生成式人工智能背景下高職院校人才培養評價體系的技術特征、風險挑戰與應對措施

［摘要］生成式人工智能正不斷滲透到經濟社會發展的各個領域，引發職業教育變革浪潮。生成式人工智能的嵌入使高職院校人才培養評價目標呈現精準化和效能化特征，評價內容呈現豐富化和高速化特征，評價形式呈現一體化和智能化特征，評價環境呈現多元化和全景化特征。但在生成式人工智能影響下，高職院校人才培養評價體系也面臨著內涵失真、內容顛覆、主體重構等眾多風險挑戰。對此，要從以下幾個方面采取措施：一是做好人才培養評價體系的頂層設計，把握主流價值導向；二是清朗輿論生態圈，強化人才培養評價體系的監管機制；三是構建生成式語料庫，賦能技能人才發展；四是挖掘人才培養評價體系的內蘊價值，創新數字育人路徑。

［關鍵詞］生成式人工智能；技能人才；高職院校；人才培養評價模式

［作者簡介］吳秋晨（1989- ），男，江蘇徐州人，華東師范大學職業教育與成人教育研究所、國家教材建設重點研究基地（職業教育教材建設和管理政策）在讀博士；李佳敏（2000- ），女，江西樟樹人，華東師范大學職業教育與成人教育研究所、國家教材建設重點研究基地（職業教育教材建設和管理政策）在讀碩士；徐國慶（1971- ），男，江西高安人，華東師范大學職業教育與成人教育研究所、國家教材建設重點研究基地（職業教育教材建設和管理政策），教授，博士生導師。（上海" 200062）

［基金項目］本文系國家社會科學基金“十四五”規劃2022年度教育學重大課題“技能型社會測度模型、驅動因素及路徑優化研究”的階段性研究成果。（項目編號：VJA220006，項目主持人：徐國慶）

［中圖分類號］G717" " ［文獻標識碼］A" " ［文章編號］1004-3985（2024）14-0037-06

一、引言

生成式人工智能以其強大的自然語言處理能力和對話交互能力，在職業教育領域引發深層次變革浪潮［1］，并逐漸在高職院校人才培養評價體系中產生強大影響力。而這樣的影響在給高職院校人才培養帶來便捷的同時，也伴隨著潛在的風險。因此，高職院校如何利用生成式人工智能的優勢進一步提升人才培養評價效果［2］，同時減少復雜網絡信息對評價效果的負面影響，是亟待解決的問題。

面對這一挑戰，高等職業院校需要以前瞻性的眼光審視生產式人工智能對高職院校人才培養評價體系的影響，深刻把握生成式人工智能工具發展背景下人才培養評價體系的新特征。此外，高職院校需要厘清生成式人工智能與職業教育融合的動力機制，增強智能時代人才培養評價體系的適應力，保持自身在數字時代的競爭力。

二、生成式人工智能賦能高職院校人才培養評價體系的主要特征

職業教育數字化是當前我國高職院校實現高質量發展的重要突破口［3］。生成式人工智能的引入將為高職院校人才培養評價體系帶來深刻的變革，呈現出數字化時代下技能人才培養評價的新局面［4］。生成式人工智能的融入將精準定位人才培養評價目標、豐富評價內容、重塑評價形式等。

（一）精準定位人才培養評價目標

高職院校是高技能人才培養的主要機構，需要通過人才培養評價體系來實現對自身辦學和行業需求的雙重保障［5］。然而，在傳統技能人才培養模式的影響下，我國高職院校的人才培養評價體系往往過度強調統一化的目標，忽視了個性化需求和自主能動性［6］。

在這樣的背景下，高職院校人才培養評價體系很少關注學生的職業生涯發展與自我價值的實現。而生成式人工智能在高職院校人才培養評價體系中的應用，能夠根據人才培養需求和客觀規律，精準定位評價目標，滿足高職院校學生的個性化、差異化發展需求以及預判學生的心理和行為變化，以實現正確引導。同時，生成式人工智能的篩選功能可以在生產與分發過程中剔除不合適的內容，使評價內容更具針對性，實現技能人才培養內容的精準推送。此外，生成式人工智能還能捕捉分析使用者的情感狀態，追蹤評價工作的傳播規律，進而預判使用者的心理和行為變化，提高高職院校人才培養評價工作的效率。

（二）豐富人才培養評價內容

在高職院校人才培養評價體系建設過程中，評價內容的設置是關鍵。由于對評價內容缺乏深刻的認識，高職院校人才培養評價體系往往難以充分體現出技能人才培養的細節表征，且與日常課程教學內容聯系不緊密［7］。高職院校人才培養評價體系的內容構建主要由專業課教師負責，而他們在教學工作任務之外需耗費大量的時間和精力來進行高強度的評價內容建設。

相比之下，生成式人工智能擁有龐大的數據資源，能夠快速完成人才培養評價體系的內容構建，包括課程評價內容、教學評價內容、實訓評價內容等，其在文本、圖像、數據統計等方面具有明顯的優勢。與傳統人工智能專注于某一垂直專業領域、完成特定的工作任務相比，生成式人工智能具有超強的內容生產能力，集文字處理、信息收集、代碼編寫和協助寫作等功能于一體，能夠有效應用于人才培養評價體系。同時，技術的不斷升級使生成式人工智能等技術工具變得更加智能高效，大幅提升評價內容的供給速度，促進人才培養評價體系的快速建立和應用。而自然語言處理技術使生成式人工智能更加智能化，在高速提供豐富的評價內容的同時，還能緊扣評價體系目標，嚴控評價內容的生成質量。

（三）重塑人才培養評價形式

高職院校人才培養評價體系是通過科學的方式對學生學習質量進行有效的評估。目前，高職院校人才培養評價體系往往在實踐過程中異化為“主體—客體”二元對立的模式。借助生成式人工智能改變高職院校人才培養評價形式，擺脫傳統的主客體的二元對立［8］，轉而建立一種多元的、互融互通的評價形式。

一方面，生成式人工智能融入高職院校人才培養評價體系，體現了“共融”發展的趨勢。一是生成式人工智能為評價工作提供更為自由的、多方互動的交流平臺，并利用其強大的連通性將多種教育資源整合在一起，有效促進高職院校人才培養評價工作與其他教學活動的融合。二是高職院校學生不再是評價體系中的被動方，而是能夠參與評價工作，并發揮其主觀能動性。

另一方面，生成式人工智能通過智能化特征重塑高職院校人才培養評價形式。生成式人工智能可以通過算法構建出更智能的語義理解模型，與評價對象進行智能對話，客觀評價個體在互動交流中展現的學習效果，其智能生成的人性化評價內容也會更科學、更客觀，有助于生成式人工智能獲得更多被評者的信任。這種智能化交互的方式為高職院校創新人才培養評價工作提供了載體，有效改善了傳統評價體系中學生參與度不夠的情況。

（四）推廣人才培養評價成果

高職院校建立人才培養評價體系的目的是為了更好地實現辦學目標。因此，人才培養評價體系不應局限于評價行為本身，更應重視評價結果的實際應用，以確保其能夠為高質量人才培養的發展目標提供有力支持與指引［9］。生成式人工智能以其多元化和全景化的特征，拓寬了高職院校人才培養評價結果的應用環境。

一方面，生成式人工智能支持多種語言處理功能，極大拓展了人才培養評價成果的應用范圍，有利于在國際職業教育領域中推廣我國高職院校人才培養評價體系、提高國際傳播力、豐富職業教育評價內容。

另一方面，相較以往人工智能技術在某專業領域的特異性、專一性發展，生成式人工智能呈現了對社會各領域的全面性影響［10］。由于評價體系在推廣中受限于空間和時間，生成式人工智能的嵌入無疑為我國高職院校人才培養評價體系走向更廣闊的平臺提供了有利條件。

三、生成式人工智能背景下高職院校人才培養評價體系的風險挑戰

生成式人工智能技術在助推高職院校人才培養評價體系提質增效的同時，也帶來了人才培養評價體系的目標偏移、內容顛覆和主體重構等風險挑戰。

（一）人才培養評價目標偏移：價值倫理失范風險

生成式人工智能賦能高職院校人才培養體系的關鍵在于充分利用機器的知識圖譜和自然語言等先進技術拓展評價內容［11］，同時準確把握人才培養體系的內涵，堅持正確的價值導向。

一方面，在生成式人工智能的應用過程中，高職院校人才培養評價體系需要面臨價值偏移與倫理失范的風險。這種風險挑戰的根源在于生成式人工智能審核門檻的缺失。從算法邏輯的角度來看，生成式人工智能存在核查能力不足的缺陷，因此，必須為生成式人工智能建立與核查能力相關的法律法規。目前，生成式人工智能的相關法規的建設尚未跟上其發展的步伐。

另一方面，生成式人工智能還缺乏完善的監測評估機制，無法進行全方位的智能風險管控。面對新技術帶來的新問題，簡單依靠屏蔽關鍵詞或相關話題的解決方式已不再有效，而現有監管能力和水平的相對滯后可能會加劇人才培養評價體系內涵的失真。

（二）人才培養評價內容顛覆：信息不實與拼湊風險

生成式人工智能對高職院校人才培養評價內容的顛覆主要體現在兩個方面。

一方面，其高速生成的內容可能存在大量虛假或誤導性信息，對評價內容的匹配與監控帶來挑戰。這種情況會降低評價內容的真實性，從而對高職院校人才培養評價工作構成風險。

另一方面，生成式人工智能在職業教育方面所依賴的數據資源有限，使高職院校人才培養評價內容存在信息拼湊的問題。目前，生成式人工智能對各國及地區職業教育數據的覆蓋面不足，導致評價內容在邏輯連貫性上存在明顯的缺陷。即使生成式人工智能為高職院校人才培養評價體系的建設帶來了便利，但需要其載體不斷創新以實現更有效的內容生成。

生成式人工智能的應用依賴于充足的互聯網文本數據，并經過相應的訓練形成有效的語言模型。然而，目前的職業教育數據量遠未達到高職院校人才培養評價內容所需的水平。在我國已基本建成現代職業教育體系的背景下，高職院校面臨新的發展使命和更高層次的人才培養任務。因此，高職院校人才培養評價體系不僅需要適應產教融合的要求，培養符合行業和企業需求的高素質技術人才，還需與現代職業教育體系建設同步發展，承擔數字化轉型和高質量發展的責任。然而，生成式人工智能對高職院校人才培養評價體系背后發展目標的精準識別和有效指導仍面臨諸多挑戰。

（三）人才培養評價主體重構：認知錯位與地位削弱風險

生成式人工智能在職業教育領域快速滲透，對傳統技能人才培養模式帶來沖擊，也打破了高職院校人才培養評價體系的傳統模式。這種深度嵌入的過程重構了評價主體，同時也可能將學生置于認知錯位的風險之中并削弱教師作為評價主體的地位。

一方面，要警惕生成式人工智能給高職院校學生帶來的“輔助”和“替代”的認知錯位風險［12］。若生成式人工智能缺乏全面和理性的判斷，將對高職院校學生的價值觀念帶來負面影響。高職院校學生作為青年群體，接受新生事物較快，使生成式人工智能能夠快速主導學習環境。盡管生成式人工智能能夠完成過去聊天機器人無法勝任的任務，但這也可能導致學生過度依賴學習輔助工具，削弱學生的創造力，從而對生成式人工智能產生錯誤的認知定位。

另一方面，生成式人工智能的嵌入將在一定程度上削弱高職院校教師的主體地位。高職院校人才培養評價體系依賴于師生之間的對話與交流，師生之間協商并靈活調整職業發展目標，主動建構個性化的人才培養內容，以促進學生的個性化發展。但是，生成式人工智能與評價體系的結合可能導致教師的思維僵化，沉溺于智能化評價范式之中。在這一背景下，教師可能形成對技術的過度依賴，使得評價主體之間出現技術壁壘，削弱了師生互動評價的積極性。

四、生成式人工智能背景下高職院校人才培養評價體系的應對措施

高職院校在職業教育高質量發展進程中扮演著重要角色［13］，是高技能人才培養的主力軍。高職院校需要正確理解和應對職業教育數字化轉型，將數字思維和信息技術創新貫穿于人才培養過程。更為重要的是，高職院校人才培養評價體系需要清晰認識到生成式人工智能所帶來的現實挑戰，并采取相應的優化措施。

（一）做好人才培養評價體系的頂層設計，把握高技能人才價值導向

推動生成式人工智能在高職院校人才培養評價體系中的應用，首要之務在于全面考量評價體系的目標，從而確立符合高技能人才價值取向的頂層設計。高職院校人才培養模式的構建，對我國現代職業教育體系的發展水平和高技能人才隊伍建設至關重要。政府在此過程中扮演著關鍵的領導角色，應對生成式人工智能發展背景下的評價體系進行系統設計。

一方面，通過政策引導高職院校人才培養評價體系建設的各項內容，包括評價體系的主體、客體及方式等要素，從整個現代職業教育體系發展的角度出發，制定整體規劃和法律法規，以提升人才培養評價工作的整體效能［14］。相關部門也應積極發揮宣傳、監督作用，特別是加強智能監管意識和技術能力，充分利用核心算法優勢，加強語義屏蔽技術等的研發應用。在加強人才培養評價工作有效性的同時，運用新理念、新技術和新手段，及時防范潛在風險。

另一方面，必須確立高職院校人才培養評價體系的價值導向，以價值引領生成式人工智能在職業教育中的實際應用，同時鞏固技能人才價值觀的主導地位。科技創新絕不是價值無涉的［15］，生成式人工智能的發展也是如此。生成式人工智能的價值引領是技術研發的前提，唯有堅持正確的價值取向，方能更好地將其應用于高職院校人才培養評價體系。此外，生成式人工智能作為一種認知工具，其數據庫和智能算法等技術也具備一定的價值內涵，因此，面對超強的生產能力，價值引領將賦予人工智能項目方向性和格局性。

在使用生成式人工智能時，必須堅持人才培養評價體系的價值目標，以主流價值觀指導算法技術的應用。生成式人工智能項目的提供者也應對預訓練數據負責，保證數據來源的合法性并優化訓練數據。同時，在智能算法、數據訓練等技術方面加強創新，鞏固主流意識形態的主導地位，以加速全球人工智能發展的步伐。

（二）規范輿論生態圈，強化評價體系內容監管機制

為深入推動生成式人工智能在高職院校人才培養評價體系中的應用，需從評價內容入手，構建風清氣正的輿論生態圈，并加強內容監管機制，以確保虛假信息和負面信息無處遁形。

一方面，強化高職院校學生對主流輿論的辨析能力和理解力，尤其要注重培養學生的倫理觀和責任感，提升學生的技術創新素養水平［16］。引導學生從多角度審視生成內容的準確性和真實性，以了解事件本質，學會識別虛假信息，確保基于生成式人工智能的觀點與事實相符，以免產生誤導。

另一方面，與主流媒體合作，塑造主流輿論的新格局和新場域。借助生成式人工智能的優勢，推動主流媒體不斷創新，在充分發揮自身優勢的基礎上，把握新技術帶來的新機遇。積極探索將生成式人工智能應用于評價內容的生產、分發、接收和反饋等方面。同時，加強對生成式人工智能的監管和信息審核。通過制定針對生成式人工智能服務管理的相關政策法規，確保其在高職院校人才評價體系中的監管有據可依，從而遏制虛假信息的生成和傳播。

（三）構建生成式語料庫，賦能評價體系文化建設

從文化傳播角度看，生成式人工智能應充分發揮本土優勢，豐富漢語語料庫和媒體語言語料庫等數據，賦能評價體系的文化建設。

一方面，構建并不斷完善生成式人工智能背景下高職院校人才培養評價體系的文化數據庫，打造具有我國高技能人才特色的語言模型。著力打造建立以我國工匠精神為代表的評價體系文化數據庫，為生成式人工智能提供更為充足和精準的知識信息基礎，以及規范化的語言體系。

另一方面，加強評價體系文化元素的融合。在生成式人工智能的開發、設計和應用過程中，可將高技能人才文化中的經典文本、詩歌和典故納入生成式人工智能的訓練數據，并啟用用戶反饋機制，以不斷完善生成式人工智能工具的文化元素融合，更好地傳承和傳達職業教育的文化特色。此外，推動智能媒體轉型，深度挖掘文化精髓，推動我國技能人才傳統文化的國際傳播。這就要求國內主流媒體加快創新，拓展對外傳播的空間。

（四）挖掘評價體系內蘊價值，創新數字育人路徑

作為互聯網最活躍的群體之一，高職院校學生在使用生成式人工智能時往往利弊并存。如何引導學生規避風險，促進其與生成式人工智能之間的良性互動，乃關鍵之舉。在此背景下，把握生成式人工智能賦能評價體系的內在價值，平衡技術嵌入與師生互動的關系，是探索育人變革路徑的核心所在。

一方面，前置布局。盡管生成式人工智能本身并沒有內在的價值內蘊，但教師可以利用生成式人工智能與其生成的內容來引導學生討論評價內容，完善生成式人工智能評價體系的反饋機制。例如，提出具體的問題，讓生成式人工智能與學生共同討論解決問題的方式，要求生成式人工智能提供不同的解決方案或觀點，幫助學生理解不同觀點的利弊。生成式人工智能的引入改變了傳統的高職院校人才培養評價形式，同時也激發了學生對新技術、新事物的興趣。通過挖掘新技術的內在價值，引導學生形成自主評價的觀念，可最大程度地激發其學習的積極性和創造力。

另一方面，需不斷探索、創新數字育人路徑，增強智能新數字時代高職院校人才培養評價體系的適應性。利用生成式人工智能的相關優勢，充分發揮智能數據治理在高職院校人才培養評價體系中的作用。生成式人工智能可根據學生學情制定評價內容，提供精準反饋，幫助學生更好地理解和內化技能人才的價值觀。借助在線平臺，引入生成式人工智能工具，創建互動倫理場景或道德討論平臺，利用虛擬現實、增強現實或交互式模擬等形式，使學生能夠在虛擬環境中進行倫理決策或參與討論。

五、結語

根據以上分析可以發現，生成式人工智能的推廣對于高職院校人才培養評價體系產生了深遠影響。這種影響不僅反映了職業教育數字化轉型的必然趨勢，同時也體現了高職院校實現高質量人才培養的迫切需求。因此，推進生成式人工智能與高職院校人才培養評價體系的深度融合具有重要的現實意義。

需要注意的是，生成式人工智能并非簡單等同于數字化、信息化甚至智能化等概念。這也是為何本文要特別強調生成式人工智能對高職院校人才培養評價體系的技術特征，同時將風險挑戰和應對措施作為二者深度融合討論的核心問題。顯然，生成式人工智能具備相當的技術優勢但并非絕對完美，如何有效地利用生成式人工智能仍是未來高等職業教育需要深入思考的重要議題。

［參考文獻］

［1］劉寶存，茍鳴瀚.ChatGPT等新一代人工智能工具對教育科研的影響及對策［J］.蘇州大學學報（教育科學版），2023，11（3）：54-62.

［2］徐國慶，蔡金芳，姜蓓佳，等.ChatGPT/生成式人工智能與未來職業教育［J］.華東師范大學學報（教育科學版），2023，41（7）：64-77.

［3］楊聚鵬.新時代教育數字化轉型的政策議題及建構路向［J］.電化教育研究，2023，44（11）：36-44.

［4］李紅春，胡德鑫.職業教育數字化轉型的三重突破：理念、組織與技術［J］.教育與職業，2024（2）：28-36.

［5］吳秋晨，徐國慶.產教融合視域下高職院校人才培養質量評價體系研究［J］.高等職業教育探索，2023，22（5）：8-14.

［6］趙蒙成.工業4.0時代我國職業道德教育的嬗變與未來走向［J］.河北師范大學學報（教育科學版），2021（3）：73-81.

［7］徐國慶.職業教育學基礎［M］.北京：高等教育出版社，2023：409.

［8］歐旭理，羅方祿.共享·共融·共識——大數據時代高校德育理念轉型［J］.現代大學教育，2017（3）：71-76.

［9］嚴彥蕾，吳一鳴.擴招后高職院校人才培養質量評價的挑戰與應對［J］.教育與職業，2021（1）：37-43.

［10］陳玉琨.ChatGPT生成式人工智能時代的教育變革［J］.華東師范大學學報（教育科學版），2023，41（7）：103-116.

［11］李夢，徐潔.智能技術賦能中小學德育增值性評價：內涵解析與應用框架［J］.教育學術月刊，2023（3）：64-70.

［12］戴嶺，胡姣，祝智庭.ChatGPT賦能教育數字化轉型的新方略［J］.開放教育研究，2023，29（4）：41-48.

［13］黃道平.構建新時代高職院校德育工作體系［J］.學校黨建與思想教育，2019（24）：7-9.

［14］徐林，王阿舒.技能型社會高職思政教育的邏輯、審思與路徑［J］.中國遠程教育，2023，43（7）：67-76.

［15］蘇屹，王文靜.負責任創新：研究述評與展望［J］.科研管理，2021，42（11）：8-15.

［16］楊淑萍，曹美紅.高職學生公民素養的現實樣態及其優化路徑［J］.教育科學，2022，38（5）：73-82.