大数据驱动教学评价变革.docx

大数据驱动教学评价变革.docx

《大数据驱动教学评价变革.docx》由会员分享，可在线阅读，更多相关《大数据驱动教学评价变革.docx（3页珍藏版）》请在冰点文库上搜索。

大数据驱动教学评价变革

胡春芳

【摘要】教学评价随着现代信息技术的进步而不断优化，大数据的到来为教学评价带来了活力，并日益专业化。

一切教学活动皆可量化，通过挖掘数据分析数据背后隐藏的价值，进而形成更精准的教学决策。

大数据强有力地推进了教学评价从经验主义到数据主义、从单一封闭到多元开放、从因果分析到相关研究、从总结评价到发展评价，全方位、多领域的数据追踪量化驱动着教学评价变革，促使教学评价内容丰富化、标准差异化、方法多样化、主体多元化匚'

【关键词】大数据教学评价变革

【中图分类号】G4O

【文献标识码】A

【文章编号】1（）02-3275（2020）05-42-03

胡春芳/重庆师范大学教育科学学院，硕士研究生，从事课程与教学论、小学教育研究（重庆401331）

随着移动互联网技术以及智能终端的发展，信息传播不再局限于专业人士，每个人都是数据的生产者，同时也是数据的传播者和消费者，身边的信息也不断数据化。

大数据与教育的结合是大势所趋，大数据的应用为教育信息化、智慧教育、数字校园的建设带来了积极影响。

在推动实施国家大数据战略的背景下，积极利用大数据服务于教学成为提升教学效率的有效手段，教学评价是诊断学生学习情况、确定教学策略、评估教师教学成效、明确教学重点、决定教学努力方向的主要方法。

将大数据引入教学评价可以有效地将学生学习过程中的教育数据加以分析利用，通过挖掘、分析得到客观有效的反馈，进而增强教学评价效度，提高教学质量。

—、大数据的内涵

大数据一词最早由全球著名咨询公司麦肯锡提出，目前学术界对大数据还没有统一、准确的定义，现有定义多是从大数据本身所具有的特征出发进行概括。

李国杰将其概括为4“V”，即容量巨大（Volume）、类型多样（Variety）、计算迅速（Velocity）、和价值离散（Value）。

大数据包含海量资料，其类型复杂多样，除了传统的结构化数据外，还可以搜集到学生学习过程中的半结构和非结构数据，并将其进行系统整合，其运算速度快，可以在数分钟内完成TB数据集的搜集，但是数据量在呈指数增长的同时，隐藏在海量数据中的有用信息却没有相应增长，增大了获取有用信息的难度，从而形成价值离散。

大数据的价值并不在于宠大的符号、数字的堆积，而在于人们透过表面挖掘到数据背后的价值，通过分析、处理、应用使其为个人所用。

由此可见，大数据不仅是一门技术，更是一种能力，即依据数据给出的相关关系，挖掘其内在的联系，预测事物发展趋势的能力。

基于大数据建立的教学评价，通过数据挖掘、分析，能够客观、全面、持续地对学生进行评价，促使教学评价更加合理化、科学化、专业化。

二、大数据驱动下的教学评价发展趋势

（一）从经验主义到数据主义

长期以来，教学评价活动主要是学校以及上级主管部门在听课和分析学生考试成绩的基础上对任课教师进行评价，或者教师根据学生考试成绩、作业成绩以及课堂表现等对学生进行评价。

111传统的教学评价大多针对学生简单知识和低级技能的掌握情况进行评价，对于学生学习状态、交流能力、问题解决能力的评价只能依据教师的教学经验，这样的评价具有主观性，且会因教师个人喜好及标准不同而有所变动，通常表现为同一学生、不同教师反馈的信息大相径庭。

大数据的引入使得教学评价不再是基于经验主义，大数据设备可以持续不断地记录学生的一言一行、一举一动，并将其保存下来。

全面数据化，一切学习活动、教学活动皆可量化，无疑会促进教学评价的客观性。

教学评价不仅仅是简单的依据成绩以及教师的经验来进行评判，而是要通过搜集大量的数据进行归纳、分析，进而对学生进行客观评价及精准预测。

学生学习中的所有信息都可以统计成数据，教学评价的依据也从经验主义走向数据主义。

（二） 从单一封闭到多元开放

传统的教学评价主体多为教师，评价主体过于封闭单一致使评价结果准确度不高，全方位、多领域数据化的引入使得教学评价的主体不再拘泥于少数的教师，多方主体参与评价得以实现，可以收集到来自参与或影响学生发展的各类人员的评价，教学评价从封闭走向开放。

慕课等第三方评价主体对于学生学习数据的掌握不同于学校教师，其通过对学生作业完成时间、视频观看时间、发帖数量及关注点等进行数据化分析，以综合考察学生对知识点的掌握程度以及学习情况。

平时在课堂中难以捕捉的信息得以搜集，多方数据信息汇总使得教学评价更加多元开放。

（三） 从因果分析到相关研究

传统的教学评价大多根据成绩来评判学生的学习成果以及教师的教学效果，把试卷的错误都归因于学生对知识点理解偏差、未掌握做题方法等，这样由果导因的评判方式往往过于狭隘，容易造成误判，学生做错题并不全是由于自己不会做，粗心等其他问题也是屡见不鲜。

但是这样的数据很难被试卷捕捉到，大数据可以将学生所有的试卷及测试结果纳入其中，通过对知识的相关关系进彳『分析，生成个人的专属学习报告。

通过对数据的挖掘可以分析出学生是否真正地掌握了知识点，对易错问题进行重点关注、对模糊领域进行深度讲解，可以有效提升学生的学习效率，同时也有利于教师因材施教。

（四） 从总结评价到发展评价

传统教学评价多以考试、测试成绩为评价依据，对于学生学习过程的评价只能依靠教师自身的感知以及教学经验。

而大数据可以记录下学生的学习过程，通过横纵向对比呈现出学生的学习状态、对知识的掌握程度，有利于教师进行发展性评价。

完善综合素质评价，探索促进学生发展的多种评价方式，提供持续改善学习效果的评价目标，体现了评价内容从以往注重认知水平的“总结性评价”向注重综合素养的“发展性评价”转变的趋势。

［21

三、大数据驱动下的教学评价变革

（一）大数据驱动教学评价内容丰富化

大数据鲜明的特征之一便在于其容量巨大，大数据可以从以下三个方面驱动教学评价变革。

第一，“样本=总体”。

在传统教育数据采集过程中，受技术条件的限制，只能选取具有代表性的样本进行分析、推断来窥探全貌，大数据的引进使得数据收集得以全覆盖，能够录入每个学生的学习信息，做到事无遗漏，扩大了教学评价对象。

第二，教学评价内容的全面性也可以体现个人信息搜集的全面性。

大数据设备可以全方位、多领域地追踪搜集到学生从小到大在学习过程中产生的各种数据并进行量化处理，通过记录学生的学习过程扩充教学评价内容，进而使得教学评价更加客观、准确、有效。

第三，大数据可视化技术可以搜集到平时难以捕捉到的信息。

在日常的学习过程中，教师通常只能从学生回答问题的程度、测试结果的准确度来判断学生是否真正掌握了知识，关于学生思维、学习状态的数据往往很难搜集。

但是在大数据平台的支撑下，难以评判的对象均可用数据记录下来，数据搜集成为可能，例如学生的合作探究能力、拓展能力等情况均能可视化。

大数据能够精准记录到每个学生的出勤率、回答次数、提问次数、每道练习题的完成时间、得分、走神次数等，然后以可视化的仪表盘方式一目了然地呈现给任课教师。

E这些为教学评价提供了更全面的数据支持，大数据驱动教学评价内容更加全面，客观评判教学成效，进而促进有效的教学决策。

（二） 大数据驱动教学评价标准差异化

《国家中长期教育改革和发展规划纲要（2010-2020年）》提出：

“关注学生的不同特点和个性差异，发展每一个学生的优势潜能。

”要贯彻落实这一要求，就“要为学生构建个性化教育环境，根据学生的实际学习步调和学习情况开展有针对性的学习指导，使其真正融入学习过程中，这就需要对学生已有的学习准备、能力、兴趣和天分、学习风格等进行评估。

”田大数据设备及平台可以有效地对学生的学习情况进行记录，切实了解每个学生的真实情况，通过挖掘分析数据对学生进行精准测评，针对学生主体差异采取个性化评价标准。

学生在学习过程中产生差异性教育大数据，差异性大数据必然导致教学评价标准存在差异，进而形成个性化教学评价，促进学生个性化发展。

大数据驱动教学评价标准差异化，使评价更具有针对性，挖掘学生潜力制定个性化标准，为每个学生创造机会，让每个学生都能体验到成功的喜悦。

（三） 大数据驱动教学评价方法多样化

由于大数据技术的发展，之前不可量化、难以观察的状态都能得以搜集，教学评价也日益朝着多样化的方向发展。

大数据驱动教学评价方法的多样化表现为量化、质性评价方法的结合以及思维方式的创新。

自然状态下搜集到的学生学习信息均可通过数据量化的方式直观地展示在人们眼前，对量化的数据深入挖掘，进行质性的分析，更好地体现了教学评价量性与质性的结合。

大数据引入教学评价还体现在思维方式的创新上，更加注重相关关系的分析，数据相关性分析是进行教学评价的另一新思路，在分析数据关联性的基础上进一步剖析数据背后的深层联系，通过分析其内在联系找出问题所在，有效进行评价。

大数据驱动教学评价方法多样化，整合多样化评价方式为教学评价拓宽了思路。

（四）大数据驱动教学评价主体多元化

教学评价主体多元化为教学评价带来了新鲜血液，评价主体不再拘泥于教师，学生有效、可量化的进行自我评价、互评成为可能。

学生在学习中产生的所有数据都可以被记录，作为教育数据生产者的学生也可以通过数据分析清晰地进彳『自我量化，分析重点需要补漏的知识点及自身需要改进的地方，学生自评和互评减少了盲目性，同时也调动学生参与评价的积极性。

站在不同视角、非利益关联者的第三方评价主体的介入，同样为教学评价注入了活力。

不同评价主体掌握到学生不同的学习数据，有利于考察学生的综合素质，将第三方评价主体引入教学评价，避免了局中人评价的盲目性，多方教学评价意见汇集，促使评价更加客观化。

在大数据的驱动下，所有教育数据皆可转化为参与计算的变量，深入挖掘其背后的价值，驱动教学评价变革，以丰富评价内容、拓宽评价范围，以标准差异促进学生个性发展、以方法多样增强评价效度、以主体多元化促进客观评价。

大数据及时反馈教学数据促使教师更好地进行教学评价，进而不断改进其教学模式与策略，提升教学效率、增强教学效果，真正实现高效课堂。

【参考文献】

[1] 陈振华.教学评价中存在的问题及反思[J].教育发展研究,2009（18）.

[2] 李葆萍，周颖.基于大数据的教学评价研究[J].现代教育技术，2016（6）.

[3] 杨现民，陈世超，唐斯斯.大数据时代区域教育数据网络建设及关键问题探讨[J].电化教育研究，2017

（1）.

[4] 张燕南，赵中建.大数据时代思维方式对教育的启示[J].教育发展研究，2013（21）.

（责任编辑云峰）

（上接第41页）实际的联系以及与其他学科的联系。

总而言之，教学内容要能够引发学生深度学习能力的生成。

（三） 教学策略的选择有柔度

只有立足于“学”，才能弄清楚“教”。

深度学习的过程是认知深度加工的过程，也是情感上高度投入的过程，学习者只有深度参与到学习过程中，才能深刻领悟知识并将其进行迁移。

因此，在选择教学策略时，让学生主动参与学习，获得体验感才是关键，笔者称其为柔度，教师的权威不再基于学生的被动性，而是基于学生的主动参与。

教师创造教学环境，以促进知识的转移和运用，并通过适当的问题和观点将学习带入更深的层次。

增强学生的学习积极性，增强学生的自我效能感。

（四） 教学评价的方式有宽度

对于学生而言，教师给予的及时、持续性的评价有助于学生对自己做出正确的定位，并把自己的发展看作动态的过程。

对于教师而言，持续性的评价有利于教师对教学工作做出及时的调整，提高教学效果。

同时，在对教学做出评价时，也不应只是以学生个体的考试分数或者整个班的平均分作为评价依据，教学评价应当具有宽度，第一，教学评价的内容多元，深度学习的学习结果指向学生能够自主地迁移与运用知识，指向学生的思维发展，评价也应当指向学生解决问题的能力、知识迁移能力等多种能力的发展。

第二，教学评价的方法要多样，教师可以利用倾听、观察、交流、开放式题型的测试等方式来分析、了解学生的思维水平。

【参考文献】

[1] 郭元祥.论深度教学：

源起、基础与理念[J].教育研究与实验，2017（3）.

[2] 何玲，黎加厚.促进学生深度学习[J].计算机教与学,2005（5）.

[3] 孙学东.深入浅出：

深度教学的应有之义[J].

中学数学教学参考,2017

（1）.

[4] [5]卜彩丽，冯晓晓，张宝辉.深度学习的概念、策略、效果及其启示一美国深度学习项目（SDL）的解读与分析M.远程教育杂志,2016（5）.

[6] 郭元祥.知识的性质、结构与深度教学[J].课程•教材•教法，2009（11）.

[7] 郭华.深度学习及其意义[J].课程•教材•教法，2016（11）.

[8] 侯威.要素主义教育理论研究[D].吉林：

东北师范大学，2008.

（责任编辑云峰）