- 实施人工智能辅助的同伴观察系统，以生成个性化、基于证据的反馈报告。
- 从官僚式的认证模式过渡到以教师职业发展轨迹为中心的形成性、持续性评估。
- 利用生成式人工智能作为辅助工具来创建评价项目和综合定性数据，而不取代人类的教学判断。
如今，教育界正处于一个关键的转折点，教学的演进不能再仅仅依赖于孤立的课程或挂在墙上的文凭。真正的魔力发生在日常教学中，发生在同事之间交流见解和建议的过程中，这使得教师能够根据课堂的实际情况而非教科书上的冰冷理论来改进教学方法。
随着人工智能的出现，这种协作学习过程取得了令人瞩目的进步。我们不再仅仅为了应用技术而应用技术，而是利用这些工具来促进反思，并帮助同伴互评摆脱枯燥乏味的形式主义，成为真正推动变革、直接影响学生的动力。
Observa 项目：以技术服务于形成性反馈
该领域最前沿的举措之一是Observa项目，由加泰罗尼亚开放大学（UOC）的Gerard Ferrer-Esteban牵头。其理念简单而强大：教师使用手机和三脚架等基本设备录制课堂片段，供其他认证观察员进行分析。真正创新之处在于，人工智能并非扮演评判者的角色，而是作为助手，帮助教师整理和整合评分标准和评语，从而生成个性化且严谨的报告。
这套系统摒弃了僵化的官僚作风和纯粹的量化数据，避免了这些常常令教师感到枯燥或沮丧的环节。相反，它着重关注课堂氛围、时间管理和师生互动等关键方面。必须强调的是，人工智能不会自主决策；在每份报告提交给教师之前，都需要人工审核验证，以确保反馈切实有效，而不仅仅是一份冷冰冰的错误清单。
迈向职业发展的新范式
欧洲越来越关注如何评估教师在日常教学实践中的专业发展。诸如欧洲学校网络（European Schoolnet）的报告表明，我们应该停止过分关注外部认证，转而重视教学经验。教师学习应该被视为一个过程，在这个过程中，导师指导、对话和动态档案远比一次网络研讨会更有价值。
- 现场观察： 在真实的课堂环境中评估改进情况，分析方法调整如何改变课堂动态。
- 情境化证据： 用对多个进度指标的联合读取来代替单一测试。
- 人工智能作为催化剂： 将人工智能不仅融入教学，还融入专业反思过程。
这种向形成性评价而非惩罚性评价的转变，让教师感到被支持而非被监督。当评价被视为集体专业发展的契机时，最终受益的是学生，他们将享受到更具启发性和丰富性的学习环境。
人工智能在评估实践中的应用：人还是机器？
生成式人工智能在辅助评估方面的能力令人瞩目。近期高等教育领域的研究，特别是硕士论文，将教师辅助评分与 ChatGPT 的评分进行了比较。研究发现，人工智能对学术写作和正式结构的要求极其严格，而教师则更注重概念的深度，并提供更具情境性的反馈。
同样，在牙科等高度专业化的领域，考试题的编写也经过了测试。结果令人震惊：专家很难区分一道复杂的题目究竟是出自同事之手，还是由 Gemini 或 ChatGPT 等模型编写的。事实上，人工智能已经展现出卓越的能力，能够设计出需要高度推理和知识应用的题目，有时甚至超越了人类编写题目的技术有效性。
伦理挑战、隐私和治理
并非一切都那么简单；实施这些工具面临着诸多挑战。剑桥大学出版社及评估中心警告称，许多教师已经在使用人工智能，但他们缺乏明确的指导，且资源分配不均。因此，至关重要的是，教师和学生应积极参与政策制定，防止决策完全受商业利益或技术能力驱动。
在安全方面，像 Observa 这样的项目强调知情同意，并将数据存储在欧洲境内的安全服务器上。使用匿名化技术对视频中的学生进行匿名化处理对于保护隐私至关重要。目标很明确：利用技术提高教育质量，同时不侵犯任何相关方的权利，始终将专业教学判断置于任何算法之上。
将人工智能融入同伴互评，为教师职业开辟了一条更具反思性和联系性的道路。通过将人工智能的数据处理能力与人类的敏感性和教学判断相结合，可以将教师督导转变为持续改进的工具，消除教师对犯错的恐惧，并在学校中培育持续学习的文化。