混合式计算机基础课堂形成性评价指标体系构建①

赵颖 喻凡

[摘           要]  网络教学平台支持的混合式学习越来越多地出现在大学课堂教学中，学习方式的变革必然带来评价方式的变革，构建混合式形成性评价指标体系非常重要。采用层次分析法，构建混合式计算机基礎课堂形成性评价指标体系。从线上学习行为和线下学习行为两个维度出发，将资源浏览量、论坛帖子数、高质量帖子数、出勤次数、课堂实训成绩和课堂问答次数等因素作为评价指标，并确定各指标的权重，其中课堂提问次数、课堂回答次数、课堂实训成绩和高质量帖子数在指标体系中所占权重较大，是学习评价的关键。

[关    键   词]  混合式学习评价;层次分析法;大学计算机基础

[中图分类号]  G642                 [文献标志码]  A            [文章编号]  2096-0603（2019）18-0022-02

一、引言

教学评价反映教育者在学生身上所追求的教育效果，推动着课程与教学的发展。教育评价的提出者泰勒（Tyler）认为，评价即是描述课程与教学目标的实际完成程度。教学评价从“测量运动”“教育评价”再到“学业评价”经历了不同的历史时期。目前教学评价强调多元化、个性化、动态化等特点。但在教学评价改革的实践中，也有教师抱怨“多元化、过程化”的评价让教师增负、学生增负、挤压课堂时间，评价效果和评价投入形成一个巨大的矛盾。北京师范大学校长董奇在GES2018教育大会上的发表主题为《创新教育评价，引领未来教育》的演讲中指出“要真正建立面对未来素养的新的评价，必须要科技赋能教育评价。”在目前新兴的在线教育中，在线学习平台能够记录学习过程，分析教学与学习过程数据，形成了很多学习分析领域的成果。本研究的研究对象是Moodle平台支持的混合式课堂大学计算机基础课堂，Moodle平台可以记录学生的学习过程，本研究基于平台数据和线下教学行为，尝试构建混合式计算机基础课堂形成性评价指标体系。

随着在线平台的技术成熟与实践推广，混合式教学在各级各类教育、培训中的使用也逐渐增多，混合式教学评价的方法也成为目前研究者关心的一个热点，余胜泉（2003）认为，对学习者的评价应该考虑交互程度、答疑情况、资源利用情况、作业和考试五点。陶彦玲（2004）认为，应该从智力和非智力因素评价学生的学习，尤其是非智力因素，必须在教学过程中对学生进行观察、访谈，从定量和定性两个维度去考察;张生（2008）、安继芳（2018）使用层次分析法构建混合式学习评价指标体系，其中安继芳的研究延续了魏顺平（2015）关于在线学习自动评价模式的一级指标分类，即“学习投入”和“学习产出”;谢茂森（2015）采用五点量表问卷，从学习效果、学习过程、态度与感受和互动与交流四个方面对学习效果进行评价;此外，刘志勇（2017）、唐玉兰（2107）等学者还从环境（包括平台运营、技术服务等）、教学（教学方法、教学态度、教学效果等）和学习（学习效果、学习适应性等）等方面对如何评价混合式课程设计进行研究。

形成性评价在教学实践中一直以来都是一项耗时耗力的评价行为，本研究本着“科技赋能教育评价”的基本思想，使用层次分析法，构建混合式计算机基础课堂形成性评价指标体系，将平台数据、课堂表现和教师评价等线上学习数据和线下学习行为全面囊括在评价体系中，让评价结果能够全面体现学习者全过程的学习行为和学习效果。

二、评价指标框架构建

本研究使用层次分析法（Analytic Hierarchy Process，AHP）确定指标权重，该方法将决策有关的因素分解为目标、准则、方案等有序层次，基本步骤包括建立递阶层次结构模型、构造各层次中的判断矩阵、层次单排序及一致性检验、层次总排序及一致性检验四个环节。

（一）建立评价指标框架

评价指标框架即层次分析的递阶层次结构模型，魏顺平（2015）、安继芳（2018）等研究者从在线学习的“学习投入”和“学习产出”两个维度建立评价框架。他们的研究强调“自动”评价，因此，尽量抓取客观可量化的学习行为，如活动参与率、活动参与量、论坛参与量等。但是在我院大学计算机基础教学实践中，大一学生计算机使用经验差异巨大，一些农村出身或接触计算机较少的学生参与学习活动达到一定的数和量，学习效果却不一定好，如果只考虑过程评价，显然并不合适。同时，本研究的对象并非在线学习，而是一门以混合式学习为学习方式的必修课，教师参与较多，因此在评价指标的选取中，不但有客观可量化的数据，也应该有大量教师主观打分的数据，还可以有两者相结合的数据。

因此，按照混合式学习发生的场所，本研究将本课程的评价从“线上学习行为”和“线下学习行为”两大维度来进行。再对这两类一级指标进行细分，初步拟定了混合式计算机基础课堂形成性评价指标框架，一级指标“线上学习行为”下的二级指标有资源浏览量、自由论坛帖子数、主题论坛回帖数和高质量帖子数;“线下学习行为”下的二级指标有出勤次数、课堂实训成绩、课堂回答次数和课堂提问次数。在计算论坛发帖数，回答问题数等学生参与活动次数时，借鉴魏顺平（2015）研究中计算方法，即计算参与活动的频次，选取前20%中最低的频次作为计算的分母，以此得到参与活动频次的相对值。

（二）构造判断矩阵

根据评价指标框架编制问卷，问卷要求填写者两两比较框架中的元素哪个重要，重要到什么程度，对重要程度的判断进行1～9的赋值，问卷形式如图所示。本研究邀请了4名富有经验的大学计算机基础教师，对收集到的打分结果取算数平均值，整理后获得判断矩阵。

其中，一级指标两两比较获得一个一级指标总的判断矩阵：

A= 1 0.2923.5  1

二级指标两两比较获得二级指标判断矩阵两个：

B1B2B3B4=1 0.333 0.267 0.1113  1   0.667 0.1274  2    1   0.1439  8    7     1

B5B6B7B8= 1 0.143 0.350 0.127 7  1   1  0.2673.5   1   1  0.267 8  4   4     1

本研究采用和法求取矩阵的特征向量，得到两个一级指标的权重向量为：

ωA=（0.224，0.776）T

二级指标的权重向量为：

ωB1B2B3B4=（0.05，0.108，0.157，1.686）T

ωB6B7B8B9=（0.052，0.210，0.165，0.573）T

经验证，两个二级指标的矩阵C.R.<0.1，可以认为每个判断矩阵的一致性都是可以接受的。

（三）组合权重表的确定

根据上述计算结果，最终可以得到给予Moodle平台的混合式课堂形成性指标体系一级指标、二级指标的组合权重体系如表所示。

从权重体系来看，在一级指标中，线下学习（B2）的权重指标较高，因为大学计算机基础课还是以线下的指导和练习为主，一些慕课课程的评价指标可能就与此大为不同。在二级指标中，权重指标最高的是“课堂提问次数（B8）”，其权重为0.445，权重较高的指标还有“课堂回答次数（B7）”“课堂实训成绩（B6）”和“高质量帖子数（B4）”分别为0.128，0.163和0.154，在传统的计算机基础教学中，常常会以日常出勤和课堂实训成绩作为学生的平时成绩（或形成性评价成绩），但在混合式计算机基础教学中，因为部分知识、技能的学习可以更多的放在线上，因此在教学过程中不仅关注学生的实训成绩，也关注学生的疑问和对知识、操作的理解。

三、思考和展望

随着信息技术的发展，混合式学习方式越来越多进入大学课堂，必然带来学习方式的变革，学生学习方式、时空都得到了扩展。混合式学习的评价方式的改变是学习方式变革的必然结果，通过构建混合式课堂评价指标体系，既能够将学生的学习结果全面的表现在评价结果中，又能充分利用平台数据，为原本耗时耗力的形成性评价提供充分的评价依据。这部分的评价结果可以与传统考試的总结性评价结果按照恰当结合，最终形成学生的课程总评。

未来的研究将考虑形成性指标体系和评价目标更加深入地结合，如在计算机基础课程中引入计算思维、多元智能等概念，需要将这些培养目标融入评价指标体系中。

参考文献：

[1]邓雪，李家铭，曾浩健，等.层次分析法权重计算方法分析及其应用研究[J].数学的实践与认识，2012，42（7）：93-100.

[2]陶彦玲，杨改学.网络教学质量及评价[J].现代远距离教育，2004（5）：39-41.

[3]魏顺平.在线学习自动评价模式构建与应用研究[J].中国远程教育，2015（3）：38-45，79.

[4]余胜泉.基于互联网络的远程教学评价模型[J].开放教育研究，2003（1）：33-37.

[5]张生.混合式学习环境下基于学习活动的形成性评价的理论与实践[D].长春：东北师范大学，2008.

[6]安继芳，戴红，于宁.混合式学习环境下大学计算机基础评价指标体系的构建[J].教育教学论坛，2018（32）：266-268.

编辑 武生智