Volume 2,Issue 9
多模态数据融合的高校思想政治教育智能评价模型构建与实证研究
在人工智能与教育深度融合、智能向善理念落地的时代，高校思想政治教育评价正从传统经验式评判向数据驱动、智能决策模式转型。当前高校思政教育评价存在数据来源单一、过程静态固化、难捕捉学生多维素养变化等问题，还伴有算法伦理、数据隐私等风险。针对这些困境，本文以多模态学习等理论和智能向善伦理框架为支撑，构建融合多源异构数据的高校思想政治教育智能评价模型。依托深度学习与注意力机制完成多模态特征提取与融合，搭建四大维度的评价指标体系。以武昌理工学院《思想道德与法治》课程开展对照实证研究，结果显示：与传统评价方式相比，该模型评价准确率提升25.4%，动态时序适配性提升70.8%，学生满意度和教师采纳意愿显著改善；同时模型依托相关设计实现了隐私保护、结果可解释与评价公平性，契合智能向善要求。研究成果可为高校思政教育智能化评价改革提供理论参考与实践方案。
[1] 中共中央, 国务院. 深化新时代教育评价改革总体方案 [M]. 北京: 人民出版社,2020.
[2] 刘知远, 李涓子. 多模态机器学习综述 [J]. 计算机学报,2022,45 (3):521-548.
[3] 敖永春, 王鹤天. 大数据视域下高校思想政治教育精准化评价的转型逻辑与实践路径[J]. 马克思主义研究,2023 (12):142-150.
[4] 王佑镁, 王旦, 柳晨晨. 从科技向善到人的向善: 教育人工智能伦理规范核心原则 [J].开放教育研究,2022,28 (5):4-13.
[5] 盛春. 大数据驱动下高校思想政治教育过程性评价体系构建 [J]. 江苏高教,2020(12):118-122.
[6] 徐建军, 李萌. 高校思想政治教育多维评价指标体系的重构 —— 基于扎根理论与层次分析法 [J]. 思想教育研究,2021 (7):112-117.
[7] 刘邦奇, 汪张龙, 胡健. 人工智能赋能教育评价改革: 问题、路径与展望 [J]. 中国考试,2024 (1):34-44.
[8] 张丹, 邓卓明. 新时代高校思想政治教育数字化评价的现实挑战与优化策略 [J]. 学校党建与思想教育,2020 (18):64-66.
[9]Zhang K. Federated learning framework for privacy-preserving multimodal emotion recognition in educational systems [J]. IEEE Transactions on Artificial Intelligence,2023,4 (2):325-335.
[10]Sun P. Multimodal data fusion in political education sentiment analysis [J]. IEEE Access,2023,11:104357-104369.