近年来，国际测评和教育评价改革实践强调技术赋能推动学生核心素养发展与评价，以引导教育教学改革。但由于核心素养具有综合性、复杂性和内隐性的特征，目前还难以对其进行准确和客观的评价。此外，现有技术手段在表征学生复杂特征、突破评价工具发展瓶颈、规避人机互信危机等方面仍面临评价能力不足的困境，未能有效地对学生关键能力与素养进行评价，也无法满足创新人才培养和选拔需求，制约着教育评价改革的纵深推进。

核心素养评价要求全面深入地表征学生复杂特征，但现有评价模式侧重单次、单一知识点的评价，评价结果只能提供对学生特征的简单化表征，无法全面反映学生能力与素养。其中存在的主要问题有二。一是缺少人机交互的表现性任务。尽管我们普及了在线测试，但多是将传统纸笔测试以电子化形式“搬运”到在线平台，偏向于知识传递与获得的标准化任务，缺乏动态环境下对能力与素养的评估，限制了学生展现自我的机会。二是评价标准难以调整。评价标准仍以知识记忆和理解为主，缺少对问题解决、批判性思维、创造力等素养指标的评价，适用性和可操作性不强，导致评价难以捕捉学生复杂特征，亦难以真实反映学生能力与素养发展情况。

为实现全面评价学生的核心素养，评价工具需要超越对知识记忆和理解的评价范畴，转向通过模拟真实性场景下的评价任务，以获取学生能力与素养评价的多维度信息。然而，这一转变面临技术局限、数据利用问题和场景适应性不足三个发展瓶颈：一是技术支持的不充分使得实时反馈和持续评估难以实施，在很大程度上限制了教学、学习与评价的一体化迁移至多样化学习环境中，进而影响了教学精准化、学习个性化和评价智能化的实现；二是多模型评价数据利用问题，包括数据采集的局限性，难以精准捕捉表现性和非结构化学习任务中的复杂、动态和多维数据，导致许多评价研究仅限于特定情境，同时数据运用方法尚未成熟，在构建评价模型时需要克服多模态数据之间的同步性、互补性、冗余性以及特征提取和整合等一系列问题；三是评价工具的场景适应性不足，难以灵活应对复杂多变的教育环境和场景，特别是在资源有限和数字化基础设施不健全的情况下，无法在不同场景间实现有效应用，进而造成评价与实践的分离。

评价模型的可解释性是指其产生的评价结果能够被人们理解和接受的程度。随着深度学习和机器学习技术的发展，可解释性评价模型主要分为三类：独立于模型的方法、依赖于模型的方法以及因果解释方法。尽管人工智能可解释性评价模型的准确性显著提升，但仍存在精度不稳定、教育场景适应能力弱、单一模型分析不足等问题，导致人机信任危机，影响教育评价结果的公平性和科学性，容易误导教育决策。究其根本：一是源于算法偏见，评价结果可能嵌入技术构建者的价值观，导致价值观窄化；二是由于认知决策偏差，现有技术未能完全模拟人类思维和缺乏情感理解，加剧了智能机器决策过程中的不确定性；三是因为缺乏对可解释性评价模型效度的验证，预测准确性验证相对较多，而对可解释性的验证相对缺乏。

学生需要完成的真实性任务，包括任务的性质和要求等，必须基于真实性场景。真实性场景作为真实性任务的实践场域，包括时空背景和数字化资源等，需要贴近现实，评价目标被精心融入场景中，从而引导学生解决现实和未来生活问题，促进能力与素养的逐层深化。同时，通过创设涉及现实世界中经济、社会和环境等方面的人机交互真实性任务，不仅能够测试学生的知识记忆和理解，更能助推学生将知识和技能迁移到现实生活场景中，实现对学生能力与素养的直接评价，并发挥场景化评价在“主动育人”方面的积极作用。

智能动态性体现为通过高度智能化和动态适应能力，使场景化评价能够根据学生学习进度和实时反馈，灵活调整真实性场景和个性化评价方案。具体表现在：一方面，真实性场景可动态调整，通过利用追踪技术、动态模拟技术和事件触发器，实时接收、传输和整合来自现实世界的变化与数据，智能化调整场景设置，能够增强场景的真实感知、动态互动和智能适应，使评价工具与教育实践、教育场景、教育环境相衔接，从而为学生提供最适宜的真实性场景；另一方面，个性化评价方案的智能适配，借助智能监测和多模态学习情感计算等技术，持续跟踪分析学生的认知过程、自我调节过程、情感状态变化等全过程学习行为表现，进而向学生提供智能化、个性化的学习资源和学习策略等服务与支持，以提升评价的精确度。

场景化评价环境依托“AI+真实性场景”的教学评一体化数字空间，不仅消除了传统教育场景的壁垒，还实现了学校、社区、场馆、工作等多场景联动、数据互通共享以及技术、教学、评价的深度融合。一是人机融合互动。利用可穿戴和嵌入式传感器等智能设备，提供丰富的学生体验视角，使学生能够无意识地、自然地融入虚实融合的真实性场景中，并在多个场景间自由切换，从而全面捕捉和记录学生学习行为表现。二是角色与场景的融合。真实性场景提供情感沉浸体验，不仅能够充分调动学生的多感官参与，还能增强人与人之间以及人与场景之间的价值观传递，有效促进学生在真实性场景中实现情感与认知的深度互动。三是评价过程与评价结果的紧密结合。通过应用贝叶斯知识追踪模型、知识情境感知的深度知识追踪模型等自适应学习技术，能够持续监测和诊断学生与真实性任务的互动情况，为教师和学生提供实时且有意义的反馈信息，有效弥合教学、学习与评价之间的鸿沟。

场景化评价的内隐联结性体现在其以一种不易被学生察觉的方式，持续且稳定地对学生在真实性场景中展现的、难以直接观测到的个人能力与素养进行评估，并能够预测学生的未来潜力和发展趋势，为学生全面成长提供坚实的支撑。场景化评价通过与教学活动的无缝对接，使得评价过程自然地融入真实性场景之中，学生几乎不会察觉到评价的存在，确保了教学与评价的同步性和连贯性。在真实性任务的完成过程中，学生能够获得持续的学习支持和即时反馈，这将帮助他们超越现有能力，向更高层次发展。同时，借助脑机交互和信号传递等技术，场景化评价能精确捕捉并映射学生实时的思维活动、意识细胞功能变化、神经元动态突变以及认知过程进展，从而揭示他们在创新思维、问题解决、沟通协作和价值观形成等方面的发展情况。