在线学习平台全程性多元可视化学习评价研究

郭志　吕茗萱　李海燕

摘  要：在线学习平台累积存储了大量学生用户的学习数据，以MOOC为主的高校在线学习平台却没有很好地利用这些数据进行综合性学习分析与评价，现有的学习评价体系也不足以有效激励学生，也难以反映学生的综合素质能力。教育大数据可视化可以图表等形式将学习数据直观地呈现出来，便于教师发现教育教学数据中包含的认知规律及行为模式或其他信息，从而理解大量数据背后复杂的教育现象。文章根据国家教育信息化指导思想，基于对在线平台学生全程性学习大数据的统计分析，进行学习数据可视化评价探索研究，就完善学生评价体系和学习激励机制提出了创新性参考思路。

关键词：数据可视化;学习评价;在线学习

中图分类号：G434    文献标识码：A    文章编号：1673-7164（2022）08-0001-04

一、在線学习发展与教育评价改革背景

（一）政策背景

近年来，以大规模在线开放课程为主的新兴在线开放课程、学习平台在世界范围内蓬勃发展，不仅拓展了教学的物理时空，对教学机制、体制改革也产生了深远的革命性影响，尤其是2019年以来，在线学习平台成为高等教育教学必要的教学手段，更加彰显出其特有的重要意义和价值。2015年4月，教育部颁发了《关于加强高等学校在线开放课程建设应用与管理的意见》。2020年10月，中共中央、国务院印发了《深化新时代教育评价改革总体方案》，为完善立德树人体制机制，纠正不科学的教育评价导向，提出“坚持科学有效，改进结果评价，强化过程评价，探索增值评价，健全综合评价，充分利用信息技术，提高教育评价的科学性、专业性、客观性”。教育部在2021年工作要点中指出，教育改革发展的目标任务是以信息化为重点，加快推进教育信息化高质量发展。大数据时代下的教育发展越来越依赖将信息化平台作为技术支撑与依托。

（二）现实需求

2020年，全国各级各类学校在教育部“停课不停教、停课不停学”的倡议下，纷纷开始了大规模线上教学活动，整体线上化率提升至23%～25%。各高校进入恢复线下课堂教学、线上线下教育携手并进的新阶段[1]。我国线上教育行业发展前景良好。线上教育打破了传统教育定点定时的模式，将知识传递和训练场景结合起来，能够有效衔接教、学、研环节，延伸了教育服务链条[2]。高校利用在线学习平台MOOC等课程，整合多种社交网络工具和多种形式的数字化资源，通过小组合作、同行评价、随堂检验等方式设计教学、反馈学生学习状况，通过对大数据进行整合来收集所有参与课堂学生在学习过程中的信息，利用相关信息对学生的课程学习情况做出评价。在线模式的理论学习和实践学习受到越来越多高校的关注和青睐。大规模在线开放实验MOOE利用虚拟仿真实验打破了大学的实验室围墙，破除场地、规模、时间等受限问题，与MOOC同步在线式地进行开放性实验。如果说MOOC是面向全社会全年龄段学员开放的在线学习平台，那么SPOC课程就是基于MOOC课程的一个发展和补充，弥补了MOOC在学校教学中的不足，高校的精品视频公开课逐渐向MOOC和高校SPOC转变，通过在中国大学MOOC等平台发布的课程，实现了校内学习资源共享[3]。

二、教育大数据支撑的在线学习评价

（一）教育大数据为科学评价提供了可能

教育大数据的采集必须具有更强的实时性、连贯性和自然性，目前的在线学习平台在技术上均可以实时、持续地采集教学活动中的过程性数据，如学习者的浏览轨迹、浏览时长、答题花费时间、答题的正确率、师生互动情况以及生生互动情况等。教育大数据的数据覆盖面也更加广泛，既有结构化的数据，如学生成绩、学生基本信息、学生出勤记录等，也有非结构化的数据，如视频、图片、教案、教学软件、文档等，全面、庞大的数据使得教育大数据的应用能够更加深入[4]。

（二）政策引导与学习平台创新性发展

教育部在印发的《教育信息化“十三五”规划》通知中强调，当下教育发展应积极利用大数据等新技术，支持、推进高等学校继续教育数字化资源开放。学生在线上教育学习过程中，通过参与课上互动、小组讨论、完成作业等步骤能够产生在其主观意愿支配下的大量数据，这些数据客观反映了学生的学习情况。当下的学习评价体系依赖教师本人主观的数据提取及使用情况，导致大量学生学习信息仅为教师教学服务，没有得到充分的使用。

（三）代表性在线学习平台学习评价反思

以中国大学MOOC、雨课堂、清华学堂在线等为代表的常见的在线学习平台为例，在一般的网课打分评价中，教师端一般会根据学生的入课时间及次数、随堂测试情况、章末及结课作业情况等数据了解学生的出勤率、听课状态、长期知识掌握情况。这些数据的选用参考依赖于任课教师的评价标准，评价体系不全面、不完整，对学生学习水平的评价仍停留在线上测试成绩“高分优于低分”这样简单数字对比的刻板印象，不利于学生学习激励体制的建设。在学习评价理论的实践中，更多的研究者习惯用学业表现甚至是成绩直接替代在线学习评价，过程性评价和基于大数据的评价方法还停留在理论研究层次，并没有大规模地体现在现行评价机制中。如果仅仅是将教师在教室授课时的评价标准生硬地搬到线上来进行，那么在线学习评价体系将失去其对教育变革的意义。就目前的平台大数据积累来说，在线评价体系应当利用学生进入平台开始进行的每一次操作留下的足迹，在后台针对数据进行建模等科学分析，对学生的组织规划、创新创造、协同互动等能力进行呈现与评价，通过不同视图将其进行可视化处理，清晰直观地呈现学生多重能力素质，展示学生学习的主观能动性[5]。

（四）教育大数据可视化分析热点

在大数据时代，教育大数据可视化成为促进学生自主学习、完善教师教学监督及评价的重要方法手段，对信息化时代下提升教育教学质量起到了重要作用。在在线学习评价体系中应用教育大数据可视化思想，能够优化现有的教育评价体系，充分利用大数据技术对学生进行多重角度的能力考量。金玉梅、陈航指出，运用专业的数据模型或技术手段挖掘教育大数据能够充分地显示数据背后具有的价值，推动教育改革发展。唐利红阐述了大数据经过数学建模等数据挖掘操作后对教育教学评价应用的可行性及应用价值。尤耀华指出大数据分析技术对学习行为数据的收集、个性化学习特征的分析以及课程推荐与学习规划的优化的应用与可能性。汪爱珠、马燕、项铸阐述了采用词频分析、社会网络图谱分析等可视化分析方法，揭示了当前国内教育大数据研究热点，对未来研究趋势进行了讨论，为深入探究教育大数据提供借鉴。

三、全程性多元可视化学习评价体系

（一）在线学习评价改革势在必行

以东北大学为例，尽管学校反复强调诚信学习的重要性，但每个学期都会通过技术手段监测和捕捉到学习数据异常的第三方软件刷课、刷题现象，有少数学生因此受到处分。为更好地引导学生端正学习态度，从技术上约束学生的学习行为，更加客观公正地开展全程性多元可视化学习评价势在必行。全程性多元可视化学习评价体系是由大数据作为支撑，搜集学生在线学习数据，通过各种数据在多个方面的呈现结果来对学生进行多项能力特质测评。高校部分课程实行线上线下混合教学模式，线下教学即让学生集中到教室内听任教老师讲授知识，线上学习即让学生通过在线学习平台上的教师指定网络课程自主学习。目前，主流的在线学习平台对这些数据的应用不充分、不全面，评价与体系不完整，缺少结合学习分析和多元化评价的学习大数据的综合判断，评价方式和评价结果不足以发挥有效的学习激励作用。

（二）数据分析的强有力支撑手段——数据可视化

在线教育学习平台中，学生学习产生的大数据作为一种客观信息，能够有效反映学生在学习过程中对知识的理解掌握程度、各方面能力水平等多种信息，更加全面地展现学生个人的综合素质。现代社会要求当代大学生具备良好的创新能力、组织能力、表达能力、学习能力等多种综合性素质能力，以适应社会发展。在学生的在线学习大数据中，在线视频回看次数、视频观看时长、线上小组互动积极程度、作业进行时长等多方面数据能够有效地展现学生的各方面能力的发展状况。学生对在线平台提供的基本知识资料的使用对应其知识学习能力，课堂互动中的观点发表情况与语言表达能力相关，学生根据教师给出的课题进行小组讨论、探究性学习与其协作交流、创新能力相关，学生在动手实验中的操作情况能够体现其创新思维和实践基础。在线课程作为一种长期稳定的高校课程选择，能够为使用者提供跟踪式服务，通过累计整理使用者长期使用产生的数据来进行增加深度和广度的多元化分析，能够对使用者进行更综合的评价。在学习成效评价方面，在线学习评价并没有降低学业表现，在相关实验中甚至能够体现更多的学业成就。

数据可视化的前提有两个：一是能够利用计算机生成图像来对大数据及其内在关系进行深入分析认知;二是利用人类感觉系统来操纵、解释、分析、模拟错综复杂涉及众多的数据。数据可视化是一个不断变化的概念和理论，其中一个常见的关注点就是信息的呈现。在教育数据可视化分析中，雷达图被用来描述一个教育对象或教育活动的多个不同维度的表现，能够将表达者想表达的众多要素直观地通过图形表现出来，通过折线在某个要素位置的突出情况来判断该要素的满足情况。

（三）学习评价的多雷达图呈现

雷达图在教育教学中的实践并非没有先例，陈宗荣利用雷达图對学生的学业成绩及学业水平进行分析。刘畅、吴佳容利用雷达图分析了教师教学能力的优势和不足及学校整体教育教学的开展效果。谢雨婷通过统计各学生的课业成绩、竞赛参与、时间情况、毕业设计成绩等方面，利用雷达图对学生个体的各项素质和能力进行对比分析与评价。马丹利用因子分析方法对学生的课业成绩和德育成绩进行了分析，结合雷达图法形象直观地展示学生的个性特征，用以弥补平均积点分法的片面性和综合测评总分进行加权求和时对权重选取的主观性。利用大量有效的学生线上学习信息，对学生本体及学习本体进行分析并做出评价，是完善学生素养评价体系的重要一步;将对学生的评价由结果评价转为过程评价，是完善评价体系的可借鉴方法。在线学习平台重新分析未利用的数据，通过数学分析、建立模型等算法方式形成学员个人素质能力雷达图，将学习者个人素质能力与校内平均值、全国若干使用同一平台、同一课程学习的所有学习者的平均值进行比较，可以得到一张或多张雷达图，图1为某生学习评价与校内同期参加学习的平均值和同一时间在线学习平台上若干所学校校际平均值比较图，图2为某生学习评价结果与校内、校际的最高值的比较，能从不同侧面可视化图形展示该生学习评价结果与其他学生的比较结果。

将雷达图学习评价写在课程结业证书上，既可以将学员各方面学习评价结果情况进行直观展示，又可以此作为精神激励鼓励学员终身学习，利用数字化方法整合学员学习信息并进行绘图评价，体现学生学习主体情况，以此激励学生本人的学习积极性，加强学生学习效果，是一种通过多元可视化学习评价体系呈现出来的一种良性循环。根据美国教育部的报告，学生学习行为与学业成绩相关，预示了学生的满意程度、参与程度和学习进步，满足不同能力因素的学生能有着更好的职业生涯。通过学习大数据进行多元可视化学习评价，分析对比学生各项能力指标，对高校进行课程优化、教师教学方法改进也有十分重要的作用。

四、结论与展望

教育大数据背景下，元可视化学习评价是在“互联网+教育”的国家政策层面思维上的良性探索，是大数据在教育评价方面应用的新理念、新角度，有利于促进教育在信息化时代下的发展改革。高效全面地利用在线平台所产生的学生学习大数据绘制可视化分析图形、表现出学生的个人能力特质水平，能够调动学生学习的主动性、自觉性，对学生进行正向的有益激励，形成自主学习的良性循环，使传统的教师主观评价能够因大数据挖掘的加入向基于大数据的客观评价发展，有效提高其科学性、公平性。

作为精神激励的可视化学习评价可以评估一位大学生的多种能力，成为个人评判、企业观察的一项重要依据，是衔接学业情况和个人素质的关键所在，为大数据在教育领域的应用提供了广阔的视野和角度，为在线学习平台的发展创新开辟了新思路。但是，从政策支持背景，到大数据、人工智能等技术层面支撑的保障可行性，从大学生学习主体的学习主动性的总体现状到教育、教学实践层面的改革与实现，需要若干环节相呼应，更多国内主流在线学习平台应对全程性学习数据可视化评价的积极响应，共同为高等教育信息化发展集思广益，为教育大数据的创新应用开拓更加广阔的发展前景。

参考文献：

[1] 熊天诚. 在线教育平台发展研究[J]. 合作经济与科技，2021（11）：62-65.

[2] 刘鑫鑫，肖曦. 巩固拓展高校线上教育发展良好势头[J]. 人民论坛，2021（07）：105-106.

[3] 沙春芳. MOOC背景下模拟电子技术SPOC教学研究[J]. 科技风，2021（19）：75-76.

[4] 方献梅，高晓波. 基于教育大数据的高校教育改革研究[J]. 科技风，2021（17）：77-79.

[5] 李海燕，李真，郭志. 基于“MOOC+MOOP”平台融合发展的在线学习可视化评价探究[J]. 教育现代化，2020（30）：76-79.

（责任编辑：淳洁）