基于大数据的实践技能评价方法*

◆胡畔

1 引言

由于实践教学过程和评价目标描述抽象性等原因，对学生的实践技能水平评价往往缺乏评价的信度与效度，对学生实践情况的评价往往存在“重数量、轻质量，重表象、轻内涵”[1]现象，而对学生实践能力形成过程中真正欠缺的、亟待加强或提高的方面没有任何可溯源的合理解释。另外，单纯的实践活动往往缺乏对理论知识的反刍、升华和反思，这种低效度的能力评价恰好又促进了不具任何思辨的、简单重复的低水平实践活动，这与实践教学的人才培养目标相背离，不仅阻碍了学生思维活动的具体化和外化，也导致学生实践能力的低效培养与片面发展。

本课题运用大数据数据分析和数据挖掘等方法开展研究，对校内已经积累的海量、庞杂的记录学生在校期间学习“轨迹”的大数据进行分析，探索学生实践能力培养的构成因素，设计更加科学合理的实践能力评价方法和评价体系，以发挥评价体系在实践能力培养中的导向性作用，引导学生主动学习、自我发展和完善，促进更好开展教育实践教学工作，缩短实践方面的校企间差距，最终为学生全面发展提供有力的支撑和保障。

2 各阶段研究说明

实践技能构成因素探索和分析教育科学理论对实践能力的认识从多个不同角度形成一系列的定义和描述，如：“实践能力是个体在实践生活中获取潜隐知识和背景信息、定义问题及解决问题的一种能力，它可以较好地预测个体未来的工作表现”[2]；“实践能力是保证个体顺利运用已有知识、技能去解决实际问题所必须具备的那些生理和心理特征”[3]；等等。

美国国家教育和经济中心等将实践能力分为问题解决、交流工具和技巧、信息工具和技巧、学习和自我管理的工具和技巧、与他人共同工作的工具和技巧[4]；国内典型观点认为“实践能力划分为四个基本构成要素：实践动机、一般实践能力因素、专项实践能力因素和情境实践能力因素”，“实践能力分为动手操作能力、日常生活实践能力、职业活动实践能力、人际交往实践能力”[5]。总之，对实践能力的各种描述都是聚焦于“能力”层面的认识，对一般性实践活动中人的素质情况的内涵探究讨论范围更加宽泛，而实践技能则更强调运用某一项专门技术的能力，即在实际工作中表现出来的技术应用情况、对工作岗位的适应情况等。

本文结合近年来学生就业后从事的工作岗位情况，在大量调研和分析基础上对实践技能的内涵做如下描述。

1）专业岗位技术能力。从企业人力资源管理的角度出发，一般通过绩效方式达到量化考核的目的。表面上看，该能力的形成主要来源于企业岗位技能培训活动，而实际上是学生在校阶段学习过程中专业理论知识和专业实践技能沉淀的基础上的一种升华凝结。

2）交流与沟通技能。现代工业的标准化、自动化及流水线形式的大规模协作生产形式，使任何一个组织在创造价值过程中内部人员之间的联系更加紧密，成员的协同、协作、团队组织、发展创新等都依赖于人的沟通交流，甚至有观点认为“沟通就是生产力”。

3）发现、分析、解决问题能力。优秀的企业员工应善于发现其岗位工作中各种新问题，在结合自己经验初步判断基础上，根据其岗位职责和工作流程设计，对出现的新问题做出合适的解决方案设计。

实践技能量化评价方案设计

1）设计思路。实践技能评价有助于学校、企业了解学生技能水平情况，同时便于学生个人及时调整自己的学习目标和方向，提高就业竞争力。确定实践技能评价方案的设计思路如下。

①面向实践技能内涵的三个方面，结合专业培养目标，围绕培养方案设置，找出其能力形成来源，研究高校教育阶段的贡献情况，析出观测点，初步解决在校知识学习和职业技能需求的贯通问题。

②实践技能评价应涵盖在校理论教学、实践教学和课程设计等多个培养环节，所涉及的观测点结合教学活动开展，为简化评价过程和提高评价准确率，应可以直接从教学工作中采集原始成绩用于评价使用。

③实践技能评价在综合学生多方面学习质量评价的基础上，应进一步探索采集学生创新、协作、思辨等隐性因素对实践技能形成的评价研究，通过发挥全面发展和个性发展相结合的技能评价设置，避免陷入同质化的人才培养倾向。

④评价体系的设计工作是一个持续更新与不断完善的过程，这项工作涉及高校教师、企业员工、学生个人等多个类型的用户，对评价结果的校对可能需要一个更长期的反馈过程，所以应充分结合校内教学管理、学生就业、校友信息等现有平台接口和信息资源。

2）对历史数据进行评价。学生在校学习期间形成大量评价数据，包括考试成绩、平时作业记录、课程设计报告、毕业设计报告、实习报告等，但由于原始成绩数据中存在大量不完整、不一致、异常等情况，可能影响到后期数据分析的执行效率，甚至可能导致结果偏差，因此对采集到的数据首先进行清洗、集成、变换、规约等一系列的数据预处理。

①数据清洗。从统计上说，缺失的数据可能会产生有偏估计，从而使样本数据不能很好地代表总体。本项目中有极少部分学生的学习记录出现缺失值情况，其原因主要为患病、入伍等退学情况导致，在调研样本中已失去后期进一步调查的意义，且该部分数据量极少，故采用删除法处理。在本项目中出现异常值情况的原因主要是人为输入的错误，对出现异常值的记录根据对比结果进行相应的更正处理。

②数据集成。本项目中模式匹配主要涉及多张二维表的合并，学校内部对学生数据具有天然形成的关键字——学号，且学号同时包含学生入学年份、专业、班级等信息，并能够保证其对记录的唯一性标识。

数据冗余可能存在两种情况：重复记录和重复（相关性）属性。如果一致性检查较好完成，则重复记录情况将可以基本避免；而重复（相关性）属性情况则可能较普遍存在，如专业基础课和专业课中存在联系比较紧密的两门课程，学生一般在这两门课的考核中可能形成相对同样的评价结果成绩。对应重复（相关性）属性需要相关分析进行查找，按步骤把现有的同一类别的成绩整理成二维表格后导入软件中进行各属性相关分析，将相关系数小于0.1的属性去除。

③数据变换。数据聚集是对数据进行汇总；数据概化是将属性中的低层数据概念化到高层概念。如外语类成绩由多个学期的外语课程成绩组成，为了提高成绩评价的稳定性，对成绩使用数据聚集的形式进行处理，处理后该类下的多门成绩聚合为一项。

数据规范化是将数据按比例缩放，使之落入一个特定的区域，如[0,1]。规范化可以保证输入值在一个相对小的范围内，这对基于距离的聚类算法和神经网络算法是非常重要的。本项目主要使用最小—最大规范化，将聚集和概化后的数据整理到[0,1]范围内。

整理后的数据基本可以满足实践技能形成要素显性来源分析各项目的评价数据来源要求，且该评价结果所给出分数真实、客观，能反映出学生的在校学习情况。

对已就业学生在工作中表现的实践能力评价实践技能形成要素中的隐性来源不易直接形成评价数据，故采用设计调查问卷的形式，设计恰当题目，采用合理计分法，覆盖实践技能形成要素隐性来源的各个项目，并制作题目—项目覆盖量表，以最大化地应用每道题目蕴含的功能。使用此方法对学生进行调查，在获得调研答卷后综合打分，再形成评价数据。

1）隐性项目调查问卷设计。调查问卷拟在Web 页面端提供答题接口，参加答题的人员包括即将毕业D 学生和已就业的部分学生。为了避免偏向性、选项不完备等问题，在命题过程中也要进行充分论证，尽量保证题目精干而覆盖面广泛。

优秀的、高价值的调查问卷应能真实反映参试人群实际情况，问卷设计的题目应表述明确和选项梯度清晰，问卷涵盖调研全面整体、逻辑连贯。课题组在这项工作中进行了大量的调研工作，多次研究讨论，极力避免问卷命题偏差，但该项工作仍需要在实践中不断改进完善。

2）收集评价数据。评价数据是学生毕业后在工作中实际表现出的实践技能情况，按本项目研究设定，实践技能可以量化评价打分并由专业岗位技术能力、交流与沟通技能、发现—分析—解决问题能力三个方面组成，但毕业生就业后所从事行业有较大区别，所从事的岗位对实践技能的要求有其不同的表述形式，因此，设计一套完全统一的量化打分办法是本项目研究难点之一。为此，课题组通过大量的调研和分析，为实践技能评价设计问卷调查题目，试图在技能水平抽象的基础上对毕业生工作后所表现出的实践技能给予全景勾勒。将设计好的调查问卷导入基于Web的调查问卷系统，并将该系统开放给部分在校生和已毕业学生进行施测。

3 结语

实践技能具备丰富知识融合特征与人文素质内涵，这与党的十九大报告所提倡的弘扬和传承的工匠精神敬业、精益、专注、创新的内容完全一致。要实现既定的培养目标,必须要建立起科学、高效的技能评价体系，既要考虑从培养方案、实践内容和考核评价等几个方面入手，也要考虑从学生自我评价、行业社会评价和实践单位评价等多维角度衡量。

大数据革命是一场正在发生的信息革命，并即将为人们带来政治、生产、生活、认知等全方位的变革。对于高校而言，应重视加强对大学生自主学习能力、信息获取能力、观察分析能力、实验研究能力、表达沟通能力、交往合作能力等实践能力的培养，更好地应对可能的变革。■