《International Journal of Educational Technology in Higher Education》：Higher education assessments in the age of GenAI: a systematic review
编辑推荐：
高等教育评估长期以来以效度（validity）、真实性（authenticity）及与学习成果的一致性（alignment with learning outcomes）等核心原则为中心，同时伴随着关于如何最好地支持学术诚信（academic integrit
高等教育评估长期以来以效度（validity）、真实性（authenticity）及与学习成果的一致性（alignment with learning outcomes）等核心原则为中心，同时伴随着关于如何最好地支持学术诚信（academic integrity）与有意义反馈（meaningful feedback）的持续争论。生成式人工智能（generative artificial intelligence, GenAI）的出现正对这些既有原则施加新的压力，促使各院校重新审视评估的设计、实施与评价方式。尽管已有越来越多的研究广泛考察了GenAI在教与学中的作用，但关于其如何具体重塑评估，以及这些变化如何与长期存在的评估理论与实务相关联的综合分析仍然不足。本系统综述（systematic review）对2024年至2026年间发表的关于GenAI如何影响评估实践并支持教育者评估学生学习的实证研究进行了最新考察。研究人员采用PRISMA框架，识别并分析了72项研究。研究结果显示，这些研究覆盖24个国家和20个学科领域。研究目的呈现两大总体类别：（1）考察GenAI在评估中的使用；（2）考察对GenAI在评估中的认知。质性研究（qualitative approaches）是最常见的研究方法论。针对GenAI，研究中涌现出三种主要的评估设计路径：（1）过程导向（process orientation）；（2）真实性（authenticity）；（3）口头与对话式路径（oral and dialogical approaches）。研究识别出教育者在评估过程中使用GenAI的五种方式：（1）创建评估；（2）评估练习；（3）评分；（4）学习透明度；（5）反馈。综合来看，这些发现将GenAI的影响置于更广泛的评估学术发展脉络之中，为研究人员、教育者、院校领导者和政策制定者提供了关于评估实践如何因应GenAI而进行调整的更清晰图景。
一、研究背景与问题
高等教育评估长期围绕效度（validity）、真实性（authenticity）以及与学习成果的一致性（alignment with learning outcomes）等核心原则展开，同时伴随着关于如何支持学术诚信（academic integrity）和有意义反馈（meaningful feedback）的持续讨论。自2022年11月ChatGPT发布以来，生成式人工智能（generative artificial intelligence, GenAI）在高等教育中的使用迅速增长，对既有评估原则形成了新的压力。GenAI能够生成复杂的文本、代码、图像和问题解决方案，这挑战了许多传统评估实践。学者们对评估效度、作者身份（authorship）、原创性、学术诚信和公平性等问题表示担忧。当学生可以依赖AI工具生成回答时，评估可能不再测量预期的学习成果，如批判性思维、学科推理或写作能力，而可能转而测量学生提示或编辑AI生成内容的能力。
评估效度问题本质上先于诚信问题。当同一输出可以在有无真正理解的情况下都能产生时，评估结果便不再能作为学生所学内容的可靠证据。Kizilcec等（2024）在澳大利亚、塞浦路斯和美国三所大学的国际调查中发现，教育者和学生都认为论文和编程类评估最易受GenAI影响。AI检测软件被证明不可靠，尤其对多语种学生和非传统写作者存在误判倾向。Bearman等（2024）认为，这要求院校不仅重新考虑如何检测滥用，更要重新审视评估首先认证的是什么——从学生独立产出作品的能力转向其行使评价判断（evaluative judgement）的能力。
已有系统综述虽涉及GenAI在高等教育中的应用，但多数未专门聚焦于评估实践。Xia等（2024）的综述主要强调概念性转变而非GenAI在评估过程中的操作性使用，且反映的是2023年GenAI早期出现阶段的研究。因此，本研究旨在回应学者们的呼吁，进一步考察GenAI环境下高等教育评估实践的具体变化。
二、研究设计与方法
本研究采用PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）框架指导系统综述流程。检索策略限定于2024年1月至2026年6月间发表的同行评审期刊文章，使用Education Research Complete、ERIC、Wiley、JSTOR、ScienceDirect和Web of Science等多个数据库平台。布尔检索词涵盖GenAI、评估和高等教育/第三级教育三个概念领域，且限定检索词出现在标题中。初步检索获得486篇文章，经去重和两名研究者独立全文筛选后，最终纳入72项研究，初始评审者间一致性为98%。
数据编码采用演绎与归纳相结合的方式。演绎编码使用先验类别提取国家、学科和研究方法等描述性信息；归纳编码采用扎根理论方法（grounded theory approach），使主题直接从数据中涌现，并辅以“实况编码”（in vivo coding）保留作者原语。编码由两名研究者独立完成，评审者间一致性为97%。
三、研究结果
RQ1：涉及的国家与学科
72项研究覆盖五大洲的24个国家，但分布不均。欧洲贡献最多，29项研究（35%）分布在九个国家；亚洲紧随其后，25项研究（29%）；澳大利亚和新西兰贡献17项（20%）；北美11项（13%）；非洲仅3项（3%）；南美洲无研究。国家层面，澳大利亚（16项）和英国（15项）合计占31项，表明研究领导力集中于少数国家。
研究分布于20个学科，但集中度较高。商业以12项研究（15.8%）居首，工程10项（13.2%），医学8项（10.5%），第二语言6项（7.9%），四者合计占47.4%。与Xia等（2024）发现教育、医学和计算机科学居前的格局不同，当前研究显示专业性和应用性学科对GenAI评估关注度最高。
RQ2：研究目的与方法
研究目的经扎根编码形成两大类别。第一类为考察GenAI的使用，包含两个轴向编码：评估新方法的评价（37项，51%）和评估再设计（12项，17%）。第二类为对GenAI的认知考察，包含学生认知（13项）和教师认知（10项）两个轴向编码。学生认知既有积极面（辅助学习、提高效率、提供一致反馈）也有消极面（信息可信度担忧、知识贬值和过度依赖）；教师认知同样呈现两面性（积极面包括更有效反馈和提升评估质量，消极面包括学术诚信维护、公平性及缺乏明确指南和培训）。
方法论方面，混合方法（mixed methods）最为常见，33项研究（49%）；质性方法31项（43.1%）；量化方法仅6项（9%）。这一分布反映该领域仍以描述性和解释性方法为主导，缺乏干预性或高度受控的实验设计，因果效应证据有限。
RQ3：评估设计路径
通过扎根编码，研究识别出三种主要的评估设计路径。
过程导向（process orientation）是最常见的编码，强调从评判最终成果转向评估学习如何发展、记录和反思。五个轴向编码包括：档案袋（portfolios）、反思日志（reflective journals）、过程文档（process documentation）、顶点/项目式工作（capstone/project-based work）和持续评估（continuous assessment）。例如，Nimri和Yang（2024）的研究让学生以利益相关者角色撰写可持续旅游报告，发现过程导向方法鼓励学生负责任地使用ChatGPT。Kadel等（2025）的顶点项目优先考虑过程导向评价、多模态评估设计和伦理参与GenAI以促进高阶思维。
真实性（authenticity）聚焦于贴近真实实践、更具应用性和专业一致性的评估。四个轴向编码包括：模拟（simulations）、角色扮演（role-play）、工作场所AI使用（workplace AI use）和专业AI辅助写作（professional AI-assisted writing）。Almpanis等（2025）的案例中，学生研究本地公司并提出结构方案由公司成员评价，同时将个人项目改为小组项目，传统论文评估被实验室分析模拟和小组仪表盘演示取代。
口头与对话式路径（oral and dialogical approaches）体现从孤立静态学习转向社会中介和互动形式。五个轴向编码包括：同伴/AI支持的同伴评估（peer/AI-supported peer assessment）、屏幕录制（screencasts）、播客（podcasts）、口头/对话式工作（oral/dialogic work）和小组项目（group-based projects）。Buckland和Purcell（2025）的研究中，学生小组基于经典组织实验创建播客，用GenAI模拟对实验原始研究者的访谈。Lee等（2025）考察了Socratic Mind工具在大型在线本科计算课程中的应用，AI驱动的作业要求学生通过角色扮演、识别和修复代码错误以及将编程原则应用于真实场景来展示概念理解。
RQ4：GenAI为教育者提供的评估过程赋能
研究识别出教育者在评估过程中使用GenAI的五种方式：（1）创建评估（creating assessments）——生成或完善量规（rubrics）、个性化提示和多项选择题等评估材料；（2）评估练习（practice for assessments）——为学生提供练习机会；（3）评分（grading）——辅助评分过程；（4）学习透明度（transparency of learning）——使学习过程更加可见；（5）反馈（feedback）——生成反馈内容。
四、讨论与结论
本系统综述将GenAI的影响置于更广泛的评估学术发展脉络中。研究发现，过程导向、真实性和口头对话式评估路径并非全新概念，而是对长期存在的评估改革呼吁的延续和强化。这些路径在GenAI环境下被赋予了新的紧迫性：当GenAI能轻易生成精美的最终成果时，评估需要转向使学习过程可见、贴近真实实践、并通过互动对话验证学生真实理解。
研究同时表明，GenAI在教育者评估实践中提供了实质性支持，涵盖从评估创建到反馈生成的完整流程。然而，研究也揭示出该领域仍处于早期发展阶段：描述性和解释性研究占主导，因果效应证据有限；研究地理分布不均，南美洲尚无研究；学科分布集中于少数专业性和应用性领域。
这些发现为研究人员、教育者、院校领导者和政策制定者提供了关于评估实践如何因应GenAI而调整的更清晰图景，表明评估改革正从被动应对检测和防范转向主动将GenAI整合进评估设计的建设性路径。
