1. 形成性评价遇上ASI：AGI驱动的实时学情追踪与动态测评模型

一、为什么"实时学情追踪 + 动态测评"是 AGI 时代形成性评价最先被重构的杠杆

• 感知瓶颈：教师靠"眼神扫描"判断学生是否跟上，"无异于大海捞针"
• 建模瓶颈：学生认知状态的演化轨迹难以被静态测评捕获——万方 2026 年研究指出，传统评价"以分数为主、偏重结果、一次性的期末考核难以呈现数值计算与编程实践能力在学期内的演化轨迹"
• 响应瓶颈：即使感知到学情，教师生成个性化反馈、变式练习、分层推送的耗时，使得反馈往往滞后到下一节课

💡 关键洞察：AGI 时代形成性评价的本质不是"用 AI 替代教师评价"，而是把评价从"教师凭经验的一次性决策"升级为"AI 实时感知与动态建模 + 教师基于教学目标终审"的双人协作。教育部《使用指南》的判断一锤定音："教师不得将生成式人工智能作为替代性教学主体，禁止直接使用 AI 回答学生问题或提供咨询；应避免直接使用 AI 生成内容评价学生"。

二、动态测评模型：BKT × IRT 双向桥接的计算底座

🎯 第一层：BKT 在概念层面的精细追踪

$$P(L_t)=P(L_{t-1})+(1-P(L_{t-1}))\times P(T)$$

🎯 第二层：IRT 在能力层面的全局估计

$${\theta }_{n+1}=\arg \underset{\theta }{\max }I(\theta |r_1,r_2,...,r_n)$$

🎯 第三层：BKT ↔ IRT 双向信息流（核心创新）

• IRT → BKT：IRT 估计的能力 ${\theta }_i$ 初始化 BKT 的先验掌握概率
• BKT → IRT：跨相关概念的 BKT 掌握概率聚合后更新 IRT 能力估计

💡 这种双向信息流使系统既能享受 IRT 的测量精度，又能保留 BKT 对概念特定学习动态的敏感性——这是"动态测评"在计算层面的真正含义：测评不再是静态的"考—判—分"，而是贯穿学习全过程的"建模—更新—再建模"。

🎯 第四层：多维度熟练度估计

$${\hat{\theta }}_j=\frac{{\sum }_{i=1}^n{w}_{ij}\times x_i}{{\sum }_{i=1}^n{w}_{ij}}$$

三、实时学情追踪：多模态学习分析（MMLA）的四层架构

🎯 架构层一：多模态数据采集层

• 运动姿态估计：MediaPipe 提取骨架关键点，计算运动保真度
• 语音流畅度：Whisper 提取语音指标
• 面部情绪识别：OpenFace 分析情绪状态

• 交互日志：LMS 点击流、答题时长、修订次数
• 眼动轨迹：注意力分配模式
• 语音与对话：课堂发言、小组讨论的语义与情感
• 姿态与行为：身体语言、协作中的空间位置
• 生理信号：心率变异率（可选，用于高利害场景）

🎯 架构层二：认知状态动态建模层

• 学习缺口识别准确率：92%（静态测评 65%、规则自适应 78%）
• 学习者参与度：提升 40%
• ​ retention 分数：从 65% 提升至 85%
• 并发支持：500+ 用户

• Engaged（投入）
• Struggling（挣扎）
• AI-Dependent（AI 依赖）
• Gaming the System（应付系统）

⚠️ 关键价值：这套框架能区分"真实的技能发展"与"AI 辅助的输出"——这是生成式 AI 时代学情追踪的命门。当学生用 AI 代劳时，传统日志数据会失效，而历史感知序列建模能捕捉到"被动求助→复制答案"的模式。

🎯 架构层三：预警与干预建议层

• 实时数据同步：学习活动发生时即更新学生进度
• 可定制视图：按学科、学生、时间段、表现水平过滤
• 预测性分析：在挑战成为重大障碍前预测潜在学习困难
• 行动建议：不仅展示数据，更推荐具体的辅导干预

🎯 架构层四：测评草稿生成层

• 掌握度估计：基于 BKT × IRT 双向桥接的各概念掌握概率
• 错因聚合：基于 NLP 的概念误解模式识别
• 干预建议：个性化练习、变式题、补救资源推荐
• 预警提示：当某选项错误率超过阈值（如 40%）时触发

四、反直觉发现：八段锦研究对"越多反馈越好"的证伪

⚠️ 对 AGI 动态测评模型的深刻启示：AI 驱动的实时反馈系统如果设计不当，可能因为"反馈过密"而触发认知负荷干扰。这要求动态测评模型必须具备"反馈节律控制"机制——不是学生一出错就立即推送反馈，而是基于认知负荷模型决定何时干预、干预多深。这与 Hattie 的反馈理论一致：反馈的有效性取决于"时机、清晰度、与目标的关联"，而非密度。

五、学段红线与数据安全：教育部《使用指南》的硬约束

学段使用边界

教师侧的六条硬约束（教育部《使用指南》原文）

1. 教师不得将生成式人工智能作为替代性教学主体
2. 禁止直接使用 AI 回答学生问题或提供咨询
3. 应避免直接使用 AI 生成内容评价学生
4. 严禁将个人信息、考试试题等敏感数据输入 AI 工具，防止数据泄露与隐私侵害
5. 未经授权不得利用 AI 复制传播他人作品，避免著作权侵权
6. 避免过分依赖 AI 抄袭工具

数据安全与隐私保护的五条铁律

1. 敏感数据禁输：严禁师生在使用生成式人工智能工具时输入考试试题、个人身份信息等敏感数据
2. 白名单制度：各中小学校需建立健全生成式人工智能工具"白名单"制度，经严格审核评估，仅允许符合教育场景需求且数据安全合规的工具进入校园使用
3. 动态审查：教育行政部门对技术供应商的数据收集、存储、使用及传输等处理流程实施动态审查
4. 代劳式使用杜绝：明确禁止学生直接复制人工智能生成内容作为作业或考试答案
5. 算法透明与可复核：系统说学生某类能力薄弱，教师必须能查看原题、原答案、原过程，不能直接下判断

形成性评价场景的特殊约束

• 数据最小化：能用课堂答题数据解决的，就不采集无关个人信息
• 算法透明：BKT/IRT 模型输出的掌握度估计必须可解释、可审计
• 学生解释权：学生可以说明自己为什么这样答，系统判定不能被直接采信
• 认知主权：AI 追踪的是"学习过程"，而非替代"学习本身"——arXiv 2026 框架明确："AI 系统不应移除人类自主性，或替代本质性的认知努力"

六、不可退让的四根红线

• AI 可以生成评价草稿、掌握度估计、错因聚合、干预建议
• 但学生的最终评价、成绩评定必须由人类教师作出
• AI 是评价体系设计的辅助工具，不是评价主体
• 教师必须对 AI 输出的评价草稿进行审核、编辑、终审

• AI 动态测评系统必须定位为"分析工具"而非"诊断权威"
• 教师必须基于原题、原答案、原过程复核 AI 的判断
• 系统说学生某类能力薄弱时，教师要看原题、原答案、原过程，不能直接下判断
• 学生有解释权：学生可以说明自己为什么这样答，老师不能只看系统判定

• 系统必须能区分"真实的技能发展"与"AI 辅助的输出"
• 学生必须亲自完成核心认知任务，AI 追踪的是真实学习过程
• 定期"无 AI 环境迁移测试"：检验学生在无 AI 支持下的独立表现
• 反馈系统必须"augment, not replace"——增强而非替代学生的认知努力

• 动态测评系统必须具备"反馈节律控制"机制
• 不是学生一出错就立即推送密集反馈
• 基于认知负荷模型决定何时干预、干预多深
• 教师终审时可调整 AI 反馈的密度与时机

七、对教育实践的三层操作框架

• 多模态数据采集：融合交互日志、语音、姿态、眼动等多模态数据，建立学生认知状态的实时画像
• BKT × IRT 双向建模：用 IRT 估计初始化 BKT 先验，用 BKT 聚合更新 IRT 能力估计，实现概念级与全局级的双向追踪
• AI 生成评价草稿：掌握度估计、错因聚合、干预建议、预警触发——但仅作为"草稿"
• 教师终审与决策：教师基于教学目标判断审核 AI 草稿，作出最终评价与教学决策；在教案中预设"预判点（Pivot Points）"
• 反馈闭环：与学生分享匿名化聚合结果，使生产性挣扎正常化
• 学段红线：小学阶段禁止学生独自使用开放式内容生成功能，AI 动态测评以"教师端工具"形态存在；初中阶段可适度探索生成内容的逻辑性分析；高中阶段允许结合技术原理开展探究性学习
• 教师角色：从"凭经验评价"转型为"人机协同评价终审者"与"教学目标决策者"
• 红色线：AI 生成内容不得直接使用为最终评价、AI 认知建模局限必须被复核、认知努力与学习真实性不可外包、反馈节律必须受认知负荷约束

• 明确"学生—AI—人类教师"三元主体的角色边界：AI 承接算力密集型任务（多模态数据采集、认知状态动态建模、学习缺口实时识别、测评草稿生成），教师专注教学目标判断与价值引领，学生保留认知努力与解释权
• 建立"augment, not replace"机制：AI 动态测评增强教师观察，但不替代；AI 反馈必须"支持规划、反思与自我评价"，而非移除人类自主性
• 评价焦点从"任务表现"转向"认知主权与真实胜任力"
• 强制"无 AI 环境迁移测试"：定期检验学生在无 AI 支持下的独立表现
• 部署 Auth-LP 式学习真实性鉴别：识别"AI-Dependent"与"Gaming the System"状态，预警教师

• 将动态测评的标的从"认知技能差异化"升级为"在 ASI 时代保住人的认知主体性与反思能力"
• 测评系统评价聚焦于 ASI 无法触及的维度：意义建构能力、价值判断力、批判性反思能力、解释权
• 培养 Deep ASI Literacy——使民主公众具备审议 ASI 设计、评估其存在性风险的能力
• ASI 时代的动态测评系统，必须完全透明、可审计、可推翻

1. "AI 实时多模态感知 + BKT×IRT 双向建模 + 教师基于教学目标终审"是 AGI 时代动态测评的核心范式：Springer Nature 2026 框架给出了计算底座——IRT 估计的能力初始化 BKT 先验，BKT 跨概念聚合更新 IRT 能力估计，实现概念级与全局级的双向追踪；SOFIA 面向在线协作学习的服务导向 AI 自适应测评框架在 250 人实验中以 92% 准确率识别学习缺口（静态测评 65%、规则自适应 78%），参与度提升 40%，retention 从 65% 升至 85%；Auth-LP 框架（CSEDU 2026）通过分析 Prompted、AskGenAI、HelpSeeking、HintRequest、AcceptSugg、ReviseSugg、Modify 的时间戳事件序列，识别 Engaged、Struggling、AI-Dependent、Gaming the System 四种行为状态，能区分"真实的技能发展"与"AI 辅助的输出"。教育部《使用指南》一锤定音："教师不得将生成式人工智能作为替代性教学主体，禁止直接使用 AI 回答学生问题或提供咨询；应避免直接使用 AI 生成内容评价学生"。
2. "反馈节律控制"是 AGI 时代动态测评模型必须内置的认知负荷约束机制：八段锦 AI 辅助体育教学 MMLA 研究（Frontiers in Education 2026）通过 MediaPipe + Whisper + OpenFace 三模态融合，揭示出"Precision-Economy"教学原型——表现优异的指导者靠运动保真度（r_s = .52）与言语经济性（r_s = .47）取胜，而过度纠错反馈与学习者技能增益负相关（r_s = -.41），存在认知负荷干扰效应。ScienceDirect 2026 多模态学习分析路线图进一步强调：有效的 MMLA 系统"取决于可解释性、信任以及与用户需求的契合度"，而非单纯预测精度——系统应"将数据驱动的推荐作为选项而非处方"。这意味着 AGI 动态测评模型绝不能"学生一出错就立即推送密集反馈"，而必须具备基于认知负荷模型的干预节律控制。
3. 红线不可退让，认知主权是伦理底线：教育部《使用指南》明确小学禁独自开放式生成、初中探索逻辑验证、高中允许探究性学习；严禁直接使用 AI 生成内容评价学生；教师不得将生成式人工智能作为替代性教学主体；严禁输入考试试题与个人信息等敏感数据；工具"白名单"制度从源头杜绝隐私泄露；教育行政部门对技术供应商的数据收集、存储、使用及传输等处理流程实施动态审查。arXiv 2026 学习可见性框架给出根本性约束："AI 系统不应移除人类自主性，或替代本质性的认知努力，而是应支持规划、反思与自我评价"。

⚠️ 必须正视的一点：当前中文教育科技语境中存在一种危险的"AGI 动态测评万能论"——仿佛只要接入了多模态学情追踪与 BKT×IRT 动态测评，形成性评价就自动做到了"具体、及时、可操作"。但严格的研究给出的是冷峻的辩证：八段锦 MMLA 研究揭示过度纠错反馈反而损害学习（r_s = -.41）；SOFIA 框架虽达到 92% 缺口识别准确率，但研究本身承认"未来应检验其在更广泛学科与教学模型中的适用性"；Auth-LP 框架是"概念验证（proof of concept）"阶段，而非大规模课堂常态；arXiv 2026 框架尖锐指出商业平台"经常提供基于单一模态日志的指标（如成绩、花费时间、登录频率）"，只捕获了学习过程的一小部分；ScienceDirect 2026 路线图强调"生态影响的 hinges 与其说取决于预测精度，不如说取决于可解释性、信任和与用户需求的契合度"。教育部《使用指南》的话最为直白："应避免直接使用 AI 生成内容评价学生"——这 13 个字，穿越了从 ANI 到 AGI 的技术演进，在 ASI 时代依然会是形成性评价不可退让的锚桩。