五维能力模型¶
AIY 五维能力模型概述¶
AIY 黑客松采用五维能力评估框架,全面评估参赛学生的综合能力。
模型特点
- 科学性:基于 1EdTech RSD 标准构建
- 全面性:覆盖 AI 能力、问题解决、跨学科、表达、协作五个维度
- 可操作性:每个维度有明确的可观测行为和评估标准
五维模型概览¶
graph TB
subgraph "AIY 五维能力模型"
D1[AI 工具应用<br/>AI Tool Proficiency]
D2[问题结构化<br/>Problem Structuring]
D3[跨学科整合<br/>Interdisciplinary Integration]
D4[表达与说服<br/>Communication & Persuasion]
D5[协作与迭代<br/>Collaboration & Iteration]
end
D1 --> S1[5 个子指标]
D2 --> S2[4 个子指标]
D3 --> S3[4 个子指标]
D4 --> S4[5 个子指标]
D5 --> S5[4 个子指标]
style D1 fill:#ff9800,color:#fff
style D2 fill:#4caf50,color:#fff
style D3 fill:#2196f3,color:#fff
style D4 fill:#9c27b0,color:#fff
style D5 fill:#00bcd4,color:#fff
维度详情¶
-
AI 工具应用
AI Tool Proficiency
评估学生使用 AI 工具的能力,包括工具选型、Prompt 工程、输出质量等。
子指标数:5 个
-
问题结构化
Problem Structuring
评估学生将模糊问题转化为清晰任务的能力,包括问题定义、任务拆解、优先级判断等。
子指标数:4 个
-
跨学科整合
Interdisciplinary Integration
评估学生整合多学科知识的能力,包括商业逻辑、技术实现、用户视角等。
子指标数:4 个
-
表达与说服
Communication & Persuasion
评估学生表达和说服的能力,包括路演逻辑、数据支撑、QA 应对等。
子指标数:5 个
-
协作与迭代
Collaboration & Iteration
评估学生团队协作和迭代的能力,包括动态分工、反馈响应、冲突处理等。
子指标数:4 个
子指标总览¶
| 维度 | 子指标 | 可观测行为 | 数据采集方式 |
|---|---|---|---|
| AI 工具应用 | 工具选型合理性 | 是否根据任务特点选择了合适的 AI 工具 | 评审巡场记录 |
| Prompt 工程质量 | Prompt 是否结构化、是否有迭代优化 | 代码/Prompt 记录 | |
| 输出与任务匹配度 | AI 输出是否真正解决了业务问题 | 路演评审 | |
| AI 工具组合使用 | 是否能组合多种 AI 工具完成复杂任务 | 过程观察 | |
| AI 伦理意识 | 是否考虑了 AI 输出的准确性、偏见、版权 | 路演 QA 环节 | |
| 问题结构化 | 问题定义能力 | 能否从模糊的业务挑战中提炼出清晰的问题陈述 | 小组文档 + 导师评分 |
| 任务拆解能力 | 能否将大问题拆解为可执行的子任务 | 小组分工文档 | |
| 优先级判断 | 在有限时间内能否识别最关键的任务 | 过程观察 | |
| 假设验证意识 | 是否先做假设再验证,而非直接跳到方案 | 中场展示环节 | |
| 跨学科整合 | 商业逻辑 | 方案是否考虑了商业模式、用户需求、市场可行性 | 路演评审 |
| 技术实现 | 方案在技术层面是否可行 | 代码审查 + 导师评价 | |
| 用户视角 | 方案是否真正从用户痛点出发 | 路演评审 | |
| 方案完整性 | 是否形成"问题→分析→方案→验证"的完整闭环 | 路演文档 | |
| 表达与说服 | 路演逻辑清晰度 | 5 分钟路演是否有清晰的逻辑线 | 路演评审 |
| 数据支撑 | 是否用数据而非纯观点来支撑论述 | 路演评审 | |
| 时间控制 | 是否在规定时间内完成表达 | 现场计时 | |
| QA 应对质量 | 面对评委质疑能否冷静、有逻辑地回应 | 路演 QA 环节 | |
| 叙事能力 | 能否把技术方案讲成"有感染力的故事" | 路演评审 | |
| 协作与迭代 | 动态分工 | 团队是否根据各自优势动态调整分工 | 过程观察 + 小组记录 |
| 反馈响应速度 | 收到导师中场反馈后能否快速调整 | 中场展示→最终路演之间 | |
| 冲突处理 | 团队意见不一致时如何达成共识 | 过程观察 | |
| 代码协作质量 | 多人协作的代码管理是否规范 | 代码仓库提交记录 |
评估标准¶
分数范围¶
每个子指标采用 1-5 分制:
| 分数 | 等级 | 说明 |
|---|---|---|
| 1 | 初级 | 基本了解,但缺乏实践 |
| 2 | 中级 | 能完成基本任务,但有明显不足 |
| 3 | 中高级 | 能独立完成任务,质量可接受 |
| 4 | 高级 | 能高质量完成任务,有创新点 |
| 5 | 专家 | 表现突出,有显著创新和影响力 |
等级判定¶
基于总分和各维度分数,映射到以下等级:
| 等级 | achievementType | 说明 |
|---|---|---|
| 参与认证 | Participation | 完成参赛即可获得 |
| 完成认证 | Completion | 达到基本要求 |
| 优秀认证 | Competency | 表现优秀 |
| 评委特别推荐 | Excellence | 表现特别突出 |
与 RSD 的映射¶
AIY 五维模型与 RSD 的映射关系:
graph TB
subgraph "AIY 五维模型"
D1[AI 工具应用]
D2[问题结构化]
D3[跨学科整合]
D4[表达与说服]
D5[协作与迭代]
end
subgraph "RSD 实体"
A[Rich Skill Descriptor<br/>技能描述符]
B[Competency Statement<br/>能力陈述]
C[Skill Assertion<br/>技能断言]
end
D1 --> A
D2 --> A
D3 --> A
D4 --> A
D5 --> A
A --> B
B --> C
style D1 fill:#ff9800,color:#fff
style D2 fill:#ff9800,color:#fff
style D3 fill:#ff9800,color:#fff
style D4 fill:#ff9800,color:#fff
style D5 fill:#ff9800,color:#fff
style A fill:#9c27b0,color:#fff
style B fill:#4caf50,color:#fff
style C fill:#2196f3,color:#fff
给 HR 的价值¶
五维模型对 HR 的价值
通过五维模型,HR 可以:
- 全面了解候选人能力——不仅仅是技术能力,还包括软技能
- 量化评估结果——每个维度都有明确的分数和评语
- 对比不同候选人——基于相同的评估标准
- 验证评估结果——通过证据链验证评分的真实性