giteahh
8273017082
- Add 8 PARA directories to .gitignore whitelist (234 files) - Completes dual-layer sync: LLM Wiki layer + PARA personal knowledge layer - markdown_output/ remains excluded (transit zone)
271 lines
30 KiB
Markdown
271 lines
30 KiB
Markdown
---
|
||
Area:
|
||
- "AI"
|
||
title: "智能化战争背景下军校专业任职类课程考核生态系统重构_"
|
||
source: "https://fx.gfkd.chaoxing.com/jour/detail_38502727e7500f26fa13964cfd2cecfa5a531d1426cbeeac1921b0a3ea255101fc1cf1fbb4666ae699e7a91db4a4edb566987c38b6e40ff9d5fa67b88a0326c290880248f232181fa87aba0c44e983a6"
|
||
author:
|
||
published:
|
||
created: 2026-04-20
|
||
description:
|
||
tags:
|
||
- "clippings"
|
||
image:
|
||
Status:
|
||
- "Waiting"
|
||
slug:
|
||
PublishType:
|
||
PublishPlatform:
|
||
- "ALL"
|
||
rating: 4
|
||
---
|
||
> [!tip] Highlights
|
||
> 为什么军校的课程考核方式需要改变？因为智能化战争需要的不是能背书的学员，而是能在复杂、不确定的战场环境中快速决策和适应的人。这篇文章值得看，是因为它没有停留在空谈“改革”，而是用具体的数据和案例，比如一项试点改革让学员抄袭现象大幅减少、75%的学员学习积极性提升，来证明**将考核从“期末一考定音”转向“融入学习全过程”** 确实能解决实际问题。它指出了当前考核的“能力评估赤字”，这比泛泛而谈“学用脱节”要尖锐和具体得多。
|
||
>
|
||
> 文章的核心思路是构建一个名为 **“融评促战”(ALWI)** 的生态系统。它的做法很清晰：首先，把考试放进高仿真的作战情境里，比如用数字孪生技术模拟战场推演，去评估学员整合知识、临机应变的能力，而不仅仅是记忆知识点。其次，它强调要度量看不见的**高阶思维过程**，比如批判性思维和决策逻辑，而不仅仅是看最终答案的对错。最后，它利用技术平台持续追踪学习过程，提供个性化反馈，让评估本身成为驱动学习的引擎。
|
||
>
|
||
> 最终，这篇文章提供的是一个**从评估知识到塑造认知优势**的完整框架。它没有承诺一个完美的解决方案，反而通过一个课程改革案例，坦诚地指出了在度量高阶思维和构建复杂情境评估上的不足。这种基于实践反思的、具体的技术路径，对于任何关心如何在快速变化的领域（不止是军事教育）中有效培养和评估人的真实能力，都很有启发。它本质上是在探讨：我们如何设计一套系统，让它不仅能打分，更能真正促进人应对复杂挑战的核心能力成长。
|
||
|
||
### 目录
|
||
|
||
- 摘要
|
||
- 关键词
|
||
- 一、智能化战争背景下军事人才培养的挑战与考核改革现状
|
||
- (一)智能化战争对军事人才高阶能力需求的重塑
|
||
- (二)当前课程考核模式的普遍困境
|
||
- (三)国内外军事教育考核改革的趋势
|
||
- 二、面向作战适应力生成的“融评促战”考核生态系统构建
|
||
- (一)核心支柱
|
||
- (二)支撑平台
|
||
- 三、改革实践初步探索：基于某专业任职类课程的案例反思与启示
|
||
- (一)对ALWI理念的初步体现
|
||
- (二)与ALWI系统要求的差距及反思
|
||
- (三)案例启示
|
||
- 四、结论与建议
|
||
- 参考文献
|
||
|
||
### 文内图表
|
||
|
||
|
||
|
||
图1 “融评促战”考核生态系统架构
|
||
|
||
智能化战争背景下军校专业任职类课程考核生态系统重构
|
||
|
||
## 智能化战争背景下军校专业任职类课程考核生态系统重构
|
||
|
||
强军兴军，关键在人才。智能化战争浪潮以前所未有的力度冲击着传统战争形态和制胜机理，其核心特征表现为认知域对抗日益激烈、人机协同成为常态、战争节奏空前加快、不确定性急剧增加\[1\]。这使得未来军事人才的核心竞争力，正从传统的知识储备和技能熟练，转向以认知优势和作战适应力(应对战场形势变化而采取有效行为改变的能力)为关键要素的新型能力体系\[2\]。军队院校作为军事人才培养的主阵地，其课程考核体系作为检验培养效果、引导教学方向的“指挥棒”，必须进行深刻变革方可适应这一根本性转变。然而，当前部分军队院校沿用的专业任职类课程考核模式，往往侧重于对静态知识的记忆复述和标准化技能的考核，难以有效评估学员在模拟未来战场复杂环境下的综合决策能力、临机应变能力和创新思维能力\[3\]，更遑论对其认知优势和作战适应力的培育与塑造。这种考核范式与智能化战争人才需求之间存在“鸿沟”，导致评估结果难以真实反映学员核心能力，制约了高素质、专业化新型军事人才的培养质量。
|
||
|
||
本文立足智能化战争对军事人才培养的战略需求，深入分析传统考核模式的局限性，在融合认识论、认知科学、能力本位教育等理论基础上，创新提出构建“融评促战(assessment-learning-warfighting integration，ALWI)”考核生态系统。该系统旨在打破传统教考理念尤其是“重结果轻过程”“重知识轻能力”的窠臼，将考核深度融入学习、训练乃至模拟实战的全过程，使之成为驱动学员认知升级、能力生成和作战适应力提升的核心引擎。本文详细阐述了ALWI系统的理论基础、核心架构与运行机制，并通过改革试点实践探讨其落地的初步成效与局限。同时，在此基础上反思全面构建ALWI系统的必要性，以期为新时代军队院校专业任职类课程考核改革提供理论指导和实践启示。
|
||
|
||
## 一、智能化战争背景下军事人才培养的挑战与考核改革现状
|
||
|
||
战争形态的演变，从根本上重塑了部队对军事人才能力素质的要求。深入分析智能化战争带来的颠覆性挑战，审视当前课程考核存在的局限，并借鉴国内外考核改革发展的趋势，是构建新型考核生态系统的逻辑起点。
|
||
|
||
### (一)智能化战争对军事人才高阶能力需求的重塑
|
||
|
||
智能化战争是信息技术与军事战略深度融合的产物，其多域融合、算法驱动、人机协同、快速决策等特征，使得战场信息环境极度复杂、战场态势瞬息万变\[4\]。制胜关键不再仅仅依赖于平台性能或信息数量优势，更取决于官兵能否在海量、模糊甚至欺骗性信息中快速洞察本质、理解意图、预见发展，并作出最优决策，即夺取和保持认知优势\[5\]。这就要求未来军事人才必须具备一系列以高阶认知为核心的复合能力，主要包括：一是高阶思维能力。智能化战争环境下，指挥员的军事智慧和思维品质对作战成败的决定性作用愈发凸显。这要求军事人才应具备卓越的批判性思维、系统思维和创造性思维，以应对复杂战场的非线性与不确定性\[6\]。二是复杂决策与适应能力。军官必须具备在信息不完备、时间高度压缩的混沌环境中减少不确定性、进行快速高质量决策的能力\[7\]。同时，还需要具备高度的认知灵活性与韧性，以快速适应不断变化的战场环境\[8\]。三是作战适应力。军事知识具有显著的实践性、情境性与生成性\[9\]，其主要在应对特定战场情境、克服对手反制的实践中被理解、应用和创造。因此，军事知识学习的本质是一种基于经验的反思性实践，要求学员具备在对抗与实践中持续学习、快速适应与迭代优化的能力。传统的知识灌输和标准化考核，显然无法满足上述高阶能力的培养需求。
|
||
|
||
### (二)当前课程考核模式的普遍困境
|
||
|
||
当前，部分军队院校沿用的专业任职类课程考核模式，与满足智能化战争人才的能力需求之间还存在显著差距。国内外相关研究已普遍揭示了传统考核模式的局限性。传统考核模式往往侧重于对静态知识的记忆复述和标准化技能的考核，其核心弊端在于：一是评估内容偏向低阶认知。传统考核多采用标准化测试，易于测量知识记忆、理解等布鲁姆教育目标分类学中的低阶认知技能，却难以有效分析、评估和创造高阶思维能力。二是评估方式脱离实战情境。考核通常在高度简化和去情境化的环境中进行，将复杂的军事能力人为切割为独立的知识点进行考查\[10\]，忽视了能力在真实任务中的整合性与情境依赖性，导致评估结果与真实作战能力之间存在差距\[11\]。三是评估反馈机制滞后。以“期末一考定音”为代表的终结性评价，反馈周期长，难以及时发现问题、引导学员发展，无法满足军事人才能力快速迭代的要求\[12\]。
|
||
|
||
这种以知识再现为中心、忽视高阶能力、脱离实战情境的考核范式，一定程度导致了“高分低能”“学用脱节”等问题\[13\]，在衡量和预测学员未来任职所需的综合实战能力方面效力不足。我们将这种传统考核模式在有效评估智能化战争所需核心能力上的结构性缺陷，概括为一种显著的“能力评估赤字”(capability assessment deficit)。这一“赤字”不仅是衡量工具的失效，更是人才培养方向的偏离，严重制约了高素质、专业化新型军事人才的培养质量。
|
||
|
||
### (三)国内外军事教育考核改革的趋势
|
||
|
||
为弥补“能力评估赤字”，部分国家军事教育机构积极探索考核模式的改革。其改革趋势聚焦于以下几个方面：一是向能力本位转型，强调以未来岗位胜任力模型为依据，构建贯穿培养全过程的动态化、发展性评价体系。二是推行情境化评估，大量采用基于复杂决策模拟、兵棋推演、虚拟现实等高保真情境的评估方法，考察学员整合性的问题解决能力\[14\]。三是深化技术赋能，广泛应用人工智能、大数据、学习分析等技术，实现对学习过程的精准追踪、对认知状态的客观度量和对评估反馈的个性化推送，提升考核的智能化水平\[15\]。这些前沿探索为军队评估院校考核改革提供了宝贵启示，也凸显了对考核体系进行系统性、生态化重构的必要性与紧迫性。
|
||
|
||
## 二、面向作战适应力生成的“融评促战”考核生态系统构建
|
||
|
||
为应对智能化战争挑战、弥补传统考核“能力评估赤字”，推动从“评价知识掌握程度”向“塑造认知优势与作战适应力”转变，研究提出构建“融评促战”考核生态系统，系统架构如图1所示。该系统将考核视为一个动态、开放的，由数据驱动，与人才培养全过程深度融合，并直接服务于战斗力生成的复杂适应系统。其核心并非仅仅给出分数或等级，而是通过持续、精准、智能的评估与反馈，驱动学员认知迭代、能力生成，从而促进学员提升适应未来战场、实现打赢目标的作战适应力。ALWI系统包含三大核心支柱和两大支撑平台。
|
||
|
||
|
||
|
||
图1 “融评促战”考核生态系统架构
|
||
|
||
### (一)核心支柱
|
||
|
||
1.情境嵌入式能力整合评估(context-embedded competency integration assessment，CECIA)
|
||
|
||
情境嵌入式能力整合评估的基本理念是打破学科界限，将考核深度嵌入模拟未来作战行动的复杂情境。例如，基于数字孪生战场的联合作战筹划推演、网络空间攻防对抗、人机协同任务执行、危机决策模拟训练等。其核心特征是高保真情境、跨领域任务、整合性能力、过程与结果并重。情境嵌入式能力整合评估强调在贴近实战的环境中评估学员综合运用知识、技能、思维和心理素质解决实际军事实践问题的整合能力，同时强调不仅要看最终结果(如方案优劣、对抗胜负)，更要分析学员在学习过程中的信息获取、态势理解、决策逻辑、协同效率、应变调整以及反思改进等表现。
|
||
|
||
情境嵌入式能力整合评估大量采用了基于表现的评估方式，如战术作业(含兵棋推演)、模拟器对抗考核、虚拟现实/增强现实沉浸式任务评估、基于模型的系统设计与验证、案例研究及复盘等。评分标准基于军事胜任力模型，采用多维度、行为锚定的评估量规(rubrics)。
|
||
|
||
值得注意的是，CECIA的核心在于“情境嵌入”与“能力整合”，其具体表现形式可根据专业性质高度适配。对于指挥管理类专业，情境设计可包括基于数字孪生的作战推演或特情处置模拟训练等，旨在评估学员的指挥决策与应变能力；而对于工程技术类专业，情境则可设计为基于复杂环境的某武器系统设计、战损装备的诊断与抢修等任务，旨在评估学员的工程实践、系统思维与技术创新能力。两种情境虽形式不同，但都遵循了在复杂、动态、贴近实战需求的任务中评估整合性能力的核心原则，体现了ALWI框架的内在灵活性与广泛适用性。
|
||
|
||
2.认知中心化高阶思维度量(cognition-centered higher-order thinking metrology，CCHOTM)
|
||
|
||
认知中心化高阶思维度量的基本理念是，将评估焦点从外显行为和知识记忆转向内隐的高阶认知过程与品质，特别是智能化战争所急需的批判性思维、系统思维、计算思维、创造性思维、快速决策能力、元认知能力和认知韧性等。其核心特征是聚焦认知、过程显化、精准诊断，目标是“看透”学员的思维过程，识别其认知模式的优势与不足，并提供针对性反馈以促进其认知发展。
|
||
|
||
CCHOTM主要通过设计专门的认知评估任务来实现，如基于复杂情报的态势判断、多属性决策难题、非结构化问题解决方案设计等，或在CECIA任务中嵌入认知观测点，运用认知任务分析指导任务设计。探索融合眼动追踪、脑电、皮电等生理信号监测，结合交互日志、决策陈述的自然语言处理分析等技术，对认知负荷、注意分配、决策路径、情绪状态等进行客观度量。应用认知诊断模型进行精细化评估，输出个体认知画像。
|
||
|
||
3.发展导向型学习过程追踪(development-oriented learning process tracking，DOLPT)
|
||
|
||
发展导向型学习过程追踪的基本理念是将评估视为学习的有机组成部分(assessment as learning)，贯穿学员成长的全周期。通过持续追踪、记录、分析学员的学习行为与表现，提供及时的、个性化的、发展性的反馈\[16\]，引导学员自我监控、自我评估、自我改进，实现学习力的持续提升。其核心特征是全程伴随、数据驱动、个性反馈、赋能成长。强调评估的形成性功能和对学习者的赋能作用。
|
||
|
||
DOLPT主要通过构建学员个人电子学习档案(e-portfolio)，整合其在理论学习、模拟训练、项目研究、协同演练、考核任务等各个环节中的数据，运用学习分析(learning analytics)技术，挖掘学习模式，识别困难节点，预测发展趋势。同时，实施多元化的形成性评估策略，包括智能反馈、同伴互评与协作评估、学习反思日志、阶段性成果汇报、动态评估(测试—干预—再测试)等。
|
||
|
||
### (二)支撑平台
|
||
|
||
1.智能化评估技术平台(intelligent assessment technology platform，IATP)
|
||
|
||
智能化评估技术平台的功能定位为通过集成高逼真度仿真引擎(支持VR/AR/XR)、人工智能(AI)评估算法库，以及大数据处理与分析系统、自适应学习与评估引擎、在线协作与记录工具等功能模块，用于支持自然语言处理、行为模式识别、认知状态推断等核心认知计算功能，为ALWI系统的三大支柱提供强大的技术支撑，旨在服务更智能化的人机交互。其核心作用在于实现复杂评估情境的快速构建与部署、评估过程数据的智能采集与处理、评估结果的多维自动分析与可视化呈现、个性化反馈的智能生成与推送、人机协同评估等，大幅提升评估的效率、精度和智能化水平。
|
||
|
||
2.“教—学—评—训—战”一体化数据中心(integrated data center for teaching-learning-assessment-training-warfighting，IDC-TLATW)
|
||
|
||
“教—学—评—训—战”一体化数据中心的功能定位为，打通人才培养链路中的理论教学、模拟训练、课程考核、综合演练、毕业联考以及未来部队任职表现等各环节，避免产生“数据孤岛”，构建覆盖学员成长全周期的能力发展数据库。其核心作用在于通过对海量、多源、异构数据的深度挖掘与关联分析，建立精准的学员能力画像和成长轨迹模型；实现评估结果对教学设计、训练计划、课程设置的精准反哺；验证考核工具的效度与信度；为人才选拔、精准分流、岗位匹配提供数据决策支持，最终打造一个以数据驱动的、可持续优化的人才培养闭环生态。
|
||
|
||
## 三、改革实践初步探索：基于某专业任职类课程的案例反思与启示
|
||
|
||
为探索ALWI系统理念的实践可行性，研究对某军队院校某专业任职类课程进行考核改革试点。该课程改革前采用“平时成绩40%+课程论文60%”的考核模式，存在诸多不足之处，优化试验则采用“在线分阶段形成性考核40%+纯客观题闭卷机试60%”的新模式。
|
||
|
||
### (一)对ALWI理念的初步体现
|
||
|
||
一是部分体现了发展导向型学习过程追踪。在线分阶段形成性考核(分析拟题、文献梳理、总结凝练)将学习过程结构化、在线化，实现了对学习进展的有效追踪与引导。教员的在线反馈也初步具备了形成性评估的特征，促进了学员的自我监控与改进。研究数据表明，改革后形成性考核成绩标准差显著降低(-38.66%)，这表明评价标准更加规范，评分更加客观公正，为更精准地评估学员真实学习水平奠定了基础。更重要的是，问卷调查结果显示，学员学习主动性显著提升，抄袭现象大幅减少。这反映了学员从被动接受知识向主动探究问题、深度参与学习的积极转变，这种学习方式的革新是培养高阶认知能力和作战适应力的重要前提和基础。
|
||
|
||
二是初步应用了智能化评估技术平台。形成性考核依托在线学习系统完成，终结性考核采用机考系统自动阅卷、随机组卷，这体现了考核信息化、标准化的趋势，是未来构建高阶ALWI系统所需IATP的必要基础。研究数据显示，改革后总评成绩变异系数大幅下降(-48.80%)，终结性考核成绩分布更趋合理。这说明新模式通过引入客观题机考和结构化的线上形成性考核，大大提升了评估过程的标准化与规范化水平，有效减少了传统模式中因教员主观判断差异带来的评分波动。一个更加标准化的评估环境，是实现评估客观公正的重要基础。更直接的证据来源于学员的反馈：结课后的问卷调查显示，高达75%的学员认为改革提升了其学习积极性，80%的学员认为减少了学术不端现象，65%的学员明确认为新考核方式比传统方式“更加公平客观”。这有力地证明了ALWI理念指导下初步改革的合理性。该系统通过优化评估流程与引入技术平台，在提升评估过程的客观性与学生感知的公平性方面取得了显著成效，为后续高阶能力的精准评估创造了必要条件。
|
||
|
||
三是在一定程度上出现了数据意识的萌芽。研究对试验前后成绩进行了详细的数据统计分析，并开展了线上问卷调查，开始利用数据评估改革试验成效，这与IDC-TLATW强调数据驱动的理念方向一致。
|
||
|
||
### (二)与ALWI系统要求的差距及反思
|
||
|
||
一是情境嵌入式能力整合评估严重缺位。此次改革试点仍局限于单门课程内部，缺乏基于真实或高仿真军事情境的任务设计，形成性考核虽模拟了研究过程，但与未来智能化战争的复杂实战任务关联度较低；终结性考核的客观题主要检验知识点记忆，未能有效评估学员在复杂情境下的知识整合运用能力与临机决策能力。这种情境化能力整合评估的严重缺位，恰恰是ALWI系统旨在解决“能力评估赤字”的典型体现，这也更加印证了ALWI系统核心支柱CECIA在塑造认知优势和作战适应力方面的重要性。只有在贴近实战的情境中，才能真正培塑和评估学员的核心军事能力。
|
||
|
||
二是认知中心化高阶思维度量存在不足。形成性考核旨在评估学员的研究能力，但对智能化战争急需的批判性思维、系统思维、计算思维、创造性思维等高阶认知品质的评估，仍缺乏专门的设计和有效的工具。终结性考核的客观题也难以有效测量学员深层的思维过程与决策逻辑。问卷调查结果显示，学员认为“研究创新能力”的提升不够，且有60%的学员反映“难以形成自己的原创观点”。这些反馈清晰地暴露了在改革实践过程中，考核系统在认知深度挖掘与高阶思维度量方面存在的不足。这进一步凸显了ALWI系统核心支柱CCHOTM的不可或缺性，即只有通过认知中心化的度量，才能精准诊断并有效驱动学员高阶认知能力的生成，进而实现认知优势的塑造。
|
||
|
||
三是发展导向型学习过程追踪有待深化。过程追踪主要基于阶段性成果提交，本次考核改革虽然采取了阶段性跟进评价，但对学习行为、认知过程的实时捕捉与分析尚不足。反馈的个性化、智能化程度不高，仍有30%的学员认为教员指导不够充分，反馈详细度评分较低。
|
||
|
||
四是技术平台构建与数据中心建设任重道远。此次考核改革试验虽然在一定程度上利用了信息化手段，但目前使用的系统功能相对基础，在考核中的试点应用也是离散状态，距离IATP的智能化水平和IDC-TLATW的跨环节数据整合能力还有很大差距。
|
||
|
||
### (三)案例启示
|
||
|
||
本次考核改革试点作为一次有益的探索尝试，其积极成果在于有效提升了学员学习主动性，规范了评价标准，减少了学术不端行为，并验证了引入过程性评价、利用信息技术提升考核客观性与公平性的潜力。这些成果并非我们研究的终点，而是我们为培养高阶认知能力所构建的坚实“地基”。一个能激发内在动机、保障过程公平的评估环境，是培养“认知优势”与“作战适应力”等高阶能力的肥沃土壤。同时，试点过程中暴露出的在情境化能力整合评估和高阶认知能力度量上的明显不足，恰恰凸显了构建完整ALWI生态系统的必要性和紧迫性。这表明，仅凭局部的考核模式调整远不足以应对智能化战争对人才培养的根本性挑战。只有进行一场系统性、深层次、技术赋能的范式革命，将考核重心真正转移到情境化能力整合评估和高阶认知能力塑造上来，才能有效驱动学员认知优势和作战适应力的生成。
|
||
|
||
## 四、结论与建议
|
||
|
||
在智能化战争时代，军事竞争的核心是认知优势的竞争，军事人才培养的关键在于塑造卓越的作战适应力。而当前军队院校专业任职类课程的传统考核模式难以适应时代要求，存在显著的“能力评估赤字”。本文提出的“融评促战(ALWI)”考核生态系统，以情境嵌入式能力整合评估(CECIA)、认知中心化高阶思维度量(CCHOTM)、发展导向型学习过程追踪(DOLPT)为支柱，以智能化评估技术平台(IATP)和一体化数据中心(IDC-TLATW)为基础，旨在构建面向未来战场、驱动认知优势和作战适应力生成的考核新范式。强调考核与学习、训练、实战深度融合，突出能力本位、认知中心、情境嵌入、智能赋能和发展导向。初步的改革实践探索验证了ALWI系统部分理念的价值，特别是其在提升学习主动性、规范考核流程、奠定高阶能力培养基础方面的积极作用；但同时也清晰地揭示了其在有效评估和塑造认知优势与作战适应力等高阶能力方面存在的不足。这进一步反映出，构建ALWI系统是一项复杂的系统工程，需要战略决心、理论创新、技术突破和文化变革的协同推进。
|
||
|
||
一是加强顶层战略规划与设计。将ALWI考核生态系统建设纳入院校人才培养改革的总体战略，明确发展路线图和阶段性目标。加强跨部门、跨学科协作，以专门机构牵头推动考核理论研究、标准制订、平台建设与试点推广。
|
||
|
||
二是加速智能化评估技术平台(IATP)建设。加大对VR/AR/XR、AI、大数据、数字孪生等关键技术的研发与教学应用的投入和关注，推动建设高水平仿真实验室和在线评估平台，开发适用于军事教育的智能评估工具与算法模型库。
|
||
|
||
三是构建“教—学—评—训—战”一体化数据中心(IDC-TLATW)。制订统一的数据标准与接口规范，着力打破系(部)、学科专业等不同体系的数据壁垒。建设安全可靠的数据汇聚、存储、处理与分析平台，开发面向不同用户(学员、教员、管理者)的数据服务与决策支持应用。
|
||
|
||
四是深化考核内容与方法改革，落地三大核心支柱。(1)推广CECIA：立足不同专业人才培养目标，建设基于典型作战任务或岗位的复杂情境考核模块，开发相应的多维评估量规。在指挥管理类专业中，鼓励在综合演练、毕业设计等环节深度融入CECIA理念，重点关注在模拟实战情境中对学员信息整合、态势判断、临机决策等关键认知能力的评估。同时，积极探索CECIA在工程技术类等专业中的应用模式，如开发面向技术创新与系统应用的考核情境。(2)攻关CCHOTM：加强与认知科学、心理学等领域的合作，聚焦智能化战争所需的批判性思维、系统思维、快速决策能力、元认知能力和认知韧性等核心高阶认知能力培养，研发适合军事人才特点的测量工具，探索将认知负荷、眼动追踪等客观数据纳入评估体系，实现对学员认知过程的精准诊断和发展引导。(3)完善DOLPT：升级教学信息管理系统，强化学习过程数据采集与分析功能，推广使用电子学习档案，掌握有效的形成性评估与反馈策略，提升对学员的个性化学习指导水平。
|
||
|
||
五是系统性重塑教员考核素养与能力。开展大规模、常态化的教员培训轮训，深度剖析理解ALWI理念，让教员掌握情境化任务设计、认知过程观察、数据解读分析、智能平台使用、发展性反馈等新能力，将考核改革成效纳入教学评估体系。
|
||
|
||
六是培育支持性组织文化与制度环境。营造鼓励创新、宽容试错的改革氛围，建立健全支持考核改革的政策、资源保障和激励机制；加强对考核改革成功案例的宣传推广，凝聚共识、坚定信心，真正让课程考核成为锻造认知利剑、激发学习潜能、服务强军伟业的强大引擎。
|
||
|
||
\[1\] 郭明.关于智能化战争的基本认知\[J\]. 人民论坛·学术前沿,2021(10):14-21.
|
||
|
||
\[2\] 周华.提升多域作战中的认知优势:美陆军的策略与实践\[J\]. 军事文摘,2024(19):54-59.
|
||
|
||
\[3\] 徐以晴.基于多级认知诊断模型的精准教学模式探索\[J\]. 现代商贸工业,2024,45(19):227-229.
|
||
|
||
\[4\] 赵擎天,李立伟,孙振华,等.人工智能对军事变革影响的多视角研究\[J\]. 兵工自动化,2024,43(10):1-6.
|
||
|
||
\[5\] 段晓君,赵城利,晏良,等.军事系统的复杂性对抗\[J\]. 国防科技,2024,45(3):134-142.
|
||
|
||
\[6\] 孙浩亮,张全礼,林星.高阶思维的内涵要素与生成机制:以生长军官军事理论课程为例\[J\].军事高等教育研究,2024(4):23-29.
|
||
|
||
\[7\] DELEAL W E. Future nonlinear warfare and the pervasiveness of uncertainty:organization and cognition in Marine Corps Intelligence\[EB/OL\].(2016-03-24)\[2025-07-17\].<https://apps.dtic.mil/sti/citations/AD1176130>.
|
||
|
||
\[8\] FENSTERMACHER L,UZCHA D,LARSON K,et al. New perspectives on cognitive warfare:proceedings of SPIE\[C\]. Orlando,Florida,USA:Society of Photo-Optical Instrumentation Engineers,2023:12547.
|
||
|
||
\[9\] 蔡润龙,孙诚,王溪平,等.从现代战争复杂性探究联合作战制胜机理\[J\]. 军事文摘,2023(3):17-20.
|
||
|
||
\[10\] 冯成安,范艳,杨新旺.以能力本位为导向的系统解剖学教学改革与实践\[J\]. 科教导刊,2024(11):150-152.
|
||
|
||
\[11\] MARTINEZ-LOPEZ L.Cognitive performance in operational environments\[J\].Aviation space and environmental medicine,2005,76:2-3.
|
||
|
||
\[12\] 代传金,赵颖辉,谢李晋,等. AI赋能军队院校任职教育的方法与策略研究\[J\]. 高教学刊,2025,11(5):21-24.
|
||
|
||
\[13\] 付用军,战希臣,杨春周. “金课”建设视角下高校课程考核改革研究\[J\]. 大学教育,2021(12):46-48.
|
||
|
||
\[14\] LAFOND D,DUCHARME M B,RIOUX F,et al. Training systems thinking and adaptability for complex decision making in defence and security:2012 IEEE International Multi-Disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support\[C\]. New Orleans LA(US):IEEE,2012:51-58.
|
||
|
||
\[15\] STOTTLER R,PANICHAS S. A new generation of tactical action officer intelligent tutoring system\[C\]. Orlando,Florida,USA:The Interservice/Industry Training,Simulation &Education Conference (I/ITSEC),2006:2431.
|
||
|
||
\[16\] 崔爽,张兆远,张继超.基于认知诊断模型PISA数据的学生学习轨迹分析\[J\]. 长春师范大学学报,2024,43(2):13-22.
|
||
|
||
## Restructuring the Assessment Ecosystem for Professional Duty Courses in Military Academies Against the Backdrop of Intelligent Warfare
|
||
|
||
X
|
||
|
||
搜索范围
|
||
|
||
全网
|
||
|
||
文库
|
||
|
||
学术
|
||
|
||
所有文献
|
||
|
||
所有文献
|
||
|
||
中文库
|
||
|
||
英文库
|
||
|
||
---
|
||
|
||
PubMed
|
||
|
||
北大核心
|
||
|
||
中科院分区
|
||
|
||
全部
|
||
|
||
---
|
||
|
||
中科院1区
|
||
|
||
中科院1-2区
|
||
|
||
中科院1-3区
|
||
|
||
JCR
|
||
|
||
全部
|
||
|
||
---
|
||
|
||
JCR：Q1
|
||
|
||
JCR：Q1-Q2
|
||
|
||
JCR：Q1-Q3
|
||
|
||
SCIE
|
||
|
||
EI
|
||
|
||
图片
|
||
|
||
视频
|
||
|
||
播客
|
||
|
||
强度
|
||
|
||
深入
|
||
|
||
简洁
|
||
|
||
深入
|
||
|
||
深度研究
|
||
|
||
先想后搜
|
||
|
||
先搜后扩
|
||
|
||
新建自定义技能
|
||
|
||
---
|
||
|
||
[阅读原文](https://fx.gfkd.chaoxing.com/jour/detail_38502727e7500f26fa13964cfd2cecfa5a531d1426cbeeac1921b0a3ea255101fc1cf1fbb4666ae699e7a91db4a4edb566987c38b6e40ff9d5fa67b88a0326c290880248f232181fa87aba0c44e983a6)
|