大数据理念下大学英语形成性分层评价模式实证研究

赵彦芳

(安徽科技学院 外国语学院，安徽 凤阳 233100)

大数据理念下大学英语形成性分层评价模式实证研究

赵彦芳

(安徽科技学院 外国语学院，安徽 凤阳 233100)

大学英语形成性分层评价模式的构建旨在解决传统评价中“证据片面性”与“反馈信息抽象”等难题。文章以多元智能和大数据理念为支撑，通过问卷调查、学生电子档案和学习效果测试等研究工具，对大学英语两个班级(70人)进行了一学期的实验研究。结果表明，大数据理念下的大学英语形成性分层评价模式有助于改善学生的非智力因素和提高学生的英语学习成绩。

大数据；大学英语；形成性分层评价模式

蔡基刚指出“我国大学英语传统的教学评价体系最大的缺陷是评价方式单一，评估内容重语言轻能力，评估形式重结果轻过程，重全面发展轻个体差异，把语言测试看成教学评价的全部，结果影响了大学英语教学的健康发展”[2]。文秋芳提出“评估内容不限于学习结果，更关注学习者超越自己最近发展区(zone of proximal development)的学习过程。评估不只是了解学习者已经达到的水平，更要了解未来发展的潜能”[3]。我国《国家中长期教育改革和发展规划纲要(2010-2020年)》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。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。”美国于 2010 年发布的《国家教育技术计划》(Nαtional Education Technology Plan)中强调各级各类教育系统要利用技术来测量、评价学习过程，教育管理者应该利用技术来收集学习过程中的实时数据，为持续改善学习效果提供依据[4]。

中美两国的重要教育文件都揭示了教育评价在整个国家教育系统中的重要地位, 都强调了“利用技术手段做好学生成长记录、收集学生学习过程中的实时数据等”，体现了评价理念从以往“经验主义”向“数据主义”转变的趋势。大数据的出现为教学过程中实时数据的收集、整理、分析提供了技术保障。

大数据可以改变传统的教学评价在理论上得到了许多学者的认可。如：喻长志认为“大数据时代的到来，可以通过技术层面来评价、分析并进而提升教学活动。首先，教学评价的方式不再是经验式的，而是可以通过大量数据的‘归纳’，找出教学活动的规律; 其次，可以对学生进行多元评价，而不仅仅是知识掌握的单一维度; 第三，教学评价跳出了结果评价的圈子，实现过程性评价”[5]。 梁文鑫认为，在大数据时代“教学评价不再依赖于停留在每位教师头脑中的模糊的经验和印象，而是基于对海量的教学数据的分析”[6]。吴晓威认为“大数据在教学中的使用，能够有效改善传统评价方式中“证据片面性”与“反馈信息抽象致使操作难”这类积累已深却又无从着手的难题”[7]。

本研究提出以Howard Gardner多元智能理论为依据，以大数据技术为保障采用形成性分层评价模式对学生的英语学习过程进行跟踪、监测。评价内容除关注学生的学习成绩之外，也注重学生非智力因素的转变，以达到对学生客观、公正、合理的评价，从而激发学生的英语学习动力。

1 形成性分层评价的理论依据——多元智能理论

美国哈佛大学教育研究院的心理发展学家霍华德﹒加德纳 (Howard Gardner) 在研究脑部受创伤的病人时发现他们在学习能力上存在差异，从而提出多元智能理论。根据Gardner的多元智力理论，人的智力不是单一的能力，而是由多种能力构成。每个人的智能都有语言表达智力、数理逻辑智力、视觉空间智力、人际交往智力、自我认识智力和自然观察智力等多种智力，但每种智力在个体身上的强弱程度和表现方式都是具有差异性的，这种差异既有个体间的差异，也有个体内部的差异[8]。

传统的形成性评价是将全体学生用“统一标准”对其学习过程作出评价。学生在学习过程中的表现虽然在这种形成性评价模式下得到了重视，但是学生的学习过程仍是用一把统一的“综合”尺子来评价的。这种不考虑学习主体差异性的评价标准很难准确、客观、公正地反映不同层次学生的认知差异和能力发展特点，无法从真正意义上激发学生的英语学习兴趣。科学的教学评价体系应当考虑学生差异，客观对待学生差异，鼓励个性发展，鼓励人人都能成才，促进每个学生都能成为优秀的自己。

基于多元智能理论的形成性分层评价模式是根据学生的英语水平、学习动力、情绪、学习意志等个性差异，将学生分成不同层次的群组，制定适合各层次学生的评价标准对学生的学习过程进行客观评价。评价内容不仅关注各层学生的学习成绩，同时也记录学生在非智力因素方面的变化。这种形成性分层评价旨在刺激学生的内在学习动力，增强学习自信心，提高学生的学习效果。

2 形成性分层评价的技术保障——大数据技术

大数据，或称巨量数据、海量数据，是由数量巨大、结构复杂、类型众多数据构成的数据集合，其特点为容量大、种类多、速度快、价值高。容量大：即大容量数据，是指因时因境相对大容量的数据集合，且具有完整性特质。种类多: 大数据种类繁多，包括网络日志、音频、视频、图片、地理位置信息等等。速度快：即数据的处理速度，是大数据区分于传统数据最显著的特征。在信息网络时代，数据被创建和被移动的速度加快，乃至稍纵即逝。价值高：大数据的使用者实现数据使用的最终意义就是其价值，体现为数据经分析后所获得的某种洞见或规律，为决策提供依据。

形成性分层评价记录各层学生在学习过程中细微而又真实的学习行为表现，而这些表现教师在平时的课堂教学中往往难以观察或记录,大数据的介入能够最大限度地保留这些细微而又能反映真实现状的数据。这是因为大数据除了可以记录学生的考试成绩，如：如课堂测试成绩、作业成绩及平时的测试成绩等实体数据，同时也可以将学生更多的过程性学习信息记录下来,如：学生的思想、心态以及行为、动机等多方面的变化，特别是一些具有规律性细节变化。教师把学生学习过程性数据分析运用于教学评价，有利于对各层学生做出全面、客观的评价。因此，大数据技术在英语教学评价中的使用，能够有效改善传统评价方式中“证据主观性”与“反馈信息抽象致使操作难”的难题，有利于对学生进行分层、多元化的评价。

3 大学英语形成性分层评价的实证研究

本研究采用定量研究方法，以安徽科技学院学生为研究对象，探究形成性分层评价模式是否有利于改善学生的非智力因素和提高学生英语学习成绩。

3.1 研究问题

大学英语形成性分层评价模式对学生的非智力因素有何影响?大学英语形成性分层评价模式对学生的英语学习成绩有何影响?

3.2 研究对象

研究对象为安徽科技学院2013级对口招生的两个大学二年级自然班,农艺教育132班和营养教育132班，两班共70人。

3.3 研究工具

3.3.1 问卷调查 本问卷内容来自龙立荣等编制的《大学生非智力因素测查问卷的编制报告》中有关非智力因素的内容，主要包成就动机、好胜心、自尊心、情绪稳定、考试焦虑、学习热情、学习计划、自律性、有恒性十个小题。大致分为三大类：学习动力(英语兴趣、成就动机、好胜心、自尊心)、情绪(考试焦虑、情绪稳定、学习热情)、学习意志(学习计划、自律性、有恒性)[10]。

3.3.2 期末测试卷 本校2013～2014学年度第二学期大学英语二级期末测试卷及2014～2015学年度第一学期大学英语三级期末测试卷

3.4 实验过程

首先对两个班级实验前的英语成绩(2013～2014第二学期大学英语二级期末成绩)进行统计分析，用SPSS19.0对两班成绩进行独立样本T检验，结果如表1所示。

表1 实验前成绩独立样本检验

从表1可以得出，实验班和对照班学生在大学英语二级期末考试中的成绩统计为F=0.558,P=0.458>0.05, 方差齐性, T=0.257，P=0.798>0.05，这表明在实验前两班级的英语水平相当，不存在显著差异。因此，实验时随机将农艺教育132#确定为实验班，营养教育132#为控制班。

其次，进行实验研究：本次实验从2014年9月至2015年1月, 以大学英语精读课程(上海外语教育出版社的《大学英语精读》第三册)为实验课，实验周期为一学期，总学时为60，安排15周完成。 在实验中，对照班仍然采用传统的形成性评价模式,按同一评价标准、同一教学目标、同一教学方法上课; 实验班则采用形成性分层教学及评价模式，具体操作方法如下：

3.4.1 学生分层 教师在实验前对受试学生的非智力因素进行问卷调查, 教师根据调查结果, 在综合考虑学生语言能力差异的基础上，大致把学生分成α、B、C三个层次，并对各层学生建立电子档案袋，利用大数据技术记录学生在学习过程中各种的表现。这种划分结果只是作为教师教学的参考，不对班级公布，以最大限度地保护学生的自尊心。

3.4.2 教学方法分层 分层教学是对教师教学能力和创造力的重大挑战。教师根据学生分层，制定多样化的教学方法。总的来说，在课堂教学中要激发优等生，引导中等生，带动差等生。课堂提问时，对不同层次的学生提出不同的问题，具有思辨能力的问题发问α层学生，较高难度的问题提问B层学生，基础性、简单容易的问题要求C层学生回答，教师在课堂上尽量做到让不同层次的学生都有回答问题的机会。目前，学生的课外作业主要是在网络自主学习中心完成，教师通过网络自主学习中心对学生进行作业布置时，不同层次学生的作业在数量、内容和形式上应有所不同。α层学生可以做教材以外的，如：与大学英语四级考试相关的题型练习，B层学生可以完成每单元后难度较大的作业，C层学生要求完成每单元课后练习中基础性的作业。大数据技术为教师分层布置作业，统计作业完成情况提供了技术保障。

3.4.3 评价标准分层 教师对学生的评价分为两方面：课堂评价和学习能力评价。教师根据学生在课堂上的表现，如：学生的学习态度、出勤率、迟到早退情况、请假情况、课堂参与情况、回答问题的次数等，制定《学生课堂表现评价表》，该评价表不分层，对所有学生适用，教师对每一项评价内容都给出具体的参数以供量化评分。

对学生学习能力进行分层评价。教师对不同层次的学生制定不同的评价标准。根据学生的英语水平, 处于α层的学生应以《大学英语课程教学要求》中英语能力三个层次要求中的较高要求来加以评价，B层学生以一般要求来评价，对于C层学生在一般要求的基础上稍微降低标准。在形成性分层评价过程中，对所有学生不作横向性评价，只作垂直性评价。

教师根据学生实际的语言智能(即听、说、读、写、译)和非智力因素，结合《大学英语课程教学要求》学生英语能力自评和互评表制定了适合每层学生的《英语能力自评/互评表》[11]。A层学生的《英语能力自评/互评表》以《大学英语课程教学要求》中学生能力自评表/互评表中的较高要求为基础，B层以一般要求为基础，C层学生的评价表应低于一般要求。学生每半月进行一次自评和互评，教师将评价结果记入学生的电子学习档案袋。

3.5 数据收集

实验结束后再次对实验班的学生进行非智力方面的调查，共发放问卷35份，回收有效问卷31份，回收率为89%。问卷统计是由笔者自己操作的，尽量做到客观，公正。学期结束后，统计学生的期末英语考试成绩，用SPSS.19.0进行分析处理。

4 实验结果与分析

4.1 形成性分层评价有助于改善学生的非智力因素

与传统的评价模式不同，形成性分层教学评价模式承认学生之间的差异，在教学过程中采用差异教学(这种差异教学只有老师知道并不对学生公布)对学生学习过程进行评价时既注重学习测试成绩，也关注其非智力因素的变化。实验结束后对实验班非智力因素调查统计的结果如表2所示：

表2 实验后实验班学生非智力因素变化

注：有效问卷为31份，表中的数字为各项学生人数

Note: valid questionnαires are 31, the numbers in the table refer to students numbers in each item.

结果表明学生的非智力因素都得到了很大的改善。学习动力类型中的学习兴趣、好胜心、自尊心和成就动机都得到显著提高，这是因为形成性分层评价模式考虑了学生的个性差异，在实验过程中针对学生的个性差异，因人教学，分层评价。每个学生在课堂上都有参与教学活动的机会，学生都找到了自己的“最近发展区”，学习过程中能体会到一定的成就感，学习积极性得到提高，自尊心和自信心增强，从而激发了学生英语学习兴趣和学好英语的好胜心。学生对英语学习信心增强，动力十足，学习热情饱满，在英语考试中就会情绪稳定，焦虑感降低。从以上统计不难看出学生的学习意志虽然有所提高，但仍有很大的提升空间，教师在以后的教学中应培养学生自主学习的能力，引导学生制定英语学习计划，鼓励学生要自律性强，持之以恒。

4.2 形成性分层评价有助于提高学生的英语学习成绩

实验结束后，学生参加期末英语考试。两个班级期末考试的试卷相同，因此难易程度相等。表3为2014～2015学年度第一学期两个班级大学英语三级期末成绩统计结果。

表3 实验后两班成绩统计量

注：1.00 EG 为实验班；2.00 CG 为控制班

Note: 1.00 EG is experimental class; 2.00 CG is control class.

表4 实验后成绩独立样本检验

从以上统计得出F=6.389﹥0.05,P=0.014﹤0.05表明两组数据拒绝方差相等的假设，也就是说实验班和控制班的成绩存在差异，方差不齐；t检验结果表明P=0.017﹤0.05，不能拒绝t检验零假设，说明实验班和控制班的成绩平均值存在显著差异；另外从样本的均值差分95% 置信区间看，区间没有跨0，这也说明实验班和控制班的成绩平均值存在显著差异。实验班的平均成绩为71.9559，控制班平均成绩为66.8286，实验班比控制班高5.1273。

说明在其他变量得到有效控制的情况下(实验班与控制班学生实验前学习成绩无显著差异，实验过程中使用相同的教材，由同一教师授课，教学课时一致)，实验班所采取的教学方法和评价模式对学生的学习效果有积极的促进作用。

5 结论与启示

以学生过程性的学习信息及测试成绩为参照的大学英语形成性分层评价模式强调了评价主体、评价标准的差异性，体现了“以人为本”的评价思想。更为重要的是，不同层次、不同个性的学生在课堂上都有参与和自我表现的机会，他们的知识和技能得以更加全面的施展。学生的英语学习积极性和主动性得到调动，自信心和自尊心明显增强，学习成绩有了显著提高。本实验对大学英语教学与评价有如下启示：

5.1 教师在日常教学中要关注学生非智力的发展

上述实验表明学生的非智力与其学习效果有直接的关系，这一观点在其他研究中也得到验证[12]。根据美国语言学家乔姆斯基的学习理论，正常人都具有先天的语言习得机制，一个人的语言能力与后天获得的触发输入 (triggering input) 密不可分，如何获得这些输入与个人的动机、焦虑、性格、态度等情感因素密切相关。因此，教师在教学中要激发学生的学习动机，营造轻松愉快的英语学习环境，培养学生良好的学习习惯，建立和谐的师生关系，努力使学生的非智力因素在英语学习中起到积极正面的作用。

5.2 借助于大数据技术的支撑，对全校学生的英语学习情况进行形成性分层评价

教师借助大数据技术建立学生电子档案袋，对学生的学习过程进行分层管理和科学评价。档案袋中要及时跟踪、监督、记录每个学生的学习情况和思想动态，并对学生取得的成就和进步及时给予鼓励和表扬，增加学生的自信心和学习兴趣。教师也可以根据档案袋中学生自评和互评的反馈信息及时调整自己的教学方法。此外，大数据技术可以为教师提供学生较为真实、个性化的特征，教师的教学思维在大数据时代的背景下由群体教学逐渐过渡为个体教学，进而在教学过程中真正实现 “因人施教”， 提高学生的英语综合能力。

[1] Finch A E. A Formatice Evaluation of a Tαsk-based EFL Programme for Korean University Students [D]. U. K:Manchester THe University of Mancherster,2010.

[2]蔡基刚. 高等教育国际化背景下的外语教学评价体系调整[J].外语电化教学，2013(1):3-8.

[3] 文秋芳.评析“概念型教学法的理论与实践”[J].外语教学理论与实践,2013(2):1-6.

[4]周由游，施建国. 技术推动学习的新模式美国国家教育技术计划的启示[J].中国电化教育，2011(10): 54-58 .

[5〗喻长志. 大数据时代教育的可能转向[J]. 江淮论坛，2013 (4): 188-192.

[6]梁文鑫. 大数据时代—课堂教学将迎来真正的变革[J].北京教育学院学报: 自然科学版，2013 (1):14-16.

[7]吴晓威. “大数据”理念的教育应用与中国教育改革[J].内蒙古社会科学:汉文版, 2014(6): 168-171.

[8]霍华德·加德纳著，沈致隆译.多元智能[M].北京:新华出版社，1999:35.

[9]陈坚林. 大数据时代的慕课与外语教学研究[J]. 外语电化教学,2015(1): 3-8.

[10]龙立荣.大学生非智力因素测查问卷的编制报告[J].心理发展与教育，2002(2):38-43.

[11]教育部高等教育司. 大学英语课程教学要求[M].北京:高等教育出版社,2007:2-5,14-22.

[12]陈培零. 非智力因素与大学英语学习效果[J].贵州师范人学学报,2009(2):123-126.

(责任编辑：郭万红)

An Empirical Study on College English Formative Stratified-evaluationModel Supported by the Concept of Big Data

ZHAO Yan-fang

(College of Foreign Languages,Anhui Science and Technology University,Fengyang 233100, China)

The construction of college English formative evaluation model is to resolve the problems of unilateral evidence and the abstract feedback information in the process of assessment. Supported by the Multiple-intelligences theory and the concept of big data,through the questionnaire survey, students’ electronic files and lear-ning tests,two classes (70 students) were studied for one semester.The experimental results show that the evaluation model is helpful to improve the students’ no-intelligence and their English learning achievement.

Big data; College English; Formative stratified-evaluation model

2016-04-27

安徽科技学院教研项目(X2016043)。

赵彦芳(1972-)女，山西省柳林县人，硕士，副教授，主要从事英语教学研究。

H319.3

A

1673-8772(2016)06-0103-05