OBE考核证据如何采集？

定义：OBE考核证据到底采集什么

在高校专业建设和成果导向评价里，OBE考核证据是指：学生在既定课程目标和毕业要求指标点上，完成指定考核环节后留下的、可打开、可对应量规条目的学习成果原件或经授权的过程记录。它服务两件事：教师按量规解释分数从哪来，质量办或认证抽查时能从指标点走到作品。采集的对象不是“更多文件”，而是一条事先写清的映射关系：指标点、考核环节、格式、责任人、归档时点。

证据可以来自多种环节。作业扫描件证明平时任务是否按目标布置和批改；项目报告证明综合应用是否被观测；实验记录证明操作、数据与分析是否发生；答辩记录证明口头表达、质疑回应和教师点评是否留下痕迹。这些材料只有在开课前被写进“指标点—考核环节—证据类型”配置，才有资格进入达成计算和认证材料包。事后从网盘里随便抽几份高分作品贴进报告，看起来像证据，实际无法解释样本规则。

它不是什么

• 它不是把全部平时分和期末分再复印一册，却说不清哪一题对应哪一条目标。
• 它不是用问卷均分、评教满意度和就业去向顶替直接学习成果。
• 它不是模型生成的“智能达成综述”或无法回溯的自动打分。
• 它不是迎评前临时扫描优秀作业，却没有缺失清单和补采说明。

因此，判断一门课是否完成证据采集，不应先看文件夹厚不厚，而应看五件事是否同时成立：映射在开课前锁定；提交入口和命名规则已知；原件能打开并对应量规；缺失有清单；按指标点可以抽查。数字化平台的价值，是把这五件事做成可检索的目录，而不是替教师发明作品。课程层如何把证据折算成课程目标结果，见课程目标达成度怎么计算；整条质量闭环如何运转，见OBE怎么建设。

为什么必须事先映射，而不能期末补档

专业负责人和质量办推进成果导向时，真正卡住采集的往往不是“有没有扫描仪”，而是四类同时出现的运行问题。

第一，目标和考核脱节。培养方案已经换版，大纲还按旧指标点命题；或者矩阵上打了钩，课堂任务仍是多年沿用的大作业。学期结束再回头解释“这份报告大概支撑沟通能力”，数字可以出，但无法证明这一学期真正观测了已经生效的承诺。

第二，分数和量规脱节。记分册有平时百分之三十、期末百分之七十，项目只给一个总分，答辩只记“通过”。抽查某一指标点时，找不到对应得分点、评语和作品页。报告里的百分比停在封面，专家或督导只能停在封面。

第三，过程和结果脱节。毕业设计、课程设计和综合项目只留终稿；实验只留成功数据；答辩只留分组名单。学生如何修改、教师如何按条目点评、哪些能力在中期就被观测，全部消失。下一轮改进只能写“将加强过程考核”，却没有可对照的旧版本。

第四，责任和归档脱节。教师以为教务会从学习平台自动抓作业，教务以为学院U盘里已经齐套，学院以为质量办只要汇总表。截止日后才发现命名混乱、格式不统一、关键课缺件。没有责任人的映射格，缺失不会自动变成补采任务。

这四类问题在迎评冲刺时会被空表掩盖：目录齐全、表格填满、封面整齐。日常学期中它们会重复出现。所以采集顺序应是：先冻结映射和量规，再规定入口与截止，再随教学进度归档，最后按指标点抽样复核。没有事先映射，扩大扫描范围只是扩大无法解释的附件堆。

实践中还常见三类偏差，值得在开课准备会上排除。一是把证据理解成认证专用，非认证专业就认为作业不必对应目标。二是先让学生交任意格式文件，期末再人工贴标签，导致同一指标点混入无关材料。三是把AI自动归类结果直接当目录定稿，教师不再打开原件。纠正这些偏差不需要先承诺更高达成率，需要先补映射、格式、责任人和抽查路径。

五步采集：从开课前映射到按指标点打包

第一步：在开课前完成“指标点—考核环节—证据类型”配置

为每条被本课支撑的指标点和每条课程目标指定：用哪一个考核环节观测、交什么格式、谁是归档责任人、最晚何时入库。配置应与教学大纲、支撑矩阵和量规同一版本，不能各做一张互相对不上的表。没有映射的环节可以照常教学，但不得进入本轮达成计算，也不得在认证目录里冒充证据。

第二步：规定命名、提交入口、截止时间和缺失处理

命名至少能识别课程、学期、环节、学号或样本编号，避免“作业1终稿最终版”。入口应唯一：学习平台、实验系统或学院指定库，禁止同时向个人网盘、课程群和邮箱发散后无法回收。截止后列出未交、损坏、无法打开和格式不符清单，写明是否允许补交、补交是否计入样本。

第三步：对项目和答辩保留过程版本，不只留最终分数

综合项目至少保留任务书、中期稿或关键节点意见、终稿和量规评分表。答辩至少保留题目、提问要点、学生回应摘要和分项评语，而不是只写“良好”。实验应保留原始记录、异常说明和教师签字或等效确认，而不是只交整理后的成功曲线。过程版本证明观测发生过，终稿分数只证明结果被登记过。

第四步：抽样检查证据与量规是否匹配，防止只交空表

开课中和期末各做一次抽样：随机抽若干学生、若干环节，核验附件能打开、页码或文件对应任务、分数能对上量规条目、标签没有贴错指标点。发现只交模板、只交封面、只交与目标无关的旧作业，应退回并记入复核记录，而不是用目录完整代替抽查。

第五步：按学期打包，保证能按指标点抽查

打包单位不是“本课全部扫描件一个压缩包”，而是按指标点和课程目标可检索的证据库：点开一条指标点，能看到支撑课程、环节列表、样本规则、缺失清单和可打开附件。认证或校内诊改需要导出时，目录必须与库内数据一致。工程认证如何使用这些抽查包，见OBE平台怎样支持工程认证。

比较：只交空表与可抽查的证据链

下表用于开课检查、中期督导和迎评自查，帮助区分“表格交了”和“证据链成立”。它不是认证标准条文，具体学校还需对照本校质量制度和相应认证组织的最新要求。

选择采集方式时，不要把“已经交过评价表”理解成证据链已经跑通，也不要把“还没有外部专家进校”理解成可以只交空表。可抽查的标志是：同一套映射能在下一学期由校内人员再执行一遍，并且任意抽一个指标点仍能走到作品。表格是目录，不是证据本身。

四类常见证据：必须对应目标和量规

智库口径写得很清楚：作业扫描件、项目报告、实验记录、答辩记录都可以，但必须能对应目标和量规。下面按环节说明最低应留下什么，以及什么情况下即使文件很多也不算数。

作业扫描件与平时任务

作业适合观测分解后的课程目标，例如计算步骤、图纸规范、文献摘录或小型设计。最低应能打开原件或清晰扫描件，看到题目或任务要求、学生作答、教师批改痕迹和量规得分。若平时分只按次数累计、没有对应目标的题目设计，扫描再清晰也只能证明“交过作业”，不能证明观测了哪一条指标点。大班课可以抽样精批、其余略批，但抽样规则必须事先写明，不能评前才挑选高分样本。

项目报告与综合训练

项目适合观测综合应用、协作和复杂问题解决。最低应保留任务书、分工或个人贡献说明、可打开的报告或作品、量规分项得分。只交一份漂亮终稿、没有任务书和评语，抽查者无法判断分数是按量规打的还是按印象打的。小组项目必须能定位到被评价的学生，避免用一份共同封面覆盖全组后无法解释个体达成。

实验记录

实验适合观测操作规范、数据记录、误差分析和安全意识。最低应保留原始记录或系统日志、关键数据、异常与处理、教师确认。把失败实验全部删除、只交整理后的理想结果，会让“工程思维”或“科学态度”类指标点失去真实观测面。虚拟仿真同样要留过程日志，不能只交最后一屏截图。

答辩记录

答辩适合观测表达、质疑回应、伦理判断和临场应用。最低应保留题目、评委、提问要点、学生回应摘要和分项评语。录音录像可以作为补充，但不是必须；没有分项记录的“全体良好”不能单独支撑一条毕业要求。线上答辩同样要留下可检索的纪要，而不是只保留会议号。

试卷和测验当然也可以作为证据，处理原则相同：大题或得分点事先映射到课程目标，归档后能打开试卷或等效电子卷，分数能对上评分标准。本页不把试卷写成唯一合法证据，也不把电子平台记录写成天然优于纸质。能打开、能对应、能抽查，比载体本身更重要。

建设步骤：输入、角色、动作与输出

下列步骤按时间顺序排列。每一步都写出输入、责任角色、动作和输出，便于写入开课检查单和验收清单。角色名称可按学校处室调整，但不能出现“只有系统自动采集、没有校内主责”。

1. 冻结本课支撑关系与评价周期

动作：写清本学期适用年级、评价周期和“本轮不纳入达成计算的环节”。输出：课程目标清单、支撑关系确认单、暂缓采集清单。没有这一步，后面所有归档都会贴错版本。

2. 编制证据映射表与量规

动作：为每个纳入评价的环节填写指标点、证据类型、格式、责任人、截止时间和缺失规则；量规条目与目标用语对齐。输出：证据映射表、量规、学生须知。映射表是采集的主数据，不是附录。

3. 开通唯一入口并试交一份样例

动作：用一份脱敏样例走通提交、预览、下载和按环节筛选；确认学生账号能交、教师账号能批、质量办账号能抽查只读。输出：入口说明、样例包、权限清单。试交失败不要进入正式开课采集。

4. 按进度归档并处理缺失

动作：每个截止日后二十四小时内出缺失清单；损坏和无法打开的文件视同未交；补交按事先规则决定是否计入。输出：环节归档目录、缺失与补采台账、教师确认记录。AI若已做归类，教师必须抽查标签后再签字。

5. 抽样复核、打包与只读冻结

动作：按指标点各抽若干样本，记录是否匹配量规；形成抽查包和复核意见；本周期数据改为只读，下一学期不得覆盖。输出：抽样复核记录、按指标点可检索的证据库、导出目录和冻结说明。

如果某一步缺少输出物，不要宣布“证据采集已完成”。尤其是没有映射表就批量扫描、没有缺失清单就提交评价表、没有抽查记录就导出认证目录，都会在专家点开附件时暴露。

归档规范：命名、周期、检索与隐私

归档的目标是让第三人按指标点找到作品，而不是让课程组自己还找得到。规范应写成一页纸，开课第一周发给学生和助教，而不是写在只有管理员知道的通知里。

命名与格式

建议固定字段顺序：学年学期、课程代码、环节代码、学号或样本号、版本号。格式按环节限制，例如作业用指定文档或清晰扫描件，实验允许系统导出加签字页，答辩允许纪要加评分表。禁止只交无法检索文字的纯图片封面。若必须扫描纸质件，应保证页序完整、批改可见、文件可打开；加密文件必须同时提交校内可解密方式。

归档周期

过程性环节建议随截止日入库，不要攒到期末一次性上传。项目节点按任务书设置中期和终期两档。答辩在结束后尽快完成纪要确认。学期成绩提交前，课程负责人应完成“应归尽归、缺失已列”的自查。认证周期更长，但不能用几年后的补扫描代替当学期归档；补采必须标注补采日期，不能假装是原始时点。

按指标点检索

证据库的主检索键是指标点和课程目标，其次才是课程名称和教师姓名。质量办应能在不询问任课教师私人网盘的前提下，打开某一指标点下的样本列表。若系统只能按文件夹浏览，至少要有一份与文件夹一致的索引表，索引表字段与映射表一致，避免两套编号。

权限、留存与隐私

学生作品含姓名、学号和作答内容，应按校内数据分级控制访问：教师改本课，专业负责人看本专业，质量办抽查只读，外部专家按授权查看脱敏或现场查阅包。留存期限对照学校档案和认证要求，到期按制度销毁或转档案库，不得把全部作业长期放在未加密网盘。用于校外展示的优秀作业必须另行授权，默认归档不等于默认公开。

抽样复核：防止空表过关

抽样不是不信任教师，而是承认大班课和多环节课无法逐页人工通读。没有抽样，空表、错标和打不开附件会进入达成计算。有抽样，问题会变成可改正的复核记录，而不是迎评当天的意外。

抽什么

• 每个纳入评价的指标点至少抽到对应环节的学生作品，而不是只抽高分课程的封面。
• 兼顾高分、临界和低分，避免只展示优秀作业。
• 覆盖作业、项目、实验、答辩中实际使用的类型，避免只抽最容易扫描的一种。
• 专门抽“AI已自动归类”的条目，验证标签能否被教师改正。

怎么判失败

出现下列情形，该样本视为抽查失败，并应扩大同环节抽查比例：附件无法打开；内容与映射的目标无关；分数在量规上找不到条目；只有模板没有作答；过程环节只有总分没有版本；标签把作业贴到未支撑的指标点。失败样本要记入复核记录，写明处理：退回补采、剔除样本或修订下学期映射，而不是私下替换成另一份漂亮作业。

谁签字

课程负责人在自查表签字，确认抽查过本课样本。专业负责人在指标点路径表签字，确认从专业层能走进课程。质量办在抽查意见上签字，确认空表和打不开文件已被标出。AI生成的完整度百分比不能代替这三层签字。芯明学堂不是认证机构，抽查通过也不等于外部认证通过。

AI只做归类和缺失提醒

生成式工具可以降低编目成本，但不能获得考核证据，也不能承担教学判断。智库把边界写死：AI只负责归类和缺失提醒。展开之后，允许做的和禁止做的应写进课程须知和平台权限。

允许。按文件名、环节代码和映射表提示应归入哪一指标点；列出截止后未交、损坏、重复提交和命名不符；提醒某条指标点样本偏少；把目录草稿整理成索引。这些输出必须带“待教师确认”状态，不能直接变成正式档案。

禁止。用模型阅读作业后直接给达成结论；用无法回溯到原件的智能分替换量规得分；自动改映射、自动改权重；把空表识别成“已归档”；用生成的综述段落代替抽样复核记录。教师发现归类错误时，必须能一键改标签并留下修改人，系统不得在教师改正后再被模型覆盖。

验收时不要写“AI自动完成证据采集”。可测试的说法是：给定一份故意贴错标签和故意缺件的样例包，系统能提示缺失和可疑归类，教师改正后目录以教师结果为准。做不到改正，说明工具还停在不可控自动归档，不适合进入认证材料链。

交付物与验收

核心交付物

• 证据映射表：指标点、考核环节、证据类型、格式、责任人、归档周期和缺失规则。
• 提交与归档规范：命名、入口、截止、权限、留存和学生须知。
• 抽样复核记录：样本清单、失败原因、处理意见和签字。
• 按指标点可检索的证据库：含过程版本、缺失台账和学期导出目录。

验收应覆盖的条目

• 抽一个指标点，有限步骤内到达对应学生作品，附件可打开。
• 缺失证据有清单和补采说明，未补齐条目保持缺失，不得假装齐全。
• 分数能对上量规条目；项目和答辩能看到过程版本或分项评语。
• AI归类错误可被教师改正，改正后不再被自动覆盖。
• 导出目录与库内文件一致，无法打开的截图不能代替原件。

验收必须使用双方确认的一门课真实或脱敏材料，而不是只看空专业的演示页。未通过项应列出缺陷、责任方和复测时间。演示成功不能覆盖抽查失败，也不能用未标注来源的归档完整率代替打开附件。

采购参数建议写成可测试语句

技术参数建议按“对象—条件—期望—证据”书写，例如：开课前可配置指标点与考核环节映射；质量办只读账号能按指标点检索附件；缺失清单可导出；教师可改正自动标签。不要写唯一品牌、无法验证的“智能采集率”或认证通过承诺。产品能力说明见专业建设评价与OBE持续改进平台。