大数据教育评价变革论文5篇

大数据教育评价变革论文5篇大数据教育评价变革论文　EducationalHumanResources　教育人力资源HUMANRESOURCEMANAGEMENT　P.361摘要：随着大下面是小编为大家整理的大数据教育评价变革论文5篇,供大家参考。

篇一：大数据教育评价变革论文

ucational Human Resources

　教育人力资源 HUMAN RESOURCE MANAGEMENT

　 P. 361摘要：随着大数据时代的来临和科技的进步,大数据时代的教育得到了迅猛的发展,通过对大数据时代教育特点的分析,可以得出这一教育模式可以为提高目前的教育水平和质量做出巨大贡献,但也对现代教育管理和教师的综合素质提出了挑战。因此,怎样进行有效的管理,以及对大数据进行利用,为现阶段的教育管理更好地服务,还存在很多挑战,需要综合考虑,找出对策。关键词：大数据时代;教育特点;分析一、大数据时代的教育特点大数据时代的教育有着显著的新特点，信息量充足，管理更为科学和深入。相比于课堂教学，大数据时代教育的互动特征突出。大数据时代的教育要将受教育者的利益放置在主流地位，帮助学生更好的适应后续的学习与就业，通过教育来获取到等值的利益汇报。大数据时代下的教育工作，呈现出了几个突出的特点:1.1 数字化在教育部门的倡导下，各个学校都开始将数据中心、数字校园、现代教学环境的建设提上了日程，希望以此来丰富学生的学习生活与思想观念。国家教育部门明确提出，要整合现有的校园资源，优化学校办学空间，完善办学条件，促进教育信息化的发展。通过数字化校园的建设，能够为学习者提供丰富多彩的学习资料，获取先进的学科知识，自由自在的在知识海洋中驰骋。1.2 深入化在大数据时代下，学生可以利用大数据提供的各项教育资源进行深入的学习与钻探，在一定程度上，有助于教育质量的提升以及教育公平的实现。此外，大数据教育平台的构建还能降低学校成本与师生通信费用，提供了远程学**台，降低了学校的费用支出。1.3灵活性大数据教育模式的教学时间、教学地点相对灵活，使得传统授课方式突破了时间、地点的限制。从教学内容来说，授课内容也可以根据学生需要及时调整，对学生薄弱环节对症下药，大幅提高了教育的效率，达到事半功倍的教育效果。大数据时代的教育可以通过手机等设备，看直播、回放、听录音等途径进行学习，学习方式灵活多样。虽然大数据为教育领域提供了新的渠道，但是由此也带来了新的问题。首先，大数据时代的数据类型繁琐，充满陷阱，如果学习者的选择不当，就会严重影响自身的学习质量;其次，大数据时代下，学习者的主动性更强，这也给教师的综合水平提出了新的要求，这也是教育领域面临的新挑战;最后，在大数据带来的商业时代，学习者与电脑、智能手机之间的联系也变得日益紧密，与外界的沟通和交流大受影响，由此引发了抑郁、偏执、焦虑、敏感等一系列的病症，为此，必须要加强对学生人际交往、价值观、自我认知、心理健康等方面的指导。二、大数据时代下的教育改革措施分析2.1 根据大数据理念制定教育模式大数据为教育领域的发展赋予了新的契机，从某个角度而言，大数据直接影响着教育活动的规划与决策，大数据统计思维、倡导理念，都给教育决策带来了有益的支持。基于此，要以大数据理念、统计思维为依托，对数据进行分析、整合，发挥出数据的作用，更好的为教育工作来服务。为此，要采用科学的方式提高当前的数据分析能力，通过数据分析掌握教育的不足与实际需求，以此来制定行之有效的教育策略。2.2 以大数据思维来推行教学改革在大数据时代下，对于学生而言，有三项能力是最重要的，即阅读能力、搜索能力、辨识真伪的能力，为了提高教育工作的实效性，要基于学校育人需求、大数据时代特点来推广教育改革。在教育评估活动中，要发挥出大数据的作用，解决传统教学评估的随意性问题，突出大数据的功能，让教育活动更为科学、实效。2.3 构建出大数据教育服务平台在大数据时代下，信息资源的整合是一个难点问题，为了满足学生的发展需求，需要以学生的成长规律为出发点，梳理出对学生发展有益的教育资源，搭建出科学化的数据教育服务平台，便于学习者的专业化、系统化、个性化学习。在这一方面，要追求真实可靠、及时多样的数据信息，打破封闭自享、信息分割的局面，解决信息孤岛、消息烟囱的问题，让特色教育资源转化为教育资源，满足各个阶段、类型受教育者的需求，构建出便捷、全面的大数据服务平台，将图书馆馆藏、出版物、博物馆馆藏相整合，对资源进行规范处理，整合相关的终端产品，满足学习者多元化的需求。2.4 充分利用数据的便捷性大数据技术的发展和智能手机的普及，使得在线教育飞快发展，通过在线直播课程。新型的教育模式能够打破传统教育对时间、空间的限制，使得授课方式更为灵活。网络的普及使得一些教育资源可以在全国推广，西部偏远山区也可以听到东部沿海地区的高质量课程，有利于教育公平的实现。大数据为课程的学习提高里丰富的学习资源，只要利用得当，往往能有事半功倍的效果。三、结语大数据时代的到来，对教育的模式、授课的方式等产生了显著的影响，吸引了越来越多的关注，相关的研究也取得了一定的成效。未来的教育模式要顺应时代发展的潮流，进一步深入研究大数据教育的特点，实现和现在教育的高度融合，为学生和教育工作者提供技术支持，推动教育模式的创新。参考文献[1]钟玲会.

　浅谈大数据时代下高校思想政治教育模式的改革[J]. 太原城市职业技术学院学报. 2017(07)[2]薛守星.

　浅谈大数据时代的成人教育管理模式变革[J]. 黑龙江科学. 2017(03)[3]郑立海. 大数据时代的教育管理模式变革刍议[J].

　中国电化教育. 2015(07)[4]孟瑞琴.

　浅析大数据时代的教育管理模式变革[J]. 新校园(上旬). 2018(03)[5]陈少涛. 大数据时代对教育管理模式的影响[J].

　学园. 2017(11)大数据时代的教育特点分析曾逸雯

　北京师范大学株洲附属学校社会地位，维护教师的合法权益，提倡全社会都来关心、支持、配合教师的工作，从而提高教师的工作积极性。社会支持系统是个体应对压力的重要外部资源，很多研究显示，支持系统可以使个体减轻压力，延缓倦怠感的产生。学校管理制度的科学化、人文化是解决教师职业倦怠的根本。要改革教师评价和管理机制，加大教师参与管理的力度，降低职业倦怠感。为此，应该要改革教师的评价体系，强调形成评价的重要性，最终建立形成性评价与总结性评价相结合的以评价为主的复合型评价体系，并以合理的激励机制来保障。参考文献[1] 杨秀玉，孙启林. 教师的角色冲突与职业倦怠研究 [J]. 外国教育研究，2004（09）：10-13.[2] 杨翠娥，黄祥祥. 论教师职业倦怠 [J]. 教育探索，2004（09）：105-106.[3] 兰惠敏. 关于我国高校教师职业倦怠的调查研究 [J]. 教育探索，2012（05）：143-145.[4] 徐志勤. 高校教师职业倦怠及其对策 [J]. 扬州大学学报(高教研究版)，2006（04）：72-74.[5] 李兆良，高燕，冯晓黎，等. 高校教师职业倦怠现状调查及对策 [J]. 医学与社会，2006（11）：49-52.万方数据

篇二：大数据教育评价变革论文

大数据的教学评价研究宰 李葆萍 周 颖 (北京师范大学 教育技术学院，北京 100088) 摘要：文章基于教育大数据的视角，结合教育评价活动的转型，对教育大数据的采集、可视化分析与呈现技术 等开展了研究。文章认为，教育大数据技术推动了教育评价中数据驱动决策的实现，为多方参与教育评价、实 现发展性学生评估提供 了良好的支持。平板电脑、数码笔、可穿戴设备等能够实时地将不同类型的学习数据数 字化，实现了对学生学习全过程数据的采集，为教育领域中实现基于数据分析与理性证据的教育评估与决策提 供了数据基础。各类可视化分析工具能够在稀疏的教育大数据中过滤、挖掘各类隐含的教育信息和规律，帮助 我们理解学生个人知识体系的构建过程，探索学生个体的社会学习网络的演化规律 ，揭示教育事件在特定时空 呈现的特征。

　关键词 ：教育大数据；教育评价；发展性评估；数据采集；可视化分析 【中图分类号 】G40-057【文献标识码】A 【论文编号】1009----8097(2016)O6__0oo5-．_o7 IDO1]10．3969／]． 1ssn．1009-8097． 2016．06． 001 数据 (Data)是按照一定规则排列组合的物理符号，可以表现为符号、文字、数字、语音、 图像 、视频等形式，是信息的表现形式和载体。2001年高德纳咨询公司在研究报告中指 出，人 类社会数据爆炸从三个维度展开：一是同一类型的数据量在快速增大，二是数据增长的速度在 加快，三是数据的来源和新的数据种类在不断增加一一上述事实清楚地说 明人类真正进入到 了 大数据时代【¨。

　·

　关于大数据的定义暂时还没有达成共识，现存的定义主要从大数据具备的性质出发进行界 定。目前，研究界认可的是大数据应当满足 3V特点，即规模性 (Volume)、多样性 (Variety) 和高速性 (Velocit y)【2】．随后，不同的机构将其扩展成为 4V，如IBM提出的准确性 (Veracit y) 以及 IDC提出的价值性 (Value)等【引。大数据立足于对大量数据的深度挖掘与科学分析，寻求 数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择 转 向基于数据分析与理性证据 的决策[4】。当前，大数据正不断地深入教育领域，对一些 “数据密 集型”的教育业务如考试、学习分析等产生了强劲的冲击。

　大数据与教学评价变革 教育评价指的是在系统、科学、全面地搜集 、整理、处理和分析教育信息的基础上，对教 育的价值做出判断的过程。从个人层面来看，教育评价的目的在于了解学生的发展情况，对学 生的学习情况进行客观总结、对教师的教学质量进行评估；从宏观来看，评价的目的更在于促 进教育改革，提高整个国家的教育质量[ 。我国《国家中长期教育改革和发展规划纲要(2010．2020 年)》指 出：“要改进教育教学评价，根据培养 目标和人才理念，建立科学、多样的评价标准 。

　开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学生成长记录，完善综 合素质评价，探索促进学生发展的多种评价方式。”美国于 2010年发布的 《国家教育技术计划》 (National Education Technology Plan)中强调各级各类教育系统要利用技术来测量、评价学习 过程，教育管理者应该利用技术来收集学习过程中的实时数据，为持续改善学习效果提供依据[们。

　5 一

　 l[)l _ 中美两国的重要教育文件都揭示了教育评价在整个国家教育系统中的重要地位，并预示着 教育评价将在理念、内容、方式等方面的转型取向，在现代教育价值趋于多元化的基础上，教 育评价方式面临全面转变 的现实需要[

　。这种转变主要表现在如下方面：①做好学生成长记录 、 收集学生学习过程中的实时数据等评价措施的提出，体现了评价理念从 以往 “经验主义”向 “数 据主义”转变的趋势；②完善综合素质评价、探索促进学生发展的多种评价方式以及提供持续 改善学习效果等评价 目标的提 出，体现了评价 内容从以往注重认知水平的 “总结性评价”向综 合素养的 “发展性评价”转变的趋势；⑨政府、学校、家长及社会各方面参与的评价主体的提 出，体现了评价方式从 “单一封闭”向 “多元开放”转变的趋势。事实上，上述教育评价的转 型并非全新的理念和思想。依据数据所提供的证据进行判定是实证主义的基本思想，发展性原 则一直是教育评价本身应有之义，学生的自我评价、家长 的校外评价( ]也是很多学校采取的评价 方式之一 。然而近几年来，这些思想在 国家教育纲要性文件 中被显著地提及 ，说明其在过去落 实的力度欠缺，或者说直至今日这些思想的落实方才具备可操作性的条件，这就是现代信息技 术和大数据在教育领域中应用的用武之地。

　教育评价是为 了让我们更好地 了解学生、审视我们 的课堂和教学过程 。在传统的教育环境 下，了解学生的主要方法为问卷调查、课堂行为观察、考试、作业分析等 。这些方法存在着耗 时长、数据不准确、过程型数据遗漏或者无法采集等多种弊端，建立在这种不完整数据之上所 获得的分析结果只能揭示某些特定的问题 ，缺乏综合性。此外，不 同来源的数据之间难以整合 ，

　因为采集成本等原因，获得的数据缺少持续性，导致数据 内部隐含 的信息连接被割裂 。比如学 生作业水平和学生课堂学习行为之间的所存在关系的挖掘；学生阅读能力对其数学学科表现的 影响分析等都难 以实现。因而教师往往只能根据经验来处理教学 问题 ，这些都对于科学、精准 地 了解学生，做出教学决策甚至制定教育政策造成不利影响 。教育大数据 的应用则为克服现有 教育评价中的不足提供 了效果 良好的解决方案 。

　1大数据推动数据驱动的教学决策 数据驱动决策在教育中是指收集 、分析 、报告和使用数据用于教育教学改进的过程[

　。比如 美国普渡大学的 “课程信号灯”(Course Signals)项 目是国际知名的大数据诊断学生、提供教育 决策的典型案例之 -[ ]。如图 1所示，“课程信号灯 ”系统主要 以成果算法为基础 ，对学生课程 表现、课程努力程度、前期学业历史、学习者特征等数据进行采集和计算，实现对课程的实时 预测 。预测结果将通过红、黄、绿三种颜色信号灯 的形式 ，呈现在学生的学习页面以及教师的 课程控制页面中一一 红灯表示课程学习中存在极大 的失败可能性；黄灯表示在课程学习中存在 一定的问题 ，有失败 的可能；绿灯表示学习成功的几率很高。根据不同的信号显示，教师通过 发送 电子 邮件、短信 以及面谈等方式对学生学 习进行适 当的干预 ，还可 以通过 “课程信号灯 ” 系统自带的推荐学习导师与学习资源模块，对学习者学习提供适当的帮助，以促进其在课程学 习中取得成功。

　2大数据促进了学生发展性评估 早在 1940年 ，美 国史密斯一泰勒报告中就指出教育评价不能只测量学生的某些能力和特征， 而应该根据教育 目标来评价学生发展及成长的进程和水平 ，这是发展性评价理念在现代教 育评 价 中的确立。发展性评价是指通过系统地搜集评价信息和进行分析，对学生的教育活动进行价 值判断，实现其发展 目标 的过程 。发展性评估主要发挥评价诊断的功能 ，突出评价的过程，重 6

　 视学生 的个性差异，因此 ，其往往要和学生的学习过程 紧密结合，进行长期追踪。如北京、成 都、深圳等地的中小学校，以发展性评价理念为指导，持续跟踪学生历次考试成绩，通过时间 序列分析、聚类分析等手段，对学生的学习数据进行挖掘 ，构建学生的学科知识地图，进行学 习风格和学习行为分析，最终完成对每个学生的学习力诊断【l1】

　11。

　2015年成立的北京市未来教育高精尖创新 中心，正致力于利用学生学习全过程的大数据分 析 ，帮助学生发现并提升优势学科 、诊断和补救劣势学科 ，以适应新型的学生评价机制 ，实现 个性化、差异化的学生发展目标。

　3大数据提供了多方参与评价的途径 过去的学生评价主要是针对学生的学业水平测试，评价主要由学校相关部 门和教师完成， 整个评价体系呈现出封闭性的特征。当前强调学生的发展性评价和综合素质评价，评价活动贯 穿学生 的整个学习过程，覆盖学生在校园内外的学习活动和行为表现 。多种来源、结构不同的 数据汇总将用来分析学生的综合素质 ，并通过数据的不断积累，使各类参数和模型得以确立， 以提高分析的精确性。可见教育大数据直接产生于各种教育活动 (包括教学活动、管理活动、 科研活动、校园活动等)，每个教育利益相关者既是教育数据的生产者也是教育数据的消费者[

　】， 基于开放性大数据的评价活动 ，为那些能够掌握和提供学生不同情境下学习数据的多方主体共 同参与评价活动架设了桥梁。可以说，数据是驱动教育评估转型变革的核心因素。研究认为， 从用户 的视角来看，在教育评价活动 中很容易从数据的入 口和使用，即数据的采集和分析两个 方面感受到大数据带来的变化。

　二 教学评价数据的采集 1教学评价数据的采集类型 2013年颁布的 《教育部关于推进 中小学教育质量综合评价改革的意见》强调要改革评价方 式，将定量与定性评价相结合，注重全面客观地收集信息，根据数据和事实进行分析判断【 】。

　该意见说 明，教育质量评价不再单一地依托考试成绩 ，而是要将学生发展的所有信息收集、整 理、分析并得出结论性的认识，也就是说要基于 “数据”和 “证据”对教育质量做出评价[H】。

　在当前倡导的以学生为中心的学习环境中，学生学习 “数据”和 “证据”的主要产生途径如图 1 所示 。其 中，学生在学校 内外的学习过程数据包括学习交互、学习行为、学习路径、各类过程 性学习档案等，学习者个性数据则包括学生的生理、情感 、认知状态数据等，以及各类 以考试、 作业、作品等形式展现的学习成果。

　2教学评价数据的采集技术 为了实现 “数据”+“证据”为基础的教育评价，学校采取了很多评价数据采集措施，如考 试、问卷 、作业档案袋等 。然而这类信息多是采集学生的学习结果信息或者状态信息 (如学习 风格 )，属于静态信息，而学生在学习过程 中实时产生的诸多动态信息如学习路径、学习行为等 未能实现有效采集。不完整的数据采集势必会影响评价结果的准确度和可信度，也会制约大数 据下教育评价的实施，因而教育全过程数据的采集研究是大数据应用与教育评价的关键要素。

　目前，智能学习环境以及具有数据采集能力的学习终端如平板电脑、智能手机、数码笔、 可穿戴设备等的应用，为**学生学习数据采集难题提供了技术方案。

　7

　管理系统、键盘数据、浏览器数据等学生操作电脑的数据，缺少对现实情境中学习过程数据的 捕捉 ，从而导致分析者难以深入 了解学习和教学过程[

　】。2007年凯文 ·凯利提 出了量化 自我的 概念，就是用实时测量或记录的方法，测试、量化和记录个人 的生命数据 (如饮食、运动、睡 眠、情绪等 )，并通过数据反馈进行 自我调整["】。量化 自我概念的提 出和大数据密切相关，其 中 传感器网络、可穿戴技术、移动终端等对量化自我起关键作用。

　教育领域也可使用 RFID芯片、眼动仪以及可穿戴设备如各种手环等技术，真实地采集学生 在教室内外的学习信息和学生的日常行为数据，供精确化学习分析和个性化教育评估与管理的 使用 。如眼动技术通过对眼动轨迹 的记录，从 中提取诸如注视点、注视时间和次数、眼跳距离、 瞳孔大小等数据，从而研究个体的内在认知过程 。有研究就采用眼动仪采集 2～3岁婴幼儿对 图 画书页面 区域的注视 点个数、注视注视 点时间长度 、回视等行为数据和生理数理，用来评估其 图画书阅读的注意力水平、阅读喜好、读图能力、阅读理解能力等【l8]。手环等设备则可以实时 地记录学生的位置信息、运动数据和身体健康指标等，可以随时将这些数据与学生的学业表现 关联 ，用来分析、预测不同类型学生的学习表现和发展。

　三 教学评价数据的分析 采集到教育大数据以后，需要通过数据挖掘和分析技术来提取数据中蕴含的教学信息以便 开展教学评价。除了常规的教育统计手段外，还可对大数据构成的数据立方体进行多维度的下 钻或上卷操作以提炼出更深层次的知识需求，促使聚类分析和关联分析等数据挖掘技术越来越 多地应用于学生的教学评价当中。

　如根据历次试题答题情况对学生进行聚类分析 ，可 以确定学生的基本类型并帮助甄别表现 异常的学生 。若聚类结果发现部分学生多次解答难度高的题 目能够保持正确 ，而难度低的题 目 错误率较高，可能这部分学生是因为粗心造成，可以对其答题注意力状态进行辅导；部分学生 若长期聚类在同一知识点答题正确率起伏较大的区间，则可能这部分学生存在抄袭或者随意选 择的情况，可以进一步关联其它数据对其进行分析和诊断。再如对学科不同知识点得分情况进 行关联和回归分析，就能精准地进行教学归因分析，如 B知识点得分低，是因为 A知识点得分 低，那么应当先解决 A知识点的学习问题等。

　上述这些数据分析很多是基于结构性数据的分析，它能够确定或者否定我们对教学问题的 预期性判断。然而教育大数据具有非结构化、稀疏性等特征，难以像结构化数据的方式构建出 其内部的正式关系，或者使用先验的模型来进行分析，这就 需要我们在教学评价领域 引入新的 数据分析技术。在当前大数据环境下，信息可视化分析可以通过可视化图形呈现数据中隐含的 信息和规律，建立起符合人类的认知规律 的心理映像，成为人们分析复杂 问题的强有力工具[19]。

　教育领域 中的大数据主要包括师生基本信息数据、课业测试与作业数据 、校 园实录数据， 课程资源数据【2 o-、课外学习数据、学生...

篇三：大数据教育评价变革论文

大数据的高等教育质量评价探析 。阎升光 何丽娟 [摘 要] 客观公正的教学质量评价结果是提高和保障教学质量的重要措施。随着大数 据 时代的快速发展 ，高校教学质量评价也可以利用大数据技术从 计划、实施 、检查、处理四个阶 段科学、有效地进行。教育大数据技术推动了教育评价中数据驱动决策的实现，为多方参与教 育评价、实现发展性学生评估提供了良好的支持。平板电脑、数码笔、可穿戴设备等能够实时地 将不同类型的学习数据数字化，实现了对学生学习全过程数据的采集，为教育领域中实现基于 数据分析与理性证据的教 育评估与决策提供 了数据基础。

　[关键词 ] 大数据 ；高校 ；教学质量；教学评价 [作者简介] 阎升光(1978-)，男，博士，华北理工大学副教授，研究方向：教育学；何丽娟 (1977一)，女 ，开滦总医院主管护师，研究方向：护理学、教育学。(河北唐 山 063000) 人才培养是高校的职能之一，人才培养质量 是高校的立校之本。教师教学质量的优劣直接影 响学生学习质量的高低，教学质量的提高是高等 教育事业 的首要任务。

　做好教学质量的评价工作是提高教学质量的 重要保障，是优化学校教务管理的抓手，是满足创 新型国家人才需求的源泉。教学质量评价是对教 师教学活动评价 的重要手段 。教学质量评价是动 中，高校首先需要根据 自身的办学理念、培养目 标、项目特色、财政支持等因素规划出符合自身发 展特点的合作办学项目。应选定自身需要的合作 方式，国际高校间的合作方式有多种，高校应当判 定适合 自己，也是 自身需要的合作方式。应慎重地 寻找合作伙伴 ，高校不仅需要对潜在的海外合作 伙伴进行全面的评估，更要考察其所在国家的高 等教育环境，以及该国的教育政策、行政结构，甚 至合作办学的审批流程，这些因素都将影响着海 外合作办学项目的顺利实现。要实施海外合作办 学项目。在推行和实施海外合作办学项 目中，必然 会遇到一定的意想不到的困难。高校应当组建项 目实施的领导集团，并广泛动员全校师生积极参 与项目，努力克服海外合作办学项 目实施中的难 题 。

　教育国际化是教育发展适应世界历史发展变 化的结果，它不但有利于加深学生对 界各国文 化的认识和理解，促进各国友好关系的发展，而且 对世界各国的教育与社会发展都有一定的促进作 用 。从世界各 国高等教育的发展来看 ，教育 国际化 已经成 为不可逆转的趋势 ，也成为高校转型发展 的重要机遇。当前，建立清晰的教育国际化发展规 划、搭建强有力的国际化组织架构、设置合理的国 际化视野课程、培养具有国际化视野的师资队伍、 有效地促进生源的国际间流动、积极拓展海外合 作办学项 目，是高校教育国际化发展道路的重要 途径。

　参考文献 ：

　[1]国家中长期教育改革和发展规划纲要(2010—2020 年)[Z]．2010． [2]朱雪波，王绘建．我 国大学教育国际化发展路径研 究[I]．高等工程教育研究，2014，(6)．

　[3]张树泉．我国高等教育国际化的若干对策[J]．江苏 高教 ，2006，(2)．

　[4]朱兴德．教育国际化及其最新发展 [J]．中国高等教 育，2014，(11)．

　[5]刘艳，何知．高等教育国际化给我们带来的挑战和 应对策略[J]． 科学教育家，2008，(4)．

　责任编辑 ：王峰 2C0H仃INh门A4DU中LT国E成DU人CA教TIO育N 49 -_r7

　态的、持续 的过程评价 ，是规范化和发展性相联系 的评价模式。借助有效 的技术手段 ，合理判断教学 的影响因素和教学效果 ，及时发现教学中的长处 ， 快速修正教学活动中存在的问题，有利于教师提 高自身素质、完善自我，有利于学生提高学习热 情 ，激发师生 的潜能 ，促进教学相长。客观 、公正 、 合理地评价高校的教学质量 ，是培养创新创业人 才的重要措施 。

　一、 大数据时代概述 数据(Data)是按照一定规则排列组合的物理 符号 ，可 以表现为符号 、文字 、数字 、语音 、图像 、视 频等形式，是信息的表现形式和载体。人类社会数 据爆炸从三个维度展开 ：一是同一类型的数据量 在快速增大 ，二是数据增长的速度在加快 ，三是数 据的来源和新的数据种类在不断增加 。

　大数据是指无法使用传统的软件技术和工具 在一定时间内完成获取 、管理和处理的数据集 。大 数据的重点不仅在于数据规模的定义，而且代表 着信息技术发展进人了一个新的时代，代表着爆 炸性的数据信息给传统的计算技术和信息技术带 来 的技术挑 战和困难 ，代表着大数据处理所需 的 新 的技术和方法 ，也代表着大数据分析和应用所 带来的新发 明、新服务和新的发展机遇。

　大数据具有 5V特点 ，即规模性 (Volume)、多 样性 (Variety)、高速性 (Velocity)、准确性(Veraci— tv)和价值性(Value)。大数据立足于对大量数据的 深度挖掘与科学分析 ，寻求数据背后的隐含关系 与价值 ，使得人们可以从基于小样本数据 的推测 或基于感性 的偏好性选择转向基于数据分析与理 性证据的决策 。当前 ，大数据正不断地深人教育领 域 ，对一些数据密集型的教育评价和学习分析产 生 了强劲的冲击。

　所谓大数据时代 ，是指以互联网为主的一整 套信息技术(包括移动互联 网、云计算等 )在经济 、 社会生活各部 门的扩散应用过程。在大数据时代 ， 对高校教学质量评价的研究主要是利用无所不在 的大数据对教学质量进行评价 ，使评价活动始终 处于一个动态的发展过程中。大数据时代 ，数据分 析与数据挖掘作为一门信息技术，主要是受数据 积 累的增长和对数据分析 的需求 的驱动。大数据 将 引发新 的“智 慧革命”：从 海量 、复杂 、实时的大 数据 中可 以发现知识 、提升智能、创造价值。

　二、教学质量评价体系的转型与发展 教学质量评价指的是在系统 、科学 、全面地搜 集 、整理、处理和分析教育信息的基础上 ，对教育 5O高 默 的价值做 出判断的过程。随着大数据时代的到来 ， 教育质量评价研究加快了量化研究进程 ，精确的 信息让质量评价数据化 、直观化变为可能，其评价 借助前沿技术 的发展 ，从宏观群体走 向微观个体 ， 从而引发高等教育质量评价的彻底变革 。

　从个人层面来看 ，教育评价 的目的在于了解 学生的发展情况 ，对学生的学习情况进行客观总 结 ，对教师的教学质量进行评估 ；从宏观来看 ，评 价的 目的更在于促进教育改革 ，提高整个 国家 的 教育质量 。《国家中长期教育改革和发展规划纲 要》指出：“要改进教育教学评价 ，根据培养 目标和 人才理念 ，建立科学 、多样的评价标准。开展由政 府 、学校、家长及社会各方面参与的教育质量评价 活动。做好学生成长记录 ，完善综合素质评价 ，探 索促进学生发展的多种评价方式 。” 在现代教育价值趋于多元化的背景下 ，高等 教 育教学质量评价方式 面I临全面转 变的现实需 要。教学评价的转型是依据数据所提供的证据进 行判定 ，是实证主义的基本思想 。教学评价在理 念、内容、方式等方面转变主要表现在如下方面：

　1．做好学生成长 记录 、收集学生 学习过程中 的实时数据等评价措施 的提出，体现 了评价理念 从以往“经验主义”向“数据主义”转变的趋势 ； 2．完善综合 素质 评价 、探索促进 学生发展的 多种评价方式 以及提供持续改善学习效果等评价 目标的提出，体现了评价内容从以往注重认知水 平的“总结性评价”向综合素养 的“发展性评价”转 变的趋势 ； 3．政府 、学校 、家长及社会各方面参与的评价 主体 的提 出，体现 了评价方式从“单一封闭”向“多 元开放”转变 的趋势。

　三、基于大数据的教学质量评价主要优势 (一)大数据有利 于评价层 次 多元化 随着高等教育投资体制和就业分配制度改革 的进行 ，现有的教学质量评价体 系在运行过程 中 存在诸多问题。一是 由于大学生和教师在评价活 动中参与度低，主体作用得不到体现，质量评价只 能为主管部 门在对高校实施 目标管理时提供一些 依据，不能调动师生的积极性 ，实现提高人才培养 质量 的终极 目标 。二是质量评价方式较为单一 、维 度窄，影响了质量评价的效度和信度 ，质量评价信 息的失真容易造成对宏观政策制定和实施 目标管 理产生误导 。同时 ，教育主管部门为主导的质量评 价体系不能全面顾及不同地域、不同层次、不同学 科的高等教育学校办学理念 、育人 目标的差异 ，以

　这种单一的质量评价为参考，高等教育学校建设 和人才培养容易陷入同质化困境。

　大数据的运用则实现了质量评价体系向多主 体和多层次扩展 ，建立社会 、个体共同参与的多元 化评价体系。由三个主体带来的三个层次的评价 构成一套完整的评价过程。首先，大学生对学习与 发展质量的自我评价和老师对学生学业与发展的 质量评价是质量评价的核心环节。其次 ，学校对本 校教育质量评价和教育主管部门对高等学校的评 价对教育活动起着宏观指导和调控作用。最后 ，社 会对高等教育质量的评价是整个高等教育质量的 终极评价。大数据时代的信息化克服了由于用人 单位具有广泛性和分散性带来的评价困难，使高 校对毕业生入职后的跟踪评价途径更为广泛 ，反 馈信息更加全面真实，可指导高校及时调整人才 培养方案，来适应社会需求。

　(二 )大数据有利 于过程评价科学化 高校质量评价有两种形式 ，一种是过程性评 价 ，另一种是分等级(结果性 )评价 。过程性评价基 于考察办学、教学和科研等行为的过程，分等级 (结果性)评价则更多地考察行为的结果和成绩 。

　由于过程性评价很难测量和评估，过去在高等教 育质量评价中往往只考虑分等级评价或者将两种 评价混为一谈。对高等教育教学与学术计划、研究 与学术成就 、教学设施设备等多维度 、多层次 的探 索最终都为分等级评价服务。评价的排名排队指 向，导致很多高等教育学校不再是以培养人才为 目的，而是以增加评价排名为 目的。教育科研活动 围绕各种评估维度来运转。

　大数据使单独进行过程性评价的测量和评估 变为可能。如在课堂教学中，学生 的出勤率、作业 的正确率、师生互动的频率与时长等多方面发展 的表现率数据均可通过收集、分类 、整理、统计 、分 析，形成新的过程性教育质量评价方式。对于办 学、科研的过程也可以以同样的方式实现对具体 过程的考核。

　(三)大数据有利于评价结果客观化 评价标准是教育质量评价 的一把尺子 ，我国 现阶段高等教育质量评价标准以学科评估 为主 ，

　全面考察学校基本办学条件 、基本教学管理和基 本教学质量等方面因素。但受到客观条件限制，该 标准中界定模糊和难以衡量的因素很多，如：学校 服务地方经济社会发展的能力、应用型人才培养 的能力、学校教学改革和内部质量保障体系建设 等，都难以形成可操作衡量的量化指标。

　大数据时代，由于信息量的增加和信息网络 建设的日趋完善，人们对于数据的监测和分析能 力不断增强，某些难以衡量的因素将会实现量化。

　一方面，通过建立客观的质量内控机制，使原来宏 观的服务地方经济社会发展的能力等评价指标通 过细分，转化为一个个微观个体，通过对微观个体 的分析 ，即可以达到宏观 目标 的实现 。另一方面， 对于学生学习兴趣、身心发展等难以评估的因素， 可 以通过采用大规模调查研究的方式进行分析 ， 辅之以必要的现场观察、资料查阅等进行数据和 信息的处理，最后做出科学的推论和评价。

　(四)大数据推动 了数据驱动决策 数据驱动决策在教学中是指收集、分析、报告 和使用数据用于教育教学改进的过程。教学评价 系统以科学的算法为基础，对学生课程表现、课程 努力程度、前期学业历史、学习者特征等数据进行 采集和计算 ，实现对课程 的实时预测。预测结果呈 现在学生 的学 习页面以及 教师的课程控 制页面 中。根据实时预测 ，教师通过发送电子邮件 、短信 以及面谈等方式对学生学习进行适当的干预，还 可以通过教学评价系统的推荐学习导师与学习资 源模块 ，对学习者学习提供适当的帮助，以促进其 在课程学习中取得成功。

　(五 )大数据提供 了多方评价途径 过去 ，学生评价主要是针对学生的学业水平 测试 ，评价主要 由学校相关部 门和教师完成 ，整个 评价体系呈现出封闭性的特征。当前，强调学生的 发展性评价和综合素质评价 ，评价活动贯穿学生 的整个学习过程 ，覆盖学生在校园内外的学习活 动和行为表现。多种来源、结构不同的数据汇总将 用来分析学生的综合素质 ，并通过数据的不断积 累，使各类参数和模型得以确立，以提高分析的精 确性。教育大数据直接产生于各种教育活动(包括 教学活动、管理活动、科研活动、校园活动等)，每 个教育活动相关者既是教育数据的生产者也是教 育数据的消费者 ，基于开放性大数据的评价活动 ， 为那些能够掌握和提供学生不同情境下学习数据 的多方主体共 同参与评价活动架设了桥梁。因此 ， 数据是驱动教育评估转型变革的核心因素。从用 户的视角来看 ，在教育评价活动 中很容易从数据 的人 口和使用，即数据的采集和分析两个方面感 受到大数据带来的变化。

　(六)大数据促进 了学生发展评估 现代教育评价不仅测量学生的某些能力和特 征 ，而且根据教育 目标来评价学生发展及成长的 2017／14中 国成 人教 育 < 1 CHINA ADULT EDUCAT10N J 上

　进程和水平。发展性评价是指通过系统地搜集评 价信息和进行分析，对学生的教育活动进行价值 判断，实现其发展 目标 的过程。发展性评估主要发 挥评价诊断的功能 ，突出评价 的过程 ，重视学生的 个性差异 ，因此 ，其往往要和学生 的学习过程紧密 结合 ，进行长期追踪 。如以发展性评价理念为指 导 ，持续跟踪学生历次考试成绩 ，通过时间序列分...

篇四：大数据教育评价变革论文

heory of

　Educational Technology理 论 与 争 鸣2021.2 中国电化教育 总第409期新时代基础教育评价改革的大数据赋能与路向 *宋乃庆 1,2 ，郑智勇 1,2①

　，周圆林翰 3(1.西南大学  基础教育研究中心，重庆  400715；2.中国基础教育质量监测协同创新中心西南大学分中心，重庆  400715；3.重庆工业职业技术学院，重庆  400715)摘要：大数据正在成为推动教育系统颠覆性创新与变革的科学力量，包括教育在内的整个领域都将在这一力量潮流推动下发生深刻机理变革。大数据赋能新时代基础教育评价改革是破除“五唯”教育评价痼疾，落实立德树人和办人民满意教育的必然选择；传统课堂教学联姻教育信息技术，建设智慧校园的迫切需要；过滤与挖掘隐含教育信息和规律，满足学生个性化学习的应然要求等诉求。然而，现实却面临着考试大数据理念异化，迟滞教育评价观的科学树立；教师信息技术能力羸弱，冲击评价改革的师资保障；数据教学资源分化，加剧教育不公平取向的发生；数据价值理性备受忽视，规约评价改革的功效发挥等问题。针对问题，该文提出厘清传统考试价值观念，构建大数据赋能的基础教育评价观；消解教师技术能力的担忧，完善评价改革的智力支持；合理搭建数据资源平台，满足学生综合素质评价诉求；准确把握大数据评价价值旨归，驱动教育评价体系重构等建议。关键词：大数据；信息技术；基础教育；教育评价；数据分析 中图分类号：G434

　文献标识码：A大数据具有海量的数据规模(Volume)、多样性的数据类型(Variety)、快速的数据处理(Velocity)以及真实的高质量数据(Veracity)等4V特征 [1] ，利用大数据可以获得并挖掘更多原始基础教育数据信息 [2] ，印证和揭示更有价值的教育规律机制 [3] ，促使教育评价实践愈加精准与深入，利于打破单一评价类型，打造更具效率、数据真实、主体自觉、途径多元、结果公平的多元评价生态。2020年10月13日，《深化新时代教育评价改革总体方案》(以下简称《方案》)成为首个系统解决具有全局性、导向性教育评价问题的纲领性文件，强调要利用大数据等现代信息技术，创新评价工具等举措。为此，研究认为可尝试将大数据应用于基础教育评价领域，成立由政府部门牵头的多元主体参与的教育评价机构，基于数据的价值判断为引领、以发现数据的评价价值为导向、以对评价活动的规范和监督为辅助来建构大数据时代的教育测评模型及其范式，通过教育测评模型的应用，实现对教育现象的定量刻画和教育过程的质量监测，重塑评价流程。在评价过程中，需充分发挥省级政府履行评估结果、考核努力程度以及进步发展等教育评价职责，市级政府单位根据国家或省级确立的评价内容或指标进行实际细化，依托校内评价资源数据库，扭转当前基础评价改革中出现的“五唯”问题。研究拟从尝试分析大数据赋能基础教育评价改革的诉求着手，管窥新时代基础评价改革的大数据赋能存在问题并提出研究路向，以期对推动基础教育评价改革和发展或有裨益。一、大数据赋能新时代基础教育评价改革的诉求(一)破除“五唯”教育评价痼疾，落实立德树人和办人民满意教育的必然选择《方案》指出要把立德树人成效作为根本标准，完善立德树人体制机制，加快推进教育现代化、建设教育强国、办好人民满意的教育。就促进学生发展而言，教育评价必须坚持“把立德树人作为根本任务”，指向学生的生命成长。但传统教育评价∗ 本文系国家社会科学基金重大项目“中国义务教育质量关键影响因素监测框架构建与验证研究”(项目编号：16ZDA229)、重庆市研究生科研创新项目“基于STEAM教育理念的小学生创新能力测评指标体系构建研究”(课题编号： CYB20078)研究阶段性成果。①  郑智勇为本文通讯作者。文章编号:1006—9860(2021)02—0001—07。

　。. .。

　。

　2Theory of

　Educational Technology理 论与争鸣2021.2 中国电化教育 总第409期过于追求功利价值，尤其当前“五唯”评价顽瘴痼疾正在将学校教育中师生工具化、趋利化、片面化，师生个体的发展被条分缕析的评价指标维度、体系与固有的评价标准所支配与主宰，个性特征与精神追求逐渐迷失与衰微，生命活力被遮蔽 [4] 。究其原委，“五唯”评价体系是我国特定历史阶段的产物，过去为培养和选拔追赶型的标准化人才，选择易感易见、易赶易超的数量化、客观化的外在标杆性指标，有其历史特定阶段性。但当前这一评价体系严重压抑了人的生命活力、遮蔽个性和创造性，与新时代培养教育身心和谐健全、全面发展新人的目标严重相悖，破除“五唯”顽疾实现教育评价的现代转型是当前的迫切任务。就评价体系而言，随着经济全球化、社会信息化、文化多样化和科学技术的迭代，我国作为世界最大的发展中国家，必须解决城乡、区域、校际之间存在严重的结构性失衡等教育不公平问题，办好人民满意的教育。囿于传统教育数据在数量大小以及采集途径上的局限性，导致决策者对区域内教育动态变化的信息资料把握失准，对变化缺乏预测，无法对政策制定的预期效果客观判断，在政策制定过程中难免注入主观经验，降低了评价的可信度和权威性而规约教育均衡化发展的进程。最终现行的教育评价体系无法适应学生自身甚至社会的发展需求，与广大人民群众对优质公平教育的美好期盼相悖 [5] 。而大数据等信息技术通过虚拟学校、在线教学、远程教学等方式扩大优质资源的辐射范围，实现信息技术“弯道超车”。基于大数据信息的评价决策更具说服力和公信力，促进优质教育资源流通共享、实现均衡发展 [6] ，有助于民众对于教育评价改革的满意度提升。(二)传统课堂教学联姻教育信息技术，建设智慧校园的迫切需要新时代以大数据为代表的5G、人工智能、物联网、区块链和量子科学等众多前沿科技创新叠加发展为标志的第四次工业革命正在来临，新技术催生了传统教育方式和内容的变革，其“威力”强烈地冲击着传统课堂教学，成为倒逼教育系统变革与发展的颠覆性力量。传统教师教学的知识权威遭受严峻挑战，学校不再是学习的唯一场域，学生对教师的信赖感、教师在学生心中的权威感均被削弱。与此同时，身处知识爆炸、信息激增的时代，人脑学习速度、存储空间的有限性与知识的无限性之间的抵牾愈发显著，师生须竭力避免被知识洪流淹没的风险，传统课堂教学亟待前瞻性地适应这种教育结构体系的变革，联姻并利用物联感知、虚拟现实、量子科学等智能技术，构建科学的高效的评价制度。另外，大数据已广泛应用于保障智慧校园建设与安全，传统校园已向数字化、智能化校园转型。利用大数据的可视化分析，通过对人脸识别、实时追踪、智能预警等新技术手段的合理、适当应用，能提高校园管理的效率和质量。同时，课堂是师生双方共同构建的场域，建立在大数据基础上的智慧课堂能突破教师个人经验主义的单纯课堂观察的束缚，在丰富而动态的课堂数据中寻求教育规律，使课堂教学评价更具科学性、可视化性，助推教师改进交互式使用工具的能力，为优化课堂结构、提高课堂效率提供便利 [7] 。这不仅是信息技术与课堂教学的深度融合，也是教育教学评价的技术性革命，基于这样的课堂评价使教师更为主动地进行主体反思，找到更加契合学生以及教育规律的教育教学方式，使智慧课堂趋向理想的境地。(三)过滤与挖掘隐含教育信息和规律，满足学生个性化学习的应然要求随机采样尽管成为现代社会测量领域的主要方式，却也是在不可收集与分析全部数据的情况下的无奈选择，存在诸多天然缺陷 [8] 。利用这种传统的教育评价技术难以收集到全程全面的可靠数据，导致发展性教育评价仅仅停留在观念层面。加之“次少量小”的数据无法真正反映学生的内隐的素质，唯有当评价数据足够精细，才能无限接近被评价者的真实样态。而大数据在本质上已转化为一种新的思维方式、新的问题解决方法 [9] ，依托大数据技术能采集真实状态下的全样本评价数据，揭示学生的隐含信息和规律，包括全面记录并对学生原有知识基础、学习态度、学习兴趣等认知和非认知学习与成长轨迹数据进行科学处理，确保数据“次多量大”。通过预测、聚类、相关性挖掘、提炼数据供人为判断以及建立科学的评估模型等方法，借助复杂算法挖掘数据背后的潜在价值，精准诊断当前学习存在的问题，极大提高评价结果的可信度 [10] 。另外，在大数据的支持下，教师能基于数据挖掘算法、机器学习、回归分析等学习分析技术，尝试依据“循证型教学”等方式，多维度多层次收集学生学习行为相关数据，更好地辨识自己和学生，并不断改进其教学模式与策略，从塑造者和施与者真正转变为学生学习的促进者与协作者，实现以“数据”创生教学，促使教学由预设迈向生成。譬如早在2007年美国启动了“课程信号项目”通过将数据从学生信息系统、课程管理系统和课程成绩单中提取出来，教师按照学习表现进行分类，利。

　。. .。

　。

　3Theory of

　Educational Technology理 论 与 争 鸣2021.2 中国电化教育 总第409期用数据分析技术对那些极有可能不及格或辍学的学生提供针对性的辅导服务 [11] 。我国亦可利用大数据技术，在学生交互式学习过程中，为学生提供链接海量信息源的通道，以“数据”生发学习，使无边界学习成为可能；将难理解的概念可视化、难表征的过程具象化，对多维、海量数据的深度挖掘与分析，以此探寻潜藏在数据背后隐含关系与价值，实施个性化特色教学，最终实现学生生命成长的精准服务，提升学习效能 [12] 。二、大数据赋能新时代基础教育评价改革的困境(一)考试大数据理念异化，迟滞教育评价观的科学树立教育评价观成为撬动新时代基础教育评价改革与发展的杠杆 [13] 。考试作为社会要求而进行的有组织、有目的的测度或甄别活动，考试数据的采集对教育评价观的建立至关重要。《方案》规定改变相对固化的试题形式，减少死记硬背和“机械刷题”现象，树立科学的教育发展观、人才成长观、选人用人观。然而，在海量的考试大数据中，往往会掺杂着诸多的不真实的无关数据，“异化”的考试大数据理念，阻挠正确预测和判断生成，从而遮蔽大数据的应用价值，迟滞教育评价观的科学树立 [14] 。表现在：一方面，考试的高功利特征决定考试大数据需具备较强的真实性和相关性。然而，多数考生为在考试中发挥出最佳水平，常常针对备考内容进行长时间以死记硬背、拼命刷题等方式的刻意系统复习。而学校囿于技术、条件的有限性，数据采集多是在非自然状态下针对性地抽样，呈现结构化、片段化，充满随机性又掺杂人为干预，无法有效真实全面反映学生的学习行为，呈现出模糊性和延时性，最终数据和技术的双重缺失规束了教育评价观的科学性。另一方面，考试其本质是心理测量的工具，考试数据承载的是学生的心理活动及特征，其功能是将考生特定领域的心理认知状况通过试题问答形式映射到考生的具体答卷及分数上，在处理和应用时尤为复杂。然而，正是由于对考生心理认知的间接测量结果，囿于惯性作用，当下个别地方学校对各类考试资源数据的分析和管理却停留在报名、组织考试和公布成绩的元数据记录上，根据这些选择性采集信息便武断判定考生在某一领域掌握的具体知识和技能，制约了教育评价观的客观性。除此之外，具体学生的考试相关数据分散在多个不同的平台机构，数据存储格式多样、挖掘质量良莠不齐、流程设计存在较大偏差。一言以蔽之，考试数据产生与评价数据采集并未实现无损对接，为考试大数据的整合和规范处理带来了很大的困难，加深了教育评价观规范性的质疑 [15] 。(二)教师信息技术能力羸弱，冲击评价改革的师资保障囿于大数据的4V特征，使得传统常规的数据采集和分析技术难以满足大数据背景下的需求，倒逼教师迅速积累与熟悉大数据采集、分析、清洗等相关知识或技能，在教育数据采集的质和量之间进行权衡 [16] 。众所周知，数据意识是整个数据素养的先决条件，然而，我国个别教师呈现数据意识不足、缺乏数据的敏锐洞察力的症状，仍以传统的观念和惯习来指导自己的数据管理活动，甚至对大数据功效产生质疑。既不能对自己教学实践接触到的相关数据及其异动具有敏锐的嗅觉，也无法全面掌握学生知识结构而进行有效干预，更无法对教与学的相关过程和行为等从数据的角度理解、感受和评价。另外，教师面临缺乏数据储备知识和技能羸弱的难题。在大数据应用背景下，传统的数据管理模式和保存机制逐渐被淘汰，使得基础教育评价更加精准与科学成为可能。但部分教师知识储备陈旧，从海量的数据中进行科学地分类、处理、挖掘信息的技能羸弱，对先进数据管理方法和手段的了解程度偏低，尤其是西部落后地区教师更是面临着大数据运用、分析的能力储备不足境遇，直接阻碍获取和创造更大数据价值和科学财富，将成为今后开展数据素养教育和数据服务工作亟待解决的重要议题。调查显示，西部中小学教师能熟练掌握“学习管理系统”“评估学生学习结果”“使用电子表格程序”分别占比22.7%、38.4%、42.8%，均不足五成。45.0%的教师表示缺乏相应信息技术的教学技能；38.1%的教师缺乏相应信息技术的教学知识 [17] 。值得注意的是，当前中小学校多缺乏帮助教师管理数据的配套服务和数据专员，即使遇到数据处理方面的问题，教师所能得到的解决途径较少，更多的是依靠自身力量，这对不同学科背景的教师组织管理也颇具挑战。(三)数据教学资源分化，加剧教育不公平取向的发生评价最重要的目的不是证明，而是为了改进 [18] 。《方案》明确提出促进义务教育优质均衡发展、优化教学资源配置。大数据促进基础教育评...

篇五：大数据教育评价变革论文

与探索 tougao3@chinaitedu.cn学习大数据支持的学习评价变革：内涵、挑战及趋势孙昊琛

　海南师范大学教育学院蔡宝来（通讯作者）

　海南师范大学数据科学与智慧教育教育部重点实验室、教育学院随着5G网络技术、大数据、云计算、人工智能技术的颠覆式创新和发展，教育管理和评价也迎来了一场新一代信息技术驱动的变革与转型。在线教育和泛在学习的兴起，使学习者不受时间、空间、地点的限制，可以根据自己的需要进行学习。这就给传统教育评价和学习评价带来了强烈的冲击和挑战。在5G网络技术支持的泛在教育和泛在学习环境下，大数据挖掘技术可以通过大量数据来有效跟踪和全面记录学习者的学习过程，学习分析技术则对采集到的大数据进行汇总、处理与分析，从而帮助教育者和学习者对教育、教学和学习做出全面、客观、科学的评价。

　 ● 学习大数据的内涵及价值1.学习大数据的内涵所谓学习大数据，是指学习者借助互联网平台，在与外界交互过程中所产生的一系列数据，主要包含课程内容数据、学习行为数据、互动交流数据以及学习资源数据等。[1] 学习大数据催生和推动了智慧教育的产生和发展，在实践应用中学习大数据能够将“线上”“线下”学习衔接起来，便于准确掌握学生的学习状态和进度计划。通过学习大数据，教师可为学生制订个性化的学习和成长方案，精准解决学生在学习过程中遇到的各种问题。学习大数据可在自然情境下收集教育教学过程中所有与学习有关的静态和动态数据，并保证数据记录的连续性，如教学资料、互动反应、登录频次以及在每个知识点学习上所花费的时间等内容。2.学习大数据的应用价值第一，学习大数据的本身价值。利用大数据分析技术，教育行业从业者可对在线学习过程中产生的访问次数、视频观看、互动讨论、作业完成、考试成绩等学习过程数据进行深度挖掘，梳理和发现其中隐含的教育关系，并通过可视化图表将分析结果呈现出来。这样，学习评价贯穿学生的整个学习过程，遵循“观测学习—解释学习—反馈学习”的评价逻辑，给予学生在每个学习阶段的个性化摘要：

　本文在界定学习大数据和学习评价概念的基础上，分析和阐述了学习大数据对学习评价在评价观念、评价主体、评价过程、评价目标和评价结果等五个方面带来的冲击和挑战，并预测阐释了未来信息技术赋能学习评价变革创新的三大主要趋势：物联网感知技术与学习评价衔接融合趋势、大数据分析技术与学习评价创新融合趋势、人工智能技术与学习评价集成融合趋势。关键词：

　学习大数据；学习评价；内涵；挑战；趋势中图分类号：

　TP393

　文献标识码：

　A

　论文编号：

　1674-2117（2021）01-0095-0595JAN. 2021 NO.01。

　。. .。

　。

　理论与探索 tougao3@chinaitedu.cn96中国信息技术教育学习支持。[2]第二，学习大数据的资源价值。随着大数据理念和大数据技术在全球的兴起，大数据的资源价值越来越受到关注和重视，以美、英、法为代表的发达国家率先将大数据作为新型战略资源，称其为“未来的石油”。未来，学习大数据作为学习理念和学习方式转型、学习评价创新的重要资源的价值定位也日益凸显，大数据支撑的学习分析技术，能够精确引导学生发现适合自己的学习方式和学习策略，支持和促进个性化学习的完美实现。第三，学习大数据是学习评价变革的核心驱动力。学习大数据的另一价值，体现在大数据支撑教育模式创新、赋能课堂教学革命、驱动学习评价模式变革等，并成为教育评价和学习评价变革创新的核心驱动力，具体表现为 [3] ：首先，学习过程从“非量化”到“可量化”，学生学习过程和学习行为数据可以被精准地记录、采集和获取；其次，学习大数据作为学习评价的可靠证据和证据链，对学习评价观念、评价目标、评价主体、评价过程、评价结果等带来了巨大的冲击和挑战，支撑学习评价从“经验主义”向“科学主义”的变革转型；最后，学习评价从“大众化”向“个性化”转型。学习大数据将赋予教师“认识”每个学生的能力，驱动学习评价从关注班级集体成绩排名的“大众化”评价向学习大数据支持的个性化学习评价转型。3.基于大数据的学习评价 在“5G+大数据”与教育教学深度融合的时代背景下，教育大数据加持并赋能教育评价模式创新和学习评价模式转型，由此，教育评价和学习评价概念必须重新定义。本文对基于大数据的学习评价的定义是：以自主性、差异化、个性化评价理念转型为驱动，利用学习大数据库和大数据分析技术，对学习者的学习从发起和过程展开到完成目标和结果反馈等个性化学习大数据进行精确分析和解释预测，以为学习者的个性化学习和发展提供精准支持和指导。基于数据挖掘技术收集学习过程中产生的实时数据，为每个学生建立属于自己的数字化学习成长轨迹档案袋和学习画像，为个性化高效学习提供大数据支持，进而实现学习评价从“经验主义”向“科学主义”的变革和转型，是大数据时代赋予学习评价变革的任务和使命。[4]● 大数据对学习评价的冲击和挑战大数据作为一种新生产力要素和一种重要的教育资源，已与教育教学全面渗透深度融合，从而给学校教育带来全方位、结构化、系统性的冲击和挑战。学习大数据对学习评价的冲击和挑战主要表现在以下五个方面：1.学习评价观念方面（1）赋能多元智力评价在5G的大数据环境下，通过实时采集学习大数据，可以为每个学生建立属于自己的覆盖了整个学习过程的学习数据库和成长档案袋；利用人工智能分析技术、视觉分析技术、大数据深度挖掘技术等算法和工具，为学习者多元智力的培养和发展建立全面、全程的学习数据库，从而为多元智能的测量评价提供准确、客观的证据和证据链。[5]（2）尊重个体差异评价基于个性化自适应学习大数据，教师可以对每个学生学习过程中产生的数据和数据链，进行系统、科学、全面的搜集、整理、处理和分析，及时诊断和发现每个学生学习中发生的疑难、困惑和问题，合理优化学习过程，精确分析学习结果和学习效率，科学制订学习计划和个性化学习方案，为尊重个体差异的学习评价奠定证据和证据链基础。（3）强调自主性评价在“互联网+大数据”的学习环境下，学习者必须充分发挥学习自主性、主动性和独立性，利用一切碎片化时间，人人皆学、时时能学、处处可学，并产生自主学习大数据。利用详细记录的自主学习大数据，学习者可以清楚地了解和掌握当前课程学习进度、参与互动交流、作业与考试、课外学习资源利用等情况，明确自己在学习中存在的难题和需要解决的问题，寻求问题解决方案。

　。. .。

　。

　理论与探索 tougao3@chinaitedu.cn和策略。2.学习评价主体方面在5G加持和赋能的教育和学习评价环境下，数据挖掘技术以价值中立的立场设计和架构教育、教学、学习和管理过程数据采集平台，深度学习技术和学习分析技术为评价方案研制提供了精细、精确、精准的指标和标准体系。基于大数据的教育评价和学习评价，教育者、管理者和学习者，教师、学生和家长，甚至平台本身都被纳入评价体系。在这一评价体系中，管理者、教育者和学习者既是评价者也是被评价者，既是评价主体也是评价对象，评价者和被评价者的角色切换和转型，是依据各自的大数据的应用目的和评价目标决定的。可见，基于大数据的学习评价，淡化了评价者和被评价者的关系定位，强化了评价的目标定位；弱化了评价的主体意识和定位功能，强化了评价的服务意识和支持学生成长发展功能。3.学习评价目标方面教育信息化2.0时代，学习评价目标不是为教学结果测评等级，也不是为知识掌握做出终结性鉴定，而是通过学习大数据还原学习者成长发展的轨迹，描述解释学习过程的活动行为与学习效率之间的内在关系，分析发现个性化学习所需要的学习支持，并以学习分析和学习评价促进学生个性化和谐全面发展目标的实现。大数据分析技术为学习评价目标确定提供了新的视野和角度，学习评价目标从关注教到强调学，并通过评价为学生的个性化、差异化学习提供精准支持，是大数据时代教育评价和学习评价目标转型面临的重大挑战。4.学习评价过程方面5G网络技术和大数据分析技术加持的学习评价过程，能持续生产和采集各种学习过程大数据，利用这些数据可以建立合适的学习评价模型，根据需要可以从不同角度对学生学习进行全面细致的评价，保证学习评价过程的客观性、科学性和准确性。5.学习评价结果方面学习评价结果是指导学生改进学习的重要依据，主要包括学生知识掌握情况、学习能力、学习风格、学习态度、学习进度、学习成绩、学习问题等方面的结果性分析和描述。基于学习大数据的学习评价结果的得出，是以整个学习过程大数据分析技术为支持，并以可视化图表和模型分析形式更为直观地呈现出来。因此，与传统学习评价结果相比较，它能够及时地反馈学习者学习现状和问题，并针对存在的问题和学习漏洞提出补救措施和改进对策建议，保证了大数据分析技术支持的学习评价结果的高信度和高效度。● 未来学习评价变革与转型趋势1.物联网感知技术与学习评价的深度融合趋势随着5G网络技术的迭代更新和快速发展，更快的传输速率和多点接入技术满足了物联网的实现条件，推动并赋能网络化、数字化和智能化校园的建设。眼下，物联网感知技术赋能教育教学，支持教育和学习大数据采集与获取，为在线学习、数字化学习和智慧学习等学习评价提供了强大的数据支持。5G加持的物联网赋能数字化校园建设和现代教育治理方式转型。宽带校园网、各种终端设备、可穿戴设备和校园一卡通，实现“物与物”“物与人”和“人与人”的随时随地交互联通，完整记录了校园内人、财、物（终端设备）、时、信（数据）的流动方向、交互轨迹和运行特征，产生了巨量的师生日常学习生活图片、视频和音频等详细信息资料，采集并形成学习者校园内的个体生活数据和学习行为数据。利用收集到的大数据，可以为教育评价、教学评价和学习评价提供丰富的证据资源，所有这些，都是传统学习评价长期以来想做而做不到的事情。未来，物联网感知技术与学习评价方式深度融合创新发展将成为学习评价变革转型的新生长点和新趋势。2.大数据分析技术与学习评价的创新融合趋势基于大数据的学习评价应用技术，主要包括大数据挖掘和学习分析技术两个方面。所谓学习大数据挖掘，是指对学习行为和学习过程数据进行量化、分析和建模，通97JAN. 2021 NO.01。

　。. .。

　。

　理论与探索 tougao3@chinaitedu.cn98中国信息技术教育过整合处理学习者知识掌握、元认知水平、学习习惯偏好和动机态度等数据信息，进行学习行为建模，以评估和预测学习者未来发展方向、目标和趋势，进而促进学习者向深度学习和高阶学习的方向迈进。所谓学习分析技术，是对学习者、学习过程、学习环境等数据的测量、采集和分析，通过对教育大数据的分析，描述勾画出学习者行为特征和学习画像，以此为依据，为学习者优化学习过程和学习环境，匹配推送个性化学习内容和学习资源。[6][7] 5G赋能的大数据分析技术在学习中的应用，使得学习评价实施操作更加及时、精准、科学和高效。整个大数据分析技术的底层架构是基础设施和终端设备、网络互联、内存与存储，具体表现为计算节点、数据中心、数据储存、文件管理、数据分析和可视化分析，运用计算模型，可对不同的数据进行结构化和可视化分析和处理。基于大数据分析技术的学习评价，通过建立学习评价模型实现对每个学生的个性化学习测量和评估，以便帮助学生及时发现学习中的痛点和难点问题，并为学习者提供精准学习策略指导和学习方式改进建议。未来，数字化校园和智慧教育为学习评价模式创新奠定了坚实的技术和资源基础，而随着学习过程大数据库的丰富完善和学习分析技术的不断成熟，基于大数据分析技术与学习评价的融合创新将成为学习评价变革的主要趋势。3.人工智能技术与学习评价的集成融合趋势未来已来，人工智能技术主导的新一代信息技术跨界融合和颠覆式创新，正在为大数据支持的学习评价变革赋能加力。[8] 首先，利用深度学习的算法对学习大数据进行优化，赋能学习评价从智能感知、个性化、预测性、动态平衡、智能化和学习过程可视化等多层面、多角度进行多元化评价。其次，运用人工智能技术中图像识别和语音识别技术，可随时捕捉、追踪、记录和分析每个学生的课堂动作行为、交互行为和情感表现 [9] ，而这些数据采集设备也成为“智慧教室”架构的关键组成部分。再次，智慧教室的“线下”学习过程数据也可以被详细记录，从而实现“线上”“线下”两组学习数据的集成整合，并从学习内容、学习方式、学习进度、学习成绩等方面全面地做出智能化评价。根据大数据分析结果，因应学习者当前学习状态，从学习风格、学习习惯、学习偏好方面匹配推送适合学生个性化和智能化学习需求的学习内容和学习资源，真正实现智能化学习评价中以学习者为中心、为学习者服务和提供个性化学习支持的理念和目标。“5G+智能辅助学习系统”的逐步完善，为个性化、体验式和自适应学习评价方式转型持续赋能。“增强现实”和“虚拟现实”技术的逐渐成熟，使得体验式学习在教育领域强势兴起 [10] ，这是一种完全区别于课堂讲授的教学方式，主要利用虚拟现实、增强现实和各种可穿戴设备，丰富课堂教学内容和教学手段，通过终端设备所呈现的虚拟场景，学生不出校门就可以获得身临其境的学习感受和学习体验，为学生知识掌握和能力发展提供了智能化生态场景支持。同时，智慧课堂的智能辅助学习系统的引入，推动了学习评价与智能化学习大数据的深度融合，为学...

推荐访问:大数据教育评价变革论文 变革 评价 数据