大数据支持下的走班制教学质量评价

■天津市天津中学 贾永金

随着互联网的快速发展，人类已悄然进入大数据时代。大数据也给教育带来巨大的变革。

当下，在新高考改革下，教学要满足学生的个性化选择，最好的方式就是实行选课走班制。采用选课走班制，就要有与之相匹配的教学评价方式。教育大数据的发展，实现了教育过程的数字化，为我们探索新的教学评价方式提供了可能。

首先我们来了解大数据，大数据又称巨量资料，信息社会里，各种信息都可称为数据。数据信息可以划分为两大类：一类能够用数据或统一的结构加以表示，我们称之为结构化数据，如数字、符号；而另一类无法用数字或统一的结构表示，如文本、图像、声音、网页等，我们称之为非结构化数据。生活中产生的原始信息数据，绝大多数是非结构性数据。为了便于分析，提高数据分析的效率，常常把非结构性数据信息，部分转化为结构性数据信息，从中发现问题，寻找规律。然后再回到原始的信息数据中，把发现的问题和规律，回归到原始数据背景中对照，分析问题和规律的特殊性，达到应用全数据分析和解决问题的效果。

利用全数据的一般过程：收集数据，转化数据，分析数据。下面以教学数据为例来说明。

一、收集数据

教学过程中的信息都应该收集，包括学生的作业，学生作答的试卷，教师的教案，以及师生活动的视频等。

二、转换为可用数字表示的结构性数据

在原始的非结构性数据上，加载上结构性数据的特征，例如考试命题时，教师根据学段需要学生学会的知识点框架匹配具体试题，赋予每道题具体的分数，这样每道题就有了带数字特征的知识点信息，从而把试卷的部分信息就转化成了具有数字特征的结构性数据。

三、数据的统计与分析

（一）介绍几种解读数据的方法

1.确定学生在全体中的相对位置。

常见的方法有三种：

（1）名次法：利用考试的实际分数排名，结合总人数，确定学生的相对位置。

（2）等级法：例如天津新高考改革的录取计分方案（高考3+3模式）。

（3）标准分法

①含义：越大，学生成绩之间差距越大，两极分化越大；越小，学生成绩越集中在平均分附近，学生两极分化越小。

②标准分它符合正态分布，函数图像如图：

每个学生的实际分数都可以换算为标准分Z，Z的范围为-4≤Z≤4，每一个Z的值都有一个对应的百分比。

2.确定学生对知识的掌握程度。

正答率=。通常及格率，就是正答率为60%，对知识掌握了60%的程度。

（二）科学解读数据

1.学生层面

（1）利用常模参照（增量参照）判断自己各科和总分在群体中的位置。

（2）确定自己对知识的掌握程度。

通过解读数据化的学习过程，学生可以明确奋斗方向，制定合理的学习目标，科学调整学习策略，做出合理的生涯规划。

2.教师层面

（1）判断班集体在群体中的位置。

（2）确定班集体对知识的掌握程度。

教师通过解读数据化的教学过程，了解学生的行为起点，明确教学改进方向，确定教学补救基点，合理制定教学方案，科学选择教学策略。实现因材施教，成就学生梦想。

3.学校层面

（1）选课走班制下，对原始平均分差值的解读。

选课走班制下的班级，不再会有学生程度相近的平行班级，各班的学生程度不再相同，考试时，班与班的平均分差距多少合理呢？再有，平均分的差值受到试题难易程度的影响，不同考试，差值无法固定。

由数理统计原理知道，两个班级的平均分的差距由两方面组成。一方面，主要由学生的智力因素决定的内因引起的，这是很难改变的；另一方面，主要由学生的学习状态、应试技巧、教师的投入程度等外部因素引起的，通过师生的努力是可以改变的。

通过判断内外因差距，合理地引导师生奋斗目标和努力方向，高效地为师生的工作和学习服务。

（2）有利判断全校各班各科均衡发展情况。

学校通过解读数据化的师生教与学的过程，合理引导学生发展的方向，提高教师管理工作的科学性，适时监管教育目标和教育质量，强化过程管理，实现教育公平从机会公平向过程公平转变，力争实现教育的公平公正。

分析数据的目标不是为了评价，是为了更好地为教学服务。不能唯数据论，要让数据联系实际，分析数据产生的深层原因，才能作出科学合理的判断。