基于大数据的高校学生评价体系设计与研究

摘要：大数据的广泛应用为高校学生的综合评价提供新思维、新方法、新手段。基于大数据的高校学生评价体系的设计和研究，就是针对目前高校在学生评价方面存在的滞后性、片面性、科学性不足、缺乏个性化和没有体现“产出导向”等问题，首先对高校学生评价相关因素及数据来源进行分析;其次对评价体系中多元化问题进行研究;最后对各评价要素之间关系进行解析，并以数据中心为核心，采用大数据技术设计多元化综合评价体系。

关键词：大数据;多元化;产出导向

我国以“品学兼优”为核心的评价指标自古有之。数年来，尽管高等教育已进行多次教学体制改革，但仍缺乏科学、系统的体系和方法。目前，许多高校已对传统评价体系进行修正和补充。2010年出台的《国家中长期教育改革和发展规划纲要（2010-2020年）》明确提出“坚持以人为本、全面实施素质教育”的教育改革发展战略，为建立一套更符合时代要求的大学生评价体系奠定基础、明确方向。

大数据在人们对数据搜集能力、传输能力、存储能力和处理分析能力的发展和跨越基础上，已在各行业掀起变革巨浪。美国哥伦比亚大学心理学教授Duncan Watts认为，有关人们行为和喜好的丰沛数据正改变着社会科学，使社会科学从数据最贫瘠的领域转变为数据最丰富的领域。大学生学习、生活、交往等巨量数据的记录，使得藏身于行为背后的思想动态变得公开化。可通过数据对行为精确识别，在定性基础上进行定量界定，不断反演推理分析，找出行为背后的思想内核，为高校学生综合评价提供新思维、新方法、新手段。

一、研究背景

（一）国外基于大数据的教育研究和评价现状

美国很早就将大数据应用于教育领域，2001年颁布《NCLB（不让任何一个孩子落后）》教育法案，大力推进数据在教育评价中的应用，并认为数据可为教育评价提供直观、可靠的依据，帮助教育决策者、管理者、教师以及家长全面且客观地了解学生教育的现状、趋势以及发展方向，从而能科学地评价学生学习与教师教学的有效性。2012年3月29日，美国政府推出“大数据研究与开发提案”，在此基础上，2016年5月又颁布“联邦大数据研究与开发战略计划”，指出要提升大数据在教育领域的应用水平，要寻求大数据分析和“人类一数据接口”在教育领域中的应用场景。

美国很多学校在制定学校长远发展计划、教学管理和学生管理方面使用教育评价大数据作为决策依据。据不完全统计，97%的美国中小学利用教育大数据确定学校需要提升的关键领域，分析学生个体数据以便于分班或安排相关学习与服务。而83%的学校利用教育大数据了解本校教师教学发展的现状与需求，并据此决策如何支持本校教师的教学发展。

（二）国内基于大数据的教育研究和评价现状

2015年8月31日，国务院发布《促进大数据发展行动纲要》，对10个大数据工程进行规划，并在“公共服务大数据工程”中提出要建设教育文化大数据。2018年，教育部印发的《教育信息化2.0行动计划》中，共21次提及“数据”，11次提及“大数据”，并且提出要利用大数据技术为学习者提供学习资源服务，深化教育大数据应用，助力教育教学管理和服务的深化改革。

在教育评价方面，教育部已建立国家基础教育数据库并为学生建立云档案，用于保存学生学习、成长和发展方面的数据，跟踪学生在校及毕业后的发展情况，为教学评价提供更准确的数据依据。然而，与欧美发达国家相比，我国在教育大数据研究和发展方面，尤其是在应用于教学评价的基础大数据设施建设上，还存在一定差距。

二、存在问题

第一，评价的滞后性。目前，高校对学生的评价主要是结果评价，以华东交通大学软件学院为例，学生评价主要包括学习成绩评定、实习测评和操行评定三方面内容，这些评价数据都是以结果的方式呈现，属于总结性评价。因此，不能对学生平时表现进行及时跟踪与反馈，难以发现学生成长和学习过程中的问题。

第二，评价的片面性。评价数据和评价主体的片面性导致学生评价的片面性。学生日常学习和成长数据的缺失，无法对学生进行综合、全面和客观评价。并且评价主体仅仅是教师和辅导员，他们的主观判断更加大了评价的片面性。

第三，评价的科学性不足。传统的学生评价体系科学性不足表现在评价过程数据来源标准不统一、采集方法不一致、数据评价结果使用计算方法欠科学，不同学院、系、专业甚至不同班级和任课教师采用的评价标准与方法都不相同，最终影响学生评价的科学性。

第四，评价缺乏个性。传统学生评价方案的设计主要基于普适性，同一评价主体针对不同评价目标时使用同一指标，采用统一尺度对所有个体进行评价，评价结果难以体现不同学生的个性化发展。

第五，没有体现“产出导向”。高校工程教育认证的核心理念是“产出导向”理念，即强调专业教学设计和教学实施以学生接受教育后所取得的学习成果为向导，并對照毕业生核心能力和要求，评价专业教育的有效性。而目前的评价体系都属于“投入导向”。尽管传统评价采用的数据都是结果数据，但结果都是在培养方案、学生守则、课程大纲和实验大纲等构成的框架内得出，这些方案和纲要往往是以学分、学时、基础设施等投入因素为考量设计得到。因此，其结果数据以及以此为基础的评价体系并不符合工程教育认证提出的“产出导向”理念。

从以上五方面来看，学生评价体系还不能科学、全面、准确地评价学生，从而影响学校全面了解学生发展状况和教育教学效果，阻碍学生发展和学校教育教学质量的全面提升。除此之外，目前高校的基础数据设施也不足以满足对学生进行综合性评价的需要。高校在教育信息化过程中，不同院系部门建成不同的网络信息平台，数据繁多且不能互通。例如，专业建设和评估数据、人才培养计划和过程数据、院系教学管理数据、网络教学平台数据、实验教学平台数据等。平台的割裂造成数据的分散，很难利用所有数据对学生进行科学、全面的评价。

互联网和大数据全方位对学生在校期间的学习、活动和生活等进行准确、科学评价提供强有力的技术支撑。高等院校应以此为契机，重新构建学生综合评价体系和大数据基础平台，全面、科学、准确评价学生，促进学生全面发展，提高学校教育教学质量。

三、基于大数据的高校学生评价问题分析

（一）学生评价的因素和数据来源分析

基于大数据的学生评价体系与传统评价体系不同之处在于，其数据更丰富、涵盖范围更全面、评价更实时、标准更多元。要做到这一点就需要分析大数据，从中找出与学生评价有关的因素，并建立其与数据来源之间的关系。与传统评价体系采用数据样本进行评价的方式不同，基于大数据的评价体系需与评价指标有关的全部数据。

不可否认，高校现行学生评价体系中的评价指标是与学生评价关系最为密切的因素。因此，分析的第一步是研究现行评价体系的评价指标，并在大数据平台找到完整数据来源。以华东交通大学软件学院目前的评价体系为例，评价数据除了学生和课程的基本信息外，还包括课程的考核成绩、平时成绩，实习实训的平时成绩、考核成績和答辩分数，以及操行评定等级和奖学金评定结果，这些主要来自4个信息平台，即教学管理平台、实习实训管理平台、网络教学平台和学生信息管理平台。

对高校学生的评价，除了课内学习方面的评价指标，还应包括科研、体育健康和校内外活动等方面内容。因此，评价因素可加入科研成果、体育成绩、体检结果、校内外竞赛类和评比类活动的结果、校内外媒体相关报道等。其数据来源除了教学管理平台和学生信息管理平台之外，还应包括校医院信息管理系统、校内各协会信息管理系统、与学生有关的校外竞赛信息系统及相关媒体平台。

结果性评价因素只是评价的一个方面，另一个方面是过程性评价因素。过程性评价是一个对学习过程的价值进行建构的过程，是伴随学生学习过程的一种实时评价。过程性评价因素所涉及的方面更加广泛，数据来源更为复杂。过程包括学习过程和生活过程两个方面，从保护大学生隐私方面考虑，基于大数据的高校学生评价体系主要着眼于学生学习过程，学习过程包括两个主要因素，即过程价值和学习者的主体参与。学习过程的价值取决于过程中的学习行为，学习过程的效果取决于学习者的主体参与程度。与学习行为和参与程度有关的数据除了来自教学管理平台、学生信息管理平台等数据平台的过程类数据，还应包括系统的日志文件。除此之外，还可利用智能手机的某些功能获取相关信息。例如，学习时间内的定位信息、活动轨迹和二维码扫码信息等。

目前，上述数据分散在高校不同信息系统中，即便是存储在统一的大数据平台上，也仅实现初步统计分析，数据没有有效进行整合和高效利用。数据来源分析除了要采集与评价因素直接相关的数据，还必须进行数据挖掘，从而尽可能获取与高校学生评价有关的全部数据。

（二）多元化问题研究

首先是评价主体多元化。传统评价体系的评价主体单一，其主观因素可能使评价结果不准确。多元化的评价主体可克服单一主体造成的偏见。大数据由于其来源和适用面的广泛性，使得参与高校学生评价主体多元化成为可能。除了教师和辅导员之外，学生、大数据分析工程师、教育专家、家长等相关角色都能参与到学生评价中。大数据平台甚至能提供开放式交互方式，将学生评价公开给所有关心学生学习和成长的群体，使之成为多元化评价主体的一部分。

其次是评价目标多元化。以往的评价体系由于数据的单一性，其评价目标只针对单一学生群体。例如，高职学生、软件工程专业学生等。评价目标的多元化和全面化有助于推进教育公平，对增加优质教育的覆盖面有积极作用。

再次是评价指标多元化。目前，高校大数据平台上与学生评价有关的数据涉及方方面面。因此，在评价指标的设计上，可通过将数据集合进行聚类分析，并采用逐层分解的设计方法。一是将评价指标分为过程性评价和结果性评价两大类;二是对相关数据进行聚类分析，根据分析结果在两个大类下分别设立一级指标;三是可在一级指标下划分二级指标。多元化的指标可以为评价主体提供多角度和多层次的评价方式，评价指标的任意组合有助于观察和发现特定问题，揭示学生学习中的规律。

最后是评价结果多元化。以往的学生评价都是结果性评价，评价结果以“通过/未通过”，“优/良/中/差”和班级排名等简单方式给出，没有体现出学生存在的问题。大数据的实时性和完备性为评价结果多元化提供可能，基于大数据的评价体系不仅可以给出评价结论、存在问题，而且能绘制每个学生的成长曲线，给出学习行为的分布、趋势和密度等过程性数据，使得对学生的认识和评价更为全面、客观。

（三）评价要素的相互关系

体系是集合内各个要素之间的相互关系。高校学生评价体系的研究要注重评价指标和评价主体、评价指标和数据来源等要素之间的关系。例如，可以以评价指标为条目，建立二级指标与数据采集方式以及评价主体之间的联系，建立起一个层次型评价体系。

四、基于大数据的高校学生评价体系设计

基于大数据的高校学生评价体系设计，其核心是与学生有关的数据中心。围绕这个中心，需进行数据获取和数据分析，然后进行指标设计。指标设计依赖于数据分析的结果，最后将分析结果反馈给评价主体，由其按照评价指标进行学生评价。评价体系结构如图1所示。

（一）数据获取

按照上文影响高校学生评价的因素和数据来源问题的分析，从分散、独立的系统和平台中对大量数据进行挖掘与整合，基于大数据技术构建高校学生评价数据中心。

（二）数据中心

基于大数据技术搭建的统一数据平台，存储从多渠道获取的有关学生评价的当前及历史数据。此外，还需存储数据分析的结构和学生评价的结果用于数据持续更新。由于数据来自于不同系统，数据中心需对不同结构的数据进行转换，并采用统一数据定义和存储结构。

（三）数据分析

采用聚类分析法、时间序列分析法、决策树分析法、信度分析法、相关分析法、方差分析法、主成分分析法、因子分析法等数据分析方法，对数据进行多角度分析，发现数据中的现象，并找到其背后的影响因子和发展规律，为学生评价提供坚实的数据基础。

（四）分析结果

通过表格、文本、图形直观的甚至更为丰富的表现方式呈现分析结果，使评价主体更为高效地获得数据中包含的信息。如，发展趋勢、分布情况、密度以及统计信息等。其分析结果作为学生评价的依据，相较于以往的主观判断和成绩等数据更为全面、科学。

（五）评价指标

与传统评价体系不同，基于大数据的高校学生评价体系的评价指标依赖于对数据进行聚类分析，即“先有数据，再有指标”，而并非“先有指标，再取数据”。这种指标设计方法使高校学生评价更为科学和客观，避免有的指标数据样本太少造成评价结果偏差过大的问题。聚类分析产生一级指标后，可使用因子分析法、相关分析法等方法进一步产生二级评价指标，进而用关联分析法和方差分析法等方法确定每个评价指标在相关评价内容中的权值。评价主体也可根据评价内容的需要对评价指标进行调整。

（六）评价过程

评价主体可根据需要对高校学生的某一方面内容进行评价。值得注意的是，评价主体和评价指标因评价内容的不同而不同。

（七）评价结果

多元化的评价结果可以是简单的结果数据，也可以是持续的连续数据。根据高校工程教育认证的“持续改进”理念，评价结果需用于持续改进学习过程。因此，评价结果也作为原始数据的一部分存入数据中心，用于对后续评价进行改进。

结语

信息化建设的持续推进和大数据时代的到来给高等教育和学生管理带来新挑战。如何利用大数据的优势改进高校学生的评价，使得评价结果更为科学、全面，从而提高高等教育和高校学生管理水平是大数据在高等教育领域应用中值得关注的问题。在此背景下，构建基于大数据的高校学生评价体系，对于推动高校学生综合素质的培养，实现工程教育认证以“产出为导向”的培养理念，都具有重要意义。

基金项目：2020年度江西省教育科学“十三五”规划课题“大数据背景下高校学生评价体系研究与探索”，项目编号：20YB060。

作者简介：王珏（1978-），男，安徽无为人，硕士，讲师，研究方向：云计算与大数据技术。

（责任编辑 朱妍）

2160500520229