AI赋能高校课程质量评价白皮书（2024）.docx

从游数智化研究中心

AIUCOURSEDIGITALINTELLIGENCERESEARCHCENTER

AI赋能高校课程质量评价蓝皮书（2024）

2

目录

前言 3

一、2024年度课程质量评价活动概况 4

1、核心数据全览 4

2、区域覆盖情况 5

3、院校类型分布 5

4、评审模式统计 6

二、AI评审的实际效益分析 7

1、效率提升量化分析 8

2、成本效益优化分析 9

三、AI评审系统（Llama-UKP）的可靠性与一致性多维验证 11

1、算法有效性实证：AI-专家双盲对照研究 11

2、AI与专家评审结果显著性和一致性对比 12

3、高校接受度与认同度调查 13

四、经典案例 15

1、教育部第二批人工智能案例公布，从游科技携手郑州大学联合申报 15

2、“U课评”助力郑州大学智慧课程评价创新实践获新华网报道 15

3、“U课评”携手昆明理工大学，获云南官方媒体和学习强国报道 16

五、结论 17

3

前言

在高等教育高质量发展进程中，课程质量评价既是人才培养的“指挥棒”，也是教学改革的“诊断仪”。然而，传统评价模式长期面临三大结构性矛盾：人工评审效率滞后、定性分析缺乏量化支撑以及静态结果难以驱动动态优化。

《深化新时代教育评价改革总体方案》（中发〔2020〕19号）明确提出“构建政府、学校、社会等多元参与的评价体系，创新评价工具”，这一要求与从游科技U课评AI课程质量评价平台（Llama-UKP）的技术路径深度耦合。平台通过多模态数据融合、百万专家智库和生成式报告引擎，实现了“数据采集-智能诊断-精准干预”的全链条评价升级。截至2024年12月统计数据显示，平台已通过国家版权局权威认证，获得多项计算机软件著作权登记证书，部署范围已覆盖40余所高等院校，累计完成课程评审逾2万门次。实证数据显示：在效率维度，单课程评审耗时从传统模式的40分钟压缩至3分钟；在成本维度，综合运营费用降低80%；在质量维度，AI评审结果与专家人工评审结果高度一致，标志着人工智能正在将“以评促建、以评促改”的教育理念转化为可验证的数字化解决方案。

基于上述实践成果，本蓝皮书将聚焦四大核心维度，系统阐释AI如何驱动教育评价革新：

（1）U课评AI课程质量评价平台的规模化落地能力；

（2）全流程效率与成本的双重变革；

（3）技术可靠性与教育价值的协同验证；

（4）AI赋能的教育评价生态重构实践。

通过系统性分析，平台期望为高校管理者、教育技术研究者提供可复用的AI评价实施框架，推动教育评价从“经验判断”迈向“数据+智能驱动”的新阶段。

4

一、2024年度课程质量评价活动概况

1、核心数据全览

2024年度，从游科技“U课评”平台已服务43所高校开展课程质量评价活动，累计完成了2.15万门次课程评审，平台覆盖综合类、医科类、理工科类、师范类、财经类、艺术类、警官类等多类型学校，构建了“数据采集-智能分析-决策支持”的闭环评价生态，为高校提供专家评审、AI评审及混合评审等多元化选择方案。基于一站式全流程管理机制，实现课程质量评价的自动化和数据驱

动。

5

2、区域覆盖情况

据2024年度的平台数据显示，已有43所高校使用U课评开展课程质量评价活动。其中，西南地区共21所高校使用，占比48.84%。华中地区以12所高校（27.91%）次之，华南等多个地区合计10所高校（23.26%）。

表1区域覆盖数量情况

区域

学校数量（所）

学校数量（所）

西南地区

21

华中地区

12

华南地区

7

其他地区1

3

3、院校类型分布

1其他地区指服务高校数量未达到独立统计阈值（单区域≤3所）的区域。根据教育统计数据处理规范，为保障数据呈现的清晰性与可比性，将此类小样本数据合并为“其他地区”类别。

6

据2024年度的平台数据显示，平台服务的高校已全面覆盖综合类（32.56%）、理工科（23.26%）、财经类（16.28%）、医科类（11.63%）、师范类（9.3%）、艺术类（4.65%）及警官类（2.33%）七大核心院校类别，充分体现了在平台部署的高校类型的多样性。

表2平台院校类型数量情况

学校类型

数量（所）

综合类

14

理工类

10

财经类

7

医科类

5

师范类

4

艺术类