基于网络学习的过程性评价指标研究

杜茹娟

摘 要：网络在线学习的日益盛行，给学习评价带来了新的挑战，传统的单一评价方式已经不能科学全面地反映出学习者的学习效果。本文首先介绍了网络学习行为及网络学习评价的内涵，并将网络学习评价与传统面授式学习评价进行对比得出网络学习评价的优势；其次分析总结出现有网络学习评价模型存在的缺陷，说明本文研究的重要意义；最后通过对学习者在网络学习中的一系列行为的比较与分析，制定出科学全面的网络学习评价指标。

关键词：学习评价；网络学习行为；学习评价指标选取；学习效果

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2016）19-0021-04

一、引言

互联网的飞速发展给教育教学产业带来了日新月异的变化。传统的面授教育模式等方式方法已不能满足人们对于学习知识的需求，越来越来多的人希望能通过网络获取到优质的学习资源，近几年国内外远程教育课程、公共教育服务平台、网络培训班等新型教育模式的相继出现，给传统的教育教学模式带来了巨大变革。由此带来的对学习者学习评价的方式方法需要有新的途径来解决。传统试卷考试的学习评价方式已不能满足新型的网络学习。目前，我国虽然有很多网络学习平台，但经过调查与统计发现，对于网络学习的学习效果评价还存在不完善不科学等缺陷，尚未建立完善实用科学的网络学习评价指标体系。

二、理论研究

学习行为指的是在有遗传基因的基础上，在环境的作用下，通过一系列生活经验及学习所获的知识和技能。但纵观目前的研究现状来看，关于网络学习行为的具体定义在国内外还存在一定争议，比较常见的概念有“在线学习行为”、“数字化学习行为”等。沿用最多的定义是：“在线学习行为是指学习者再由现代信息技术所创设的、具有全新沟通机制与丰富资源的学习环境中开展的远程自主学习行为[1]”。

评价，就是指依据明确的目标，按照一定的标准，采用科学方法，测量对象的功能、品质和属性，并对评价对象做出价值性判断[2]。学习评价作为学习系统中最终要呈现的部分，其反馈调节机制具有不可不忽视的重要作用。学习评价有三要素，分别为：评价对象，评价指标体系，评判者。三者的关系如图1所示。

其中评价指标体系的建立是近年来的研究热点，目前常见的指标体系中以考试成绩及问卷调查的结果为主要指标。根据评价的时间段及目的的不同，学习评价分为三类：形成性评价、总结性评价、诊断性评价，其中以形成性评价和和总结性评价使用居多[3]。

网络学习评价属于学习评价的子范畴，具备学习评价三个方面的含义（价值判断、评价发展、参照标准）。然而，网络学习评价与传统的面授学习式学习评价相比，又有很多不同之处，比如教与学在空间或时间上的分离，学习环境、学习所需的软硬件条件等。在网络学习中主要依靠学习者的自觉性，既自主学习等主观因素，因此，网络学习评价也会表现出其独特的特点。

（1）网络学习评价充分利用了互联网络的技术优势，缩短了评价的周期，提高了评价的效率，增强了评价的准确性，能够对评价结果进行及时反馈与评估，同时降低了教学资源的使用量；

（2）网络学习评价不受时间与空间的限制，无论学习者在什么时间与地点，通过怎样的方式进行网上学习，都可对学习者进行测量与评价，大大降低了人力资源的消耗，节省了时间；

（3）网络学习评价可从多角度对学习者进行评价，而不仅仅是口头问答、平时表现、纸上答题这些片面的指标去评价，符合学习者多变的行为特征及科学的评价方式。

过程性评价是近年来教育评价研究中备受关注的面向学习者学习过程的一种评价方式，过程性评价并非一个新名词。早在1967年，斯塔弗尔比姆（Dr.Daniel L.Stufflebeam）及其同事所提出的CIPP评价模式中就包含了过程评价。在CIPP模式中给出的解释是：“过程评价是对所确定方案的实施过程的评价，为方案的制定者提供反馈信息，用于发现方案实施过程中的潜在问题[4]。”

本文中所强调的过程性评价既是对学习者在网络上进行学习过程中的诸多行为表现进行深入科学的研究。

三、现状分析与比较及研究意义

1.本研究中存在的问题

通过对大量的学习平台及文献资料进行使用及深入分析后发现，目前国内外关于网络学习行为的研究中存在的问题主要有：

（1）收集和整理学生在学习过程中的信息及背景材料。在教师与学习者远距离分离的情况下，学习资料的单一性与评价的效度和信度有直接的关系[5]，评价指标来源单一，选取具有局限性，经常造成评价结果的片面性，甚至是错误评价，对学习者、教学过程组织者，授课教师都有很大的误导性；

（2）偏重学生的成绩评价，而忽视对学习方法、能力及学习全过程中的行为评价，因而评价不能全面反映学习中的事实，对教学也缺乏指导意义；

（3）评价主体单一且太过主观性，现有网络学习评价体系中仍旧以单一的教师为评价主体，将教师作为评价体系中的唯一评价来源，学习者是他们评价的对象，是被动的、消极的，教师对学习者的评价也具有强烈的个人感情色彩，不能科学正确的反应出学习者的学习效果。

2.具体表现

本研究通过对用户在网上学习的行为信息进行有效抓取和深入分析，依据现有学习评价理论和网络学习评价模型对所抓取的信息进行建模分析，得出用户在网上学习的习惯、学习风格、学习效果等结论，对于构建个性化、智能化的学习系统具有极为重要的意义。具体表现为以下方面：

（1）有利于网络学习资料的开发。研究学习者在学习过程中使用学习资料的行为方式和喜好，有助于学习资料设计者开发出更符合学习者学习方式和学习习惯的教育资料，提高学习效率。

（2）有利于教师对课程的把握和运用。网络教学过程中，教师如果能够更多地了解学生在网络学习中的行为特点和规律，就能够更好地分配授课时长和改进课程设计，引导和服务学习者有效学习。

（3）有利于对学习资源及学习者做出全面科学的评价。对学习者在整个学习过程中的学习行为进行研究，可全面反映出学习行为与学习效果的相关性，可以为教育管理提供可靠的评价依据，进而采取有效的管理控制方式。

（4）有利于给网站资源开发与管理人员提供科学有效的改进意见。如果系统设计者能更多地了解学习者对网络教育平台的使用方式和特点，将有助于其开发出更合理易用的网络教育平台。此外，如果能解决对学习者行为的跟踪、采集、分析和评估等问题，将有助于开发出个性化、智能化的自适应网络学习系统[6]。

四、研究介绍

1.研究框架

本文通过对成熟理论的研究与分析，分析总结出现有网络学习评价方法的不足，针对性的进行完善，使指标的选取更具科学性与合理性，能真实贴近地反映出学习者的学习效果。本研究主要从以下几方面进行研究：

（1）学习者日常的学习行为都有哪些，哪些行为可以多方位反映出学习者的学习效果；

（2）针对某一大型学习平台的学习用户进行相应学习行为数据的收集、计算；

（3）将所得到的有效数据与学习者最终的学习成绩进行相关性分析，得出结论。

2.研究对象

本文选取陕西省某大型网络学习平台中的一门为时30天24个课时的课程，对选择该课程的228人日常的学习行为进行采集分析。

3.研究方法

（1）文献分析法：研究开始前阅读了大量相关文献资料，对本研究的研究背景与研究现状进行了充分了解。深入理解了学习评价、网络学习评价、学习评价体系等相关内容，对该研究的进展与不足进行了分析总结，找到研究的突破点。之后对研究中所涉及到的相关术语及概念进行界定，运用已有的研究成果展开分析研究。

（2）调查统计法：在进行了相关理论的研究之后，对学习者在网络学习平台上的所有行为进行统计与提取。运用SQL语句对数据库中的数据进行提取。之后进行统计及相关性分析，确定各个指标与学习结果之间的相关性，进而确定二级指标与三级指标。

五、指标的选取原则

指标在评价中起着主要作用，所以指标的选取应遵循以下六个原则：与目标的一致性、直接的可测性、体系内指标相互独立、指标体系的整体完备性、指标的可比性、可接受性。除此以外，为了使指标与目标相一致，可以通过分解目标的方式来形成指标体系。

六、指标的分析

根据以上指标选取原则，以陕西某网络学习平台为研究基础，以学完一门完整的教学过程为时间节点（在该平台中以一门15课时，需要30天来完成的课时为基础）。研究对象为该学习平台选择该课程是所有用户共220人。通过采用SQL Sever 2010 Data Mining 数据挖掘工具对数据库中的信息进行处理，采用 SPSS20.0、Excel2010进行统计分析。本研究首先选取了学习者基本特征、学习者行为特征、学习者学习效果三类数据表。从用户日志及数据库中提取所有用户在该学习平台上的行为数据作为单项指标（从用户每次登录平台开始记录，直到学完整个课程并得出考试成绩期间所有的行为数据）。

根据统计，目前该学习平台共有15项功能，可提取到的数据项有如表1所示。

之后通过SQL语句对所提取的数据进行预处理，包括对数据进行数据集成、数据变换、数据计算，经过筛选实际可作为研究对象的人数为201人。将所得到的数据进行筛选归纳总结后，对数据进行平均数、标准差、极大值、极小值的计算。

平均数最常用的是算数平均数和加权平均数。算数平均数是所有数据之和除以数据个数的商，记为x。公式为：

其中xi为第i个数据为数据总个数。

加权平均数是几个作用在不同比重的平均数在进行平均，公式为：

其中xi为第i个数据i=1，2，…，N，xl是f1个数的平均数，N为数据总个数。

标准差是方差的平方根，又称均方差，用S表示。方差是各个数据与平均数离差的算术平均数，用S2表示公式为：

其中xi为第i个数据i=1，2，…，N，xl为平均数，N为数据总个数。标准差是描述一组数据的离散程度，即标准差越小数据越集中与平均数，差异越小；标准差越大，数据越偏离平均数，差异越大。结果汇总如表2所示。

通过使用SPSS20.0对上表所有数据依次与学习成绩进行相关性分析，结果显示如表3所示。

本研究的人数为201人，查询相关系数临界值表，得到时，指标与学习成绩平均值呈不显著相关；当时，指标与学习成绩平均值呈显著性相关。

从以上结果中可以看出，所有指标中与学习成绩呈显著性相关的学习行为指标有：登录频率、查找资源频率、使用资源时长、使用资源频率、提问频率、回答问题正确率、回答问题频率、回答被采纳次数、上传资源数量、上传资源频率、下载资源数量、模拟仿真试卷使用频率、模拟仿真试卷使用成绩、参加线上活动的频率、作业得分、老师评价得分共16项。

与学习成绩呈不显著性相关的学习行为指标有：登录时间、发帖次数、回答次数、收发邮件数量、下载资源频率、电子笔记的使用频率、同步练习使用的频率共7项。没有与学习成绩呈不相关的学习行为指标。

经过以上分析与计算，确定了针对在该学习网站上学习的学习者的行为评价指标，这些指标能科学合理地反映出学习者学习行为与学习效果之间的关系，进而能对学习者的学习效果有更加全面的评价。

七、总结与展望

本文运用了文献分析法、实验验证法等一些科学研究方法，将常见的学习行为进行系统地归纳整理，再通过对数据的随机采集和科学的计算，找出学习行为与学习效果的相关性大小，进而得出科学合理的注重学习行为过程的评价指标。但由于实验部分的数据来源单一，数量较小，所以得出的结论不具有普遍适用性，希望在以后的研究中能通过大量的实验设计出一套适用于大多数学习平台的过程性评价指标体系，为学习者带来更好更全面的学习评价。

参考文献：

[1]彭文辉，杨宗凯，黄克斌.网络学习行为分析及其模型研究[J].中国电化教育，2006（9）：67-69.

[2]秦换鱼.网络学习的过程性评价研究[D].徐州：徐州师范大学，2011.

[3]秦换鱼.网络学习的过程性评价研究[D].徐州：徐州师范大学，2011.

[4]马建桂，牟慧中.学习者自主视野下的英语自学考试过程性评价[J].科教导刊（中旬刊），2011（8）：18-21.

[5]傅钢善，王改花.基于数据挖掘的网络学习行为与学习效果研究[J].电化教育研究，2014（9）：12.

[6]彭文辉，杨宗凯，黄克斌.网络学习行为分析及其模型研究[J].中国电化教育，2006（9）：67-69.

（编辑：杨馥红）