为深入贯彻落实国家相关部署，积极推动高等教育与人工智能技术的融合发展，利用智能技术支撑教育治理能力的提升，推进教学方法的改革，促进学生更好成长，郑州大学积极引入人工智能技术，围绕学生成长需求，通过迭代评价标准、训练专家模型、创新评价模式，开展了智慧课程评价的创新实践，探索AI赋能下课程教学质量提升的新路径。

1.基于学生成长，迭代课程评价指标体系

学校大力推进课程教学转型升级，注重为学生提供更多高阶学习经历和体验，强化批判性思维养成和创新能力提升。组织校内外专家研讨论证，从学生学习经验获取的角度，制定了基于学生学习经验的课程评价标准和量化观测指标。参考布鲁姆教育目标分类学理论，构建由知识记忆、知识应用、思辨评估和创新研究四类课程构成的课程分类评价体系，开展教学质量评价和学生成长评估。依托U课评人工智能课程评价平台，通过多轮课程教学评价实践，实施评价结果和教学实效多维对比，迭代修正观测点权重，持续优化课程评价指标体系。经学校专家委员会和部分师生鉴定认为，试点65门课程的评价和分类结果，符合课程教学实情，个性化意见建议具体可行，能对教师教学改进和学生学习成长提供有效的指导。

2.线上线下融合，训练课程评估专家模型

搭建“厚山学堂”网络教学平台、布设相关课堂辅助工具，采集教学行为数据。结合历史评价数据，通过数据清洗、数据验证、人工标注等方式构建模型训练测试数据集，实施多轮次AI课程评价专家模型训练。基于课程、教师、学生智能画像等多维度信息，对训练结果进行反复交叉验证和分割训练，减少评估偏差。线下结合真实专家评价意见以及部分学生反馈信息，持续改进专家模型参数，评价准确度从最初的63%提升至96%。AI专家基本具备对课程材料的理解能力、复杂数据的处理能力和智能化分析能力和课程评价能力。

3.个性评价反馈，创新课程评价模式

借助人工智能专家模型，结合收集的教学行为数据，开展自动化、智能化的批量课程评价和分类认证，形成个性化评审意见和改进建议。结合线下督导、课程专家、学生代表等人工评价主体对结果进行抽检和意见反馈，多轮次修正评价结果，生成并反馈个性化课程报告。课程教师和学生针对评价结果，进行复议和改进，持续提升课程教学质量和模型准确性。逐步形成AI批量评价-人工复核修正-个性结果反馈-质量持续改进的闭环式课程评价模式。

郑州大学借助人工智能开展智慧课程评价，推动教育管理信息化、数字化、科学性转型，实现了批量课程的高质量评价，探索了基于学生学习体验的课程分类认证，创新了AI课程质量评价模式，探索AI赋能下课程教学质量提升的新路径，对引导学生自主学习、准确评价学习成效，促进课程质量提升具有重要的借鉴意义。（供稿：钱建成、祁秀香、王晓川）