摘　要：随着信息技术的发展，将评价活动嵌入到教学活动中成为可能。隐形性评价是一种不引人注目的、基于证据的评价方法，具有即时性、动态性和隐身性等特点，包括基于证据的评价设计和能有效促进学习的形成性评价与反馈两大核心要素，是随着时代快速变化的要求、学校变革的需求和学习评价理论的发展而形成的。其设计需遵从基于证据的设计理论的设计框架，同时利用贝叶斯网络工具，两者缺一不可。本文以美国泰加林公园游戏软件为例，诠释了其设计与实施的完整过程，并在此基础上分析了可能面临的挑战以及对教师的要求，以期为广大教育评价工作者和一线教师提供借鉴和参考。

　　关键词：教学评价；形成性评价；隐形性评价；数字教学；基于证据的设计；贝叶斯网络

　　中图分类号：G51

　　文献标识码：A

　　作者简介：钟志敏，内蒙古准格尔旗第一中学(内蒙古鄂尔多斯，010400)

　　基金项目：2023年度内蒙古自治区教育科学规划课题“内蒙古农村普通高中多样化发展研究”(编号：2023NGHGZ342)

　　进入21世纪，日新月异的科学技术为人类的工作和学习带来了巨大便利。在教育领域，新的测评技术为科学客观评价学习者的潜在特质提供了帮助和支持。但与此同时也应该看到，虽然技术进步为评价的科学性和客观性提供了保证，但是终结性评价“反映被测学生过去的积累，而不是全部能力，也无益于学生在学习上的自我完善与能力提升，反而会引起更大的考试焦虑，扭曲学习动机，并形成强烈的‘应试’学习模式”^[1]。因此，学者开始关注和开发新的评价方式：形成性评价。正如克拉克^[2]所形容的那样：“如果将孩子视为植物，对植物的终结性评价就是简单地测量它们的过程，比较和分析这些测量值可能很有趣，但是它们本身并不影响植物的生长。形成性评价相当于在花园里给植物浇水，这将直接影响植物的生长”。从教的角度看，形成性评价可以为教师提供有关学生学习方式的证据，以便教师有针对性地修改教学内容;从学的角度看，形成性评价鼓励学生将注意力集中在任务上，而不是简单地获取正确答案。因此，形成性评价对教与学的帮助是显而易见的。

　　虽然形成性评价应用广泛，但在实施过程中常常面临无法精准评价学生能力的问题。近年来，教育与心理测量的新发展开始能够帮助评价者精准评价学生的能力，新技术使得在学习过程中实施形成性评估成为可能，即可以从学习者那里获得持续的、多角度的信息，并且给出即时有效的反馈。这种评价以一种“静悄悄”的形态被无缝嵌入到学习环境的结构中，以至于学习者几乎看不见。鉴于此，这种评价方式被称之为隐形性评价。隐形性评价使用了新的评价技术，即自动评分技术和基于机器的推理技术，这些技术可以做到人类推断达不到的程度，例如在整个技能网络中估算基于证据的能力价值^[3]。

　　目前关于隐形性评价的研究还处于起步阶段，人们对隐形性评价的理解还比较模糊，对其本质也鲜有论述，特别是对“什么是隐形性评价”“隐形性评价是怎样发生的”“如何设计隐形性评价”等基本问题研究不够深入。鉴于此，有必要对上述问题进行深入的研究和分析。本文结合国外已有研究成果和实践案例，试图对隐形性评价的内涵进行剖析，对其形成、设计逻辑和过程进行阐释，并通过一个实践案例进行更直观的说明。

　　一、隐形性评价的内涵与形成背景

　　(一)隐形性评价的含义

　　1.何为“评价”

　　美国著名学者霍普金斯(Hopkins)在《教育和心理的测量与评价》一书中指出，评价是依据评价者自身背景及其所受训练，对观察做出有价值的判断和决策的过程^[4]。由此可见，评价是一个价值判断和决策的过程，受评价者主观因素影响。做出价值判断和决策的依据是教学目标，即教学目标描述了学习者要达到的学习结果，评价所做的就是对比现实和预期结果，并给出对比的结论。建构主义者认为，评价是一种通过“协商”而形成的心理建构，因此，被评价者也是评价的参与者和评价的主体，评价受多元主义价值观支配^[5]。从这个层面来说，评价是一种向学习者提供即时反馈信息的活动，也是一个动态建构的过程^[6]。

　　2.何为“隐形性评价”

　　隐形性评价是一种不引人注目的、基于证据的评价方法^[7]。通常学生深度沉浸在学习环境中并完成交互式任务，在视频游戏或其他基于计算机的教学系统中，通过自动评分和智能推理技术，推断出学习内容是否太难或太耗时。这和形成性评价的宗旨一样，旨在促进学习者对重要内容的学习与核心能力的提升，所以必须在学习者学习或者玩游戏的过程中持续自动捕捉其学习数据，以便准确推导出学习者的知识和能力水平，并把这些推论储存在学习者的动态模型中^[8]。隐形性评价旨在保证学习者在学习时能保持最佳状态而不被评价活动干扰，即在学习过程中深度沉浸，甚至自我意识消失，失去时间感知，类似于很多游戏爱好者沉迷于游戏的状态^[9]。有学者指出，在复杂的目标导向活动中，获得外部奖励不是目的，而仅仅是为了使工作振奋人心^[10]。隐形性评估能够大幅减少测试焦虑，同时保证评价的有效性和可靠性，最终模糊评价与学习之间的区别，换句话说就是，评价即学习^[11]。

　　隐形性评价包含两个核心要素：一是基于证据的设计(Evidence-Centered Design);二是形成性评价与反馈^[12]。基于证据的设计是一套有条理的概念设计框架，能科学系统地建立学习者和学习证据之间的联系。它的适用场合较广，从教室小规模测验到大规模基于模拟的评价都可以使用。这个概念框架包括学习者模型、证据模型、任务模型等诸多模型，这些模型通过共同作用来回答各种具体问题，比如“应该测量哪些潜在特质”“如何打分”等^[13]。隐形性评价是形成性评价的深入和发展，所以其核心要素必然包含形成性评价与反馈方面的内容，而且应有更高要求，以达到更好的效果。隐形性评价向学习者提供量身定制的形成性评价与反馈内容，从而为教学决策提供了依据。学习者信息(包括认知信息和非认知信息)则储存在学习者模型中并持续更新，以提供更广泛和更丰富的学习证据资料。

　　(二)隐形性评价的形成背景

　　1.快速变化的时代要求

　　当今世界正面临越来越复杂的需要人类共同解决的严重问题，比如全球变暖、雨林的破坏、抗药性微生物泛滥、核扩散等。当面对如此复杂的问题时，需要学习者具备创造力、批判性思维、协作和系统性思维等关键能力^[14]。但在一个简单的知识测验中，学生多项选择的反应并不足以说明其在真实世界中的能力。因此，重新设计评价方法，确定与21世纪技能相关的新评价标准，进而建立学生关键能力和证据之间的联系，成为评价和促进学生发展的重要途径。

　　2.学校变革的需求

　　当前，学生的娱乐活动与学校要求他们做的事情之间存在巨大的横沟。强制性的学校活动与学生自由选择活动间的不匹配，引起了人们对学校教育质量的担忧。学校提供被认为“重要”的材料，学生却没有学习材料的动机，但在娱乐活动中(例如游戏、访问社交网络)，学生的动机往往被高度激发。如果将学生的娱乐活动和学习结合到一起，学生的专心程度与学业成绩将大幅度提升。因此，将学校提供的学习材料嵌入类似游戏的环境中具有极大的激励学生的潜力，尤其针对学习动机不强的学生，影响可能更加明显。

　　3.学习评价理论的发展

　　隐形性评价研究的主要假设是：边做边学以改善学习过程和结果;在游戏过程中可以衡量和验证学习者的不同属性;通过加强学习者的优势，改进学习者的劣势，促进学习;形成性评价的反馈可用于进一步支持学生学习^[15]。在评估过程中，隐形性评价能够收集学习者过程数据，比如鼠标点击次数、反应时间，但如何在大量数据中识别并验证数据指标与所测学习者的特质之间的因果关系仍然是个难题。新的评价理论强调基于证据的设计，包括证据的诱发、捕获、解释、总结和报告等，评价逻辑是基于证据的论证过程，包含了从证据到推断的论据链。因此，无关数据将首先被剔除，只保留学习证据。教师只需要建立证据与学习者潜在特质之间的关系即可完成评价过程，这将极大地增加评价的效度，弥补当前形成性评价的不足。

　　二、隐形性评价的设计逻辑

　　将评价纳入游戏中具有明显的优势^[16]。在游戏中，学习者可以很自然地利用协作、批判性思维、问题解决等能力去完成复杂任务，从而产生丰富的动作序列。因此，评价技能所需的证据亦是由学生与游戏本身的互动即游戏过程提供的。利用这种证据流来评估学习者的知识、技能以及情感态度价值观等特质，是传统测量模型难以做到的。首先，在传统测试中，每个问题的答案都被视为独立的数据点。其次，在传统测试中，问题的设计通常指向某一特定的知识或技能。正确回答该问题的证据是学习者知道某个事实，一个问题对应一个事实。然而，通过分析学习者对所有问题的回答，这仅仅能评估部分而不是全部。而在游戏一系列互动中的每个动作通常都相互依赖^[17]。例如，某位学习者在某一时刻的格斗动作会影响其后续动作。但在实际评价过程中，通常需要依据来自游戏或模拟中学习者互动的证据来评估整个能力群，因此分析行为序列以推断这些能力的方法并不那么明显。而基于证据的推断方法将学习者游戏数据和需要评估的潜在特质联系起来，从而能够准确推断出学习者相应的能力。而从证据到相应能力的链接则需要用到贝叶斯网络这一建模工具来实现。

　　(一)基于证据的设计方法

　　基于证据的设计的基本思想来自于梅西克(Messick)，然后由米斯雷弗(Mislevy)及其同事形式化^[18]。其基本原理是，评价过程首先从明确应评价的能力、技能等潜在特质变量开始。这些变量无法直接观察到，因此只能从学习者外显的行为表现来推断。其次是确定能够引出学习者外显行为的任务类型。最后是收集在完成这些任务中产生的证据，并以适合评价目的的术语对这些证据进行原则性解释^[19]。由此，证据与潜在特质变量建立了联系。

　　基于证据的设计框架包括三个模型。一是能力模型。能力模型明确了哪些知识和技能需要被评价，也被称为构念。能力模型中的变量通常称为节点，描述了推论所基于的知识和技能。需要说明的是，“学生模型”一词用于表示能力模型的学生实体化版本(如成绩单)，仅用于更精确的粒度。二是证据模型。证据模型明确了哪些行为能够揭示这些构念。证据模型表示学习者与问题的互动和对问题的反应如何构成有关能力模型变量的证据。证据模型试图回答两个问题：哪些行为揭示了目标能力?这些行为与能力模型变量之间的统计关系是什么?三是任务模型。任务模型明确了哪些任务能够引出构成证据的行为。典型评价设计中使用的任务模型变量描述了用于引起学习绩效的任务特征。任务模型提供了一个框架，用于描述和构建与学生互动的情况，以提供关于能力相关知识方面的定向证据。任务模型确定了学习者将被要求完成何种任务，以及允许的响应方式、可用格式类型等。

　　在评价中，任务是最为显著的组成部分，其主要目标是寻找可观察的证据以推断不可见的能力。对于游戏中的隐形性评价，学习者在完成任务的过程中将产生一系列的动作，动作序列构成了得出证据和推论的基础。在嵌入隐性评价的游戏中，学生模型会逐渐积累并表达对技能目标方面的预期，这些预期以能力模型变量的概率分布形式呈现^[20]。证据模型能够提供关于学生所说或所做事情的证据，以反映相关技能^[21]。任务模型表示能够激活所需证据的情境，而贝叶斯网络一直是各种能力和证据建模方法中广泛使用的有效工具。

　　(二)贝叶斯网络

　　贝叶斯网络，也被称为信念网络或有向无环图模型，是一种用于表达变量间概率关系的图形模型^[22]。它由节点和有向边组成，节点表示随机变量，有向边则表示变量间的概率依赖关系。在贝叶斯网络中，每个节点都与一个概率表相关联，该概率表描述了在给定其母节点的情况下该节点的条件概率。因此贝叶斯网络可以有效地表示和计算联合概率分布。它的基本原理是通过激活和观察特定案例或情境的证据，利用内部概率分布来控制网络行为，并通过信息传播来支持“假设”场景。它有两种用途，一是应用于能力模型中，通过表征学习者关键能力之间的关系，并建立动态模型图，以应对不断变化的学生能力^[23];二是其所产生的概率信息可用于指导决策，例如，在学习者当前状态下选择最佳内容以提供教学支持，并随后进行交付^[24]。

　　三、隐形性评价的实践案例分析

　　隐形性评价在国外已经开始应用且形成了一些有代表性的实践案例。本研究选择比较成熟的生态学和科学探究案例加以说明。

　　(一)游戏背景及任务

　　以泰加林公园(Taiga Park)游戏为例进行分析^[25]。Taiga Park是一款身临其境的3D角色扮演数字教育游戏，由美国印第安纳大学研究人员开发，在印第安纳州的中学应用广泛，主要评价中学生生态学和科学探究方面的知识和技能，如系统思维等。Taiga Park游戏的设定背景为虚拟的公园中生活着几类人，包括公园护林员、农民、木材公司、实验室技术人员，有一条河流，即Taiga河贯穿其中，人们就生活在河流的附近。尽管他们来自于不同的种族，但是为了生计而不得不在一起生活，这代表了世界是一个由多个层次组成的“系统”。Taiga河中出现了鱼类持续死亡的现象，这严重危及了附近人的生存。游戏中的NPC(non-player character，非玩家角色)巴特尔写了一封介绍任务背景的信，信中包含了学习者要完成的任务，比如沿着河流在各个地方收集水样、在不同的地点和时间拍摄河流的照片。学习者需要拜访实验室技术人员等学识渊博的人，从而学会相关的生态学基础知识，比如不同鱼类需要的氧气含量、什么因素会影响水中的氧气含量等。在提示下学生点击不同模块建立因果图，最终完成调查任务。

　　(二)评价逻辑及过程

　　该游戏主要考查和培养学习者的系统思维。案例背景是复杂而真实的，现实生活中河流的水质及其含氧量的变化涉及多方面原因，鱼类的死亡是一个生态学问题，这个问题是非良构的，需要考虑各方面的因素，如气候、温度、食物链、人为污染等。而要解决这个问题，需要学习者依靠多方面的力量去调查。因此学习者需要从底层系统及其子系统的角度来考虑^[26]。在如此复杂的情况下需要学习者具备系统思维^[27]。

　　“系统思维”中的节点根据条件概率在统计上彼此连接，并且在网络中包含不同的级别(如图1)。例如，母节点“系统模型”代表了对学习者一般系统思维能力的估计，并给出了当时收集的所有证据。低级节点“收集信息”通过证据模型和从游戏中获得的数据建立关联。这些指标最后会连接到贝叶斯网络里。在Taiga Park的世界中，其中一个任务要求学生沿河的各个地点收集水样并拍摄河流的照片，任务要求高准确性和高效率。学生在“收集信息”节点完成数据的收集任务。收集到的信息插入贝叶斯网络后，会在整个网络中传递给所有其他节点，其估计值随后会更新。需要说明的是，这个任务与“解决河流中鱼类种群死亡”这一总体问题有关，生态学与科学探究发生在不同的任务中，所有这些任务旨在促使学习者认真思考复杂生态系统要素之间的相互关联以及要素之间的动态关系。此外，根据学习者在两个时间点的系统思维能力来建模：初始任务(时间点1)和最终任务(时间点2)。学习者的系统思维能力会随着时间的推移在数量和质量上发生变化。例如，将在时间1和时间2创建的克拉克因果循环图(描述当前对导致鱼类种群死亡原因的解释)与专家图进行比较。通过自动标注图标，然后将标准化地图覆盖到专家图上，从而进行比较。用于比较的工具是一个基于Excel的软件应用程序，名为jMap。该工具旨在实现以下目标：一是引出记录，并自动编写思维模式;二是可视化并定量评估心理模型随时间的变化;三是确定收敛于专家水平的程度。通过克拉克因果循环图和专家图进行对比而获得的信息将被输入到与该节点有关的贝叶斯网络，并为学习者提供形成性反馈。例如，考虑到学习者早期在地图中明显的遗漏错误，该系统将提供以下反馈：“工作不错，但您忘了以下事实：沉积物会增加水温，从而降低水中氧的含量。这就是鱼快要死了的原因——它们没有足够的氧气。”

图1   系统思维

　　四、隐形性评价未来的挑战

　　隐形性评价结合基于证据的设计以及贝叶斯网络，不仅为分析学生的能力状态提供了有效证据和反馈，而且可以减少教师的工作量，从而有助于教师将精力集中放在如何促进学生学习上。但隐形性评价也存在以下几方面的未来挑战。一是开发能力模型的粒度级别必须是适当的。粒度太大意味着无法确定学生能力的具体证据，而粒度太细意味着较高的复杂度和资源负荷。二是当学生协作完成任务时，在游戏环境中开发证据模型可能会非常困难。例如，当结果综合起来时，教师如何跟踪每个学生的行为和他们的想法?三是即使为教师提供了全面的评分标准，对定性作品(如论文、在线讨论)的评分仍然具有很高的主观性。因此，需要一个详细且有力的编码方案，该编码方案应考虑到作品内容中语义的细微差别，即语义背景和情境。四是对于任务模型，问题仍然在于如何分配任务。任务应该有特定的动作序列，限制学生漫无目的地探索或者走另类途径，从而保证收集到更可靠的数据。因此，当设计者在游戏中进行评估时，需要在学生探索和结构化数据收集之间找到平衡。

　　同时，隐形性评价的应用也对教师提出了更高的要求。一是需要改变传统的评价观念。评价不再只是简单打分，而是为了促进学生能力的发展。在以教育为目的而设计的游戏中，教师可以在系统中通过基于Web的工具包查看学生的进度。这样教师就可以收到所有学生提交的内容并对其进行评分。教师应该花大量时间来评估学生的能力模型，以信息为基础提供形成性的反馈意见^[28]，而不是为论文和图表打分。例如，如果有证据显示能力模型在任务期间存在水平较低的情况，教师应该将其转变为可教学时间，或者选择能力模型水平较低的学生与水平较高的学生一起完成任务。二是需要调整评价习惯。评价过程应该全程对学生透明公开。如前所述，基于贝叶斯网络处理的评估信息，可以将学生的最新能力评估值集成到游戏中，并显示为进度指示器。学生可以查看其能力如何变化。大多数游戏已经包含状态栏，里面会显示学生当前能力变量的级别。教师应该添加诸如合作问题解决和系统思维技能之类的高级能力到状态栏里，并显示这些高级技能的属性。学生通过状态栏可以查看较低级别变量的当前状态，如果状态栏显示某一能力值较低，学生需要采取行动以增加其数值。允许学生查看他们的状态及其背后的证据，能帮助学生更加了解个人属性，进而可以增强他们的元认知能力^[29]。

　　参考文献：

　　[1]朱颖,褚慧玲.测评也是学习——“2019考试评价国际研讨会”会议综述[J].教育测量与评价,2020(02):27-33.

　　[2]CLARKE A. The recent landscape of teacher education: Critical points and possible conjectures[J]. Teaching and teacher education, 2001, 17(5): 599-611.

　　[3]龚鑫,许洁,乔爱玲.基于沉浸式学习环境的隐形性评估：机理、框架与应用[J].电化教育研究,2023,44(12):64-72.

　　[4]HOPKINS K D. Educational and psychological measurement and evaluation[M]. Needham Heights: Allyn & Bacon, 1998.

　　[5]RAHM T, OBERLEHBERG N, MAYER A. Teaching happiness to students-implementation and evaluation of a program aiming at promoting wellbeing in elementary schools[J]. Frontiers in psychology, 2024, 15: 1289876.

　　[6]WOLFER T A, JOHNSON M M. Re-evaluating student evaluation of teaching: The teaching evaluation form[J]. Journal of Social Work Education, 2003, 39(1): 111-121.

　　[7]KE F, SHUTE V. Serious games analytics: Methodologies for performance measurement, assessment, and improvement[M]. Tallahassee: Florida State University, 2015.

　　[8]SHUTE V J. Focus on formative feedback[J]. Review of educational research, 2008, 78(1): 153-189.

　　[9]SMITH G, SHUTE V, MUENZENBERGER A. Designing and validating a stealth assessment for calculus competencies[J]. Journal of Applied Testing Technology, 2019:52-59.

　　[10]MOORE G R, SHUTE V J. Handbook on digital learning for K-12 schools[M]. Tallahassee: Florida State University, 2015.

　　[11]ALMOND R G, KIM Y J, VELASQUEZ G, SHUTE V J. How task features impact evidence from assessments embedded in simulations and games[J]. Measurement: Interdisciplinary Research & Perspectives, 2014,12(1-2): 1-33.

　　[12]SHUTE V J, ZAPATA-RIVERA D. Understanding models for learning and instruction: Essays in honor of Norbertm See[M].New York: Springer, 2008.

　　[13]MISLEVY R J, ALMOND R G, LUKAS J F. A brief introduction to evidenceヽentered design[J]. ETS Research Report Series, 2003(1): i-29.

　　[14]GRZYBOWSKA K, LUPICKA A. Key competencies for Industry 4.0[J]. Economics & Management Innovations, 2017,1(1): 250-253.

　　[15]SHUTE V J. Stealth assessment in computer-based games to support learning[J]. Computer games and instruction, 2011, 55(2): 503-524.

　　[16]ZIEKY M J. An introduction to the use of evidence-centered design in test development[J]. Psicología educativa, 2014, 20(2): 79-87.

　　[17]BROWN J S. Pedagogical, natural language, and knowledge engineering techniques in SOPHIE-I, II and III[C]. In Intelligent tutoring systems, Academic Press, 1982:227-282.

　　[18]MISLEVY R J, HAERTEL G, RICONSCENTE M, RUTSTEIN D W, ZIKER C. Assessing model-based reasoning using evidence-centered design: a suite of research-based design patterns[M]. New York: Springer, 2017.

　　[19]MISLEVY R J, HAERTEL G D. Implications of evidenceヽentered design for educational testing[J]. Educational measurement: issues and practice,2006, 25(4): 6-20.

　　[20]ALMOND R G. Using evidence centered design to think about assessments[J]. Innovative assessment for the 21st century: Supporting educational needs, 2010: 75-100.

　　[21]HAO J, MISLEVY R J. The evidence trace file: A data structure for virtual performance assessments informed by dataanalytics and evidence-centered design[J]. ETS Research Report Series, 2018(1): 1-16.

　　[22]MISLEVY R J, LEVY R. Bayesian psychometric modeling from an evidence-centered design perspective[J]. Handbook of statistics, 2006,26: 839-865.

　　[23]袁建林,刘红云.核心素养测量:理论依据与实践指向[J].教育研究,2017,38(07):21-28+36.

　　[24]何克抗.关于形成性评估与隐形性评估——美国《教育传播与技术研究手册(第四版)》让我们深受启发的亮点之三[J].中国电化教育,2017(06):24-29+79.

　　[25]SHUTE V J. Stealth assessment in computer-based games to support learning[J]. Computer games and instruction, 2011, 55(2): 503-524.

　　[26]RICHMOND B. Systems thinking: Critical thinking skills for the 1990s and beyond[J]. System dynamics review, 1993, 9(2): 113-133.

　　[27]ARNDT H. Enhancing system thinking in education using system dynamics[J]. Simulation, 2006, 82(11): 795-806.

　　[28]SHUTE V J. Focus on formative feedback[J]. Review of educational research, 2008, 78(1): 153-189.

　　[29]SHUTE V J, RAHIMI S. Stealth assessment of creativity in a physics video game[J]. Computers in Human Behavior, 2021, 116: 106647.

Stealth Assessment: A New Assessment Method in the Digital Age

ZHONG Zhimin

(Zhungeer Banner No.1 Middle School, Ordos, 010400 Inner Mongolia)

　　Abstract: The rapid advancement of information technology has made it feasible to integrate assessment activities seamlessly into teaching practices. The concept of Stealth assessment, characterized by its immediacy, dynamism, and subtlety, represents an evidence-based assessment approach. It primarily involves two components: an evidence-based assessment design and formative assessment with feedback. Both components are crucial for facilitating effective learning. This approach responds to the rapid societal changes, ongoing demands for educational reform, and the principles of learning assessment theory. According to the Evidence-Centered Design theory, the design of Stealth assessment should also incorporate Bayesian network tools to ensure robustness and accuracy. This paper uses Taiga Park in the United States as a case study to explore the comprehensive design process and implementation of this assessment method. It discusses potential challenges and offers practical guidance for educators on how to navigate these issues, aiming to provide valuable insights for education evaluators and frontline teachers.

　　Keywords: Educational assessment; Formative assessment; Stealth assessment; Digital teaching; ECD; Bayesian network

　　(编辑 姚力宁　校对 郭向和)