基于可视化数据分析的英语学习形成性评估

陈爱平+赵树立

摘 要在英语学习理论和实践的发展历程中，形成性评估的引入和发展起着举足轻重的作用。与其他类型评估不同的是，形成性评估的主要目的是“为学习”，即通过评估为学生学习和课程管理提供“反馈—矫正”。为达此目的，就必須首先把形成性评估所收集的各种信息转化为数据，再把数据转化为知识。知识的呈现有很多不同的方式，其中可视化分析是近年来人们为将数据转化为知识所进行的有益尝试。

关键词可视化 数据分析 英语学习 形成性评估

近年来，我国英语教学改革的成就之一就是引入了形成性评估的概念，并逐渐确立了其在整个英语课程体系中的地位。英语教学指南进一步指出，要处理好形成性评价与终结性评价之间的关系，实现“对学习结果的终结性测试”与“促进学生学习的形成性测试”的有机结合。终结性评估的目的之一是对学生的学习结果进行测量，形成性评估更侧重对学生学习过程的关注。从实质上来说，形成性评估的最终目的是“为学习”，即通过评估为学生学习提供及时而积极的反馈。要实现形成性评价的多重反馈功能，就必须让评估所产生的信息或数据真正发挥作用。数据能够被人们使用的前提是首先要转化为知识。近年，有信息化领域的学者提出采用可视化分析的方法，以改善数据知识呈现的效果。基于此，笔者尝试将可视化分析的方法引入到英语学习形成性评估，以检验其在获取知识的程度和改善数据阅读体验等方面的效果。

一、英语学习形成性评估及其数据属性分析

目前，英语学习形成性评估还存在一些问题，其中较为突出的一点，是相对于终结性评估的得心应手，理论中的形成性评估有效反馈在实践中很难实现。这其中最为重要的原因之一，是通过形成性评价所收集的信息或所产生的数据，已经具备“大数据”的4V属性，即volume（体量巨大）、variety（类型繁多）、velocity（时效性强）和value（价值密度分布差异较大）。

1.体量

关于多大体量的数据才能算是“大数据”这个问题，很难以量的绝对值来衡量。但无论如何，现实中很多形成性评估的原始信息和所产生的数据已经远远超出了英语教师和管理者的可控能力，同时，这些信息和数据又产生了大量的衍生数据。一个直接的结果是导致大量的评估信息未被记录，或者虽有记录但未能转化为数据，或者虽有记录信息或数据，但未对数据进行分析，也未基于数据对教学产生及时有效的反馈。

2.类型

英语学习形成性评估所产生的信息或数据的类型是极为复杂的。这是因为英语学习从学习内容、学习模式或者情境到评估对象、反馈途径和原始信息的载体形式等都是多样复杂的。不同类型的数据给记录、归类、转换和分析等过程带来了不可想象的困难，要求我们用科学的方法，既保证原始数据的真实性，又要最大程度地发挥数据的作用，使数据产生意义和知识，最终还要把意义和知识转化为有效反馈。

3.时效性

评估信息和数据有着很强的时效性，如果这些记录的信息未转化为数据，或者数据未进行及时的进一步挖掘和分析，更没有据此做出反馈，那么，这些数据就只能是“死数据”，根本不可能发挥形成性评估应有的促进学习的功能。

4.价值密度

形成性评估数据的前两个属性，即体量巨大和类型繁多，就决定了其价值分布是低密度、不均匀的。因此，人们很难将这些未经挖掘和分析的数据转化为知识，很难发现这些数据背后的规律，很难对英语课程的管理和学生的管理提供积极有效的反馈。

二、可视化数据分析的基本概念与应用简述

可视化分析是一种通过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的科学与技术。数据的可视化分析，通俗来说，就是一方面对数据进行自动分析挖掘，一方面利用支持信息可视化的用户界面以及支持分析过程的人机交互方式与技术，将计算机的计算能力和人的认知能力有机融合起来，以获得对于大规模复杂数据集的洞察力。可视化领域的国际顶级年会“可视分析科学与技术”（简称IEEEVAST）自2006起开始举行至今。在这10年的时间里，人们将可视化数据分析的理论与实践在互联网、社会网络、城市交通、新闻广播、商业智能、气象变化、经济与金融等各个领域进行了广泛的研究与探索。

三、英语学习形成性评估数据的可视化分析探索

1.评估数据简单汇报的局限性

在形成性评估的过程中，数据报告是一个非常重要的环节，因为数据的报告形式直接影响到反馈的效果。数据报告的形式多种多样，但在实际教学实践中，大多数教师或教育机构大多采用Excel表格这种简单的数据报告形式来显示学生们各分项和总分的得分情况，有的甚至连各分项得分都没有在Excel表格中得以体现。

我们以某班某次英语考试成绩的Excel表格为例，该表格在听力、阅读、写作、口语和总分五个维度对学生们的本次英语成绩进行分析报告，不难发现，通过简单的Excel表格这种简单的数据报告形式只能反映学生在某阶段的学习结果。以这种形式报告，学生们一般只会关注全局，也就是总分（合计）数值的大小，他们所能获得的积极反馈信息非常有限，违背了形成性评估的初衷。

按照布卢姆的“反馈—矫正”理论，形成性评估的根本目的不仅仅是为了测量学生的学习结果、记录学生的平时成绩，而是要让不同程度的学生都能获得及时和积极的反馈，因为，积极的反馈才更容易产生积极的学习效果。同时，评估的意义还在于，通过评估发现问题并使存在问题的学生得到及时矫正。因此，如果我们对评估数据的分析只停留在关注结果的层面，那么不同程度的学生就很难获得个性化的、积极的反馈。

2.初步多维数据的可视化分析

如前所述，形成性评估所得到的信息或数据通常是多个维度的。为了更加直观高效地观察多维数据，我们可以在原有Excel表格的基础上，借助简单的可视化数据分析工具，改善数据汇报的效果。其中Excel数据透视图就是人们常用的一种可视化多维数据分析途径，通过观察透视图中矩形的面积就可以很清楚地看到同学们在每个分项的得分情况。endprint

通过对比Excel表格和Excel数据透视图，我们发现，以Excel数据透视图这种方式呈现的好处之一，是降低了人们对绝对值（分数）大小的关注，即同学们在看到以Excel数据透视图形式的成绩报告时不会只关注其总分的多少，而更多地会注意到各分项的得分情况，以方便发现自己近阶段在各分项上的学习状况。其意义就在于Excel数据透视图这一汇报形式将人们的关注点由整体转向了局部，使他们意识到听力、阅读、写作和口语这几个维度的均衡发展情况才是最佳的语言学习效果，为他们在今后的学习指明了方向。例如，某位同学虽然整体成绩不错，但是他通过看Excel数据透视图就能够很直观地看到他的听力和口语明显滞后于阅读和写作能力；而另一位同学因为在上述四个维度上没有很大落差所以才有了总成绩第一的上佳表现等等。所有这一切都可能为学生指出他们以后的努力方向，给他们以后的学习提供更多有益的启示和较为积极的反馈。

3.初级可视化分析的局限性

为了能更加客观地评价学生在一定时期内的形成性学习效果，通常需要扩大数据的采集范围，引入多维度的动态数据。这时，我们通常需要将学生两次甚至多次的评估数据放在同一个Excel表格里进行对比。当然，并不是说简单地将两组或多组动态数据放在一起就能产生预期的效果。

如果将两次或多次的原始评估数据罗列在同一个Excel表格里而不加以分析的话，那么数据量越大，也就是说，需要对比的数据越多时，人们借助肉眼所能获得有效信息的难度就越大，我们就越难以从数据表中读出有价值的信息，也就起不到形成性评估对学生英语学习的促进作用。那么，是否可以继续使用类似于Excel数据透视图的形式对两次甚至是多次的评估数据进行汇报呢？

如果仅仅只有两组评估数据，我们仍然可以采用Excel透视图的形式，只不过用不同颜色的数据柱来表示两组评估数据。以某班先后两次的英语考试评估数据为例，在对这两次的评估数据进行初步的Excel数据透视图可视化分析后，通过对比同一维度下两种不同颜色的柱状图，我们就能够清楚地看到：所有参加测试的同学在总成绩、听力、口语和写作这4个维度上较前次评估都有了不同程度的提高；某位同学的总成绩最低，但他的提高幅度最大；在所有参加测试的同学中，只有某位同学的阅读成绩有所下降等等。简而言之，可视化的数据报告形式能够提供更丰富的有效反馈信息，更重要的是，这些信息所产生的作用更为积极。

但是，当我们需要对比的评估数据是3组、4组、5组，甚至是更多组时，利用不同颜色数据柱来显示的Excel透视图在汇报效果上就会变得越来越差强人意。即使有多种颜色，即使有多个数据柱，可以代表原数据表中的每一个具体数据和走势变化，但是，这些不同颜色数据柱在我们面前只会变得眼花缭乱。

4.提高复杂数据的可视化分析效果

对复杂数据进行分析，首先需要进行数据选择（遵循科学的步骤和原则对原始數据进行选择性加工），再进行方法选择（考虑为达何目的，采用何种可视分析的方法）。数据和方法选择的目的是提高信息的反馈效率，服务于不同的评估目的。

在对多组复杂数据进行对比分析时，Excel雷达图可以说是一个不错的可视化分析方法。与数据表、曲线图、柱状图等不同的是，雷达图能够根据数据分析的具体需要，将多维度、多期次的复杂动态数据及其隐含的逻辑关系形象地表达出来。

以某位同学先后十次除合计外其他各分项的数据分析为例，Excel雷达图就能够非常形象地描绘出了该同学这十次评估的整体趋势。通过Excel雷达图对该同学最近十次评估数据进行可视化分析后，我们可以清楚地看到该同学在由听力、阅读、写作和口语数据所围成的多边形有整体向左下方向偏离的趋势；同时，坐标轴尤其是原点0的位置也明显地指示了这一偏离趋势。多边形整体向左下方向偏离的趋势说明该同学每一次的考试成绩都相对于上一次考试成绩有或多或少的提高，因此，不难得出在这十次评估中，该同学的学习成绩呈整体提高趋势的结论。

由此可见，通过Excel雷达图对复杂数据进行可视化分析能够使学习者更加直观地看到较长一段时间的学习状况，起到了为他们今后的学习提供指南针的作用，这样学生才能直观地看到自己的长处和不足，能够及时地调整自己的学习状态，以便于获得更大的进步。

综上所述，提高学生应用英语能力的效果与英语学习形成性评估有着密不可分的联系，而衡量英语学习形成性评估作用的标准，在一定程度上可以参照其对教学所产生的积极反馈。积极的反馈并不意味着把评估所产生的原始信息或数据直接提供给学生，因为，这些未加分析的原始信息或数据中的大部分对于学生来说几乎是“不可读”或“不易读”的。本文以几个浅显的例子说明了数据可视化分析的方法在英语学习形成性评估中的应用，说明数据可视化分析的方法可以使这些数据由“不可读”或“不易读”变为“可读”或“易读”，可以提高英语学习形成性评估反馈的积极意义和有效性。但是，数据的可视化分析方法在计算机信息化领域刚刚出现，之前也未见有关类似方法在英语学习形成性评估应用的相关研究。此外，在实际的英语教学活动中，形成性评估所产生的数据更为复杂，还有很多更为直观、更为科学和更为高效的数据可视化分析方法，所有这些问题都有待我们进行更加广泛而深入的探讨。

参考文献

[1] Crooks，T.The validity of formative assessment[P].Paper presented at the British Educational Research Association Annual Conference，Dunedin，New Zealand，2001.

[2] RenL.Research on interaction techniques in information visualization [D].Beijing： The Chinese Academy of Sciences，2009（in Chinese with English abstract）.

[3] Card SK，Mackinlay JD，Shneiderman B. Readings in Information Visualization：Using Vision To Think[M]. San Francisco： Morgan- Kaufmann Publishers，1999.1-712.

[4] Thomas JJ，Cook CA. Illuminating the Path： The Research and Development Agenda for Visual Analytics[J].Los Alamitos：IEEE Computer Society，2005.1-180.

[5] 王守仁.大学英语教学指南要点解读[J].外语界，2016（3）.

[6]布卢姆.教育评价[M].王纲，等，译.上海：华东师范大学出版社，1986.

[作者：陈爱平（1972-），男，安徽马鞍山人，河北经贸大学外语教学部高级工程师，硕士；赵树立（1966-），男，河北故城人，河北经贸大学外语教学部副教授，硕士。]

【责任编辑 郑雪凌】endprint