高校教师教学评价是保障人才培养质量、提升教育教学水平的重要环节。从高等教育自身发展轨迹看，无论是过去“一支粉笔、一本教案讲一辈子”，还是现在“满堂播放PPT”，这些高校教学中出现的问题都需要构建新型的评价体系和评价方式。当前，我国现有教育与教学模式正在受到数字化信息技术的巨大冲击，移动设备、碎片化学习已成为普遍趋势，人民群众对高质量高等教育的需要日益增长，传统的高校教师教学评价难以全面准确地反映教师的真实教学表现，数字化、智能化转型为高校教师教学评价提供了新的思路和办法。

数智融合完善高校教学评价体系

推动高校教师教学评价规范化。传统的教学评价往往基于经验感知，缺乏多维度和多数据来源的证据支持。数智融合驱动的评价模式突破传统主观评价的局限性，注重以证据为基础的评价。在数智时代，基于多源数据的循证教学评价成为未来的发展趋势，将循证导向、多源数据融合等理念纳入评价框架，制定清晰的评价标准和流程，借助数据的发展，实现感知、分析、预测等功能，使评价更加标准、可操作，消除主观性和随意性，实现规范化评价，有助于提高评价结果的可比性和公正性。

推动高校教师教学评价精准化。通过数智融合驱动，构建更精准的评价体系，通过细致的多维度测评，准确捕捉教学过程中的各个方面。采用大数据分析方法，能够自动化地分析和解释多源数据，为评价者提供智能决策支持。这一创新点将提升评价的速度，提高评价的精度，使评价更符合教学实际需求。同时，还可以根据不同教师的特点和教学风格，建立教师教学行为的动态模型，实现对教学活动更全面、更精准把控。精准化的评价有助于更精细地指导教师的教学改进，推动其个性化发展。

推动高校教师教学评价全面化。数智融合驱动的评价模式注重教与学的双向关注。从教学行为、认知、情感、智慧等多维度构建“教”的评价内容；从学生反应、学习成果、学习能力、核心素养等方面构建“学”的多层级内容，实现评价内容的全面性。在评价体系的构建中充分应用大数据编码和人工智能手段，可以让高校教师教学评价更加多元、综合和全面。

数智融合创新高校教学评价理念

单一评价向多维评价转变。传统高校教师教学评价过于关注评价考评功能，重管理效益。例如，教学评价简化为可量化的指标，如出勤率、课时量、教学论文的数量等，缺乏如何激发学生学习兴趣、培养关心学生成长需求等，此种做法缺乏激励、诊断和反馈的评价功能，更缺乏人文关怀，使评价过度强调外显行为，存在一定的主观性和片面性。建构基于数字化智能化手段的高校教师教学评价，可以推动教学评价内容的多样化和层级化，以更全面、精准地反映教学质量，推动评价内容更贴近教学的实际情境。

经验判断向数据循证转变。传统高校教师教学评价过于关注学生基于个体对前期教学的印象回忆的主观评价，难以直接对高校教师全方面和全过程的教学投入以及学生学习情况进行基于多源数据分析的客观评价。这种模式没有遵循多源证据的循证评价理念，过于重视学生满意度的主观经验判断，缺乏一定的科学性。而在数智融合背景下，评价方式正朝着数字化和智能化方向发展，通过利用大数据分析、人工智能等技术，教学评价可以基于更广泛的数据，如学生的学习进度、在线参与度、作业提交情况等，实现对教师教学行为的多维度、客观评价。这种方式有助于提高评价的科学性和准确性，更全面地反映教师的教学实力和学生的学习成效。

奖惩导向向以评促教转变。传统高校教师教学的评价结果通过同校同院部教师横向比较，进行奖惩，缺乏个体教师纵向的评估、教学优化和改进跟踪。这种模式缺乏针对教师专业发展和成长的个性化支持，偏离发展性评价导向，难以以评促教，更不能以评促发展。而在数字化和智能化技术支持下的新评价体系则更加注重以评价促进教师的教学和专业发展，通过对教师教学行为的持续跟踪和分析，评价不仅能够识别教学中的问题，还能够提供针对性的改进建议，从而促进教师的教学方法和策略的不断优化，真正实现以评促教、以评促发展的目标。

单一结果向过程导向转变。传统的高校教师教学评价重视期末学生的评价和同行评定，少有对教学行为的过程性跟踪动态评价和分析。随着数智融合技术的发展，新的评价方法开始强调教学过程的动态跟踪和及时反馈。利用数字化工具，如在线学习平台、教学管理系统等，可以实时收集和分析教师的教学行为和学生的学习表现。这种评价方式不仅关注最终的教学成果，更重视教学过程中的各个环节，如课堂互动、学生参与度、作业完成情况等。此外，数字化和智能化的评价工具使评价指标更加具体化和可视化，为教师提供了更具操作性和针对性的反馈，从而有效促进教学方法的创新和改进。

探索高校教师教学评价新路径

目前，已经有部分长三角地区高校在教师教学个性化评价方面进行了富有成效的实践探索。建构基于多维数据的教学行为评价指标体系、基于循证的多源数据融合的教学评价形式、基于数字化智能化手段的教学评价层级内容，以数智融合推进高校教师教学效果提升。

多维数据的获取不仅包括动作技能和语言内容等外显教学行为指标，还包括情感态度和价值观念的内显教学行为指标，从而精准客观地分析诊断高校教师教学行为。例如，苏州大学设计开发了“基层教学组织电子档案袋”，各基层组织制定活动计划月历，定期开展教学专题研讨、集体备课、公开课等各类教学研究活动，将活动的内容、过程与成果以数字化方式记录下来，上传学校云平台，学校将数据进行分析整理，并作为基础教学组织考核评价的重要参考指标，通过多源数据的融合，构建全面、客观的评价指标。

以循证教学评价理论、大数据和智能化科学技术为抓手，以全教学过程数据链为依据，对高校教师教学全过程进行多维度、精准化的动态生成性评价，突破传统的由学生感知和督导领导经验感知评价所存在的主观性和经验性问题，推动教学评价向科学化、数智化的方向发展。例如，通过AI数据分析对教室内图像的实时抓取，并对抓取的图像按时间进行切片分析，包括教室上座率、学生出勤率、实时抬头率、前排就座率等，通过数据的统计与分析，提供给教学督导组，作为教学效果评价的辅助参考之一，系统评估教师的教学状态和行为以及学生的学习状态。

针对传统的只评教不评学问题，建构“教”和“学”两个维度的层级化评价内容。前者依据投入程度划分为四个内容：教学行为、教学认知、教学情感、教学智慧，后者依据学习成效划分为四个内容：学生反应、学习成果、学习能力、核心素养。通过数智融合丰富“教”与“学”的评价内容，例如浙江大学在线教育空间的融合建设，串联了教室、课程和平台，面向学生有课堂互动数据、过程性成绩数据、学习数据分析，学习行为实时分析，面向教师有学生随堂微评、督导线上评价与建议、录课随机同行评价等，通过解构分层，对教学效果进行评价，实现对教学全过程的多维度、动态生成性评价。

通过教学行为评价指标体系构建、基于循证的多源数据评价手段和形式的构建，推动教学评价改革创新。上海交通大学计划2025年完成“互联网+教育”大平台建设，其信息化应用覆盖全体师生和教学全过程，平台融入现代教学理念，具有小组讨论、同伴互评、评价量规设定等功能，教师可开展研讨、互动等教学活动。同时平台具有课程、学生等多维度数据分析功能，平台访问、学习互动、测验分析等报告，为学情诊断提供支撑，实现基于数据的过程性评价。苏州大学“云中苏大”项目，通过数据建模、数据清洗、数据分析助力教师教学评价改革，探索数智融合的高校教师教学评价新路径。

（作者单位：苏州大学人力资源处；本文系江苏省高校哲学社会科学研究一般项目“省属高校人才评价机制改革研究”〈2022SJYB1442〉阶段性成果）