摘 要：人工智能正在深刻重塑教育生态，推动高等教育发生系统性变革。“变”与“不变”已成为高等教育高质量发展的时代命题，从构成要素看，高等教育培养目标从知识传授转向能力本位，教学模式从单向灌输转向人机协同，学习方式从统一进度转向个性定制，资源配置从校际封闭转向跨界共享，师生关系从单向指导转向成长伴随；与此同时，高等教育必须坚守立德树人根本任务、人才培养核心使命、教育本质规律、质量保障基本要求等价值根基。教育评价作为教育改革“指挥棒”，在“变”与“不变”中承载着引领与保障的作用，要以数智赋能提升评价效能，以分类评价引导特色发展，以专业认证牵引培养模式改革，以质量监测服务教育改进，为深化教育评价改革、推动教育强国建设提供支撑。
关键词：人工智能；高等教育；教育本质；教育评价
一、问题的提出
人工智能技术的迭代突破，正在触发高等教育领域一场深层次的范式重构。尤其是DeepSeek、ChatGPT等生成式人工智能出现后，人工智能由辅助性工具逐步进入知识生产、课堂教学、学习支持、教育治理与质量保障等核心环节，改变着高等教育运行的技术条件和组织环境。这场技术变革不仅改变了知识的获取方式、教学的组织形态，更对教育的根本价值提出了深层追问。当机器能够完成越来越多原本由人承担的知识性工作时，大学人才培养的重点应当发生怎样的调整？当学生可以借助智能工具开展学习时，教师的专业价值又体现在哪里？当技术能够精准记录和分析学习过程时，我们究竟应该评价什么、如何评价？这些问题构成了人工智能时代高等教育必须面对的新课题。
对于这些时代之问，习近平总书记2025年在看望参加政协会议的民盟、民进、教育界委员，并参加联组会时给出了深刻回答：“现在，一方面，有了智联网、人工智能，教育的工具和方法会发生变化，学生能力培养会有变化，这些正需要与时俱进地进行改革。另一方面，对于学生的启智、心灵的培养和基本的认知能力、解决问题能力的培养，是不能放松的。基本功还得有。”这一重要论述为理解人工智能时代教育的“变”与“不变”提供了根本遵循，也为教育变革指明了方向。
从大学职能演进的历史规律来看，“变”与“不变”始终是一个辩证统一的命题。人工智能时代，“变”首先体现为技术条件变化对高等教育运行方式的影响。事实上，能力培养、个性化学习、跨学科培养等并非人工智能出现之后才产生的改革取向，人工智能的特殊作用在于加快既有改革进程，并使一些教育活动的组织方式、主体关系和实现机制发生新的变化。相较而言，“不变”的是教育目的、育人规律和质量责任所具有的相对稳定性，是超越技术变迁的价值根基。二者在技术进步与育人目的之间形成持续互动，教育目的为技术应用提供价值尺度，技术进步则不断拓展教育目的实现的方式和可能。基于此，本研究将系统考察人工智能深度嵌入高等教育后呈现出的新变化、新张力，以及高等教育需要持续坚守的价值内核及其现实依据，并从教育评价的角度探讨如何回应这一时代命题，以期为推动高等教育高质量发展提供参考。
二、人工智能时代高等教育正在发生的深刻变革
近年来，从课堂教学到课外实践，从人才培养到教育治理，人工智能推动高等教育发生的深刻变化随处可见。这些变化已由局部的技术改良，逐步扩展为人才培养理念、教学组织机制、学习支持方式、资源配置格局和师生互动关系的系统性重塑。
（一）培养目标：从知识传授到能力本位
高等教育长期建立在相对稳定的知识体系和学科结构之上，人才培养也因此更多围绕知识传授展开。这一模式源于工业时代对标准化人才的规模诉求，具有其历史合理性。从重视知识掌握转向更加注重能力与素养发展，是高等教育人才培养改革长期演进的重要趋势。早在人工智能广泛进入教育领域之前，能力培养已经成为高校教育教学改革的重要取向。人工智能虽非这一转向的起点，但正在显著改变知识生产、获取和应用的条件。当前，生成式人工智能已能够快速完成信息检索、知识归纳、文本生成乃至一般性问题求解，过去需要通过较长时间训练才能完成的知识学习正在被重新定义。在此背景下，人才培养越来越难以及时回应时代要求。当一般性知识的获取更加便捷，人才之间的差异逐渐取决于知识运用的能力，更加强调培养个体应对未来不确定性、持续学习和创新创造的能力，能力本位的人才培养要求被进一步强化。从当前教育实践观察，一批高校正在积极探索培养目标的转型。复旦大学开展的项目制人才培养模式改革，推行了120多个培养项目，学生打破院系壁垒参与其中。浙江大学、南京大学等华东五校联合微专业，探索跨区域、跨校资源共享机制，采用“AI+X”模式培养具有跨界整合能力的人才。
与之相适应，人工智能也在推动评价理念发生深刻转变，从过往侧重于甄别、诊断的结果导向，转向关注学生素养成长轨迹的增值导向。这种人才培养目标及其评价理念的转向具有普遍性，从国际视野看，欧盟将“负责任地使用人工智能”列为公民关键素养，2025年11月发布的第五版数字能力框架（DigComp3.0），主要变化就是将人工智能能力深度融入数字能力的所有领域。经合组织关于OECD国家高等教育的相关研究指出，创造性思维和批判性思维已被广泛纳入高等教育政策导向与资格标准之中，表明高校人才培养正在由单纯强调知识掌握，转向更加重视高阶能力与综合素养发展。此外，美国、英国、日本、新加坡等国也都密集出台了系列政策，积极开展人工智能时代的教育变革实践，能力本位正在成为全球高等教育改革的核心取向。需要把握的是，从知识传授到能力本位并不是以能力培养取代知识教育，在知识获取更加便利、技术输出更加丰富的同时，学生只有具备扎实的知识基础和基本认知能力，才能形成独立思考、解决复杂问题和驾驭智能技术的能力。
（二）教学模式：从单向灌输到人机协同
传统教学模式根植于工业文明的知识传递逻辑，自夸美纽斯奠定班级授课制以来，以教师为中心的讲授便成为知识规训的主导形态，学生则在制度化教学的微观权力结构中居于相对被动的接受端。这种“满堂灌”的教学模式承载着规模化人才培养的效率诉求，对于高等教育而言，在知识相对稀缺、教师掌握学科权威解释的时代，教师主讲、学生听讲的课堂结构曾在相当长时期内有效支撑了大学的人才培养任务。然而，当知识生产与传播的速率被人工智能彻底重构，该模式的弊端也日益显豁，学习者的主体性在单向输出中易被遮蔽，个性化发展路径因标准化的流程设定而趋于板结，创新素养的培育空间亦在预设的答案框架内被不断挤压。人工智能时代，技术驱动课堂场域的权力结构发生位移。有研究者观察发现，在一些大学课堂上，部分学生虽然看似低头游离于讲授节奏之外，但实际却是借助DeepSeek等大语言模型同步梳理教师讲授的知识点。值得深思的是，这种辅助学习的效果甚至超过部分教师的课程归纳。这一现象折射出当前教学模式中主体关系正在发生变化，当知识传授功能可以部分由人工智能完成时，教学的核心价值究竟何在？教师的作用需要如何重新定位？
人机协同正成为教学模式创新的重要方向之一，在教师、学生与智能体构成的三元互动动态网络中，教师更多承担创造性、引领性的角色，人工智能主要承担支撑性功能。人机协同过程主要呈现出三个特征：第一，知识传授的人机分工，将程式化、标准化的知识传授交由AI完成，使教师得以聚焦于高阶思维与批判性洞察的培育；第二，学习过程的人机互动，让学生在与智能体的持续对话中完成认知结构的迭代更新，理解不再是终点，而是不断被追问的起点；第三，评价反馈的人机协作，AI提供基于数据的基础诊断，教师则凭借自身教育经验，对诊断结果进行价值判断。武汉理工大学的实践表明，通过建设AI巡课系统，对课程开展情况进行智能化分析，可以精准定位教学问题，为教师改进教学提供数据支撑，人机协同的教学诊断模式正在从个别探索走向广泛应用。与此同时，人机协同也带来了新的教学风险。若将知识理解、问题分析乃至学习决策过多交由人工智能，学生可能出现认知外包和思维惰性；如果教师过度依赖算法提供的教学方案和评价结果，也可能削弱自身的专业判断。因此，教学模式变革需要重新确定教师、学生和技术之间合理的职责边界。
（三）学习方式：从统一进度到个性定制
传统高校人才培养以学科为边界、以专业为单元，依据相对统一的培养方案组织学习，学生以相同节奏学习相同的知识节点。此类流水线式的育人模式虽然保证了人才培养的基本规格，却也以“千人一面”为代价，挤压了学生群体多元化发展与个体个性化发展的可能性。人工智能的介入为改变这一现状提供了技术可能性，通过对学习行为数据的持续性采集与挖掘，可以生成每个学习者的学习画像，重点识别哪些知识节点被频繁调用，哪些思维路径不够顺畅，哪些概念联结存在堵点。这种动态描摹帮助教育者跳出经验直觉的局限，在数据维度上还原学习者认知发生的过程，并基于个体的认知弱项提供差异化学习路径。这一技术优势也促使大规模个性化培养成为可能，人工智能根据个体特征制定适配的培养方案，推动教育回归到“千人千面”的本源。
从理论层面看，学评融合理念的兴起为这种转变提供了支撑，本质上是学习过程与评价活动的深度统一，其实现的核心技术路径是个性化学习引擎，即构建“数据采集→状态追踪→智能推荐→反思改进”的循环系统。该系统包括数据层、诊断层和推荐层，数据层整合多源异构数据，诊断层应用认知诊断模型动态解析知识状态并预测趋势，推荐层依托算法生成个性化学习路径，将评价活动重构为认知元监控过程，使之进化为素养生长引擎。从实践层面看，目前，诸多高校正在积极探索个性化学习的实现路径。例如，北京邮电大学开发的智能助学平台，能够实时感知每一位学习者的学习进度，并根据学生的认知状态一步步地引导和启发学生自主探索，帮助学生从会解题走向会思考，从而突破标准化培养方式对学生学习潜能的束缚。此类探索表明，人工智能支持下的高校学习方式转型，不只是以更高效完成学习任务为目标，而是通过数据感知、动态诊断和精准支持，提高学习过程与个体需求之间的匹配程度。但个性化也存在被技术异化的风险，算法主要依据既有数据进行识别和推荐，如果学生长期处于由既有偏好和历史表现构成的推荐环境中，可能形成新的路径依赖，甚至过早固化对学生能力和发展可能性的判断。
（四）资源配置：从校际封闭到跨界共享
传统高等教育资源配置以校内供给为主，课程、师资、平台、实践条件和数据资源大多围绕单所高校内部进行组织，跨校、跨区域、跨国的资源共享长期面临制度、技术壁垒。封闭的资源配置模式造成了优质资源的孤岛效应，一定程度上固化了校际、区域间的发展差距。人工智能时代，随着数字技术不断突破时空限制并嵌入高等教育运行全过程，高校资源配置方式正在从校际封闭走向跨界共享，从资源独占走向生态共生。跨校选课、跨域参与实践、线上协作成为新常态，智能助教、优质AI课程和顶尖教育资源的共建共享机制，打破了资源壁垒，有效缩小了校际、区域间差距。这种变化也表现为企业与高校的边界逐渐模糊。党的二十届三中全会提出，“加强企业主导的产学研深度融合”，教育界与科技界、企业界、用人单位跨界培养人才，正在成为人才培养的新模式。工程硕博士培养中高校与企业联合培养是这一趋势的具体实践，这种跨界融合要求重新审视教育资源配置的逻辑，从封闭的校内配置走向开放的生态共享。
资源配置方式的变化还与信息空间形态的重构密切相关。人工智能技术的群聚效应塑造了信息生态环境，超越了传统工业社会形成的“心-物”二元空间，出现诸如赛博空间、信息空间、虚拟空间、数字空间等概念，其实践形式主要表现为虚实融合、虚实联动。空间的互嵌演进推动社会形态发生本体论转向，进而改变了教育资源的交互方式，突破时空边界，形成泛在化学习生态。资源配置方式的变革还体现在数据资源共享上。随着教育教学、学习过程与质量保障活动不断数字化，数据本身正成为高等教育资源体系中的关键组成部分。国家层面的教育质量保障数据基座正在建设中，通过构建全覆盖的教育质量评价数据库，使教育决策能够基于更大样本、更长时间跨度、更多维度的数据进行综合分析，改变了传统决策依赖有限样本的局限。同时，基于高校师生教学成效和满意度调查数据库的建设，也将为院校评估、专业认证、质量监测以及多元主体参与的教育治理提供更加稳定的数据支撑。当前教育数字化转型机制尚不健全，不同高校在数据基础、智能平台、算力条件和教师数字素养方面存在差异，高水平人工智能资源可能进一步向少数学校和平台集中，数字化可能形成新的资源壁垒。因此，人工智能时代资源配置需要同时关注资源共享效率和教育机会公平，使技术成为扩大优质资源可及性的条件。
（五）师生关系：从单向指导到成长伴随
传统师生关系建立在教师主导知识传授、学生接受指导并完成学习任务的基本结构之上。在以知识讲授为中心的教学模式中，教师通常居于课堂组织、知识解释和学习评价的主导位置，学生则更多作为教学对象进入既定的培养流程。这种单向指导的师生关系适用于以知识传授为主的教育模式，但进入人工智能时代，当知识传授功能部分转移给智能工具后，知识不对称的状态正在发生变化。虽然教师的知识传授功能不会消失，但依据知识传授所形成的专业权威相对弱化，其价值更多地体现在对学生成长的伴随与引导上，师生关系逐步呈现深度耦合、成长伴随的特征，从“我讲你听”走向“我伴你行”。因此，人工智能时代师生关系的变化，更侧重于教师专业价值重心的调整。教师既需要继续承担必要的知识教学，更需要根据学生学习状态和发展需求提供具有针对性的指导，在学术规范、价值判断、学习规划和身心发展等方面发挥作用。随着一般性知识支持越来越容易由智能工具获得，建立真实的教育关系，在真实情境中作出正确的教育判断，更加彰显教师职业的不可替代性。
师生关系的转型对教师专业发展也提出了新的要求。人工智能时代，高校教师不仅要适应教学工具和课堂组织方式的变化，更需要通过反思性实践重构专业角色，形成特有的教育判断和教育智慧。尤其是在人工智能越来越多介入课堂观察、学习分析和教学评价的背景下，教师如果只是被动接受数据结果，便可能逐渐失去对教学过程的真实认知。譬如，在基于AI的课堂教学评价中，仅用教学设计文本和教学视频作为输入，采用预设的分析指标作为评价标准，由AI自动生成分析结果以及教学改进建议的评课报告，将人排除在评价回路之外，会产生“机器进-机器出”的评价怪象。因此，人工智能时代高校师生关系的重塑，也意味着教学评价和教师发展机制必须同步调整。需要采用“人在回路”的人机协同评价机制，由机器发挥技术优势，客观化、规模化、精准化、多模态分析课堂，而人类教师处于回路之中，前期明确评价目标，中期围绕特定维度开展协同分析，后期结合分析结果对专业实践行为与结果进行深度洞察，从而回应师生关系新形态。
三、人工智能时代高等教育需要坚守的价值根基
习近平总书记在2025年3月6日看望参加全国政协会议的民盟、民进、教育界委员，并参加联组会时指出：“教育，不能把最基本的丢掉。”在教育数字化浪潮奔涌的今天，我们必须清醒地意识到哪些是高等教育不能丢掉的“最基本的”，这些“不变”的要素，构成了高等教育的价值根基，也是高等教育在任何时代都必须守住的底线。
（一）立德树人根本任务不能变
“培养什么人”始终是高等教育必须首先回答的根本问题。习近平总书记强调：“我们要建成的教育强国，是中国特色社会主义教育强国。”这一论断锚定了高等教育变革的价值坐标。无论技术发展如何更迭，立德树人根本任务不可撼动，这既是教育内在的政治属性使然，也是由教育育人本质所决定。立德树人之“德”，不仅包括个人品德与修养，更涵盖家国情怀的浸润、社会责任的唤醒、理想信念的淬炼等深层内涵。尤其是在技术高速迭代中，生成式人工智能的出现进一步凸显了立德树人的重要性。技术并非中立的，其本身蕴含的价值取向取决于设计者和使用者，既可能拓展人的解放空间，也可能沦为工具理性的帮凶。与传统教育技术相比，生成式人工智能具备生成内容的能力，能够通过对话介入人的认知过程。当可计算性、可测量性和可预测性不断增强时，将会产生技术至上倾向、主客悖论、人文关怀缺失等风险。因此，技术使用越深入，价值判断的重要性越突出。人工智能时代坚持立德树人，价值引领更需要以一种更具穿透力的方式嵌入教育全流程。高校既要培养学生运用人工智能的能力，也要帮助学生形成辨别技术信息、判断技术后果和承担技术责任的意识。技术能够拓展育人的手段，却不能决定育人的方向，这是立德树人在人工智能时代不能改变的根本原因。
（二）人才培养核心使命不能变
从高等教育发展史来看，大学职能不断拓展，科学研究、社会服务等日益成为现代大学的重要组成部分，但人才培养始终处于高等教育的核心位置。纵观历次科技革命和产业变革，高等教育始终与生产力跃升同频共振，每一次生产力革命都对人才培养提出新的质态要求，改变社会的知识结构、职业结构和人才需求，并推动大学调整专业设置、课程内容和培养方式，却没有改变大学人才培养的基本使命。当前，人工智能正在重塑生产方式、产业体系和社会发展模式，驱动新质生产力加快形成。新质生产力必然要求与之相适配的新型劳动力，部分学者以经济学理论模型推演，人工智能对就业结构的影响整体表现为就业替代效应和就业新增效应，并且出现“两极化”特征。一方面，人工智能正在替代部分程序化、重复性的知识工作，并催生新的职业形态和能力需求，高等教育必须及时回应人才需求变化；另一方面，随着人工智能逐步具备部分知识传授功能，高等教育亟须重新审视人才培养定位，更加重视知识学习、思维训练、实践体验、学术养成、社会交往和价值塑造等功能。更进一步看，人工智能提高了社会对高素质劳动力的能力要求，也使大学人才培养的重要性更加突出。未来人才不仅需要掌握专业知识，还需要具备批判性思维、创新能力、跨界协同能力以及驾驭智能技术的能力。因此，高等教育不能因为技术能够部分替代知识传授而削弱人才培养，而要进一步转向促进人的能力和素养发展。人工智能改变的主要是人才培养的内容和方式，但人才培养核心使命的基础性、战略性和不可替代性更加凸显。
（三）教育本质规律不能变
教育归根到底是促进人的自由成长和全面发展的实践活动。人工智能可以介入教育过程，却不能改变人的发展具有主体性、过程性和社会性的基本事实。知识可以通过技术更加便利地获得，学习过程可以借助数据进行分析，教学方案也可以由智能系统提供辅助，但真正的学习仍然需要学习者主动理解、思考、实践和反思。学生如果只是接受人工智能生成的答案而没有经历必要的认知加工，即使能够更高效地完成学习任务，也未必真正形成了相应的知识结构和能力。随着人工智能发展，未来许多工作可能被机器替代。如果青年学生意识到自己所学知识在未来社会难以找到用武之地，可能会产生价值感失落，甚至产生“躺平”心态。因此，越是在技术快速迭代的背景下，越需要重视人的主体性。师生之间基于信任形成的交流、教师依据具体情境作出的教育判断以及学生在真实社会交往中形成的责任意识，都是人才成长过程中难以由技术复制的重要内容。教育所面对的是完整的人，是具有情感、理想、责任、共情能力与伦理判断等核心特质的社会主体，情感温度、伦理责任均是人工智能难以复制的教育价值。因此，人工智能时代，技术嵌入高等教育的边界始终以教育本质为原点，遵循人的成长规律，审慎把握技术介入的伦理边界。
（四）质量保障基本要求不能变
质量是高等教育发展的生命线，也是人才培养必须守住的基本要求。高等教育具有鲜明的战略属性，其质量不仅关系高校自身办学水平，更关系国家创新体系建设、人才自主培养能力提升。人工智能正在改变高校教育教学的过程和形态，也对传统质量保障方式提出了直接挑战。过去主要通过课程成绩、考试结果和阶段性评价判断学习成效，当前已逐渐转向基于数据的循证评价。学习行为数据的持续积累，为过程性、增值性评价提供了新的可能，却也带来算法偏差、数据隐私和数字鸿沟等风险。如果简单以数据的丰富程度代替评价的有效性，以算法输出代替专业判断，技术不仅不能自然提高教育质量，反而可能使评价偏离真正的学生发展。由此，人工智能时代质量保障需要坚持学生中心的质量观，质量保障的循证来源和实现方式则需要随之改变。一方面，利用人工智能提高数据采集、过程识别和质量诊断能力；另一方面，保持必要的人工判断和多元交叉验证。国际上，德国巴登-符腾堡州推出的“fAIrChat”计划，借助GPT模型构建安全可控的对话式学习与评量环境，让学生在互动中生成可追踪的学习轨迹。韩国政府早在2024年就投入3818亿韩元，支持教师数字化能力提升，推动AI技术在课堂教学中的应用。可见，人工智能已从辅助工具演变为质量监测的重要构成，其关键在于建立科学有效的人机协同模式，让技术承担其擅长的数据处理和辅助分析，让教育主体保留对质量标准、教育价值和复杂情境的最终判断。
四、面对高等教育的“变”与“不变”：教育评价的应对之道
教育评价是教育改革的“指挥棒”。面对数字技术快速发展带来的育人模式和治理方式变革，必须深刻认识到高等教育评价不是单纯的技术升级，而是受教育目标、育人规律和价值尺度共同制约的复杂实践，需要在“变”与“不变”之间建立新的适配关系。近年来，高等教育评估领域围绕院校评估、专业认证和质量监测等工作持续推进改革，为深化新时代高等教育评价改革提供了现实基础。
（一）以数智赋能提升评价效能
人工智能时代，高等教育活动的数字化痕迹不断累积，评价对象、评价场景与评价证据都在发生变化，传统主要依赖人工采集、经验判断和阶段性反馈的评价方式，已难以完全适应高等教育质量治理的现实需要。数智技术通过整合课程学习、教学互动、实践活动和发展结果等多源数据，可以形成更加连续的评价证据。借助数据分析和智能诊断，可以识别学生学习过程中的变化轨迹，使评价由阶段性判断进一步延伸到过程诊断和发展反馈。从运行逻辑看，数智评价首先需要高质量数据，其建设涉及分类标准、采集转换、预处理、仓储管理、分析应用以及结果呈现等一整套相互衔接的环节。具体实践层面至少包含三个方面：第一，应夯实国家教育质量保障的数据基础，依托数智技术整合分散数据资源，逐步形成覆盖范围更广、更新频率更高、类型更为多元的教育质量数据库。第二，应建设统一高效的数据管理平台，解决数据分散、标准不一和共享不足等问题，使公共数据资源真正具备可汇聚、可比对、可调用的条件。第三，应探索数据驱动的评价决策模型，推动评价从主要依靠经验作出判断，逐步转向以证据为支撑、以分析为基础的决策方式。与此同时，教育质量难以被完整转化为可计算数据，算法分析也受到数据质量、模型规则和应用情境的制约。因此，数智评价应建立人在回路的人机协同评价机制，使数据证据与专业判断相互印证，提高评价的客观性、连续性和诊断能力，使评价效能提升最终落实到教师教学改进和学生实际获得上。
（二）以分类评价引导特色发展
人工智能虽未改变高等教育分类发展的基本规律，却进一步凸显了不同类型高校在功能定位、人才培养和技术应用上的差异。不同高校由于办学使命、学科专业结构、资源禀赋和服务面向不同，对人工智能的吸纳方式并不相同。研究型高校更多将人工智能融入科技创新，应用型高校更加注重人工智能与产业场景的结合，技能型高校更加关注人工智能技术人才培养和技能创新。高校分类评价对高校分类发展具有强烈的导向作用，人工智能时代需要强化分类评价的适切性，为不同高校设置差异化的评价标准，在坚持立德树人和人才培养基本质量标准的基础上，根据不同类型高校的功能定位确定评价重点。研究型高校应更加关注原创知识生产、拔尖创新人才培养和服务国家重大战略的能力，应用型高校则应更加关注人才培养与区域产业发展的契合程度、学生解决实际问题的能力以及服务经济社会发展的实际贡献，技能型高校应突出职业岗位匹配，关注技术技能传承与创新。同时，人工智能也为分类评价提供了更加丰富的循证基础，随着教育教学、科学研究和社会服务等大数据不断积累，可以更加动态地观察不同高校的发展过程及其实际贡献，为评价从简单的横向比较转向基于功能定位的发展性判断提供支持。需要警惕的是，不能过度依赖可量化的技术指标，要坚持类型之间等值而非等级化的基本取向，在共同质量底线之上尊重不同高校的发展逻辑。
（三）以专业认证牵引培养模式改革
专业是人才培养的基本单元，培养目标和能力结构的变化最终需要落实到专业人才培养方案、课程体系和教学过程之中。专业认证则是保障专业建设质量、推动培养模式改革的重要机制。随着人工智能深度嵌入教育教学过程，专业认证应面向新阶段人才培养要求，调整认证理念、优化认证标准、强化改进功能。一方面，要关注人才能力结构的新变化，根据不同专业特点考查学生的数字素养、创新思维、复杂问题解决、人机协同以及伦理责任等能力，促进专业培养目标及时回应经济社会和技术发展；另一方面，要更加重视这些能力是如何形成的，考察课程体系、教学组织、实践训练和评价方式能否为学生能力发展提供有效支撑。将人工智能新变化深度嵌入“保合格、上水平、追卓越”三级专业认证行动中，体现了对专业发展阶段性、差异性和进阶性的回应。其中，“保合格”重在守住基本质量底线，确保专业设置与培养过程符合国家标准；“上水平”重在推动内涵建设和特色发展，引导专业由达标走向提质；“追卓越”则强调国际可比和示范引领，推动形成具有较强影响力的专业品牌。三级认证通过分类实施、梯度推进，统筹处理统一标准与特色发展之间的张力，避免标准僵化压制差异，也防止标准失守削弱质量约束。面向人工智能时代的专业认证改革，应通过认证标准的适时更新，将新的能力要求转化为培养方案、课程教学和评价改革的具体要求，从而更好发挥专业认证对人才培养模式改革的牵引作用。
（四）以质量监测服务教育改进
质量监测是联通评价与改进的重要环节，也是提升高等教育治理现代化水平的重要工具。人工智能时代，质量监测的功能需由结果呈现进一步拓展到过程诊断和改进支持，探索实施人才培养质量发展性、服务性、结果性、预警性监测。其中，发展性监测关注学生成长过程及其素养增值，重在识别人才培养的纵向变化轨迹；服务性监测强调高校服务经济社会发展的实际贡献，重在考察人才培养与社会需求间的适配程度；结果性监测聚焦培养成效本身，重在从国家战略需求和国际比较视野审视人才培养质量；预警性监测突出事前识别和前瞻干预，及时发现培养过程中的潜在风险，提高教育决策的敏捷性与针对性。人工智能为四类监测提供了技术支撑，可将学生学习、教师教学、专业建设和学校人才培养等不同层面的数据相互联系，形成能够反映人才培养过程与结果的多维数据库。同时，建立必要的数据治理机制，保障评价数据的源头质量。质量监测只有将技术识别的问题转化为教育主体能够理解和使用的改进信息，并持续观察改进成效，才能真正形成评价、诊断与改进之间的有效衔接，在教育形态不断变化的情况下守住人才培养质量基本要求。
五、结语
人工智能时代的高等教育，面临“变”与“不变”的双重命题。从构成要素来看，人工智能正在深刻重塑高校培养目标、教学模式、学习方式、资源配置和师生关系，这些变革是技术逻辑嵌入高等教育系统的必然产物，也是高等教育主动回应知识生产方式变迁、社会需求变迁的内在要求。同时，立德树人根本任务、人才培养核心使命、教育本质规律、质量保障基本要求，共同构成高等教育需要坚守的价值根基，这些“不变”是高等教育在技术变革中保持正确方向的根本依据。
变革与坚守并非对立，而是相互支撑、互为补充。坚守为变革提供价值导向，确保技术变革不偏离育人初衷；变革为坚守注入时代活力，使高等教育更好地适应社会发展需求。当前，人工智能正以数据采集的精准性、分析研判的科学性、动态追踪的持续性，推动教育评价实现从经验驱动向数据赋能、从结果导向向过程与结果并重、从单一维度向综合立体的深刻变革。面向未来，教育评价工作需要以数智赋能提升评价效能，以分类评价引导特色发展，以专业认证牵引培养模式改革，以质量监测服务教育改进，在高等教育变革中发挥应有的引导和保障作用。对于教育工作者而言，应当抓住这一历史机遇，回归对教育本质的反思，聚焦拔尖创新人才培养的短板，以更大的力度深化高等教育综合改革，将教育教学作为一门学问加以研究，推动研究成果向实践转化，以高质量的人才自主培养服务于科技自立自强，以高等教育内涵式发展支撑教育强国建设。
教育是强国建设、民族复兴之基。高等教育作为教育强国建设的龙头，深刻认识和把握高等教育的“变”与“不变”，既是对技术逻辑的审慎回应，也是对教育本质的持续叩问。唯有在变革中保持定力，在坚守中拥抱创新，方能在技术与人性的交汇处，为教育强国建设贡献智慧与力量。
【董垌希，教育部教育质量评估中心评估研究室处长；江河，教育部教育质量评估中心副主任；张倩宁，教育部教育质量评估中心助理研究员；扶钰斌，教育部教育质量评估中心助理研究员；季凯，南京邮电大学教学质量监控与评估中心助理研究员】
原文刊载于《中国高教研究》2026年第10期
