基于数字画像的综合素质评价：框架、指标、模型与应用

张治 刘小龙 徐冰冰 陈雅云 吴永和

摘要：我国正在全面推进高质量教育体系的建设，而教育评价作为教育的重要组成，构建高质量的教育评价体系给教育指好指挥棒尤为重要。在数字化转型背景下，如何充分利用德智体美劳五育全要素数据来深度、精准刻画学生综合素质的成长画像对教育评价改革提出了新的研究问题。该文围绕学生综合素质评价的数字画像构建，从指标体系层、数据实践层以及数字画像层设计了基于数字画像的综合素质评价框架。首先，基于学术研究文献和政策文本的梳理归纳，形成核心素养视域下的综合素质评价指标体系。其次，考虑了指标体系中不同维度数据的采集难易程度及技术要求，提出包含必选数据项、可选数据项及拓展数据项的MIPAL数据模型，进一步将综合素质评价指标与三类数据项分别进行映射转换。以必选数据项的部分数据为例，构成学生五育表现的标签，并给出了利用数字画像技术以全面、立体、客观地评价学生综合素质的方法。最后，从因材施教、生涯规划、家校共育、考试招生以及教育治理方面对数字画像的具体应用策略进行了阐述，表明了基于数字画像的综合素质评价对于促进学生综合素质发展以及基础教育质量提升的价值。

关键词：综合素质评价;数字画像;数据驱动;体系架构;MIPAL数据模型;画像应用

中图分类号：G434

文献标识码：A

一、引言

落实立德树人根本任务，强化综合素质发展，逐步构建德智体美劳培养的教育体系是当下教育综合改革的重要方向。国务院及教育部多次发布相关文件指明教育应关注学生的成长过程，引导学生更加全面而个性地健康发展。2020年10月，中共中央、国务院印发的《深化新时代教育评价改革总体方案》指出“到2035年，基本形成富有时代特征、彰显中国特色、体现世界水平的教育评价体系”[1]。2021年3月，教育部等六部门联合印发《义务教育质量评价指南》，其中以《学生发展质量评价》为关键，再度明确对学生的评价应着力于学生德智体美劳全面发展的情况，尊重学生的差异性和多样性。推进综合素质评价工作的全面落实，对于促进学生的自我认识与未来规划、高中学校的管理改进、高等学校科学的人才遴选以及构建社会创新型人才培养体系而言都至关重要[2]。

随着信息技术的快速发展，在大数据、人工智能、数据挖掘等技术的应用支持下，为采集学生的基本属性、学习过程、学习结果等数据[3]对学生的综合素质发展进行建模分析，以深度刻画综合素质评价视域下的学生数字画像创造了有利的条件。国家发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出“以数字化转型整体驱动生产方式、生活方式和治理方式变革”[4]，教育数字化转型推动了高质量教育体系的建设，其中数据要素是教育数字化转型的核心要素，如何充分利用德智体美劳五育全要素数据来全面、深度、精准刻画学生综合素质的数字画像成为了新的研究问题。基于数字画像的学生综合素质评价以数据驱动的方式助力学生全面而个性化发展，同时亦为各级教育机构的决策优化提供了科学可靠的参考依据。本文围绕学生综合素质评价的数字画像构建这一主题，整合核心素养和综合素质的概念内涵，构建评价指标体系，作为数字画像建立过程中数据采集、分析及应用的实践指南。从立足当下，面向未来的视角设计学生综合素质评价的数字画像，并进一步阐述画像的应用策略及价值，以期充分发挥综合素质评价全面育人的导向功能[5]。

二、研究现状简析

（一）综合素质评价研究现状

学术研究层面，在中国知网中以“综合素质评价”为主题，并限制检索条件为SCI或EI收录、核心或CSSCI期刊类型进行检索，相关文献总数共704篇（截止至2021年1月）。通过年度发文的统计分析，可知综合素质评价研究大致可分为三个阶段：第一阶段为萌芽阶段（1996-2005年），该阶段发展较为平缓，对综合素质评价的实践与研究处于起步初期;第二阶段为探索阶段（2006-2013年），该阶段的发展较之前有了一定的飞跃，表明越来越多的学者开始关注学生综合素质的培养与评价;第三阶段为快速发展阶段（2014-2020年），该阶段自2014年国务院、教育部就立德树人、考试招生制度、高中生综合素质评价等方面相继发布相关文件后，大批学者涌人综合素质评价的研究领域，对“以评价促发展”“落实学生本位”等主题展开了深入思考。面对新时代新技术带来的机遇与挑战，如何深化综合素质评价改革以解决过程性评价的困境，综合素质评价相关研究仍在持续进行，并将迈向更深层次的发展。

政策颁布层面，白十七大召开以来，党中央着重强调了综合素质评价在教育中的重要地位，多次做出要积极发挥综合素质评价育人作用的有力指示。国家大背景下综合素质评价的发展在诸多相关政策文本的执行推动下逐渐走向明朗，具体发展历程如下页图1所示。由此发展历程可知，落实综合素质评价实践是我国教育现代化中不可或缺的重要环节，有利于促进基础教育的人才培养全方面、多层次、宽领域、高质量地展开。

（二）综合素质评价指标体系

对于综合素质评价的指标内容设置而言，不同国家及地區结合自身情况形成了不同的指标，构建了各具特点的评价框架。学者们一致认为学业成就仅是学生评价的一部分，学生的道德品质、身心健康等方面同样需予以重视，应力求评价内容的全面、多元以综合考量学生的发展。CJullickson[6]指出美国联邦教育部主要从基本信息、素质发展状况、学业成绩、实践活动情况等方面持续记录学生的综合素质。也有学者关注了学生在社会、生活中的问题解决和人际交往能力，Webber等人[7]在对学生的评价中增加了学生课外活动和社会活动的参与情况，认为通过这样的评价方式有助于学生更好地步人未来社会。随时代更迭，评价观念发生变化，亦有学者在评价内容中加入学生的兴趣爱好和态度观点，以全面地评价学生发展[8]。

综合素质评价的实施需要明确的考察指标，在具体指标确定方面，我国大部分地区的学校主要采用教育部文件[9]规定的六个方面（品德素养、公民品行、学习能力、合作与沟通、运动与健康、审美与表达）进行评价，也有一些学校基于这六个方面重新构建一级指标，再根据学生实际情况划分和调整二级指标，探索发展性综合素质评价的实践[10]。虽然确定了综合素质评价的主要维度，但每个维度的核心表现并未达成一致，即学生的行为表现与指标内容间的对应关系尚未有清晰的定论[11]。从评价内容到指标体系，存在两种观点分歧： “分解”观，认为综合素质评价应建立符合学生身心发展规律和素质教育要求、科学可信的评价标准和指标体系，便于相关人员观察与测量[12];“整合”观，认为综合素质评价应把学生作为一个整体，深挖不同维度间的内在联系，使之融合，而不是根据多级指标逐项打分并简单相加[13]。可见，综合素质评价在顶层设计及理论研究中既要多层面、全方位地考虑评价学生的内容，也要基于学生发展的动态变化，构建低耦高聚的评价指标，即当前需要进一步完善指标体系以科学引导综合素质评价优质、便捷地开展与落实。

（三）数字画像赋能综合素质评价发展

学生数字画像由用户画像概念迁移而来[14]，Teixeira等[15]认为其是从海量数据中提取用户信息以描述其需求、偏好和兴趣的数字模型。赵雅惠则认为数字画像是通过搜集用户数据进而抽取出描述其真实特征及行为的标签集[16]，基于具体教育情境构建学生数字画像，通过智能技术采集学生各项学习行为和结果数据，并以自动化方式处理分析，提炼出可描述其特征和行为的标签集，进而从各维度完整地描述学生表现。写实记录是综合素质评价的根本要求，强调以客观事实为依据、用“证据”说话[17]，对学生的综合素质进行多维度、全方位描绘的数字画像有助于保障综合素质评价的信度和效度。

通过大数据、学习分析等技术生成的学生数字画像，能够让评价结果更易于理解和应用。余明华等[18]以学生研究性学习行为记录库为数据源，采用定性画像方法通过人工刻画的方式实现学生信息标签化，并借助可视化技术呈现面向学生的个人画像和面向教师的群体画像。薛耀峰等[19]设计了一个面向区域教育治理现代化、支持区域学生发展质量评价的学生画像，该画像基于德育、智育、体育、美育和劳动教育五个维度呈现区域学生在“五育”培养方面的发展情况。张治等[20]构建了基于数字画像的评价模型，生成个体数字画像和群体数字画像，分别服务于学生生涯规划和个性发展、学校办学改进和政府教育治理。从数据采集、存储、分析到结果可视，智能信息技术融人综合素质评价中，能够较好地解决评价的效率、效用、客观性等问题。综上所述，多类技术支持下的学生综合素质评价的数字画像有助于强化过程性评价的作用，有效落实五育并举以促进学生和谐、全面而个性化发展的评价观，推动综合素质评价结果的科学应用。在综合素质评价过程中充分运用信息化技术是破解学生综合素质评价难点的重要依托，但如何充分利用五育全要素数据进行全面、精准、深度地刻画学生综合素质评价的数字画像还有待进一步研究。

三、基于数字画像的综合素质评价设计框架

2007年，图灵奖得主、关系数据库的鼻祖JimGray提出了第四范式：数据密集型科学发现（TheFourth Paradigm： Data-Intensive Scientific Discovery[2l]，科学研究范式从第一范式（实证范式）、第二范式（理论范式）、第三范式（计算范式）迈向第四范式（数据范式）。作为第四范式的教育大数据是教育数据要素的主体来源，应发挥教育大数据的数据要素价值。通过海量教育数据挖掘分析而形成的数字画像往往需要根据画像应用目的、具体教育场景等方面进行数据采集、建模、分析及解释等，进而根据教育利益相关者的需求可视化呈现相关信息。因而，建模数字画像的维度不同，数字画像结果阐释的侧重点就有所不同。在本研究中，重点关注数字画像应用于学生综合素质评价的潜能，汇集多源、多维的数据对学生进行全面客观、有据可依的综合评价，借助可视化的画像形式表征学生综合素质发展的情况，从而推动实现综合素质评价促进学生全面而个性化发展的初衷。

从数字画像的构建流程考虑，将基于数字画像的综合素质评价的设计框架分为三个部分，分别为指标体系层、数据实践层以及数字画像层，如图2所示。画像标签的提取和识别是数字画像构建的基础，定义综合素质评价数字画像的标签关键在于对综合素质评价的概念辨析和综合素质评价指标体系的建立，清晰且可操作性强的评价指标体系才能高效指导教育环境中海量数据的挖掘分析。綜合考虑核心素养及综合素质的定义和内涵的基础上，将二者所包含的维度及指标进行合理关联，构建核心素养视域下的综合素质评价指标体系，为后续数字画像的标签集生成奠定基础。

数据实践层中，对数据来源的明确是第一步，学生学习生活中多类场景应用的平台系统及相关材料的数据为评价学生各方面的发展提供了丰富的证据。随着教育信息化的不断推进，教育场景应用的技术设备越来越多元，这也使得对学生行为、生理及心理等多种数据的采集更为便利，利用多类数据解释学生同一方面的能力发展将使得评价更为科学、可信。同时，机器学习、人工智能算法的发展，也为分析解释多源多维数据创造了条件，保障了画像构建的准确性和可靠性。

数字画像层是基于数据实践的结果对学生综合素质评价情况建模、可视化的过程。根据所构建的综合素质评价指标体系，与数据实践层采集的数据建立起画像标签的映射关系，进而抽取标签，进行画像分析，呈现数字画像。从多方教育利益相关者的角度考虑个体数字画像和群体数字画像的应用策略，展现基于数字画像的综合素质评价的效用和价值。

基于该设计框架，本文在第四部分探究了应用于数字画像的综合素质评价指标体系，从体系构建原则、核心素养及综合素质的内涵等方面阐述了核心素养视域下的综合素质评价指标体系的构建。对于数据实践层中复杂多样的数据来源，本文在第五部分提出了数字画像的数据模型，根据数据采集的难易程度及技术要求对数据项做了相应的分类。据此，在第六部分中阐述了基于数字画像的综合素质评价的应用策略，以明晰数字画像技术应用于综合素质评价场景的实践价值与现实意义。

四、核心素养视域下的综合素质评价指标体系构建

（一）评价指标体系构建原则

1.科学性原则。科学性主要指评价指标应遵循学生的身心发展规律[22]、中学段教育的特点，学生核心素养以及教育科学研究的基础，制定合理、科学的指标体系，能够真实反映学生各方面的素质，保障指标内容的切实可行。

2.可评价性原则。评价指标具有可评价性，评价结果才具有科学性，才能体现出学生综合素质的个性和共性。所选择的评价指标在实际运用过程中，应采用现有的技术和方法，按照统一的评价标准做出评价，并尽可能定量化或数量化[23]生的表现。

3.全面性原则。评价指标的全面性是指评价要素能够全面反映学生综合素质的表现，体现学生各方面素质的发展水平[24]，凸显学生素质发展的多样性及个体差异性。因此，对综合素质多个子维度的选择既不能遗漏也不能重复，必须从多方面选择多个评价要素，通过多要素综合评价揭示学生综合素质发展的全貌。

（二）评价指标体系构建

核心素养是国家课程理念设计及实施的基石，而综合素质评价在中高考评价制度中是不容忽视的一极，两者都体现对学校教育功能和内容的要求，表达了对教育质量的诉求[25]。这表明整合二者的指标内容是可行且必要的，能够进一步丰富综合素质评价的内涵，使得各指标的具体表现或信息采集点更为明确、可操作。本文将核心素养置于综合素质评价的上位，系统地分析了核心素养及综合素质评价相关政策文件及已有研究，结合二者概念的内涵和外延，构建了核心素养视域下的综合素质评价指标体系，如表1所示，这同时也是本文学生综合素质评价的数字画像的数据项采集和处理的参考依据。该评价指标体系以品德发展、学业发展、身心发展、人文底蕴及实践创新五个方面为基础，延伸出“国家认同”等21个二级维度，并进一步细化至“热爱国家，具备国家观念，知悉国家历史及基本国情，认可国民的身份，主动维护国家主权、尊严、形象和利益……”等68个三级维度。

五、基于数字画像的综合素质评价数据模型

（-）MIPAL五育数据模型

基于上述评价指标体系，并充分考虑不同指标中数据采集的可行性、多维性、丰富性及特殊的技术要求，本文提出了德智体美劳（Morality，Intelligence，Physical Education.Art和Labor）MIPAL五育数据模型（如下页图3所示），为学生综合素质评价的数字画像的数据采集以及其与具体的评价指标建立映射关系提供了有效指导。该模型包含德智体美劳五育场景的元元数据模型和元数据模型，元元数据模型所包含的数据要素将供相应场景元数据模型继承和扩展，可细分为五育必选数据项、五育可选数据项和五育拓展数据项。其中，五育必选数据项是指已在全国初高中综合素质评价实践中普遍被应用的数据项，例如电子版综合素质纪实报告中的具体字段;五育可选数据项是指部分条件较好的学校通过多种技术装备采集的数据，如各类在线学习系统、智慧教室中学生学习的细粒度数据;五育拓展数据项是指未来（三至五年后）将引入教育领域的新技术所能采集的数据，如学生的隐私性生物特征数据——人脸数据、指纹数据、声纹数据、虹膜数据等。

（二）五育必选数据项

必选数据项来源于广泛应用的电子综合素质评价纪实报告，根据综合素质评价指标体系，对电子纪实报告包含的具体内容，进行数据量化转变，使得相应行为表现的观测点能够构成数字画像的数据来源，形成对应的数据标签。如品德发展维度，国家认同这个二级指标，可从纪实报告中的学生参加国防、民防的项目次数、累计时长，以及参加党团活动的次数、级别、所担任的角色，是否被评为优秀营员等情况来体现，如表2所示。同时从表2也可发现，在国际理解这一指标下，目前的综合素质评价纪实报告尚无合适的数据项能够映射至该维度，表明现有的综合素质评价内容尚有缺失，还有一定的扩充空间。

在学业发展维度，则可以从学生基础型课程各学科成绩、等级考试获得的等级、拓展课程参加次数及课时、研究型课程（课题/项目）总天数等方面予以说明;在身心发展维度，则可以从学生体质测试分数、体质各维度趋势正向发展情况、参加体育比赛项目次数及级别、获得的名次、体育特长项目次数及等级等方面提取相关数据;在人文底蕴维度，可以从学生语文、历史、艺术各科课程分数、艺术各科课程技能测试情况、参加艺术活动项目次数及级别、获奖的名次、参加市级学生艺术团队次数及考核情况等方面进行评价;在实践创新层面，考虑的是学生参与各类实践活动和创新探索的表现，可以从研究性学习专题报告调查其内容撰写质量、课题持续时间、课题采访（请教）过的重点对象人数、指导教师评语等级、报告曾获得奖励的级别、参加科技活动项目次数及级别、创造发明项目数量及所属专利类型、参加市级青少年科学研究院庸少年科学创新实践工作站次数等方面进行数据提取。

（三）五育可选数据项

可选数据项可以基于目前已在部分学校使用的各类学习平台系统，例如作业系统、阅读系统、研究性学习系统、慕课学习系统、实验系统平台以及智能录播系统等，分别依据平台中学生的细粒度行为数据，如操作时长、操作次数、操作完成率、操作正确率以及与他人互动情况等方面，结合相应数据归类到具体的表现中。如学业表现维度，作业平台系统中的学生完成作业的总时长、按时提交作业情况、不同难度题目的有效作答时长等可被纳入作业的参与投入情况;在学习情感维度，学生在阅读平台与他人交流的次数、分享相应作品的情况、积极回答他人问题的次数等可被划分为学生的阅读态度等，如表3所示。

在品德发展的维度，可以通过志愿者服务系统中学生志愿者服务评价、志愿者服务类型，以及德育管理系统中学生眼保健操/课间操得分、值日卫生得分、仪容仪表得分等方面进行数据提取;在身心发展维度，可以通过学生体质健康系统中学生睡眠质量指数、学生跑步速度、学生运动耐力等级、学生体格测量分数、学生体脂率、学生健康行为习惯得分等方面予以评价;在人文底蕴方面，可以通过学生浏览艺术类网页次数及时长、参观博物馆或艺术展览馆次数、电子化海报的制作数量、学生视频拍摄类型、学生视频获赞次数、学生演讲/辩论次数及获奖情况等衡量;在实践与创新层面，可以从实践/劳动组织方对学生的评价、学生技术应用的种类、学生作品得分等方面对学生进行评价。

（四）五育扩展数据项

扩展数据项是从面向未来新技术的教育应用角度出发，遵循相关数据伦理规范，利用物联网、人工智能等新兴技术，采集学生的人脸数据、声纹数据、虹膜数据、指纹数据等生理、心理数据，通过多模态数据构建全方面、立体生动的学生数字画像。以身心发展这一维度为例，可采集如学生的用水、对花草树木的爱护、垃圾分类处理、每天步行以及餐厅用餐情況以描述学生珍爱生命的表现;在健全人格方面，从学生情绪平均指数、帮助他人的次数、学习中注意力集中的时长等观测点予以体现;对于自我管理维度，可从学生使用各类电子设备的总时长、所访问的页面类型、每日计划完成情况等进行相应的数据采集;在人际交往方面，可根据学生与他人交流的情绪总体水平、调和团队矛盾次数等内容作出表述;而在体育表现中，可以从学生每天锻炼时长、锻炼内容、锻炼地点等方面进行描述，如表4所示。

此外，在品德发展方面，可以通过学生参加党团活动时的情绪感受、参观红色基地的次数及行为表现予以说明;在学业发展方面，则可借助如眼动技术、脑电波技术、可穿戴设备等，采集学生课堂情绪指数、注意力集中时长、课堂话语以及作业/考试纸笔撰写工整度等方面的数据;在人文底蕴方面，则可以从学生参观艺术展览馆时的情感水平、沉浸状态、艺术类作品创作时的审美表现等方面观测;在实践创新层面，可以从作品制作时长、信息搜索策略、技术应用熟悉度等方面加以叙述。

（五）数据项分析方法

在进行画像分析的过程中，数据项的类型及特点影响了建模中数据处理方法的选择，不同数据处理方法所观测到的结果亦有所不同。常见的数据处理方法包括聚类分析法、关联规则法，序列分析法以及离群值检测法等，部分研究者还尝试了深度学习算法，如长短时记忆网络算法等。其中，聚类分析法可以依据数据项的相似性将学生划分至具有不同标签的学习群体中，便于找出不同群体之间的差异。关联规则法是一种无监督的机器学习方法，可以找出数据指标之间隐藏的关联关系，发现两件事情发生的关联规律。而时间序列分析法作为序列分析法的一类，能够通过事件发生的时间，掌握事物的发展规律和趋势，进行类推和延伸，预测未来时间线上可能发生的事情[26]。算法选择与应用是建立数字画像的重要步骤，根据各类算法所具有的特性，组合不同算法以实现对数据的深度挖掘，能够较好地阐明所采集的数据项背后的丰富含义。

以五育必选数据项中部分数据为例，尝试构建学生综合素质评价的数字画像。如表5所示，为了直观展现学生综合素质各方面发展情况，根据指标体系所对应涵盖的数据类别，对其进行标签分类，将素质发展水平分为低、中、高三个层次，以简洁明了、通俗易懂的方式命名标签。例如，品德发展这一维度，可依照对应的三级指标数据进行聚类分析，对学生品德修养进行评价，如学生积极参与了相关活动并多次获得先进个人荣誉称号，可称之为品德发展达人，如学生参加了部分活动也曾获得个人荣誉称号称之为品德发展胜任者，如学生较少参加相关活动则称之为品德发展新手。

六、基于数字画像的综合素质评价应用策略

综合素质评价的开展是为了全面、立体、客观地评价学生，从而促进学生全面而个性化的发展。基于学生画像的综合素质评价能够对学生学习、教师教学、学校办学、高校遴选人才等多方面发挥全过程的支撑作用，以评价带动多方教育利益相关者整体的高质量发展，营造良好的教育生态，助力教育的改革与创新。

（一）应用于因材施教的策略

在因材施教方面，学生数字画像能够全面、准确、直观地呈现学生各方面的成长状况，体现过程性评价对教与学的指导价值。通过学生个性化的数字画像展现，便于教师对学生的表现和需求有更深入的了解，从而辅助教师及时对学生进行有针对性的干预辅导，改进和调整教学策略及目标，满足学生个性化学习及身心成长的需要，促进其全面而个性化的发展。此外，该画像一定程度上能够帮助校方管理者把握学生未来发展的方向，发现在某些方面具有特殊潜力的学生，预警存有学习困难的学生，为他们提供相应的帮助与支持，关爱每一位学生的成长，贯彻学校个性化办学的理念。

（二）应用于生涯规划的策略

在生涯规划方面，通过学生数字画像各维度的具体发展情况，有助于学生更好地认识自我，对自己有更准确的定位，了解自身各方面的发展水平，发现自己的闪光点，积极探寻自己擅长的领域。在学校及家长的共同帮助及指导下，对自己未来的职业生涯有更深刻的理解，从而能够更好地设计个人择业、就业的发展路径，充分发挥个人优势及特长，打造契合自身特点的职业生涯规划。

（三）应用于家校共育的策略

在家校共育方面，学生数字画像不仅有助于促进师生间的教学相长，亦能够强化家校间的联系，增加家校共育的深度，促成家校间更为一致的育人共识。通过学生数字画像，一方面能够让家长直观地了解学生的各方面发展状况，另一方面家长亦能从中认识到家庭教育能够在哪些方面与学校教育更好地进行配合，使得学生在校内外都能有较多的机会以发展各方面素质，进而提升家校协同育人的水平。

（四）应用于考试招生的策略

在考试招生方面，通过学生数字画像，高校能够清晰地把握学生综合素质发展的各方面情况，依据学生的过往经历和特点，从中选拔与高校专业人才培养要求较为切合的学生，在此情况下，可以一定程度缓和学生对所学专业不感兴趣、院系转专业人数较多等方面的情况。高校基于学生综合素质评价数字画像的选拔，能够较为符合学生潜在的专业选择倾向，激发其学习兴趣，有助于学生在所学专业中保持良好的表现，追求和实现自我价值。

（五）应用于教育治理的策略

在教育治理方面，省市区各级教育部门可以根据群体数字画像制定更具针对性、实效性的计划，促使教育资源合理配置，各区域的学生均衡发展，把控各校招生流量，缓解升学和就业压力，明晰人才缺口，建立相关行业的人才培养扶持体系等。此外，基于学生综合素质评价的群体数字画像，能够让教育相关部门对学生全面发展的整体情况有较为细致的了解，及时对一些地区的教育发展采取精准帮扶措施，推进教育的公平和质量提升。

总的来说，基于学生数字画像的综合素质评价将有效指导学生个性成长及生涯规划、高中办学改进、家庭教育管理、高校人才分类选拔培养、社会公共教育服务完善以及政府基于数据的教育治理，提供更为客观、全面的数据支撑。学生综合素质评价的数字画像是大规模因材施教的核心驱动力，可将其视为助力教育从经验决策走向科学决策的有力抓手。

七、结语

立德树人是教育工作的根本任务，也是促进教学改革的核心任务，更是教育质量观的价值基础与核心[27]。学生综合素质评价作为一个分层次、多类型的评价体系，涵盖德智体美劳多维度的素质表现，兼顾了可测量的客观性指标与难以测量的主观性指标。基于此，本文首先梳理了综合素质评价及核心素养的相关学术研究及政策文本，构建融合核心素养内涵的综合素质评价指标体系。其次，将该指标体系作为学生综合素质评价数字画像的数据采集指导方案，提出包含三类数据项的MIPAL五育數据模型。具体来说，将综合素质纪实报告中包括的数据字段作为五育必选数据项，将部分学校目前使用的在线学习系统中的数据要素作为五育可选数据项，而随着新技术的教育应用，将潜在可采集的数据可作为五育扩展数据项。并以五育必选数据集中的部分数据为例，展示了学生综合素质评价数字画像的方法。最后，由于各方教育利益相关者关注的侧重点不同，从因材施教、生涯规划、家校共育、考试招生以及教育治理五个教育场景阐述学生综合素质评价数字画像的应用策略。

基于数字画像的学生综合素质评价运用多类技术采集学生各方面的表现，丰富了对学生过程性成长数据的观测，这类评价方式远比单纯用分数等结果性评价更为科学、全面。准确把握高质量教育体系对教育改革提出的新要求，综合素质评价视角下的学生数字画像能够加强对育人过程、育人质量的评价，推动评价结果的科学应用，彰显德智体美劳全面发展的育人导向。未来，将结合真实教育情境中的数据，依据所构建的综合素质评价体系及数据模型进行画像建模，呈现基于数字画像的学生综合素质评价。

参考文献：

[1]中华人民共和同中央人民政府中共中央国务院印发《深化新时代教育评价改革总体方案》[EB/OL].http：//ww.m。e.gov.cn/jyh_xxgk/moe_177 7/moe_177 8/2 02010/t20201013 _4943 81 .html.2020-10-13

[2]张治，戚业国.基于大数据的多源多维综合素质评价模型的构建叽中国电化教育，2017.（9）：69-77+97.

[3]艾兴，张玉.从数字画像到数字孪生体：数智融合驱动下数字孪生学习者构建新探[J].远程教育杂志，2021，39（1）：41-50.

[4]中华人民共和同教育部《中华人民共和围困民经济和社会发展第十四个五年规划和2035年远景目标纲要》[EB/OL].http：//www.mOe.gov.Cn/jyb_xwfB/s5 147/202103/t202103 14_5 197lO.html.2021-03 -13

[5][20]张治，刘小龙等.“新高考”背景下綜合素质评价结果应用的研究——以上海市综合素质评价实践为例[J]教育发展研究，2019，39（17）：8-14

[6]Gullickson A R.The student evaluation standards： How to improveevaluations of students[M].Thousand Oaks.CA-Corwin Press.2003. 107-109.

[7]Webher C F.Aitken N.et aI.The Alberta student assessment study：Finalreport[R].Edmonton.AB：Alherta Education，2009.

[8]文部科学省.高校生∞允幻④学∥@基出诊断J实施方针[EB/OL].http：//www.mext.gojp/component/a_menu/education/detail/一一iCsFile s/afieldfile/2017/08/17/1393 874_l_l.pdf，2017-07-13.

[9]教育部.教育部关于积极推进中小学评价与考试制度改革的通知[EB/OL].http：//www.moe.gov.con/srC site/A26/s7054/20021 21t20021218_78509.html.2002-12-18.

[10]王先军.着眼发展·着重过程：发展性学生综合素质评价的高中探索[J].中小学管理，2020，（10）：21-23.

[II]吕莹.普通高中学生综合素质评价的现状、桎梏及展望[J]教学与管理，2019，（3）：68-70.

[12]罗祖兵，邹艳.高中综合素质评价的矛盾探析[J].教育理论与实践，2013，33（8）：27-29.

[13]李雁冰.综合素质评价的本质[J].教育研究与评论（中学教育教学），2016.（8）：91.

[14]崔佳峰，阙粤红.智能技术支持下的学生数字画像：困境与突破[J]当代教育科学，2020（I1）.88-95.

[15] Teixeim.C，Sousa.P.J.et aI.User Profiles in Organizational Environments[J].Campus-Wide Information Systems.200825（3）： 128- 144.

[16]赵雅慧，刘芳霖等.大数据背景下的用户画像研究综述：知识体系与研究展望[J].图书馆学研究，2019，（24）：13-24.

[17]卢海弘，张也.综合素质评价研究：最新进展、主要难点及破解思路[J].现代教育管理，2020，（5）：46-50.

[18]余明华，张治等.基于学生画像的项目式学习评价指标体系研究[J].电化教育研究，2021，42（3）：89-95.

[19]薛耀锋，曾志通等.面向区域教育治理的学生画像研究[J].中国电化教育，2020.（3）：62-68.

[21]Tansley S.Tolle K M.The fourth paradigm：data-intensive scientificdisrovery [M].Redmond，WA：Microsoft research.2009.

[22]张俊丽.艺术专业学生评教指标体系的构建与实践[J].产业与科技论坛，2014，13（21）：241-242.

[23][24]季卫兵.高校德育系统的模糊综合评价研究[D].南京：南京理工大学，2008.

[25]王鼎，任虹宁等.综合素质评价结果有效性研究——基于学业成绩与综合素质评价指标的相关性分析[J].教育发展研究，2019，39（20）：18-28.

[26]田雅慧.基于学习者画像的MOOC学情预警研究[D].上海：华东师范大学，2020.

[27]辛涛.深化教育评价改革促进育人方式转变[J].中国考试，2021，（2）：4-6

作者简介：

张治：上海市特级教师，博士，馆长，研究方向为教育管理、教育信息化、教育评价。

刘小龙：硕士，研究方向为教育信息化、教育大数据与学习分析、研究性学习。

徐冰冰：硕士，研究方向为教育信息化。

陈雅云：在读硕士，研究方向为人工智能、教育大数据与学习分析。

吴永和：研究员，博士，博士生导师，研究方向为智能驱动的教育、模式驱动的教育。

*本文系全国教育科学“十三五”规划2019年度国家一般课题“基于学习者画像的综合素质评价行动研究”（课题编号：BCA190084）研究成果。

Comprehensive Quality Assessment Based on Digital Portrait： Framework， Indicators，

Model and Applications

Zhang Zhi1， Liu Xiaolong l， Xu Bingbing l， Chen Yayun2， Wu Yonghe2

（1.Shanghai Educational Technology Center， Shanghai 200086; 2.Department of Educational Information Technology，

Faculty of Education， East China Normal University， Shanhhai 200062）

Abstract： China is comprehensively promoting the construction of high-quality education system， and as an important component ofeducation， it is particularly important to build a high-quality education evaluation system to guide education. Under the backgroundof digital transformation， how to make full use of the data of morality， intelligence， sports， art and labor education to deeply andaccurately depict the growth portrait of students' comprehensive quality raises a new research question for educational evaluationreform. This paper focuses on the construction of digital portrait of students' comprehensive quality evaluation， and designs acomprehensive quality evaluation framework based on digital portrait from the index system layer， data practice layer and digitalportrait layer. First of all， based on the sorting and summarizing of academic research literature and policy texts， a comprehensivequality evaluation index system is formed from the perspective of core literacy. Secondly， considering the difficulty and technicalrequirements of the data collection of different dimensions in the index system， a MIPAL data model was proposed， which includedmandatory data items， optional data items and extended data items. Furthermore， the comprehensive quality evaluation indexes weremapped and transformed with three types of data items respectively. Some data of the required data items are taken as examples toform the label of students' performance in five education， and the method of using digital portrait technology to evaluate students'comprehensive quality in a comprehensive， three-dimensional and objective way is given. Finally， the paper expounds the specificapplication strategies of digital portrait from the aspects of teaching students in accordance with their aptitude， career planning，home-school co-education， examination and enrollment， as well as educational govemance， and indicates the value of comprehensivequality evaluation based on digital portrait for promoting the development of students' comprehensive quality and improving thequality of basic education.

Kevword： comprehensive quality evaluation; digital portrait; data-driven; architecture; MIPAL data model; portrait application

收稿日期 ： 2021年5月13日

責任编辑：李雅瑄