大数据下的试卷挖掘和命题要求

张籍

摘 要： 对于教育评价，我国教育目前大多是以诊断性测试作为教育评价的主要依据。它能够比较准确地反映学生一阶段内的学习情况，并以分数的形式呈现。但大数据时代下的试卷挖掘，能赋予试卷新的内涵。

关键词： 大数据 试卷挖掘 命题要求

一张不起眼的试卷，最多不过100道题。同样的成绩能代表同样的学业水平吗？除了知识点的掌握外，我们还能从中发现什么？一样丢掉10分，有的学生可能是基础性分数一分不丢，失分在综合题上，有的学生则可能从头到尾，全部失分在审题疏忽或者迷惑性选择题上。这就带来两种完全不同的诊断结果。前者是对多知识综合运用水平不足，后者是对精细阅读缺乏辨别。这就要求老师跳出分数乃至题目所考核的知识点的束缚，对试卷进行深度挖掘。

一

试卷挖掘是在挖掘什么？

首先，从纵向上分析。从学生自身单次单科来看，一次考试除了成绩外，我们还能读出什么？除了知识点的掌握外，学生理解、记忆、运用的水平，以及分析、评价、创造的能力才是分数之外的重点。对学生的能力关注，正是素质教育倡导的核心。我们暂且将这些能力作一个数值，以示区别。然后，从学生自身单科一段时间的考试来分析，静止的各能力水平数值会成为一组变化曲线。这条曲线除了表示能力的波动（或提高，或受影响）以外，还能和学生学习行为及日常行为结合，从而对学生学习的主要特征、学习行为特点、学习行为的影响因素及其所带来的学业结果进行分析。根据所分析的结果，掌握学习者的学习规律，优化学习过程，强化学习效果，提高教育质量。

深入一些，从学生的综合学习水平，也就是学生所学的全部科目来看，我们得到的不是一条曲线，而是一张同时间轴下的多曲线变化图。我们能从一系列的各科能力和兴趣点，判断考生兴趣、能力属性，研究确定考生适合学习的专业和适合报考的学校，并对考生将来确定就业方向提出建议。这不正是以学生为中心的新课改理念吗？

其次，进行学生间横向的分析。一个知识点，全班多少人掌握，是否需要重新巩固。某项能力，比如审题阅读，是全班性的能力薄弱，还是个别同学的疏忽，这些来源于全班数据的汇总。如果只是照本宣科地将重点一讲再讲，那么学生能力不但没有提高，还浪费了学生本应补足“短板”的时间，教学质量未必得到提高。不是面上的问题，就需要对个别学生进行个性化指导。学生的能力或注意力发生了集体性变化的原因是什么？是该摒弃还是引导？再在班级数据的基础上，形成校、区、市等大范围对比，很容易找到差距。这样的数据就会形成一个面。每个学生都会成为面上的一个点，这个点又是一个变量集合。这就形成了关于本班学习的多维数据模型。

二

试卷挖掘的几个层次为：成绩分数—知识点掌握—能力数据—能力曲线—多曲线变化图—多维数据模型。

欧美一些国家和组织较早地认识到了考试数据挖掘在教育评价中的作用，并已将它作为新一代评价项目设计的依据。如，国际教育评价协会、国际经济合作组织分别在其组织的大型国际测试项目中充分利用其组织的测试与调查问卷的数据进行深度挖掘，分析影响各国教育的主要因素；英国还在其评价项目中引入了档案袋管理，结合计算机技术建立了形成性评价；美国教育考试服务中心在其组织的考试项目的每个环节都对数据进行了有效应用，使它能从容地应对每年面向全球及国内的200多种、数千次的考试，并对考生进行相对科学合理的评价。我国起步较晚，究其原因不外乎两个方面：第一，试卷挖掘产生的数据极其庞大，加上我国本身的学生数量较多，由此带来的巨量数据处理让教师和教育机构不能承受。第二，要进行常规和高效的数据挖掘，就要从试卷设计、数据产生、分析直到汇总都建立标准化的体系。这就要求参与人员有较高水平。而我国教育从业人员相对素质不高，面对系列性设计往往力不从心，从而制约发展。

值得欣慰的是，随着科技的发展和信息化应用水平的提高。以往要靠单机甚至人力进行分析的工作，现在可通过大型数据处理中心或数据云的方式完成，教育评价由此可以步入大数据时代。

三

能够完成大规模试卷数据挖掘的物质层面有了，那么对命题和分析有什么样的要求呢？首先，从阶段性测验的出题上，不是围绕知识点进行，它应该明确每一道题目的测试目标，而这一目标是以能力考核为核心的。第二，试卷考核的知识点应该互相印证，区别相同知识下的不同能力。简单举例，题目一考核了知识点A，是以极度迷惑性选项B的方式出现的。那学生出错，可能是对A的完全遗忘，也可能是不能区别AB，甚至可能是对题干的阅读障碍。应在题目二中对知识点A进行另外一种形式的考核。有条件的应对相同知识点进行不同能力方向和程度的测试，辨别学生的真实差别。当然，这不一定在同一试卷内完成。第三，主观题应进行细致分析，而不仅仅只是估算分。细致分析的结果应和客观题数据累加。但应控制在一定比例，以便将教师主观性成分降低。第四，测试应小巧，不能加重学业负担。但要保证一定频率以便给出及时结果，便于教师调整。第五，测试不一定以考试的方式出现，更好的方式是以课堂小测和作业的方式呈现。第六，试卷考察的能力应有对应量表。

综上所述，大数据下的试卷挖掘，对于提高教学质量，贯彻新课改方针，真正进行素质教育都有极大的推动作用。但是，对于教育从业人员也提出了更高要求。我们在开展教育活动时，更要以科学严谨的方式进行设计。相信，大数据时代的来临必将带来教育的又一次革新。endprint