STEAM教育中团队核心素养能力评估模型的研究

赵启美，张 利，苏本跃

(1.安庆师范大学 计算机与信息学院，安徽 安庆 246133；2.巢湖学院 信息工程学院，安徽 巢湖 238024；3.铜陵学院 数学与计算机学院, 安徽 铜陵 244061；4.安徽省智能感知与计算重点实验室，安徽 安庆 246133)

近年来，随着信息化技术的不断发展，技术赋能教育评价在不断地优化和完善传统的教育评价方式，对高校的教育评价方式也提出了新的建议和意见。在信息技术快速发展的推动下，STEAM教育开展了大量的跨学科平台、项目实践并产出了许多优质的教学产品。STEAM教育起源于美国，美国格雷特·亚克门(Georgette Yakman)教授及其团队在STEM教育的基础上提出了STEAM教育[1]。STEAM教育在美国经历了STS-STEM-STEAM几个发展阶段，STEAM教育是由科学、技术、工程、艺术和数学整合而成[2]。STEAM教育旨在提升学生的创新能力和动手实践能力等综合能力，其最终目标是培养适应时代发展的高质量复合型人才。目前高校的人才培养模式也应该顺应时代需求，以培养PSI高阶复合型人才为培养目标，培养学生具备专业知识能力、社会实践能力、创新创造等综合能力[3]。

为了培养和提高学生的综合能力，提升国家的竞争力，我国在2007年开始引入STEAM教育。STEAM教育因其具有跨学科、趣味性、体验性、情境性、协作性、设计性、艺术性、实证性和技术增强性9个核心特征，而广受研究者、学生等社会相关人士的关注[4]。同时，在2017年“核心素养”这一概念被提出后，使得广大研究者开始深入研究如何培养和提升我国学生的核心素养等综合能力。培养和提升学生的核心素养能力的关键在于培养学生的创新创造能力，基于此，许多研究者开始研究和探讨STEAM教育与学生核心素养能力之间存在的紧密联系。

目前我国大量的研究者在STEAM教育的基础上，聚焦于研究STEAM教育本土化以及STEAM教育如何促进学生核心素养能力的提升等问题[5]。研究表明，STEAM教育是培养和提高学生核心素养能力的有效途径之一。然而学习者核心素养能力的提升受多个方面因素的影响，同时，学习者核心素养能力的评估也具有很多不确定性的因素，其评估实质上是一个复杂的量化问题。然而在实际评估中，学习者整体团队实力的强弱是一个模糊的概念。在一定程度上来说，用一个确定的数字对其进行表示并不科学。基于此，本文利用模糊综合评价的方法，针对STEAM教育中的大学生在实际团队中的整体实力进行量化和评估，从而构建了基于模糊综合评价法的量化评估模型。

1 模糊综合评价

1965年，美国学者扎德(L. A. Zadeh)发表了一篇名为《模糊集合》的论文，进而诞生出模糊数学这一概念[6]。众所周知，经典数学所强调的是对事物的精确性描述。然而在实际生活中，很多事物存在着大量的不确定性因素，如：美、丑，强、弱等，无法对其实现准确化的描述。而与精确化描述相比，模糊性描述并不是完全没有价值，甚至有时候对实际问题进行模糊性描述比精确化描述更好。如我们在生活中跟别人介绍一个陌生人的时候，通常使用“大个子、高鼻梁、卷发的中年男士”等词对一个男士的外貌进行大致描述。而这些词中，仅有男士是一个精确化的信息，其他都是模糊的信息。但通常对方就能根据这些信息，找到我们所描述的这个人。

模糊综合评价方法是基于模糊数学的原理，将定性评价和定量评价相结合的综合评价方式。通过将实际生活中模糊不清、难以量化的问题进行定量评价，进而有效地解决了实际生活中各种具有不确定性的复杂问题。目前有不少研究者将模糊综合评价的方法运用于教育评价中。如根据教师实际的教学情况，制定了相应的评估指标体系对大学中教师的教学质量进行评价[7]。赵馨蕊等人基于前期工作中构建的评价指标体系的基础上，利用模糊综合评价的方法对三所大学的MOOC教学质量进行了评估，通过对评估结果进行分析，进而发现三所大学在MOOC教学中的优势和不足，并提出了相应的改进意见[8]。Li等人利用模糊综合评价的方法设计了大学中思想教育质量评估系统，该系统有助于提升高校思想教育质量[9]。此外，也有不少研究者利用模糊综合评价的方法对学生的各方面能力进行评估。蒋德珑等人针对目前研究生综合素质评价中存在的主观性强等不足问题，利用模糊综合评价的方法构建了相应的评估模型[10]。该模型不仅能够客观真实地反映研究生的综合素质，同时也有助于教师进行有针对性的指导。也有研究者利用模糊综合评价的方法，采用抽样调查的方式，对大学生在创业教育中的满意度进行评估[11]。这些研究有助于将实际评估中难以量化等不确定性因素进行定量化，从而实现全面综合评估。

随着STEAM教育的不断发展和核心素养能力这一概念被提出后，针对项目化驱动下STEAM教育中学生团队整体核心素养能力评估存在很多不确定性因素的问题。本文利用模糊综合评价法对评估中难以量化的问题进行定量化，进而对团队整体核心素养能力进行评估。团队的组成往往是影响项目最终完成质量的重要因素之一。然而学生在实际项目组队中，通常都是基于兴趣爱好、熟悉程度等进行组队，而未能对组队的质量进行深入分析。对此，我们首先通过采集学生个体核心素养能力数据，然后利用模糊综合评价法对采集的数据进行处理和分析，从而实现对团队整体核心素养能力的评估。通过该量化评估模型的评估，可以发现团队的优势和不足，为学生在实际项目中进行高效的组队提供了一定的参考价值，同时也有助于学生在团队中充分发挥自身实力。

2 基于模糊综合评价法的核心素养能力评估模型

现实生活中，对项目中学生团队的整体实力评估有很多不确定性因素，其评估实际上是一个复杂的问题。如学生在实际项目的最终作品中表现的优劣其实是一个模糊的概念。而模糊综合评价方法根据模糊数学中的隶属度理论，将现实中不易度量、模糊不清和不确定性的事物进行量化。基于此，本文在前期研究工作中构建的评估指标体系的基础上，构建了相应的评价因子集、指标权重分配集、评语集和隶属度评判矩阵[12]。其具体步骤如下：

2.1 建立评价因子集

根据构建的评估指标体系，建立的评价因子集如下：总目标核心素养能力U={A1,A2,…,An}，所以U={A1,A2,A3,A4,A5}={科学素养,技术素养,工程素养,艺术素养,数学素养}。

A1={A11,A12,A13,A14}={认知水平,方法的科学性,知识应用能力,知识迁移能力}。其中：A11={A111,A112}，A12={A121,A122}，A13={A131,A132}，A14={A141,A142}。

A2={A21,A22}={操作娴熟度,技术手段}，其中：A21={A211,A212}，A22={A221,A222,A223}。

A3={A31,A32,A33,A34}={调查研究,方案设计,方案实施,方案优化}，其中：A31={A311,A312}，A32={A321,A322,A323}，A33={A331,A332,A333}，A34={A341,A342,A343}。

A4={A41,A42,A43}={创意新颖,合作能力,展示分享}，其中：A41={A411,A412,A413}，A42={A421,A422}，A43={A431,A432,A433}。

A5={A51,A52,A53}={逻辑推理能力,数据处理能力,建模能力}，其中：A51={A511,A512}，A52={A521,A522,A523}，A53={A531,A532}。

2.2 指标分配权重集

根据构建的评估指标体系，总权重W={W1,W2,…,Wn}，本文的总权重W={W1,W2,W3,W4,W5}={0.2,0.2,0.2,0.2,0.2}，其中：W1={W11,W12,W13,W14}={0.3,0.3,0.2,0.2}，W2={W21,W22}={0.4,0.6}，W3={W31,W32,W33,W34}={0.2,0.3,0.3,0.2}，W4={W41,W42,W43}={0.3,0.3,0.4}，W5={W51,W52,W53}={0.2,0.2,0.6}。关于观测点的权重，此处不再一一列举。

2.3 评语集

评语集V={V1,V2,…,Vm}，本文最终确定的评语集V={优秀，良好，中等，待提高}，每个等级对应的分数如表1所示：

表1 评价等级与分数的对应表

2.4 隶属度子集的构造

模糊综合评价方法中构建隶属度矩阵的目的主要是将原本定性评价的方式转化为定量评价的形式。隶属度子集的表达式为Ri={ri-1,ri-2,…,ri-m}。在评价因子集中，第i个评价指标对应评语集中的每个等级的隶属度为

(1)

在(1)式的基础上，我们可以得到：

(2)

(3)

B=WR

(4)

e=BD′

(5)

团队核心素养能力总程度系数越高，表示该团队整体的核心素养能力越强。

3 核心素养能力评估模型的应用

根据上述建立的评估模型，进一步采集相关数据，对项目中团队整体核心素养能力进行评估。通过让学生登录测评系统，收集学生核心素养能力相关数据。本文最终获得某省M、N两所高校中共123名理工科类专业学生的测评结果。M学校共有47名学生，其中女生22名，男生25名。N学校共有76名，其中女生37名，男生39名。通过对两所高校的学生核心素养能力进行分析，进而评估实际项目中学生组队后的团队整体核心素养能力。表2为M学校某学生在“技术素养”维度下的评价资料结果，学生在评估自身能力时，当某一具体因素属于评语集中的某一等级时，就在相应的等级里面打“√”。

表2 M学校某学生在“技术素养”维度下的评价资料结果

将表2中打“√”的标记为1，空格记为0，因此，即将表2转换为如下的矩阵：

为了便于数据处理和计算，模拟实验时本文默认每支队伍由5名学生组成。基于此，将收集得到的M学校学生核心素养能力处于中等等级的5名学生的评价资料进行整理后，即可得到如下的评判结果矩阵：

进而，我们便可以计算该组5名学生在“技术素养”这一维度下的隶属度和隶属度子集。以观测点“完成时间A211”为例，该组5名学生中有0个学生认为“完成时间A211”可以评定为优秀等级，即“完成时间A211”的优秀等级隶属度r211-1=0/5=0。以此类推，“完成时间A211”的良好等级隶属度r211-2=4/5=0.8，中等等级隶属度r211-3=0/5=0，待提高等级的隶属度r211-4=1/5=0.2。因此，该组学生在“完成时间A211”指标下的隶属度子集R211={r211-1,r211-2,r211-3,r211-4}={0,0.8,0,0.2}。同理可得：

R212={0,0.6,0,0.4}，R221={0,0.4,0.4,0.2}，
R222={0,0.6,0.2,0.2}，R223={0.2,0.4,0,0.4}

(8)

同理可得B1,B3,B4,B5的评价结果为：

由B1,B2,B3,B4,B5可以得到该组学生核心素养能力的模糊评价矩阵R：

进而该组学生整体核心素养能力的总程度系数为：e=BD′=64.315。

同时，我们分别对M学校核心素养能力较强的5名学生，核心素养能力较弱的5名学生以及分别在某一素养方面能力较强的5名学生进行组队。利用上述模糊综合评价模型对其进行评估。其评估结果如表3所示。

表3 M学校学生不同组队下的团队核心素养能力

同理可得，N学校学生在不同组队情况下的团队核心素养能力情况，具体如表4所示。

表4 N学校学生不同组队下的团队核心素养能力

从表3和表4中，我们不难发现，核心素养能力都强的学生进行组队，其团队实力最强。核心素养能力全部比较弱的学生进行组队，其团队实力最差。核心素养能力中等的学生进行组队，其团队整体的核心素养能力在上述两者之间。而分别在某一素养方面能力较强的5名学生进行组队的话，其团队整体的核心素养能力比全是中等学生组队的团队整体实力略强。因为这样的5名学生组队，有利于充分发挥每个学生各自的优势，在团队中形成优势互补，进而提升了团队的整体实力。这与实际情况相一致，该结果表明，本文构建的量化评估模型具有一定的合理性。

在上述模拟实验的基础上，为了进一步验证模型的科学性和合理性，我们在参加某项省级项目比赛的学生中，随机选取了N学校中的某两组学生的真实数据，选取的两组团队分别由3名学生组成。其中第一组在该次项目比赛中获得一等奖，第二组在该次项目比赛中获得二等奖。针对这两个团队，利用上述模糊综合评价模型分别对其团队整体实力进行评估。我们将收集的学生评价资料进行整理，可以得到相应的评判结果矩阵，其中第一组学生在“技术素养”这一维度下的评判矩阵如下：

进而，可以计算：

同理可得：

因此，

基于此，我们可以得到该组学生的团队整体核心素养能力的总程度系数为：e=72.5。

第二组学生在“技术素养”这一维度下的评判矩阵为：

同理可得，该组学生的团队整体核心素养能力的总程度系数为：e=65.6583。实验结果表明，第二组学生的整体核心素养能力比第一组学生的整体核心素养能力略弱。而对比实际的项目比赛成绩，该实验结果再次验证了本文构建的量化评估模型的有效性。

与此同时，本文进行了相关的实验组对模型再次进行验证。实验组和真实组中每个团队在五个方面的核心素养能力以及总程度系数如表5所示。

表5 真实组和实验组团队核心素养能力表

通过对两支真实队伍中每个学生在科学、技术、工程、艺术和数学五个方面的素养能力进行对比和分析，不难发现，虽然在五个方面素养能力中，第二组中组员3个方面能力较为优异，但由于第二组中的组员1在五个方面中的素养能力较弱，进而导致整支队伍的整体核心素养能力略弱。而在第一组中，3名队员各自的核心素养能力相当，均在中等以上水平，而没有能力相差特别大的队员，进而该队在实际项目中的表现较为优异。而从对比实验组中可以发现，第三组学生在技术方面能力较强，第四组学生在工程方面能力较强，第五组学生在数学方面能力较强，但其总程度系数均低于第六组。第六组中的三名学生分别在技术、工程和数学方面能力较强，有助于学生充分发挥自身实力，形成优势互补。实验结果表明该组学生核心素养能力总程度系数略高于第三组、第四组和第五组，再次验证了本文构建的核心素养能力量化评估模型的有效性。

4 结语

将模糊综合评价方法应用于教育评价中，有助于不断地完善和优化传统的教育评价方式。本文利用模糊综合评价方法构建的量化评估模型，实现了对实际项目中团队整体核心素养能力的量化评估。评估结果能够客观、真实地反映团队整体的核心素养能力，具有一定的实用价值。该模型不仅考虑了实际评估中不确定性因素给评估带来的难度，同时也为学生在实际项目比赛中实现高质量组队提供了一定的参考价值。但本文也存在一定的不足，比如实际采集的团队数据较少，下一步将采集大量的团队数据，不断地对模型进行优化。