数字技术与应用杂志社

摘要：<正>本文针对AI教育评价系统的性能瓶颈及智能诊断问题进行探究，借助Lighthouse对React单页应用考查首屏渲染时间、可交互时间等性能指标，以及对组件懒加载、状态管理、数据缓存、渲染优化提出了解决方案。借助ECharts可视化、Zustand状态追踪及自评偏差分析算法等技术，解决学习诊断方面的问题，并在此基础上，以中职班级学生自评偏差校准以及跨学期成绩追踪作为实例进行验证。验证结果表明，系统在55人规模班级部署运行一学期，首屏加载时间从3.2 s优化至1.2 s，学生自评偏差均值从18.5分降至9.2分。本文所取得的研究成果为AI教育评价系统的进一步优化提供了理论及技术支持。

基金资助： 福建省教育信息技术2025年度研究课题“人工智能驱动的学生发展性评价体系构建与实践”（KT25139）；

专辑： 信息科技;社会科学Ⅱ辑

专题： 教育理论与教育管理;计算机软件及计算机应用;自动化技术

分类号： TP18;G434