基于大数据与神经网络深度学习技术的学生评价系统综述

■张婷婷 汪红利 刘 黎 周菡晓 严斌宇/

四川大学

随着国家针对人才培养模式改革的力度的不断加大，高校开始逐渐积极探索新的人才培养模式，学生评价既是人才培养模式创新的重点，也是学校教育评价的重点。学生评价系统的完善，对学生进行公正合理的评价，有利于学生更加全面的发展和成长。在此背景下，构建完善的智慧多维学生评价系统具有重要意义，统计学、信息学、教育学等多个学科基于技术的发展和人与社会的发展从不同视角对这一问题进行了深入研究，本文将对近年来学者对学生评价系统的相关研究进行梳理。主要包括以技术为导向的学生评价系统的发展，大数据背景下不同维度的学生评价，神经网络深度学习技术在学生评价中的应用。具体包括学生评价系统的设计和实现，智能多维的学生评价系统的完善，以单一学科为切入点进行学生评价系统的构建，基于大数据的多维学生评价系统的研究，高校学生综合素质评价体系研究，神经网络算法在学生评价系统中的应用，基于深度学习技术的评价研究。最后进行了文献评述，提出了现有文献的研究不足。

一、以技术为导向的学生评价系统的发展

当前，学界关于以技术为导向的学生评价系统的发展主要关注学生评价系统的设计和实现、智能多维的学生评价系统的完善等几个主要方面。

在学生评价系统的设计和实现方面，相关研究主要从软件发展的角度，结合先进的计算机技术进行学生评价系统的设计和实现。麻皓东(2018)提出一种基于SVM和笑容强度的笑容有效性的分类算法，帮助确定学生对所学内容的学习兴趣程度，在一定程度上对学生的学习状态进行全程客观的评判。[1]方建文(2006)使用OLAP技术设计和提供多维概念视图，实现对学生评价数据的可视化操作，体现了学生评价系统更加以学生为中心的理念。[2]曹帅(2011)借助数据挖掘技术，通过关联规则，分析高校招生中与生源质量相关的信息进行系统设计[3]，体现出学生评价系统的研究开始注意诊断性评价。

智能多维的学生评价系统的完善方面，相关研究主要从单一性评价转变为综合素质评价，从更注重终结性评价转变为过程性评价为主。王志玲(2018)提出在注重总结性评价的同时也要注重形成性评价，构建教、学、评的有机体。[4]王俐(2006)在设计学生评价系统时对所有通过网络进行的学习活动进行量化处理[5]，简化了评价流程的同时实现了自动评价功能。张玉红(2009)运用“反馈”评价方法，构建了人人都能得到反馈奖励的激励评价模型[6]，通过激励性评价和鼓励性教育肯定每个学生的个性都能得到充分发展。郑元君(2013)设计学生评价系统时考虑多方主体，得出了“五位一体”评价体系[7]，指出学生评价应考虑校外在内的多个维度。彭琴斯(2012)使用PHP技术开发了学生综合评价系统，突出对素质教育的重视，但过程性评价不足。[8]

总的来说，从技术发展角度去设计学生评价系统越加完善，从只注重终结性评价，到注重诊断性评价和过程性评价，再到终结性评价和过程性评价并重体现了教育观念的转变，但也存在评价系统设计过于理想化的倾向，评价手段从质性评价为主发展到以量化评价为主，忽视了学生情感变化发展。

二、大数据背景下不同维度的学生评价

当前，学界关于大数据背景下不同维度的学生评价主要关注以单一学科为切入点进行学生评价系统的构建，基于大数据的多维学生评价系统的研究，学生综合素质评价研究等几个主要方面。

以单一学科为切入点进行学生评价，相关研究主要涉及有英语、计算机、体育等学科。朱经伟(2017)为培育学生自主学习和合作意识，构建了大学英语写作的多维评价平台，体现了终身学习意识开始逐渐纳入学生评价的维度之中。[9]张晓艳(2017)在计算机基础课程教学评价中，考虑学生评价的多主体性和多层面的特点，采用指导性教学，更加注重学生评价中学生的主动性。[10]吴芳(2019)运用大数据对学生采取“自评—组评—教师评”相结合的方式,评价流程包括数据收集、数据分析、结果输出和结果反馈四大环节，注重学生评价的个性化。[11]

基于大数据的多维学生评价系统的研究，相关研究主要涉及个体评价的智能化。卢锦运、何怀金(2018)通过实时采集学生数据进行常态监控、科学分析，为学生评价从终结性转变为过程性提供技术支持，实现学生评价的智能化。[12]黄赟茹(2017)分阶段地进行学生学习成果评价，并根据评价结果提出针对有效的建议，实现学生的个性化学习和预测性指导。[13]刘佳良(2019)指出传统的教学评价体系缺少学生在学习过程中的个性化指导。[14]谭林海(2017)通过搜集学生网络社交平台的信息，探索和分析其中的规律，考虑学生个性化特点，构建具有针对性的学生评价模型。[15]

高校学生综合素质评价体系研究主要关注学生综合素质的评价，具体包括学生成长质量的评价体系，学生诚信评价等。农丽萍、史新华(2018)指出评价体系在激励学生的同时更要注重其导向性功能。[16]史蕊(2017)通过搜集高校学生海量诚信数据，以此为基础进行数据分析和挖掘，将诚信评价纳入学生评价之中，扩大了学生评价的范围。[17]

总的来说，近年来学生评价系统越加朝着智能多维的方向发展，在重视综合素质和核心素养评价的同时也在注重个性化学生评价，过程性成果也得到了相应的评价，智能化学生评价高效有序，但也存在评价过程注重量化，过于死板，灵活性不足，以单一学科设计学生评价系统的参考性不足。

三、神经网络深度学习技术在学生评价中的应用

当前学界关于神经网络深度学习技术在学生评价中的应用主要关注神经网络算法在学生评价系统中的应用，基于深度学习技术的评价研究。

神经网络算法在学生评价系统中的应用的发展从完善评价维度到探索性评价，具体包括评价系统的自动化，评价维度的多层次，基于神经网络算法的评价预测化。黄桂斌(2005)通过BP算法分析，根据学生的学习训练体量和成果进行自动评价，实现对学生能力的预测性评价。[18]厉丹等(2018)提出了基于hopfield离散神经网络的学生能力评价模型，利用离散神经网络能够高效的、公正的评价学生的各方面综合能力。[19]陈静(2007)等将神经网络集成到模糊数学，用专家经验对大学生信用进行评价。[20]Sebastian等(2015)认为通过教育数据挖掘，使用实时数据集对人工神经网络进行研究,可以用来预测学生的表现，以便完善学生评价维度。[21]

基于深度学习技术的学生评价研究较少，主要关注学生的过程性评价和表现性评价来诊断和培育学生的深度学习的能力。彭宝玉等(2018)从深度学习的角度阐明，表面的过程性与终结性评价已不足以对学生进行全面评价，师生共同参与，碎片化学习促使学生评价的自动化和深度发展，学生评价要注重学生深度学习能力的培养。[22]周文叶、陈铭洲(2017)认为传统的学生评价忽略了深度学习过程中基于批判性思维的学生的思考能力、沟通能力、表达能力的提升，通过构建合理的表现性评价可以更好地对学生进行全面评价，实现对学生的深度评价。[23]

基于神经网络和深度学习技术而设计学生评价系统是现今较为科学的手段，它不是单一的对学生的学业成绩进行考察，而是关注到了学生非学术能力的方面，对学生的智力、能力、认知、情感、品行等各个方面进行考察，采用多元交互评价的方式让学生在关注学生成果的同时，也注重学习过程，促进学生批判性思维与创新意识和能力的发展，在充分关注学生整体发展状况的基础上，进行系统全面的评价。但现今对神经网络和深度学习技术应用于学生评价系统的发展和完善还没有得到充分利用。

四、文献评述

总体来看，近年来学生评价系统相关研究较为丰富，从宏观上来讲，既有在大数据背景下对学生评价系统的设计和实现情况及特点的把握，也有依靠科技运用神经网络深度学习技术进行更加深化、细致的研究。教育学、心理学、计算机科学等多类学科也从各自视角出发对这一问题进行了探究与解释。从微观上来讲，研究内容不仅对基于技术的学生评价系统的发展进行了较为全面的呈现，也在不同学科对于学生评价系统的构建对比中凸显差异，学生评价系统设计的指标合理性是重点关注问题，即更加关注个体差异性评价，从以前注重量化分析到定性定量的结合，并且通过技术科学简化评价过程，将复杂的教育问题简单化。另外，评价主体的转变，从只注重教师对学生的评价到重视学生自身的评价和同学、家长、社会等多主体的评价，全方面、多维度的对学生的综合素质进行考察，关注多种形成性评价方式的科学性和可行性，促进学生全面而有个性的发展。所采用的研究方法多样，定性与定量均有涉及，研究理论丰富。

但仍然存在几点研究不足，第一，提出现今学生评价系统的不足，肯定智慧多维评价系统的意义的研究很多，但解决问题或探索解决问题路径的文献比较少，很大部分文献针对学生评价系统的构建或意见建议过于宏观和理想化。第二，学生评价系统设计的理论性支撑不足，数据收集的效率较低阻碍了系统、科学、及时的评估和优化，缺少面向学生学习成长过程行为的全方位、多维数据的汇聚平台。第三，在大数据背景下，运用神经网络深度学习技术的方法进行智慧多维学生评价系统的构建的相关研究较少，缺少个性化人才培养方案的系统研究，就如何构建系统复杂的“信息化”培养机制、高效采集整合各类数据，并在多样化的培养模式中挖掘出有效的培养方案，使对“个性化学习”这一理念的延伸，变成技术上的完全创新还缺少研究。