基于大数据的学生综合素质生成性评价

2020-01-07王斌

科学咨询 2020年14期

王斌

（广东工贸职业技术学院广州广东 510510）

大数据能为学生素质全面评价带来新的思路，甚至进一步从根本上变革了整个体系，主要在于大数据技术极大增加了学生素质全面评价的深度和广度。目前，素质评价全面性综合性是一个全球关注的教育难题。随着我国教育改革深入，学生综合素质评价更成为当下教育界最热的话题之一。对于一个学生的评判，从考试制度、教育测验时期经历了漫长的发展进入到学生评价时期，不仅只鉴定与选择学生，而且反向促进教学质量的诊断与改进，不仅评价学生掌握的基本知识与技能，同时评定学生的创新与实践能力、团队与合作等综合素质。近年来，对学生发展评价的研究一直在深化。在大数据时代下，运用信息技术最新成果，为教学者创造快速、全面及成本较低又能客观公正反映学生现在和未来实际的评价体系是一个非常有意义的研究方向。

一、大数据技术引领学生综合素质评价的优势

首先，评估数据的可靠性和次量性增强了评估结果的可信度。由于综合质量评估可能与学生有关，在评价过程中，学生可能会故意表现出非真实状态的行为，导致压力反应下的“行为表象”或“数据失真”。[1]同时，学生综合素质具有强烈的内隐和不可预测性。数量较少的数据难以真实地反映学生的素质发展。只有当评估数据丰富且足够详细时，才能无限接近并反映被评价者的真实状态。大数据技术可以在真实状态下收集完整的样本评估数据，确保数据数量够多，可以大大提高评估结果的可信度。其次，评估过程的可行性、持续性保证了综合质量评估的可靠和有效。由于大量的综合质量评价指标，操作过程繁琐，教师和学生不了解工作，而且传统技术无法深入挖掘和分析评估数据，只是通过简单的统计分析。这种操作模式严重限制了操作模式。反过来，综合质量评估的可靠性和有效性无法发挥其应有的作用。大数据技术可以大大简化评估操作，将繁琐的总结性评估转化为连续跟踪的形成性评估，提高评估实施的可行性和持续性，并深入探索海量数据之间的关联关系。揭示学生综合素质的特点、优势、潜力和不足。

二、基于大数据的学生综合素质评价策略

大数据介入综合素质评价既有理论研究前景，应用实践方面也有广泛的研究价值。学生的综合素质评价体系应包括基本知识与专业技能，身心健康、道德素养、创新与实践能力，沟通合同及团队行为方式等多方面信息，同时全面覆盖学生在校期间及离开学校较长阶段的信息，能够实现过程评价。

首先树立大数据思维方式，建设与完善学生教育信息化平台。目前高校教育信息系统数据的完整性限制了大数据方法的应用。大数据技术尝试将过程与结果做数据化转化，基于以上理念，尝试将学生生活、学习及未来工作的全过程情况数据化，涉及到学生综合素质的数据维度复杂多样。[2]如评价学习过程既包括学生成绩结果这类的结构化数据，也包括学习过程中文档表格等非结构化数据、还包括情况较复杂需要变化数据结构的学习过程中半结构化数据。而建立学生在校期间的全量教育数据库，并充分利用数据进行决策，是教育者的长期目标。教育者在整合原有信息系统的基础上，建立符合大数据特征要求的学生教育全量数据库，新建与完善数据采集与传输设施与网络，保证资源共享，将全量大数据提供给专业人员处理并构建数据模型，为高校管理决策提供证据支撑。

二是多样性的数据采集。数据采集的深度和广度是大数据技术应用的前提和基础。学生数据信息应具备完整性、关联性和连续性。将涉及学生的相关信息尽可能收集齐全，是需要不断完善的工作，信息来源除了学校里已有的应用，如迎新注册离校系统外，还包括学生日常管理、宿舍管理系统、考勤、教学、图书借阅心理测评系统等数据，还要将学生教学平台、企业实习及社会实践、企业实习的数据，一并收集学生上网信息，如发布公开消息、参与调查等数据，努力形成包括思想品德、行为规范、公益、科研、创新团队、诚信等多方面的关联度较大的数据信息链。连续性数据与信息能反映事务发展变化过程，除对结果数据进行采集外，还需做好过程数据、实时数据、历史数据的收集，经过积累为未来数据应用打下较好基础。

三是数据处理。数据处理包括数据筛选和数据挖掘。在采集数据与信息的过程中，为保证数据信息质量，特别是完整性与真实性，需要进行筛选、过滤一些真实性存疑、非关或冗余数据，从而提高数据的准确度。经过过滤和筛选后，通过数据挖掘技术在海量数据中发现关联性，建立融合结构化、半结构化、非结构化数据的发展性评价模型，对采集到的数据进行分析处理。