现代信息技术促进教育评价转型的研究.docx

现代信息技术促进教育评价转型的研究.docx

《现代信息技术促进教育评价转型的研究.docx》由会员分享，可在线阅读，更多相关《现代信息技术促进教育评价转型的研究.docx（13页珍藏版）》请在冰豆网上搜索。

现代信息技术促进教育评价转型的研究

现代信息技术促进教育评价转型的研究

随着互联网和信息行业的发展，大数据时代已经到来。

这里所说的“数据”是指按一定规则排列组合的符号，是信息的载体和表现形式，它不仅仅指数字，还包括各种符号、文字、图片、影像、语音、视频等形式。

人类社会进入大数据时代（或数据大爆炸时代）的三个标志是：

数据量增大、数据增长速度加快、数据来源和种类增加。

大数据具有规模性、多样性、高速性、准确性、价值性的特点。

我们可以通过对大数据的深度挖掘和分析，寻求其背后隐含的关系和价值，从而为科学决策和生产、生活和工作提供服务。

当前，大数据正以前所未有的速度和力度渗透到教育领域，对考试、学习诊断、招聘招生等一些“数据密集型”的教育业务等产生了巨大的冲击。

一、大数据对教育评价转型的影响和作用。

我国《国家中长期教育改革和发展规划纲要（2010-2020年）》明确指出：

“要改进

教育教学评价，根据培养目标和人才理念，建立科学、多样的评价标准。

开展由政府、学校、家长及社会各方面参与的教育质量评价活动。

做好学生成长记录，完善综合素质评价，探索促进学生发展的多种评价方式。

”教育评价是对教育背后隐含的关系和价值做出判断的过程，它首先要系统、全面、广泛地搜集各种数据（包括数字、符号、文字、图片、影像、语音、视频等），然后在此基础上对这些数据进行科学地整理、处置和分析，最后得出其背后隐含的教育关系和价值。

教育评价的目的，从微观层面来看，是为了弄清楚学生的学习情况和发展水平，以便对学生的学习成绩和教师的教学质量做出客观公正的总结和评估；从宏观层面来看，教育评价的目的是为了促进教育改革和发展，提高学校和地区乃至整个国家的教育质量。

教育评价在学校、地区和乃至整个国家教育系统中具有十分重要的地位和作用。

在现代信息技术日新月异的今天，现代教育价值趋于多元化，教育评价的思想理念、项目内容、方式方法、目的导向等方面都将发生重大转变，特别是教育评价的方式更是面临着全面转变的现实。

这种转变主要是从下面三个方面体现出来：

一是实行新的课改以后，提出了建立学生成长记录袋的措施，以便实时记录和收集学生成长、学习过程中的各种数据，这是评价理念上的一大变化，体现了从过去“经验主义”向“数据主义”的转变趋势；二是实行素质教育以来，提出了开展综合素质评价的措施，其目标在于完善学生综合素质评价的体系，寻求促进学生全面发展的评价方式，探索学生提高学习效果的方法，这是评价内容上的一大变化，体现了从过去“总结性评价”（此评价注重认知水平）向“发展性评价”

（此评价注重综合素养）的转变趋势；三是办人民满意教育以来，提出来社会评价的措施，这是评价方式上的一大变化，参与的评价主体包括学校、社会、家庭、教师、学生、家长、国家等各方面，体现了从过去“单一封闭”向“多元开放”的转变趋势。

实证主义的基本理念是根据数据所提供的证据进行分析判断，教育评价的基本原则是发展性原则。

过去让学生参与教育评价（如学生自我评价、学生评价教师等）和家长参与教育评价（如家长评价学校、家长评价政府办学等）也是教育评价采取的方式之一。

然而在过去重视程度和落实力度均有所欠缺。

近年来，这些教育评价思想和方式在国家有关教育方面的纲要性文件中被反复提及和强调，随着现代信息技术和大数据在教育领域中的广泛应用，为这些教育评价理念和方式的落实提供了可操作性的条件。

就个人层面看，教育评价的目的是为了让我们教师能够更好更全面地了解学生、改进我们教师的课堂教学情况。

在传统的教育背景下，通过课堂观察、问卷调查、座谈会、考试、作业分析等是我们了解学生的主要方法。

这些方法的弊端是耗时长、采集的数据不全

面不准确，甚至有些数据无法采集。

由于数据采集的不完整性，因此建立在这种数据之上的分析结果往往缺乏综合性，具有一定的局限性，常常只能揭示某些特定的问题。

另外，还有一个最大的问题，那就是不同类型和来源的数据之间相互难以整合，鉴于采集成本高、耗时长等原因，采集到的数据缺乏持续性和完整性，不可避免地会造成数据内部所隐含的信息链被割裂。

比如学生课堂听课表现情况与学生学习成绩之间所存在关系的深入挖掘问题，再如学生的阅读情况（包括阅读量和能力等）对其语文学科的学习之间的影响分析问题，等等，这些都很难实现。

由于受到这些条件的限制，教师常常只得根据自己的经验来判断和处理教学上的问题，这必然会影响到全面、准确地了解学生，进而影响到教学决策的合理性和可行性，甚至影响到教育行政部门制定教育政策的科学性。

如今，现代信息技术的飞速发展XX大数据的应用，为解决这些教育评价中的问题提供了很好的条件和方案。

具体来讲，大数据对教育评价转型的影响和作用如下：

1、促使基于大数据的评价方式更加开放。

现代信息技术促进教育评价由过去的封闭性向如今的开放性转型。

过去对学生评价的主要内容是学业水平测试（通俗地说主要是考试），评价者主要是学校和教师，这样的评价体系完全是封闭性的。

而在如今素质教育和信息化飞速发展形势下，十分强调和重视学生的综合素质评价和发展性评价，评价活动从时间上来说，贯穿了学生学习的整个过程，从空间上来说，涵盖了课上课下、线上线下、校内校外等学生学习的所有范围。

评价数据的来源和类型更加多样，将这些数据不断积累，进行汇总分析，最终确立各类模型和参数，使得学生素质评价的精确性更高。

由此可见，教育大数据产生于教学、教研、管理、校内活动、校外活动、家庭生活、社会生活等方方面面，包括学生、教师、家长、学校、政府等每个教育利益相关者，他们一方面是教育数据的生产者和拥有者，另一方面也是教育数据的消费者和受益者。

这种教育评价活动以开放性大数据为基础，为共同参与评价活动的多方参与者架设了桥梁，便于他们提供和掌握学生信息，并最终获取和应用评价结果。

因此，我们说驱动教育评估转型的核心因素是数据。

有关研究显示，参与评价活动的参与者

（即用户），在教育评价活动中很容易从数据的数据的采集和分析（即入口和使用）两个方面深刻感受到大数据评价所带来的变化。

2、促进基于大数据的发展性评估更加全面。

发展性评价理念认为，重结果更要重过程，重静态更要重动态，重成绩更要重态度。

教育评价仅仅只是测量学习者的某些能力和特征还远远不够，还要依据教育目标对学习者

的成长发展过程和水平进行全面测评，这就是发展性评价理念在教育评价中的具体体现和应用。

发展性评价主要是通过系统、全面地搜集、整理、分析学习者的信息（即数据，包括数字、文字、图片、影像、语音、视频等），对学习者的学习活动做出准确的价值判断，从而帮助学习者实现其发展目标。

发展性评估发挥的主要功能是评价诊断，它十分强调和突出评价的过程，高度重视学习者的个性差异和学习基础，所以发展性评估往往要紧密结合学习者的学习过程，对学习者的学习过程要进行长期的追踪。

举例来说，深圳、北京、成都等一些地方的学校，他们应用发展性评价理念和大数据支撑，长期持续地跟踪和搜集学生每次考试成绩（短者三五年，长者上十年），按照时间序列整理、分析（包括聚类分析），充分挖掘学生学习数据背后隐藏的价值，帮助学生构建学科知识地图体系，对学生的学习风格和学习行为进行深入地分析，最终实现对每一个学生的学习力诊断的目标。

再比如，未来教育高精尖创新中心于2015年在北京成立以来，全面、准确、系统地搜集、整理、分析学生学习全过程的大数据，帮助学生及时发现优势学科和劣势学科，并对学生的优势学科和劣势学科分别提供提升措施和补救措施，以实现每一个学生个性化、差异化发展的目标。

3、推动数据驱动的教育决策更加科学。

随着人工智能、互联网的迅速发展和应用，大数据业已成为个人和集体单位重大决策的驱动力。

在教育中，数据驱动决策是指采集、整理、分析、呈现和使用数据用于改进教育教学工作的过程。

举例来说，美国普渡大学的实施的国际知名的“课程信号灯”项目，就是应用大数据来诊断学生成长、为教育提供决策的最为典型的案例]。

“课程信号灯”系统的基础最主要的是成果算法，即对学习者学习课程的情况、学习课程的努力程度、学习者的课程基础和学习历史、学习者的个性特征等数据实时进行采集、整理、分析和计算，以此来实现对课程的及时而准确的预测。

预测结果通过不同颜色的信号指示灯（通常为红色、黄色和绿色），呈现到学习者的学习页面上和教师的课程控制页面上。

其中，红色信号灯表示学习者在课程学习中具有很大的失败倾向；黄色信号灯表示学习者在课程学习中尚有一定的问题，有导致学习不利的因素或失败的可能性；绿色信号灯表示学习者学习顺利，成功几率高。

学习者根据不同的显示信号，进行自我反思，自我完善，改进学习方法，消除不利因素影响；教师则可以采用面谈、发送邮件、短信以及电话沟通等形式对学习者的学习进行适当而有效的干预，还可以通过系统平台向学习者推送学习资源，批阅学习作业，进行测试评估，以期对学习者的学习提供必要的指导和帮助，促进学习者在学习取得成功。

二、教育评价大数据的采集类别与技术。

随着现代信息技术的迅猛发展，数字化校园建设水平XX信息化程度越来越高，每个教师、每个领导、每个学生、每个家长，每个教学过程、每个管理环节、每个学习行为、每个辅导举措，都是活生生的丰富的数据源，时时处处都在产生各种各样的海量的数据。

这些数据都教育评价的依据和基础，是教育评价必须搜集、整理、分析的信息。

那么，教育评价数据的采集类型有哪些呢？

又该如何采集这些教育评价数据呢？

1、教育评价大数据的采集类别。

我们通常说的“大数据时代”的“数据”，是信息的载体和表现形式，是指按一定规则排列组合的符号，它不仅仅指数字，还包括各种符号、文字、图片、影像、语音、视频等形式。

同理，这里所说的“教育评价数据”的“数据”，是指与教育教学活动相关的所有信息，包括数字、符号、文字、图片、影像、语音、视频等。

教育部《关于推进中小学教育质量综合评价改革的意见》（教基二[2013]2）讲到关于改革评价方式时明确强调，要把定量评价与定性评价结合起来，要注重全面客观准确地收集信息，在进行教育教学评价时，要以数据和事实为依据进行分析判断。

这说明，中小学教育质量评价的依据十分广泛，不能再以学生考试成绩为唯一依据，而是包括学生发展的所有信息，对这些信息进行全面客观地收集、整理、分析、判断，最终得出的结论才客观公正。

那么，教育评价数据的采集类型有哪些呢？

简单地说，分“数据”和“证据”（或“数据”和“事实”）两大类。

就学生而言，可分为学习过程数据、学生个性数据和学习成果数据，其中学习过程数据包括学生校内校外的学习行为、学习途径、学习档案以及交际合作学习、多媒体辅助学习等，学生个性数据包括学生的生理心理、情感态度、认知水平等，学习成果包括作业、作品和考试成绩等。

就整个教育领域来说，大数据主要包括教师、学生、学校的基本信息数据、校内学习资源数据、校外学习资源数据、课程资源数据、学业水平测试与考试数据、作业练习数据、实验操作数据、校园实录数据、学生身心健康数据、社会行为数据，等等。

2、教育评价大数据的采集设备和技术。

如前所述，教育评价数据的采集类型分“数据”和“证据”（亦称事实）两大类。

过去学校采集数据的方式主要是学业考试、问卷调查、作业批改等。

然而这样采集来的都属于静态性的信息，因为这类信息都是学生的学习结果信息，而像学习途径、学习方法、学习过程、学习行为等这些动态的的信息都未能采集，信息采集不完整，势必降低教育评价结果的可信度和准确度，从而影响到教育决策的科学性，所以全面客观地采集教育数据是提高教育评价准确度和可信度的关键因素。

那么，如何科学、全面、客观、准确地采集教育信息呢？

如今，随着平板电脑、数码笔、智能手机、可穿戴设备等智能设备的应用，为教育评价数据的采集提供条件和便捷。

平板电脑是一种最常见的智能化学习设备，现在很多学校都建有电脑教室，也有不少学生自备平板电脑进行数字化学习。

可以在平板电脑中设置和安装一些与学习有关的系统，如数字化学习资源系统、电子化教材系统、作业训练系统、考试评价系统、质疑解答系统、交流互动系统，等等，通过这些系统就可以自动记录和生成学生学习过程中所产生的各种海量的数据信息，这些信息包含了学生的学习内容（含学习资源）、作业练习、交流互动、评测成绩等等各种序列节点数据。

也就是说，平板电脑采集的这些数据涵盖了学生在学习过程中所产生的所有的动态信息和静态信息，不仅全面客观，而且准确实时，平板电脑环境感知应用系统对搜集来的这些信息进行多元化深层次分析、评价和判断，从而发现学生的学习潜能和存在的问题。

如果学生学习不用平板电脑，而是在纸笔环境学习，那么数码笔就可以帮助我们实时采集学生的学习数据了。

数码笔的外形和使用方法与普通笔完全一样，区别就是数码笔内部装有微型摄像机，书写的时候压力传感器就会把笔尖的信息迅速传递给摄像机，这样就能够实时采集和记录笔迹的运行轨迹了。

数码笔能够对学生纸笔环境下的学习行为进行实时记录和采集，能够对学生的学习情况和教师的教学状况提供诊断信息。

举例来说，数码笔采集的李华学习数学的记录和诊断信息如下：

1分30秒点断第一段结束，3分30秒点断第二段开始，这中间间隔2分钟时间，应该是在自学第一段内容。

5分45秒点断第二段结束，同时回头看前面的内容，边看边把不懂的地方断点点出，这说明李华在自学数学时具有回头看的意识和内容整合意识。

8分29秒翻页，从此再无任何动作，直到10分37秒教师发出训练指令。

15分25秒开始画漫画，18分55秒漫画画完，说明李华在做练习时出现了分心走神的现象，有3分半钟的时间用在了画漫画的事情上。

数码笔不但学生可以用，教师也可以用。

比如教师可以在批阅学生作业或试卷的时候，以数字化的方式记录下来每一个学生的作业和考试信息，然后结合采集到的学生课堂学习行为数据信息，为教师和学生提供个性化的学习分析和诊断。

这里要说明的是，学生的学习过程大数据范围十分广泛，除了课堂学习数据以外，还包括课外学习数据以及学生的生活状态数据、心理状态数据等。

这类数据尽管很重要，但是以前由于受技术条件的限制很难精准采集。

这些数据除了通过键盘数据、浏览器数据、学习管理系统捕捉学生操作电脑的数据外，还要捕捉学生在现实情境中的学习过程的数据，这样采集的数据才全面、完整、客观。

美国哥伦比亚大学教授凯文·凯利提出的量化

自我方案，通过实时记录和测量的方法，对个人的饮食、运动、睡眠、情绪等生命数据进行记录、测试和量化，并通过数据反馈实现自我调整的目的。

量化自我方案的提出与大数据息息相关，其中可穿戴设备（凯文·凯利被称为“可移动设备之父”）、传感器设备和移动终端设备等技术对量化自我起着至关重要的作用。

教育数据的采集设备，除了上面介绍的平板电脑、数码笔等外，还可以通过无线视频识别芯片、眼动仪以及手环等可穿戴设备技术，对学生课堂内外的学习信息和日常生活数据进行采集，以供个性化教育评估管理和精确化学习分析使用。

比如通过眼动仪记录眼动轨迹，可以从中提取诸多数据（如注视点、注视时间、注视次数、眼跳距离、瞳孔大小等），为学习者个体内在认知过程的研究提供帮助。

有儿童教育研究专家采用眼动仪，采集2～

3岁婴幼儿在看图画书时的注视点个数、注视时间长度、回视次数等生理数据和行为数据，用来评估他们的注意力水平、读图能力、阅读喜好等。

手环等可穿戴设备，则可以实时记录学生的运动数据、所在位置和身体健康指标等日常生活中锻炼、睡眠和饮食的多种信息，可以把这些数据和学生的学习情况联系起来，从而分析、判断和预测不同类型学生的学习潜力及其未来发展。

三、教育评价中大数据的分析及其原理。

采集不是目的，采集数据的目的是用来进行教育评估。

通过数据挖掘和分析技术提取教育大数据中所蕴含的教学信息和价值，以便开展科学准确的教育评价，这才是采集教育

大数据的真正目的所在。

在使用大数据的时候，我们除了采用常规的统计手段以外，还可以对构成大数据的立方体进行多维度的向上向下钻取或上卷下卷操作，寻找和提取更深层次的数据价值，以促使在教育评价中越来越广泛地应用关联分析、序列模式分析、分类分析和聚类分析这些数据挖掘的分析方法。

比如我们可以应用聚类分析，对学生历次考试答题情况进行分析，这样可以发现表现异常的学生。

若聚类分析的结果发现一些学生在解答容易的题目时错误率高，而在解答难度大的题目时错误率反而低，那么说明这部分学生可能是因为粗心造成的，这时就要加强对这部分学生的答题注意力辅导了；若有学生长期对同一个知识点答题正确率时高时低、

起伏较大，那么说明这样的学生可能在考试时存在抄袭或随意选择的现象，教师就要加强其考试态度教育或进行查缺补漏辅导了。

再比如我们对不同知识点得分情况进行关联分析和序列模式分析，就能够准确地进行教学归因，如乙知识点错误率高，是因为甲知识点错误率高，那么就应该首先帮学生解决甲知识点的学习问题等。

上面这些分析有很多是基于结构化数据进行的，这些结构化数据是通过二维表结构来

逻辑表达和实现的，必须严格遵循数据格式与长度规范，借此进行教育评价，可以肯定或否定我们事先对教育问题做出的预期性评判。

但是教育大数据有许多是非结构化的数据，如各类文档、报表、HTML、XML、图片和咅频、视频信息等，这些数据是不适于用数据库二维表来表现的。

这就要求我们在教育评价中引入新的数据分析技术，其中数据可视化分析技术就是一种常用的技术。

数据可视化分析可以帮助我们在大数据时代分析比较复杂的问题，它的特点是，能够借助可视化图形来呈现和寻找数据中所隐含的价值和规律，建立

直观心理映像。

如前所述，就整个教育领域来说，大数据主要包括教师、学生、学校的基本信息数据、校内学习资源数据、校外学习资源数据、课程资源数据、学业水平测试与考试数据、作业练习数据、实验操作数据、校园实录数据、学生身心健康数据、社会行为数据，等等。

这些数据的呈现类型有文本、网络、时空数据等，基于大数据的教育评估可以采用可视化分析技术。

文本可视化分析技术综合了数据可视化、文本分析、人机交互、数据挖掘、计算机图形学、认知科学等理论和方法，是帮助人们了解比较复杂的文本内容、结构及其内在规律的一种手段。

利用文本可视化分析工具，能够把文本中所蕴含的一些诸如词频、主题聚类、逻辑结构等语言特征，非常直观而形象地显现出来。

还可以利用文本可视化分析技术，把文本结构、修辞结构、相似度统计等特征用树形结构或放射性圆环结构呈现出来。

我们还

可以利用文本可视化分析技术，结合文本的时间、空间属性，显示出文本主题的分支关系和合并关系，结合大数据分析评估出学生所学的知识点和知识体系情况，这样就能够迅速而准确地了解学生对知识的掌握状态和知识体系的构建发展状态。

网络关联是大数据环境下最为常见的一种关系。

联通主义认为，学习不再是一种个人活动，当新的学习工具出现并被广泛应用时，人们的学习目的和学习方式必然随之发生变化，知识的改变会导致决策的改变，持续获得新的信息、区分信息重要程度的能力至关重要。

联通主义还认为，个人的知识组成网络，这种网络会被编进各种组织与机构的知识体系中，各种组织与机构的知识又会反过来回馈给个人网络，提供给个人继续学习。

由于受

联通主义理论的影响，学习者学习活动的关联性和社会性特征愈来愈被突显出来，以前“学习者——教育者——学习资源——资源的提供者——资源的使用者——学习设备——学习场地”相互连接不紧密，而在现在信息化学习时代却关联得越来越紧密，相互间的互动也越来越频繁。

我们可以利用网络关联关系分析，把学习者的个人相关信息、学习资源、学习交互、学习设备、学习场所等各种数据相互关联在一起，算出它们之间的关联度，然

后通过各种可视化图形显示出这类信息。

寻找和显示学习者学习网络关联的目的，是为了清楚地认识和辨别学习者个人学习网络的形成和演变过程及其规律，从而帮助学习者改进学习方法，提高学习效率。

比如，我们要了解学生语文学科“文言文翻译”的学习情况，可以在学习资源平台上采集与“文言文翻译”这个知识点相关联的行为数据和用户数据，以此来构建“文言文翻译”这个知识点的网络关联，通过可视化图形就可以评估和显示学

习者学习这个知识点的参与度和贡献度等信息了。

时空数据是指具有时间元素并随时间变化而变化的空间数据，是描述地球环境中地物要素信息的一种表达方式。

这些时空数据涉及到各式各样的数据，如地球环境地物要素的数量、形状、纹理、空间分布特征、内在联系及规律等的数字、文本、图形和图像等,不仅具有明显的空间分布特征，而且具有数据量庞大、非线性以及时变等特征。

时空数据是指同时具有时间维度和空间维度的数据，现实世界中的数据有超过80%与地理位置有关。

时空数据不仅具有明显的空间分布特征，而且具有数据海量、多源、非线性以及更新快等特征。

随着传感器、移动终端、互联网等现代信息技术的迅速普及，如今时空数据已成为典型的教育大数据。

时空数据能够弥补学习者校外学习信息的不足，因此时空数据能够更多更好地反映学习者在校外（包括社会、家庭等）的学习行为，这样就使教育教学这个复杂系统的数据状态更为真实和全面。

如果把教育数据的时间流与地理位置

（位移）融合分析，教育事件在特定时空的呈现特征就能够立体地显示出来，从而预测其未来的发展状态，为教育决策提供科学依据和技术支撑。

举例来说，美国宾夕法尼亚州匹兹堡教育网站具有“动态地图”的功能（系统），利用“动态地图”就可以把复杂的数据转化成可视化的图像，既直观又形象，“动态地图”采用绿色、黄色和红色三种颜色的图标来表示学校的状态，绿色图标表示这所学校发展状态良好，发展水平超过平均水平，黄色图标表示这所学校发展状态一般，发展水平达到平均水平，红色图标表示这所学校发展状态差，发展水平低于平均水平，是预警学校了。

利用这种可视化的分析方式，就可以直观形象地显示每所学校的教育质量，从而为教育决策提供科学依据。

[结语]

教育评价是通过一定的技术和方法对各种教育活动、教育过程XX结果进行科学的测量、分析和评定，是一项十分复杂的工作，极具挑战性。

传统教育评价具有评价指标体系不够科学、评价价值标准单一化片面化、评价目的功能极端狭隘化的诸多弊端，因此传统教育评价亟需转型。

现代信息技术的发展为促进教育评价转型提供了物质基础和技术保障，平板电脑、数码笔、智能手机、可穿戴设备等智能设备的应用，为教育评价数据的采

集提供条件和便捷，通过文本可视化分析、网络关联关系分析、时空数据等技术，提高了基于大数据的教育评估的科学性和精准性。

尽管如此，我们应该清醒地认识到，随着现代信息技术的迅猛发展，教育信息化程度和数字化校园建设水平越来越高，每个教师、每个领导、每个学生、每个家长，每个教学过程、每个管理环节、每个学习行为、每个辅导举措，都是活生生的丰富的数据源，时时处处都在产生各种各样的海量的数据。

这些数据具有非结构性和半结构性的特征，数据容量大，数据来源多，数据更新快，具有快速积累、爆炸式增长的趋势。

这就要求在教育评估领域不断学习和更新大数据采集、储存、分类、甄别、清洗等方面的知识和技术，提高教育大数据采集的效率和质量。

同时，要提高教育大数据挖据的效率和质量，寻找和研究教育大数据中所隐含的教育价值XX规律，并用之于对师生个性化、差异化、精确化教学诊断中，用之于学校的教育教学管理和决策中，为提高教育教育质量和办学水平服务。