鹿星南    高雪薇

教育评价作为对教育活动现实的或可能的价值作出科学判定的过程，是教育改革的“指挥棒”和“方向盘”，事关教育事业的高质量发展。人工智能已然成为助推新时代教育评价改革的“利器”，有效地革新评价理念、丰富评价主体、转换评价方法、改善评价结果。人工智能的双刃剑效应也引发了多重教育评价风险，表现为评价制度和数据标准的缺位、技术至上的作祟、评价主体智能素养的孱弱、数据主义的滥觞、隐私安全的披露等。规避人工智能赋能教育评价改革的风险，应加强制度供给，规范教育评价行为；遵循教育评价的育人逻辑，促成价值理性与工具理性的耦合；增强主体智能素养，培养专业化教育评价人才；数据主义祛魅，提升教育评价效能；编制数据伦理规约，构建至善的教育评价范式。

教育评价作为对教育活动现实的或可能的价值作出科学判定的过程，是教育改革和发展的“指挥棒”和“方向盘”，事关教育事业的高质量发展。起源于现代工业文明的教育评价与技术有着天然的联系，“往往新技术一经出现，很快就有相关研究探索其在教育评价中的运用”。近年来，因应人工智能与教育的双向赋能，催生了诸如无纸化考试、智能书写测评、智能命题等教育评价领域的新生事物。2020年10月，中共中央、国务院印发的《深化新时代教育评价改革总体方案》（以下简称《总体方案》）明确指出要借助人工智能、大数据等现代信息技术来创新评价工具，不断提高教育评价的科学性、专业性、客观性。教育评价与人工智能的深度融合，正成为新时代教育评价改革的主旋律。然而，现行教育评价体系的不科学、不完善难以适应人工智能快速应用与教育事业高质量发展的内在需求。基于此，本文从梳理人工智能赋能教育评价改革的发展态势着手，检视与探寻人工智能赋能教育评价改革面临的现实风险及消解对策，以期对新时代教育评价改革的健康有序推进有所裨益。

一、图景扫描：人工智能赋能教育评价改革的发展态势

（一）评价理念革新：由甄别选拔转向因材施教

发端于工业文明的现代教育评价深受整齐划一的教育工厂思想钳制，使教育评价逐渐偏离其本体价值，在实践中衍生出注重标准化、统一化或经验化等异化现象。究其原因，工业社会所标榜的工具理性和技术理性赢得了现代教育评价的主导地位，加速了现代教育评价的“虚假繁荣”，评价主体对“分数、升学、文凭、论文、帽子”等短期利益趋之若鹜，评价目的和过程倾向于甄别与选拔，最终导致人文精神和生命价值的旁落与沦丧，人的个性生命成长也被悬置起来。

《总体方案》锚定加快推进教育现代化、建设教育强国、办好人民满意的教育等根本旨归，以破“五唯”来扭转不科学的教育评价导向，充分彰显了以人为本、因材施教的教育评价理念。同时，智能技术赋能有利于因材施教理念的落地。因此，人工智能与教育的相互赋能以及新时代对创新型人才的深切期许，功利主义驱使下的教育评价模式难以为继，推动评价理念从关注“甄别选拔”走向基于“因材施教”，把人的发展置于教育评价改革的核心地位。具言之，依托物联网、大数据、学习分析、机器学习等智能技术，实时感知、捕捉、融合与精准分析多模态教育大数据，能够实现对个体综合素质水平的数字画像建构、精准诊断与评估，提供个性化的可视化诊断报告，给予不同评价对象个性化的教育干预服务。以学习者自我导向学习评价为例，借助智能技术融合多种学习形式，按照“识材—施教—发展”的演进逻辑，为学习者创造“因材择学”的机会。

（二）评价主体位移：由单级转向多级

尽管我国已从政策层面呼吁与承认来自政府、学校、家庭、社会等领域多主体参与教育评价的重要价值，但不同主体参与程度不平衡、不充分，缺乏双向或多向的协商对话。因为政府部门作为教育评价的权威主体，凭借“裁判员和运动员”的双重身份“发起”并“参加”评价活动，往往表现出行政权力的越位、缺位甚至错位等乱象。同时，囿于声望利益、人情关系的规约，其他利益主体经常以旁观者角色“置身事外”，缺失应然的话语权和利益表达权。

人工智能技术将推动教育评价从“主体结构单一、范式封闭独白”的蛰伏中走向多主体有效互动的觉醒。

其一，具备多模态融合、开放共享、高速流转等特征的教育大数据有望突破传统“命令—控制”的教育评价范式，激活其他主体对评价信息的知情权、监督权，不断优化评价主体结构。

其二，教育大数据建构的多维评价空间能够拓展评价数据来源，推动学生、家长以及社会等不同层面的利益主体实时获取所需数据，并依托智能共享平台表达各自的诉求、立场或建议，以此弥合不同评价主体间的利益分歧。此外，人工智能系统或智能机器等具有主体性的智能体也能够以一定身份参与教育评价。

其三，人工智能技术在聚合多元评价主体的同时，通过厘定多元主体间的角色权利、探索不同主体交流互动的对话模式，推动他们由既往“评与被评”的主客体关系转向“共同参与、协商对话、形成共识”的主体间性关系。概言之，人工智能技术正加速赋能“各美其美、美美与共”的多级主体共治的教育评价格局。

（三）评价方法转换：由经验主导转向数据驱动

既往教育评价掣肘于数据采集技术和分析方法的落后，评价方法主要是基于假设的“小数据”评价方法，其要么局限于评价主体的主观推断，要么依托理论假设的小规模抽样统计，或者囿于抽象的评价指标，导致评价结论的生成多侧重于“路径依赖和对研究者主观观念的个性依赖”。故此，以纸笔测验、抽样问卷、课堂观察为主的传统教育评价方法难以抵御经验主义的诱惑，往往以忽视教育的复杂性、非线性为代价而换取评价结果的全面性和客观性。

教育数据在教育评价各个环节的持续累积、动态生成与无缝流转，促使教育评价方法从“始于假设”的小数据评价走向“数据驱动”的大数据评价。数据驱动的教育评价方法是借助新型信息技术不断赋能传统教育评价工具和方式，打造“全样本数据+复杂模型+归纳分析+可视化反馈”的评价方法体系。

一是在评价数据采集阶段，利用物联网感知、视频监控、在线学习平台等智能工具实现多模态教育教学数据的动态抓取，再现真实、自然的教育样态，不断提升评价依据的客观性。

二是在评价数据分析阶段，综合运用教育数据挖掘和学习分析等算法技术，对多模态教育数据进行清洗、加工和转换，并通过建立可解释的评价模型，探求数据背后隐含的教育价值和规律，促成教育评价的价值判断走向精准。

三是在评价数据反馈阶段，利用大数据可视化技术，将评价数据分析结果以直观、具象的方式表达为可感知的图表或图形，真实刻画评价对象的成长轨迹，持续增强评价反馈的有效性。

（四）评价结果改善：由片面僵化转向全景式测评

受“学而优则仕”等传统文化、科学实证主义思潮的支配，当前教育评价结果的表征、反馈、解释、使用等亟待完善。即传统评价结果的表征多源于纸笔测验背后的成绩和排名，极易诱发量化数据的片面僵化使用，难以反映评价对象的客观实质；传统评价结果的反馈常拘泥于数据类型单一、次量不足等因素，削减了评价结果的科学性；传统评价结果的解释往往停留在小样本数据的描述分析或是经验判断，难以抵达评价对象的内在发展水平；传统评价结果的使用经常与利益名利捆绑，沦为评价对象凸显政绩、赢得政策支持、获取资源的工具。

人工智能驱动下的教育评价将助推评价结果范围拓展至“一切的教育和教育的一切”。首先，在评价结果表征和解释方面，借助可视化技术，以图形、图像等形式表征评价结果，更直观地反映评价对象的优势与不足，使评价结果的解释更加通俗易懂。其次，在评价结果反馈方面，依据智能推送技术，为评价对象提供动态、个性、精准的评价结果反馈，协助师生持续改进教育教学活动。例如，在课前预习测评和课堂实时检测中，通过高度个性化定制技术既能精准反馈评价结果即时调整学习策略，又能根据评价结果精准推送教学和学习资源。最后，在评价结果使用方面，智能技术所拥抱的互联互通、共享开发思维能够重构不同评价主体的权利分配和利益博弈机制，促进多元评价主体立足多元需求即时获取有关评价对象的全面、客观评价结果，辅助个体和教育管理部门形成基于有效证据的循证决策。总之，人工智能正加速消解评价结果的片面僵化困境，持续赋能全景式教育测评体系的形成。

二、现实隐忧：人工智能赋能教育评价改革的风险检视

（一）评价制度和数据标准的缺位：阻隔教育评价的有效运行

传统教育评价制度所触发的“路径依赖”效应仍表征出不断强化的惯性阻力，致使当前人工智能赋能教育评价的制度供给明显滞后于评价技术的创新与应用。

一是人工智能赋能教育评价的法律依据、应用规范等配套制度建设相对滞后，无法为教育评价实践提供制度保障。例如，尽管《总体方案》对新时代教育评价发展的总体要求、重点任务和具体举措作了系统部署，并提及智能技术在各级各类评价中的重要功效。但《总体方案》中与涉及人工智能在教育评价应用相关配套制度的设计存在模糊不清和供给不足等问题。

二是适应人工智能赋能教育评价的数据标准亟待完善。智能时代教育评价数据具有来源多元、采集复杂、类型庞杂、高速运转等特性，一定程度上亟须建立统一技术和数据标准，以确保评价过程的规范化。相应数据和技术标准的缺位，一方面会导致不同教育平台或系统间数据的横向共享、纵向互动存在障碍，引发数据壁垒现象，评价数据只能散落于各个孤立的平台或系统。另一方面，不同教育情境下所采集的评价数据兼容性不强，导致数据冗余、整合困难，极易降低基于数据的教育评价的科学性。

三是智能时代多元教育评价主体的权利和义务缺乏制度规范。缘于制度规范的匮乏，评价数据所有权和使用权可能过于集中在教育行政部门或部分技术专家手中，极易诱发教育评价的权力寻租风险。

（二）技术至上的作祟：教育评价沦为一种控制模式

技术崇拜和工具理性高扬笼罩下的教育评价实践，致使教育评价“成为生产人的手段、方式和过程，成为一种规训技术”。简言之，智能时代的教育评价异化为一种规定、控制教育的新模式。

其一，评价主体的“机器僭越”。人工智能应用的工具理性偏执可能招致一些评价主体患上“技术依赖症”，机械地将评价数据收集和分析、评价指标建构、评价决策权力让渡给技术，评价主体与技术的“主辅关系”移位。随着各种智能评价系统的开发和应用，评价主体逐渐被这些智能技术和工具“捆绑”和“代理”，钝化其思维和认知，出现主体性危机。

其二，评级体系的“算法规训”。一方面，算法设计者的主观偏见、算法思维的固有缺陷或训练数据的漏洞，会侵蚀评价过程的公平正义。如基于分数算法的评价系统会优先关注分数高的“好学生”而忽视分数低的“坏学生”，从而陷入“强者越强，弱者越弱”的恶性循环。另一方面，桎梏于算法程序的复杂性、抽象性和排他性，可能导致评价结果不被理解，抑或使部分评价者为了谋取利益而作出有悖教育实际的评价决策。美国华盛顿特区于2009年开发了基于学生考试成绩的IMPACT教师评估模型，并在后续两年时间清理了评分比较低的206名“差”教师。在凯西·奥尼尔看来：“人们很难对模型给出的分数提出质疑或者对抗……由于一个正当性与准确性都极为可疑的模型，穷学校失去了一个好老师。”

其三，评价对象的“数据监控”。“量化一切”等思想的甚嚣尘上，迫使当前教育评价发生“凡是存在必有数量，既有数量即可测量”的认识论转向。此种评价观统摄下的全数据教育评价俨然成为福柯笔下的全景敞视监狱，其作为一种隐性规训权力使评价对象不断“被注视、被观察、被详细描述、被一种不间断的书写逐日地跟踪”。评价对象作为人的应然生命价值也被禁锢在数据枷锁之中，它赖以追求的情感、体验、创造、自由等属人特质也被数据和符号所监控、挟持或宰制，逐渐矮化为数据驯顺的肉身。

（三）评价主体智能素养的孱弱：消解教育评价的效果

智能技术的强势介入在肯定评价人员主体性的同时，也在不断冲击评价主体的生物素养，如何提高评价主体素养尤其是智能素养成为智能时代教育评价改革面临的现实藩篱。

首先，人工智能赋能教育评价的专业人才稀缺。当前人工智能应用于教育评价处于起步探索阶段，“目前国内设置教育评价学科或教育测量与评价学科的高等学校数量屈指可数”，遑论教育学科中开设智能教育评价专业。而且，相关专业人才培养方案、机制不健全，引致人工智能应用教育评价受专业人才匮乏的牵制，阻滞了人工智能融入教育评价的进路。

其次，评价主体智能素养亟待提升。智能素养是集AI知识、AI能力和AI伦理为一体的综合素养。其中，AI能力是核心，是评价主体能否胜任智能时代教育评价实践的关键能力，涵盖数据能力、计算思维能力、算法能力等。现实境遇却是：评价主体智能知识欠缺，无法形成依托实证数据剖析教育问题、揭示教育规律、开展价值判断的评价思维，缺乏基于数据和算法进行教育决策的能力，严重制约评价效果的提升。

最后，智能素养的匮乏可能助长评价主体对智能技术和工具的恐惧、抵触和难以适应的心理压力，甚至沦为“技术弱势群体”而“缺席”评价现场，不断加剧评价主体间的“数字鸿沟”现象，难以驱动智能时代教育评价范式的转型。

（四）数据主义的滥觞：悬置教育评价的科学性

数据主义坚守数据为王，其在加速赋能数据驱动型教育评价体系建构的同时，却使教育评价系统被围困在声势浩荡的数据洪流之中，滋生一系列数据失范风险。

第一，数据样本风险。大数据标榜的“全样本数据”似乎是一个美丽的谎言，或者是特定情境下的部分或局部“全样本”。数据化教育评价看重的是评价主体可测量的外显行为（如学生分数和学习时间、教师科研量化考核、学校质量评估和排名等），而人的思想、情感、经验等重要内容则被剥离在大数据之外，或被降维成可操作、可测量的指标体系。因为“可测量的变成了唯一关键的事实，其余的则毫无用处与价值”。数据主义的狂妄可能使智能时代的教育评价沦为局部的、有限的评价。

第二，数据质量风险。从数据属性层面讲，教育大数据具有混杂性、碎片化、价值密度低等特征，一定程度上会影响数据质量。同时受技术滞后和设计者主观倾向的规约，数据的采集、整合、流转等环节容易出现隐性数据、信息失真、虚假数据或数据垃圾等数据失信困境，也会侵蚀教育评价数据的正确性、完整性。

第三，数据决策风险。一方面，将数据分析结果以“以偏概全”的方式表征，呈现的评价结果容易产生有误差的教育决策行为，或者公众对数据决策的结果不认同。另一方面，大数据长于相关关系而罔顾因果关系，甚至鲜有对数据间的关联进行挖掘，使评价人员不惜牺牲数据背后隐匿的深刻价值而换取勉强的科学化评价决策。譬如，教育管理者用机械的数据片面等同于师生的能力水平，并借助基于数据的量化结果开展“三六九等”的考核与评价，其结果无法令人信服。

（五）隐私安全的披露：引致教育评价的伦理失范

人工智能时代，“我们的个人隐私在不知不觉中受到侵害，我们不知道个人隐私被侵害到何种程度，也许我们早已变成了一个‘赤裸裸的人’”。智能时代教育评价数据的抓取、挖掘、存储、分析等应用无不需要大数据技术的赋能，这势必会威胁到评价主体的数据权和隐私安全，引发教育评价的伦理危机。

其一，评价数据的抓取、流转与数据隐私的扩散。智能技术弥合了实体教育空间和虚拟教育空间的分野，拓展了个体实践场域和交互形式，无论是主动分享抑或被动收集，被数据化的个体评价信息流入公共空间不可避免，严重弱化了个体的数据控制权，引发个体隐私扩散的风险。例如，教学过程中产生的数据是否可以被分析，理论上要获得评价对象的同意，现实情况却是评价对象为获得个性化的服务而不得不以牺牲个人隐私为代价。

其二，评价数据的监控与数据隐私的透明。星罗棋布的视频监控和智能设备在教育领域中的泛滥，打造了一座座“数据库超级全景监狱”，对评价对象进行隐秘、全方位、超时空的监视和提取，其身份、课堂表现、学习兴趣和偏好、成绩等个人信息也变得无“私”可“隐”。此种情况迫使师生置于被肆意、无限度地数据凝视之中，师生言行被数据化与去教育化呈现，既增加了错误决策的风险，也可能导致师生数据隐私不保或被不正当利用。

其三，评价数据的挖掘、分析与数据隐私的显现。在评价数据的挖掘、分析阶段，尽管采用了模糊和匿名化操作，但算法和数据的合谋将当下和历史数据进行关联、交叉和重组并进行精准画像，评价主体的个人隐私又被重新披露。此外，教育数据的开放共享诉求、数据隐私保护机制和监管制度的缺位、数据公司攫取利润的企图等问题的助推，进一步加剧了评价主体的隐私泄露。

三、路径探赜：人工智能赋能教育评价改革的风险消解对策

（一）制度保障：加强制度供给，规范教育评价行为

一是完善人工智能赋能教育评价的制度供给设计。一方面，在《总体方案》的基础上，政府和相关部门应在国家人工智能顶层设计的导向下制定人工智能融入教育评价的相关制度设计、规范保障体系以及配套政策等管理规范，如《人工智能赋能教育评价改革的发展规划》，主要包括人工智能赋能教育评价改革的总体规划、实施方案、重点任务、组织实施等内容。同时，地方教育部门和各级各类学校应持续细化国家层面的制度规范，形成具体、可操作的保障机制和落地举措。另一方面，征集有代表性、可推广的智能化教育评价典型案例，将优秀经验做法上升为制度设计层面，推动智能技术进步和制度创新的融合共生。

二是健全教育评价的数据规范和技术标准。基于多源异构数据建构对应的教育评价数据规范利于数据的规范化采集、存储。此外，技术标准是数据联通、交换和共享的前提。按照行业应用特点和国家技术标准体系要求，构建智能技术应用于评价数据的抓取、分析、应用与决策环节所需的技术标准体系，不断助推教育评价规范性和有效性。

三是确立和完善人工智能赋能教育评价多元主体的权责规范制度。首先，基于不同评价主体的特性、需求，通过制度规范厘定多元主体的权责边界，有效落实不同主体的角色定位、责任安排等。其次，科学设计不同主体参与的智能教育评价系统，推动政府职能由管理者向服务者角色转型，构建政府、技术专家、学校、家庭、社会公众以及第三方评价机构等协同参与的教育评价共同体，促进智能时代教育评价风险的合作共治。最后，明确划定政府、技术专家、商业巨头等教育评价主体的权利和职责，规避因评价权的让渡、过于集中、缺少约束而催生的消极影响。

（二）价值调适：遵循教育评价的育人逻辑，促成价值理性与工具理性的耦合

其一，持守以人为本的评价逻辑，彰显教育评价的价值理性。“机器文明的一切机制都必须服从于人的目的，人的需求。”智能时代教育评价应遵循教育的本质和规律，坚守以人文本的鹄的，唤醒评价主体作为属人的生命价值和主体地位，避免工具理性偏执下主体人与客体智能技术间关系的错置与翻转。因此，应充分呼唤育人为本评价价值理性的回归，积极寻求智能技术设计应用与评价主客体生命意识和生命活力的交叉点，将育人为本的评价价值观嵌入智能教育评价的数据收集、存储、计算处理、结果分析和决策处理等全过程，让教育评价重拾生命的光辉。

其二，复归人文主义，彰显教育评价主体的自主性。“维护和增强个人在其他人和自然面前的尊严、能力和福祉，应是21世纪教育的根本宗旨。这种愿望也可以称为人文主义。”智能时代的教育评价应坚守人文主义向度，摆脱工具理性的僭越，充分释放评价主体的表达、行动、决策等自主能力，让评价主体以一种全面发展、自由解放的姿态参与评价实践。

其三，超越工具理性，促成智能时代教育评价工具理性和价值理性的融合。一方面，在教育评价育人逻辑的基础上探索工具理性和价值理性统一的契合点和融合域，调和二者的分野与冲突，并在教育评价应用场景中嵌入“为了教育而评价”的价值观，促成主体生命和客体技术的互动对话，切实打造人机共舞的评价体系。另一方面，在评价过程中，推动算法和数据的祛魅，即通过提高算法和数据的透明性、可解释性来提升大众对评价数据、结果、决策过程的理解和认知，促进技术赋能教育评价的科学性和公正性。

（三）主体增值：增强主体智能素养，培养专业化教育评价人才

一是着力提升教育评价主体的智能素养。一方面，开展智能素养发展规划和标准研制工作，加强评价主体对“AI知识、能力”的理解和认知，增强人工智能体验，激发其借助人工智能开展教育评价的兴趣和意识。另一方面，构建评价主体职前职后一体化的智能素养培训体系。在职前，优化高校尤其是师范院校课程内容和课程结构，将智能素养的理论和实践融入其中，不断丰富评价主体的知识结构。如在“教育测量与评价”课程中增加智能测评、大数据挖掘与分析等内容；在已有专业课程体系中增设人工智能学科课程，并在职业技能训练课程体系中增加与智能技术相关的教学实践板块，提升评价主体利用人工智能开展评价的实践应用能力。在职后，开展学科教师、校长等教育工作者的智能素养专题培训，通过组织线上线下相结合的培训会议或学术会议，提升其利用智能技术甄别教学现状并作出精准评判的能力。

二是加强专业化教育评价人才的培养。考虑在高校设立教育评价学科，壮大教育评价人才队伍，保障评价目标设置、评价方案实施、评价结果反馈与运用的科学性、专业性。同时，深化人才培养方案改革，建立高校、政府、科研机构、科技公司的良性互动机制，促进教育评价学科与心理学、数学、管理学、人工智能、大数据等学科的交叉融合，通过不同学科之间专业智慧和思维方式的交融统整，诉诸人工智能与教育评价融合的复合型人才需求。此外，积极加强各级各类专业委员会、基金会、研究机构等官方或民间教育评价共同体和第三方评价机构的建设和扶持工作，进一步推动教育评价专业人才培育，为教育评价专业化建设提供后备社会支持力量。

（四）技术赋能：数据主义祛魅，提升教育评价效能

第一，加强教育评价人工智能基础设施建设。以教育新基建为依托，打造智能时代教育评价支撑体系的“数字底座”。通过升级和完善教育测评技术、教育网络、教育数据库以及数据采集、存储和分析设备等基础设施，不断弥合区域、城乡、校际的“数字鸿沟”，筑牢教育评价智能化转型升级的硬件支撑环境。

第二，健全教育评价数据共享机制。一方面，在完善教育评价数据规范和技术标准的基础之上，构建一体化的内部评价数据共享平台，消除各级各类部门间的信息孤岛、数据壁垒困境，实现评价数据在不同部门之间的内部共享与互通。另一方面，整合国家主导的评价数据管理平台，依循分级共享、授权使用的原则，打造从国家到学校的评价数据共享平台，形成教育评价的“大数据通用资源池”，以期为不同评价主体提供针对性的评价数据服务。

第三，倡导多元融合的教育评价方法。从应然层面讲，依托数据驱动的量化评价已然成为评价领域的主流范式。但教育的复杂性、内隐性、人文性决定着纯粹的量化方法难以度量评价主体的所有指标。我们既需要单向地、深入地去研究一些评价办法，同时需要采用一些综合的手段来进行评价。在新的技术图景下，教育评价在重视和使用量化评价方法的同时，引入侧重自然观察、访谈调查、描述分析等质性评价方法，建构量化评价和质性评价互补共融的科学人文主义评价范式，全面、客观、精准地刻画评价对象的真实情况。

（五）伦理关照：编制数据伦理规约，构建至善的教育评价范式

一是完善教育评价数据隐私安全的立法规范。充分吸收《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》中关于数据安全与隐私保护的核心条款，进一步制定和完善教育评价数据安全和隐私保护的法律法规，厘定评价主体的数据使用权、所有权和遗忘权，为教育评价的数据安全困境提供制度伦理保障。

二是坚守教育评价数据隐私安全的伦理价值。评价实践中，应坚守科技向善的伦理态度，即依循透明性、规范性、人文性、安全性等价值原则，规避教育评价数据采集、存储、传输、分析等环节的数据安全和隐私泄露风险。

三是健全教育评价数据隐私安全的保障机制。通过提高评价主体隐私安全风险认识能力、编制评价数据隐私安全防护方案、强化评价数据安全风险评估体系和问责机制等举措，探索形成教育评价数据隐私风险的协同治理机制，不断夯实智能时代教育评价数据安全风险的治理力度。

此外，加强教育评价数据隐私安全的技术保障。借助数据加密、匿名处理、威胁发现技术等监控和保护评价数据采集、存储以及应用等过程中的隐私泄露问题，同时依托区块链技术的去中心化、可追溯、防篡改、强加密等特性，从而缓和教育评价数据开放共享和隐私泄露之间的张力，更好地释放教育评价的数据价值。

（文章来源：转自微信公众号“中国教育学刊”，作者：鹿星南，湖北师范大学教育科学学院校聘副教授，博士，硕士生导师；高雪薇，湖北师范大学教育科学学院硕士研究生）