大数据背景下在线学习发展性评价系统设计

陈秉达 陈世国 李 莉

（贵州师范大学物理与电子科学学院 贵州·贵阳 550025）

1 大数据背景下的在线学习评价

近两年来，全国各级各类学校纷纷开展线上教学，进而带动学习者在线学习的积极性，同时也促进了我国在线教育、网络教育、数字化学习等的发展。因此，我们必须大力发展在线教育，完善在线教育评价体系，让高效率、高质量的评价体系服务于线上的教育教学活动。

在线学习处在互联网和数字化教育平台的环境下，与线下学校教育存在巨大差异。在线学习环境下对学生学习的评价，教师不能像学校学习时通过对学生学习状态的观察来完成，更多的是需要借助“大数据”，通过统计分析结果作为依据进行学习评价。在大数据支持下，推动了在线学习评价思维和方式方法的转变，从以往线下的主观“经验”走向客观“数据”，从重结果评价走向重过程评价，从广泛的群体性评价到精细的个体性评价。教育大数据及相关技术为在线学习评价提供了有力的评价依据和手段等。

2 大数据背景下在线学习发展性评价的特征

2.1 系统化

教学作为基本的育人活动同样具有整体性和系统性，它涉及诸多教学环节，其中评价是教学环节中及其重要的一部分，在对教学起到导向、诊断预测、激励促进等功能。在大数据的支持下，能使得评价的指标更加全面、合理；在发展性评价理念下，能够使得评价贯穿教与学活动的整个过程，体现了评价过程的系统化。

2.2 个性化

一直以来，我国素质教育教育强调“因材施教”，但在班级授课制的教学体制下个性化教育受到了一定的制约。数据驱动下的教学评价能够体现个性化，并且个性化也是在线学习发展性评价最重要的特征。在线学习的过程中会产生大量的学习数据，而在线学习相比线下教学特殊的是每一个学习者都有一个客户端，它都能够产生并且记录属于个人的学习数据。发展性评价能根据学习者自身的特征，动态的生成个性化的评价标准，进而实现对学习者的个性化评价。因此，在线教育中运用发展性评价理念更有利于个性化教育。

2.3 动态化

传统的以阶段性测试或标准化量表作为评价依据进行的静态化评价缺乏时效性，即不易反应学生长期的学习成效也不能体现学习过程中的某一时刻的表现。发展性评价注重评价过程，评价要贯穿到教与学的整个学习过程。在线学习的特点在于能够随记录学生学习状态或学习活动信息，灵活的为在线学习评价提供动态的数据支持，这样有利于对学生的及时评价并且起到实时监督的作用。对学生学习过程中出现的问题进行及时的反馈和干预，如此能够提高学习者的学习效率和养成良好的学习习惯。

2.4 多元化

发展性评价是各方共同参与、互相支持与合作的过程，促进评价主体、评价功能、评价方法、评价标准多元化是势在必行的。

评价主体多元化。经过教育评价体系的不断发展，评价主体从传统单一的教师评价，到如今的多人评价，包括学生自评，同伴互评，教师评价，家长评价。由于学习者进行在线学习时都在自己家中，家长的监督和评价显得尤为重要。

评价方法多样化。在线学习作为网络学习的一种，评价模式与方法与线下学校教学有着显著的差异。大数据支持下的量化评价让评价“有据可依”，多种评价方法的结合让评价体系更加合理、高效。

评价功能多元化。评价的功能有多种，不只是检查和评比，还有导向，诊断，激励促进作用。发展性评价注重评价的诊断和激励功能，通过对学习成效的正确认识和评价来提供继续学习的动力。

2.5 精细化

评价的精细化也是大数据支持下的一大重要特征，主要体现在评价标准和评价方法上。通过利用大数据技术对在线学习多维度、动态化的数据进行收集、处理、分析，从而获得了更多是评价依据，同时也增加了不少量化的评价指标和更多量化的评价方法。大数据的量化分析，可以使在线学习评价更加精细化、科学化。

3 大数据背景下在线学习发展性评价系统设计

3.1 评价数据系统设计

3.1.1 数据采集子系统

数据的来源主要由教学过程数据和测评数据两部分组成，其中教学过程数据包括课堂行为表现、课堂交流互动、学习成果等，测评数据包括课前诊断成绩、课后作业成绩、章节测试成绩、期末测试成绩等。其中网络嗅探可以在不影响服务器正常使用的情况下进行精确的多用户、多web 站点的网络访问，是一种有效的数据采集方式。在线学习平台将用户的学习信息通过Session 对象识别会话收集到服务器的数据库或文件中。

3.1.2 数据处理和存储子系统

数据处理及存储子系统主要包括数据清理、数据整合、数据存储三个过程。在数据采集到的过程中，多少会存在“垃圾信息”，为了提高评价系统的工作效率和设备的利用率，就必须对所采集的信息进行进一步清理。数据融合过程的作用主要是将碎片化的数据整理融合成具有一定关联和逻辑性的数据集合。这可以根据数据的时间、来源、关联度等进行分类整理。数据存储就是将经过处理后的数据及存入数据库中，一方面为了防止数据的丢失，另一方面为了方便数据的利用。其中的数据按照结构性质分别储存在关系型的开源数据库My SQL 和非关系型的开源分布式数据库HBase 中。

3.1.3 数据分析子系统

数据分析是整个评价系统的核心，主要包括数学统计、对比分析、社会网络分析、语义分析三种技术和方法。其中数学统计是根据各项指标参数来统计数据结果，包括一些简单的数据集；社会网络分析技术是用于分析学习者的积极性和与同伴的交互程度，主要以学习者在群体中的关系、角色和核心度为分析要素；对比分析的目的是将最终的学习评价结果和学前的诊断结果做对比，明确学习者到底学到了什么，进步了多少，而不是只以最终的评价结果作为依据。主观性内容的评价一直是在线学习评价的难题，它没有明确和标准的参照依据，因此，通过运用语义分析技术对主观性评价的内容进行语义识别来明确评价结果，进而提高主观性评价的信度。

3.1.4 展现与反馈子系统

该系统融合了三种评价基本的方法和两个核心。诊断性评价、形成性评价、终结性评价贯穿在整个学习过程中时时刻刻的提供着评价数据结果。“学习增量”和“目标达成度”是在线学习发展性评价的两个核心，要在最终的评价结果的基础上对学生进步和完成程度进行评价。最后，仪表盘等可视化工具能够将分析、评价后的结果及时呈现给学习者、教师和家长，让学生及时了解自己的学习情况，发现自己的不足；让教师和家长对学习者的学习活动进行及时的干预，让学习者向着正确的方向发展。

3.2 评价实施流程设计

3.2.1 学前诊断模块

学前诊断的节点是在每小节、章节和学期的学习之前。在阶段性学习开始之前，教师和学生要根据教学目标共同来制定学习契约。学习契约是对比学生学习成果得出目标达成度的依据，其中学生根据自己的情况选择并制定合理的个性化学习目标和评价指标。在此教师要根据与学生达成的学习契约制定个人试题集，并进行学前诊断测试，得出相应的诊断结果。另外，教师需要根据不同学生的学前诊断结果及其学习契约对学生进行异质化分组，让小组成员在协作学习中共同进步，形成相互促进，互帮互助的良好局面。

3.2.2 学习过程模块

学习评价不只是教学过程的一个环节，不只是发生在学习完成之后，还要与教学的各个环节、各个阶段相结合，贯穿于教学过程始终。在线学习过程中要把评价深入每一堂课的教学过程中，并且在章节学习完成后要进行相应的形成性评价，以及在一学期的阶段性学习结束后要进行终结性评价。

学生在每节课中都会产生大量的过程行为数据和课后评测结果等数据，这些数据会被在线学习平台系统记录，其中的结构化数据和非结构化数据会经过数据分类处理后存储在学生数据库中。不管在哪一个学习阶段，学生都应该对自己进行客观评价，从而对自己有明确的自我认知，而这些评价结果也会成为最终的总结性评价的组成部分。

小组协作学习时在线教学的重要学习方式，很大程度上弥补了线上交流互动的不足。组内互评也是让每个学生相互学习、相互促进的过程。在此过程中，教师在评价过程中也要及时的给予学业指导；在线学习过程中，学生脱离了学校老师的监督和管理，学习者在学习时间、空间、内容上有较大的自由度，学习的管控显得至关重要。因此，家长的评价在学生学习中的作用不容小觑，在发展性评价中一定要让家长参与到学生学习评价中来，让家长有效的评价激励学生发展。

3.2.3 总结评价模块

在阶段性学习结束后，综合各类评价指标为依据做总结性评价，除了客观的成绩以外，还需要重点分析“学习增量”和“目标达成度”。在经过各个阶段的学习评价之后形成了主观的自我评价和他人评价结果，以及客观的数据评价结果。教学的目的是促进学生发展，那评价就必须要明确学生到底发展了没有？发展了多少？

将最终的评价结果和学前的诊断结果进行对比分析、数学统计、语义分析等得出学生在该学习阶段的学习增量；另一方面与学习契约对比分析、数学统计、语义分析得出学生在该学习阶段的目标达成度。最后，通过仪表盘等工具将评价结果反馈给教师、学生和家长。

4 总结

在后疫情时代，教育大数据为在线学习评价提供了新思路，而大数据技术、学习分析和内容分析等技术的引入，让“增值评价”“进步评价”为特征的在线学习评价有了技术和方法的支撑。大数据背景下在线学习发展性评价系统体现评价主体、方法、功能的多元化，能通过精细化的评价更好的激励学习者个性化发展。该系统有着庞大的数据以及相应的技术和方法为支撑，并且主要以“学习增量”“目标达成度”为评价核心，让评价“有据可依”，让评价“公平公正”。当然，所构建的评价体系缺乏实践的检验，需要通过真实的实践平台来不断改进。发展性评价系统如何给学生提供更好的个性化服务以及如何更好的促进学生全面发展，这些都有待进一步研究。