一、引言

高校思想政治理论课是落实立德树人根本任务的关键课程。为进一步提升思政课教学质量，高校逐步建立起了学生评教、教师自评、专家同行督导、管理部门日常监测等形式的多元主体参与的教学质量评价体系。然而，多元评价在实践中也带来了重复评价、过度评价等问题，各评价主体之间缺乏有效的协同机制，导致“以评促建”效果不够理想。传统评价过度依赖人工听课、量表打分、数据整理等重复性劳动，工作量庞大且效率低下；评价指标多从管理者视角设计，未能充分凸显学生真实需求；督导评价以随机听课为主，存在“以点带面”的片段化问题；教师自评因科研考核压力而被边缘化。

《中华人民共和国国民经济和社会发展第十五个五年规划纲要》明确提出“促进人工智能助力教育模式变革”，为新时代教育评价改革指明了技术路径。如何构建具有广泛应用价值的教学质量评价人机协同模型，实现人类主体与智能主体深度协作，是新时代高校思政课改革创新的重要议题。本文基于第四代评价理论和认知科学领域的共享心智模型与态势感知模型，系统探讨高校思政课教学质量人机协同评价模型的构建逻辑与实施路径，旨在为新时代高校思政课教学质量评价改革提供理论参考与实践指引。

二、高校思政课教学质量评价的现实困境

各大高校逐步建立起了管理部门、督导、教师、学生等多元主体参与的思政课教学质量评价活动。但由于多元主体对思政课的关注点和认识理解不同，当前开展多元主体分类参与思政课教学质量评价的机制尚未成熟，各主体评价行动面临诸多现实困境。

（一）管理者评价：以管代治的行政化困境

思政课为代表的高校思想政治教育工作具有政治性与思想性、理论性与实践性等特点，其教学质量评价离不开教育管理部门的指导与参与。但当前管理者评价存在以管代治的行政化倾向。其一，管理人员通常不是教育评价专业人员，存在“外行指导内行”的问题。评价方案的制定侧重便于管理的程序合规性和表面指标，部分高校将思政课与一般公共课程等同视之，沿用统一听课评价表，忽视了思政课特有的价值引领功能和理论讲授深度。其二，评价活动的开展遵循过往做法或个人经验，缺乏基于证据的评价机制。例如，在对教师教学方法进行评价时，“课堂气氛是否活跃”缺乏明确评价标准；以“听一次课定等级”，忽视教学的连续性与发展性。其三，在管理主义思潮影响下，管理者评价呈现明显的量化泛化趋势，如将思政课考试成绩等同于教学质量、教学效果等同于学生评教分数、教学改革简化为项目数量。

（二）督导评价：以点带面的片段化困境

在思政课教师队伍快速增加的背景下，思政课教学督导肩负着贯彻落实中央精神、把牢把准工作方向的重要使命。近年来，我国逐步建立起了教育部、学校、学院多层级、系统化的督导组织。但是，高校思政课教学督导评价仍存在片段化评价的问题。其一，督导评价形式的片段化。督导员通常随机选取某一课时进行观摩，时间短、覆盖面窄，这种“点状”观测方式易使教师为迎合评价标准而进行教学表演，刻意设计课堂环节以迎合督导偏好，而非聚焦学生真实成长。其二，督导评价过程的片段化。有效的督导应是督与导的有机结合，但现实中常重督轻导。当前不少高校督导评价仅止于学期中随机听课后的简单评分，未建立跟踪机制以评估改进效果，未能形成"诊断—反馈—改进—复核"的良性循环。

（三）学生评价：流于形式的失焦化困境

学生评价是倾听学生声音、回应学生思政课需求的重要途径。当前，高校普遍建立起了以学生评教为主要形式的思政课教学质量学生评价制度，但学生评教存在流于形式的风险。其一，评价指标未凸显学生真正需求。评教指标多从管理者或教师视角设计，强调教学态度、内容规范性等易量化要素，如备课认真、讲授思路清晰等，要求学生站在教师角度评估，实为学生代人评教。其二，尚未建立起过程性评价机制。当前多数高校的学生评教以终结性评价为主，即在期末进行一次性评估，学生基于整体印象打分，缺乏对教学过程中具体问题的及时反馈。其三，学生评教存在滥用的风险。部分学生参与思政课评价存在随意性和主观性，越是认真负责、严格要求学生的教师，评教分数往往越低；而课堂轻松、考试放水的教师反而更容易获得高分。

（四）教师评价：力所不及的边缘化困境

教师自评是最真实的评价，基于自评提出的改进措施更为切实可行且真实有效。但从现实来看，思政课教师不仅承担着教学任务，还有着科研工作、事务性工作等的压力，导致部分教师对思政课教学质量的反思“力所不及”。首先，过度的科研考核压力使得思政课教师无暇顾及教学质量自评反思。思政课教师还普遍承担着繁重的理论宣讲、党团事务等非教学任务，多重角色超载，使得教师将有限的时间与认知资源优先分配给硬性的、可量化的考核任务，而对需要静心、深入梳理的教学质量自我反思则陷入心有余而力不足的境地。其次，缺乏共识性质量标准使得教师自评反思无从下手。思政课的教学成效核心在于学生思想观念、价值取向与政治素养等的内化与提升，这类目标具有内隐性、长期性和复杂性，教师往往只能依赖于模糊的自我感觉或简单的学生课堂反应等表层指标，难以对教学设计的学理性深度、价值引导的精准性等核心维度进行系统审视。

三、人机协同评价的理论基础

人机协同教育评价区别于注重工具创新与技术运用的智能教育评价，强调指向人类智慧与机器智能的深度融合，是智能教育评价的更高形态。人机协同具备目标一致、各司其职、环境共享等特点。本研究吸收认知科学领域的“共享心智模型”与“态势感知模型”作为人机协同的理论框架基础。

（一）共享心智模型：实现评价认知的人机对齐

共享心智模型（Shared Mental Models）源于团队协作研究，指团队成员之间形成的关于任务、团队和工作环境的共同认知结构。在人机协同评价中，共享心智模型能够实现人类主体与智能主体的认知对齐，通过算法拟合，使智能主体的输出与人类主体的评价偏好和标准形成统计上的一致性。具体而言，智能主体通过深度学习算法分析历史评价数据，逐步理解和内化人类评价者的价值取向与评判标准，形成与人类评价者相似的认知框架。在此基础上，智能主体能够自主完成常规性评价任务，而人类评价者则可以专注于复杂价值判断和创造性评价活动。共享心智模型的核心机制在于“认知对齐—反馈修正”的迭代循环：智能主体基于当前心智模型生成评价输出，人类主体对输出结果进行审核与反馈，智能主体据此调整和优化自身心智模型，从而实现人机认知的持续趋同。

（二）态势感知模型：实现感知—理解—决策的人机协同

态势感知（Situation Awareness）是对周边环境要素的感知、理解并以此进行预测的过程。Endsley提出的经典态势感知模型包含三个层次：感知（Perception）、理解（Comprehension）和预测（Projection）。在人机协同评价中，态势感知模型为智能主体提供了完整的评价认知框架。智能主体借助多模态数据采集技术，实现对课堂教学语音、手势轨迹、师生互动频率等信息的深度感知；通过学习算法和自然语言处理技术，辅助理解复杂教学概念和价值引领的深层意涵；基于历史数据和当前情境，对教学效果进行趋势预测。

分布式态势感知模型进一步拓展了经典模型的应用场景，强调一个成员的不足可以由另一个成员（包括非人类智能体）来弥补。在人机协同评价中，智能主体参与评价信息的捕捉和态势显示，帮助人类主体获取良好的态势感知信息。人类主体则凭借价值敏感性、教育经验和批判性思维，对智能主体的态势分析进行审核、补充和修正。两种模型之间存在动态交互关系：共享心智模型是分布式态势感知的认知基础，提供共同的理解框架；分布式态势感知是共享心智模型的实践体现，通过信息互补与整合形成对评价环境的整体感知，验证和更新心智模型。

四、高校思政课教学质量人机协同评价模型的构建

基于上述理论基础，本文围绕评价目标、评价内容、评价过程和评价结果四个核心维度，构建高校思政课教学质量人机协同评价模型。该模型以立德树人为根本价值导向，以数据驱动和人工智能大模型为技术支撑，以多元主体深度协同为运行机制，旨在实现思政课教学质量评价从规范检查到质量建构的范式转型。 

（一）评价目标协同：凝聚立德树人价值共识

所谓"和鸣"，并非追求目标的完全同一，而是承认差异基础上的有机整合。管理者、督导、教师、学生、社会等主体的差异化诉求统一于立德树人这一根本价值共识之上。在人机协同框架下，智能主体通过分析国家教育政策文本、课程标准、教学大纲等规范性文献，结合各高校思政课教学实际，辅助人类主体构建层次清晰、可操作的评价目标体系。管理者跳出行政考核视角，把育人成效作为核心标尺，通过制度化监测兜底质量基准；督导转变为专业引领者，把控思政课教学质量的一致标准；教师从被动受评者转为价值共创者；学生作为育人对象，真实反馈对立德树人的获得感；社会以成果检验者身份，评价毕业生在实践中的价值践行。

智能主体在这一过程中发挥关键作用：一方面，通过自然语言处理技术解析政策文本，提取评价目标的核心要素和层级关系；另一方面，基于多校历史数据，运用聚类分析和回归分析，识别影响思政课教学质量的关键目标变量，为人类主体设定评价目标提供数据支持。人机协同设定评价目标的机制是：人类主体基于政策与已有知识提出初步目标，体现思政课价值导向；智能主体感知数据并更新心智模型，通过双向交互弥合分歧并达成一致目标。

（二）评价过程协同：达成教情学情动态监测

高校思政课教学具有多重教育过程特性，过程性评价是全方位、多角度地对教学质量进行综合评价。所谓并行，是指多元主体在各自职责范围内、以适宜的频率和方式同步开展评价活动，形成对教情与学情的实时追踪，避免重复评价与过度干扰。管理者搭建智慧评价平台，整合多源数据形成数据共享库，宏观追踪教学进度；督导实施常态化推门听课+专项督查，用观察量表记录动态教情；教师利用数字工具开展课前、课中、课后全流程监测，生成精确教学画像；学生通过课堂弹幕、周小结等轻量化途径，实时表达对教学的适应度；社会则通过实践基地反馈，动态追踪学生的价值应用能力。

智能主体在评价过程中承担数据采集、初步分析和动态追踪的核心职责。态势感知模型协助智能主体实现对评价信息的深度感知：借助视觉识别技术，自动提取课堂教学中的关键行为片段；借助语音分析技术，识别教师讲授的语速、语调、关键词覆盖度等特征；借助学习分析技术，追踪学生的知识掌握轨迹和价值认同变化。基于上述分析，智能主体能够自动识别教学异常或薄弱环节，及时向相关主体发出预警，使人类主体只需聚焦关键节点进行深度研判，实现了从全量人工到人机分工的转变。

（三）评价结果协同：驱动教学实效持续提升

思政课教学质量评价的最终目的是改进而非评判，评价结果的有效运用是协同路径的落脚点。多元主体共同参与评价数据的解释与诊断，在对话协商中探寻问题根源、共商改进策略，形成“评价—诊断—改进—再评价”的闭环。管理者基于大数据形成校级报告，宏观调整课程体系与师资建设；督导出具个性化诊断建议，为教师指出具体改进点；教师召开反思会，根据多方反馈调整教学行为；学生参与结果说明会，明晰评分标准并持续献计献策；社会发布育人白皮书，倒逼课程内容与社会需求对接。

在结果协同阶段，智能主体承担两项关键职能：一是认知双向增强实现协同评价决策。智能主体输出初步结论并附置信度评分，置信度高的部分直接采纳；置信度低或涉及复杂价值判断的部分由人类主体复核并反馈给智能主体，用于调整模型参数。二是人机协同持续反馈评价结果。智能主体呈现评价结果，生成教学改进建议；人类主体审阅并补充质性建议，形成智能主体分析+人类主体判断的协同评价报告。通过持续的反馈循环，智能主体的心智模型不断优化，人机协同评价的效果也随时间推移而持续提升。

五、人机协同评价模型的实施路径

人机协同评价模型的落地实施需要技术基础、制度保障和文化氛围的协同推进。本文提出以下实施路径：

第一，构建思政课教学质量大数据平台。采集课堂教学语音、视频、手势轨迹等多模态数据，结合学生满意度调查、学业成绩等传统数据，构建千万级标注样本的教学质量数据集。通过数据清洗、特征提取和标准化处理，为人工智能大模型训练提供高质量的数据基础。在此基础上，选用适配教育场景的大语言模型（如GLM、文心一言等），通过微调训练使其具备思政课教学质量评价的专业能力。

第二，建立多元主体协同评价的制度框架。成立由管理者、督导专家、一线教师、学生代表和社会人士共同组成的思政课教学质量评价委员会，明确各主体在评价中的角色定位、职责边界和行动规范。制定人机协同评价的标准操作流程，规范数据采集、模型运行、结果审核、反馈改进等各环节的工作要求。建立评价结果的申诉与复核机制，保障评价过程的公平性和透明度。

第三，培育人机协同评价的组织文化。开展面向管理者、督导、教师等多元主体的智能评价素养培训，帮助其理解人机协同评价的理念、方法和技术工具，消除对人工智能的疑虑和抵触。树立人机协作、各展所长的评价文化，使各主体充分认识到智能主体在数据采集和初步分析方面的效率优势，及人类主体在价值判断和质性分析方面的不可替代性。鼓励教师在教学反思中主动运用智能评价工具，将评价反馈内化为教学改进动力。

第四，实施渐进式推广策略。遵循试点探索—经验总结—逐步推广的路径，先在条件成熟的高校或学院开展试点应用，验证评价模型的信效度和适用性。基于试点积累的数据与用户反馈，定期迭代模型，动态优化评价指标权重与人机分工边界。从市内、省内到国内逐级推广实施，打通系统接口形成闭环，不断提升模型的可迁移性。

支持单位：