评价助手，推动“中国教育考试网”智能化升级，打造功能更为完善、适配多元用户的官方门户。三是推动全链路数据贯通，激活考试评价改革内生动能。考试评价机构应统筹规划数据汇聚内容，建立考试评价数据资产目录，明确各类主数据的权威数据源。教育部须着力推进现有考试评价管理平台的整合与集约管理，为数据共享和流通打下基础；同时依托国家教育大数据中心建立考试评价数据中心，推动考试评价各环节、各业务、各类型数据的集成与交换，构建考试评价数据资产地图；升级考试评价“数据大脑”和“数据驾驶舱”，内置回归、聚类、分类、关联、预测等模块，提供全场域、全体量考试评价数据的分析研判、融合应用与可视呈现等功能，逐步建立用数据说话、决策、管理与创新的理念，推动大数据与考试评价工作的深度融合。

任何技术变革都不只是简单的技术应用问题，而是人类不断认识和优化自身活动的过程。作为引领社会转型和教育变革的重要驱动力，人工智能必然会深刻影响承载价值判断的考试评价。通过二者的持续互动与不断调适，考试评价的环节与流程得以优化，逐步形成协调有序、结构合理的考试体系，催生更具适应性的运行机制，使其向着更加科学、更为公平、更可持续的方向演进。面对这场关乎长远的人工智能革命，我们需在不确定中锚定确定方向，推动考试评价改革紧随人工智能发展大步迈进，在理论与实践的交替检验中稳步前行，为加快建设中国特色社会主义教育强国、办好人民满意的教育提供强大动力和制度保障。

本文编辑：徐华楠

本文英文摘要

本文完