改进与不平等之间的核心权衡是什么？
核心矛盾在于：人工智能评估改革虽能让学习更个性化、更贴近真实情境、更契合现实技能需求，但同时也需要大量资源、培训及基础设施支持，而这些条件分布并不均衡。一项研究中，教师群体明确将“公平性与可及性担忧”列为生成式AI时代评估改革的主要挑战[1]。无独有偶，针对尼日利亚技术教育领域285名教育工作者、学生及信息通信技术人员的调查显示，尽管自适应测试、学习分析等AI工具被广泛认可其价值，但“基础设施薄弱、培训不足、实施成本高昂及变革阻力”仍被视为主要障碍[2]。这意味着，若无审慎投入，AI评估改革可能进一步拉大资源充足院校与资源匮乏院校之间的差距。
研究在哪些方面一致认为，重新设计可以在不扩大差距的情况下奏效？
证据还表明，人工智能能够增强真实性评估和体验式学习，这两种方式本质上更为公平，因为它们侧重于现实世界的应用而非死记硬背。一项研究展示了生成式人工智能工具如何被用作“支持体验式学习以实现真实性评估的媒介”，从而超越简单的问答模式，培养更高层次的技能[3]。这种方法能使更广泛的学习者受益，包括那些在传统考试形式中表现不佳的学生，从而有可能缩小而非扩大成绩差距。
研究显示，不平等现象在哪些方面仍可能加剧？
这些研究在范围上也存在差异：AIAS框架[4]和以人为中心的模型[5]属于理论性研究或基于专家反馈，而尼日利亚的研究[2]则提供了具体的调查数据，揭示了认知与实际使用之间的差距。这并不意味着这些框架是错误的，而是表明其成功与否取决于实施背景。最审慎的结论是，人工智能评估的重设计能够在不加剧不平等的情况下改善结果，但前提是必须伴随对公平性的刻意投入——包括培训、基础设施和包容性设计——正如所有五项研究所强调的那样。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2024年至2025年间，其中5篇为2024年或之后发表，1篇发表于Q1期刊，累计被引用186次——这些研究是从5项通过质量筛选的研究中选出的最具相关性的成果，而后者又源自从超过5亿篇论文的数据库中检索到的62篇文献。
本文引用的文献
为人工智能增强学习重新设计评估：生成式AI时代教育工作者的框架
在一项针对61名教职人员的定性研究中，重新设计评估的主要动机包括维护学术诚信以及为学生适应人工智能增强型职业做好准备，但公平性和可及性问题被视为主要挑战，由此提出了一个“反对、规避、采纳与探索”的框架。
利用人工智能重新设计职业技术教育与培训评估体系，以提升技术教育中的创造力与创新能力
一项针对尼日利亚职业技术教育与培训（TVET）领域285名教育工作者、学生及信息通信技术人员的调查显示，尽管57.9%的受访者了解人工智能在教育中的应用，但使用AI工具的信心仅为中等水平。基础设施薄弱、培训不足及成本高昂等障碍若不加以解决，恐将加剧不平等现象。
使用生成式人工智能工具解释并增强体验式学习，以促进真实性评估
本研究运用物象民族志方法，展示了生成式人工智能工具如何与真实性评估及体验式学习相结合，以培养高阶技能，从而超越简单的问答模式，促进更深层次的学习。
重构人工智能评估量表：面向教育评估的精细化框架
人工智能评估量表（AIAS）已被数百所机构采用并翻译成30种语言，最新版本调整为非层级化、更具包容性的结构，新增了“AI探索”层级，旨在帮助学生为AI增强的世界做好准备，同时提升评估的有效性。
人工智能融入高等教育评估的模式
本研究提出了一种以人为中心、融合人工智能的评估模型，包含五个组成部分——数字平台、人工智能工具、人工监督、利益相关者能力以及伦理治理——旨在确保教师在决策中的核心地位，并保障与教学目标的协调一致。