人工智能技术在学生评价改革和减负增效中可以发挥重要作用。基于现代教育评价理论、智能教学系统相关研究成果、最近发展区理论和波利亚数学解题思想，我们综合采用大数据挖掘、自然语言处理、多通道人机交互等人工智能技术，设计了一个基于网络的学生智能评测和辅导系统，并以初中数学的勾股定理知识点为例，编程实现了一个数学智能测评和辅导系统MIATS，其功能主要包括：在线大数据挖掘、适应性智能评测、基于前测结果的智能辅导、基于前测和智能辅导的后测、螺旋式上升的评测和辅导一体化。基于MIATS的初步测评结果表明，该系统能够给每个学生提供内容和时间都不同的个性化测试和辅导，其对学生的评测结果等同于所有学生内容和时间都完全一样的传统测试方法的结果，对学生的辅导效果也比较显著。
相关研究
在传统的学校环境和课堂教学中，一个老师要面对几十个学生，很难解决《深化新时代教育评价改革总体方案》和双减政策实施中碰到的问题，也难以很好地贯彻落实中央的文件精神。人工智能技术等现代信息技术在智能评测和辅导领域可以发挥重要作用。柯清超等和周洪宇等建议通过人工智能等前沿技术为学生设计个性化作业、推送个性化教学资源，解决学生负担较重的问题；吴立宝等设计了一个使用人工智能技术进行课堂教学评价的框架。
国际上，Moissa等使用系统调研这一综述方法来研究学习分析领域的国际正式出版物，找到了127篇符合筛选标准的相关论文，然后按照研究目的、数据类型、技术、利益相关者和干预类型进行归类。发现：从研究目的而言，大部分研究(51.4%)主要是监控与分析学生行为，评估与反馈(27篇)、预测(20篇)也不少，但是个性化与推荐(5篇)、适应性(5篇)很少；辅导与指导最少，只有2篇，而且这两篇论文也仅仅是提供了系统框架，并未通过严格的实证研究证明其教学效果。
综合以上文献调研结果可知，国外关于智能评测和智能教学系统的相关研究中，还缺少基于大规模学生学习行为数据的适应性教学系统的研发和应用研究；国内在智能测评领域的研究以理论探索为主，鲜见基于大规模数据挖掘的智能测试系统的实际应用和基于评测结果开展的个性化辅导的实践。
为此，我们设计了学生智能评测和辅导系统，并以初中数学的勾股定理为例，编程实现了一个数学智能评测和辅导系统MIATS，并在小范围进行了应用测试以验证其效果。本文将介绍该系统的理论基础、架构、功能和应用测试结果。
理论基础
MIATS借鉴项目反应理论和计算机适应性测试等现代教育评价理论，对学习者的学业能力进行精准、高效、动态的评测；然后基于最近发展区理论，为学习者推荐恰如其分的练习内容；在练习过程中，借助波利亚“怎样解题表”，在其遇到困难时提供及时而详细的教学支架，从而构成一个有效的学科智能教学系统。接下来分别介绍这些理论基础。
01
项目反应理论
教学评价是对教学工作质量所作的测量、分析和评定。学生学业成绩的评价是教学评价的重要组成部分。项目反应理论(Item Response Theory,IRT)是评价学生学业表现的一种代表性理论。
02
计算机自适应测试
相比于CTT需要学习者做完整套试题的繁琐测验步骤，IRT能在计算机的帮助下，通过选择最能反应当前学习者能力的试题，更快地得到学习者的真实能力，这就是计算机自适应测试(Computerized Adaptive Test,CAT)。
03
最近发展区理论
最近发展区(Zone of Proximal Development,ZPD)是前苏联心理学家维果斯基用来说明儿童智力发展而提出的概念。
04
波利亚“怎样解题表”解题思想
数学家波利亚围绕怎样解题、怎样学会解题开展了数学启发法研究，设计了“怎样解题表”，通过四个阶段、以具有启发性的十五条建议和二十三个问句分解题目解法的思维过程。该思想的要点可以概括为：程序化的解题系统、启发式的过程分析、探索性的问题转换。
05
智能教学系统
智能教学系统是模拟优秀教师，在某门学科、某个领域或者知识点对学生进行智能教学辅导的人工智能技术，是人工智能技术与教育结合最深入全面的一个研究领域，也可以说是教育领域的专家系统。
系统架构
系统架构用B/S(客户端/服务器)模式。服务器端采用APACHE Http服务器，使用PHP语言编程，数据库采用MYSQL数据库管理系统。客户端可以是微机、笔记本电脑、平板电脑或者智能手机；用户通过谷歌浏览器访问服务器网站，登录后即可使用系统功能。
该系统架构如图1所示。下面依次介绍该系统的五个主要功能模块及其关键实现技术：在线大数据挖掘、适应性智能评测、基于前测结果的智能辅导、基于前测和智能辅导的后测、螺旋式上升的评测和辅导一体化。
01
在线大数据挖掘
我们基于一个数学在线教学系统“乐学一百”所积累的10万多名学生在7年内的6亿多条做题记录，采用高性能超算设备，计算出近6万道初中和小学数学试题中，每道题目的参数。这些参数都被保存数据库中，是智能评测和辅导的基础数据。
02
智能测评
关于某个知识点的智能评测，是依托关于这些知识点的题目库进行的。
03
基于前测结果的练习和智能辅导
练习过程就是通过学生自己的努力、各种类型的适应性提示和辅导，让学生逐步学会纠正前测中出现的错题。
04
基于前测和智能辅导的后测
在学生完成练习之后，系统要考察学生是否真正掌握了解题思路和方法，而不仅仅是记住了刚才错题的正确答案，所以就进入了后测阶段。后测题目由前测中出现、也在练习中再次练过的同构异数题目组成。
05
螺旋式上升的评测和辅导一体化
系统在学生完成后测后，会自动评分，总结前测、练习和后测中用到题目所涉及的知识点的掌握程度，提示给学生；学生可以根据提示继续进行相关薄弱知识点的评测和练习。
应用测试结果
针对初中二年级下数学课程中的勾股定理知识，我们初步实现了学生智能评测和辅导系统，包括关于勾股定理的123道练习题目；然后进行了初步测试和应用，以期回答三个问题：
适应性测试的结果是否真的个性化了？
适应性测试的结果与传统测试的效果是否相同？
适应性测试和辅导对于学生的学习效果是否有促进作用？
我们设计了一个模拟实验：假设让这些学生参加适应性测试，他们在每道题目上的表现就是之前的实际记录，最后的结果会是什么样呢？我们通过编程实现这个模拟实验，深入分析实验数据后发现：53人最后连续四次题目的能力值之间的差异小于0.1，相对稳定，因而适应性测试结束。
综上，我们基于智能教学系统研究成果、从最近发展区等理论出发，借助大数据挖掘、自然语言处理、多通道人机交互等人工智能技术，设计开发了一个学生智能评测和辅导系统，并进行了基于初中数学勾股定理知识点的初步测评；测评结果表明，该系统能够给每个学生提供个性化、适应性的智能测试和辅导；在减少时间的前提下，其对学生的评测效果与传统的所有学生内容和时间都完全一样的测试方法的效果一致，对学生的正面辅导效果也比较显著。对于学生而言，该系统可以准确生成学生评价结果，实时了解每个学生的知识薄弱点，对症下药，给学生及时的反馈和恰当的帮助，使其举一反三、能力素质螺旋式上升，减少机械性的重复刷题时间。对于教师而言，系统可以自动反馈班级整体和所有学生的学习状态，减少其手工布置作业、设计考卷、评判作业和试卷的大量时间；当然更不需要家长帮助批改和辅导作业、学生自批自改作业了。我们的研究探索抓住了教学的难点和疼点，有重要的理论意义和很强的实践应用价值。
参考文献
[1]贾积有,乐惠骁,张誉月等.基于大数据挖掘的智能评测和辅导系统设计[J].中国电化教育,2023,No.434(03):112-119.