□ 赵晶 程思齐

生成式人工智能的快速迭代，正深刻改变着知识生产、信息传播和教育教学的方式。对高职院校而言，思政课既承担着立德树人的根本任务，又面临学生来源多元等现实特点，传统的教学评价方式已难以适应新时代高职院校思政课改革发展的需要。对此，应坚持技术赋能与价值引领相统一，不断提升高职院校思政课铸魂育人实效。

一、传统教学评价方式难以适应高职思政课新要求

思政课不同于通识类课程，育人效果不仅在于学生的理论知识掌握程度，更在于价值认同塑造与行为素养养成，但现有评价往往聚焦期末考试卷面得分等量化指标，将动态复杂的育人过程简化为静态分值累加。这种评价方式仅能反映学生的知识掌握程度，无法捕捉其思想转变等核心育人成果。

过程性评价覆盖不足也是一个短板，极易影响评价结果。高职院校思政课强调知行合一，教学场景早已突破传统课堂局限，延伸至线上学习等多元场域，学生的学习表现与成长轨迹贯穿全教学周期。但实际评价中，多数院校仍将考核重心放在课程末期，缺乏对学生日常学习的持续追踪。既难以真实掌握学生的学习状态和思想动态，也难以让教师依托过程反馈及时调整教学节奏与内容。

此外，评价反馈闭环的不完整，导致其难以有效反哺教学。评价的核心价值在于“以评促教、以评促学”，但传统评价多停留在年度考核报备层面，存在数据零散等不足。一方面，教师难以获取班级精细化评价数据，因而难以有针对性地开展教学改进；另一方面，学生难以通过评价结果明晰自身短板。

二、生成式人工智能为教学评价提供新支撑

面对上述挑战，生成式人工智能的引入有助于打破数据壁垒，重构整体评价体系。针对思政课教学数据碎片化，该技术可在合法合规的前提下，整合线上线下各环节的学习数据，通过智能分析勾勒学生完整学习轨迹，这一转变可以实现对育人过程的全景评价。

同时，依托智能技术的优势，还可以强化动态诊断，进而实现差异化的精准评价。高职院校学生群体思政课学习需求与思想困惑各不相同。依托生成式人工智能的智能识别与分析能力，则能够快速提炼学生学习中的共性问题与个性特征，精准定位理论理解薄弱点，辅助教师开展靶向性教学诊断。相较于传统教学评价，智能技术让教学评价更贴合学生个体差异，为因材施教提供数据支撑。

此外，新技术的应用还能大幅提升反馈效率，重新激活教学评价的反哺功能。传统教学评价存在明显滞后性，导致问题发现晚、教学改进慢，而生成式人工智能能够实时抓取教学过程中的各类数据，快速生成阶段性评价反馈。既可以为教师优化教学内容、调整教学方法提供实时参考，也可以帮助学生及时查漏补缺，让评价反馈贯穿教学全周期。高效的即时反馈既能提升教学迭代速度，也能强化学生的学习主动性，让评价真正成为教学提质的抓手。

三、坚持人机协同优化教学评价机制

在具体的实践探索中，首要环节是优化教学评价指标体系，推动知识、能力、价值的有机统一。高职院校思政课评价需立足职业教育特点与思政课育人目标，构建多元化评价维度。既要考核理论知识掌握情况，也要考察学生运用理论分析现实问题和参与实践的能力。生成式人工智能可为指标量化提供技术支撑，但指标体系的设计必须紧扣教育规律与育人初心，始终把价值引领作为教学评价的核心标尺。

其次，必须重视提升教师的数字素养，牢牢把握教师在教学评价过程中的主导权。生成式人工智能虽然可以提供辅助分析，但不能替代教师对学生思想状态的专业判断。要加强高职院校思政课教师数字能力培训，提高教师运用智能工具进行数据甄别、结果研判和教学改进的能力，真正把技术优势转化为育人优势。

最后，还需不断完善平台治理规范，坚决守住评价改革的安全底线。思政课教学评价涉及学生学习数据、思想表达和成长轨迹等信息，具有较强的敏感性。推动生成式人工智能融入评价体系，必须把数据安全等问题摆在重要位置。要在明确技术应用边界的同时，避免片面依赖算法结论。只有在规范有序与安全可控的前提下推进智能评价，才能确保技术创新始终服务于正确的育人方向。

总之，生成式人工智能为高职院校思政课教学评价改革提供了新的路径，也对教育理念更新和机制优化提出了更高要求。它凭借强大的数据处理、个性化分析能力，打破了传统教学评价的单一化局限，可实现对学生思政素养、学习过程的精准画像，让评价更具针对性和科学性。提升高职院校思政课教学评价质效，关键在于坚持立德树人根本任务，遵循思政课建设规律和学生成长规律，坚守思政教育的核心立场。只有始终坚持技术为育人服务、评价为改进教学服务，将生成式人工智能与思政课教学评价深度融合，完善配套管理制度、提升教师技术应用能力，才能真正把生成式人工智能转化为推动高职院校思政课高质量发展的新动能，助力培养担当民族复兴大任的时代新人。

【作者分别系湖北职业技术学院、湖北绩效评价信息管理研究中心；本文系湖北绩效评价信息管理研究中心2025年度招标课题一般课题《生成式人工智能视域下湖北高职思政课教学绩效评价的现实困境与优化机制研究》（课题编号：2025HBJXPJN11）的阶段性研究成果。】