“循数治理”引领职业教育形成性评价研究

在我国由制造业大国迈向制造业强国的进程中，职业教育提供了优质的技能型人才保障，同时也满足了多样化的就业需求，促进了经济社会可持续发展。教育评价是对教育活动、教育过程和教育结果进行的价值判断，为提高教育质量和教育决策提供依据。我国目前的职业教育仍然是以终结性评价为主，不适应大数据时代的教育发展规律和治理模式。大数据是一场颠覆性的技术革命，以云计算、物联网和人工智能等技术的深入运用为标志，人类社会正在进入大数据时代。“循数治理”是大数据时代的治理模式，即“循数决策”完成后，“依数治理”智慧化地进行治理。“循数治理”将树立一种全新的数据意识或信息意识，养成大数据的思维方式，自上而下地形成数据文化，在充分利用现代信息技术及时、高效、便捷地搜集全面完整数据信息的基础上，真正做到“用数据说话、用数据管理、用数据决策、用数据创新”。大数据引发了教育深刻变革，开启了教育评价的新时代。形成性评价是基于“整体改进”思想，对学生学习全过程的持续观察、记录和反思而做出的发展性评价，使学生从被动接受评价转变成为评价的主体和积极参与者。大数据为形成性评价提供了技术支撑，“循数治理”引领职业教育形成性评价，深度运用大数据为每个学生发展建立完整的数据链，准确记录每一位学生的发展轨迹，使职业教育过程可视化、清晰化、准确化与科学化，将全面提升职业教育的人才培养质量，推进职业教育领域的深度变革。

一、传统终结性评价存在的缺陷

传统的教学评价是终结性评价，通常在教学结束后进行，用于判断学习效果，忽视了学习过程、学习态度和学习行为，只能揭示某些特定的问题，缺乏综合性，不能充分发挥评价促进学习的功能[1]。存在很多缺陷，主要体现在以下几个方面：一是评价内容存在缺陷。终结性评价过多地倚重学科知识，特别强调课本知识，忽视学生的实践能力、创新精神和心理素质，以及情绪、态度和习惯等影响因素。网络信息时代对职业教育人才提出了新要求，仅仅掌握知识和技能远远不够，还需要重视个性潜能发展和创新能力培养，学业成就作为评价学生单一指标的局限性逐渐凸显。二是评价标准存在缺陷。终结性评价过多地强调共性和一般趋势，忽略个体差异和个性化发展。每个学生的兴趣爱好、智力水平和潜在能力等方面各不相同，现代社会对人才的需求也呈现多样化趋势。终结性评价基于“标准化”，否认个体差异，泯灭学生的个性特征、兴趣爱好和独特思维等社会发展多样性的需求。三是评价方式存在缺陷。终结性评价以考试为主，过多地倚重量化结果，认为量化就是客观、科学和严谨的代名词。但是，量化方式表现出僵化、简单化和表面化的特点，缺乏对学习过程和个性发展评价，学生的个性特点和努力进步都被掩埋在一组组抽象的数据中，不能做出全面正确的评价，不能促进学生发展。四是评价过程存在缺陷。终结性评价以考试为主，只要求学生提供答案，对如何获得答案的过程并不关心。学生获得答案的思考与推理、假设的形成以及如何应用证据等，都被摒弃在评价视野之外。导致学生只重结论忽视过程，不注重科学探究，无助于养成勤学进取的习惯和严谨求实的科学态度，限制解决问题的灵活性。

二、职业教育形成性评价的基本构成

职业教育的职业性决定了职业教育的实践价值诉求，还具有社会性、开放性和终身教育性等特点，教学过程相对复杂，又受到多种因素制约，单独采用任何一种教育评价方式都不完全合理。因此，形成性评价也是多样的、灵活的和有针对性的，通常是将以下几种方式结合使用：一是学习档案评价。传统的学习档案是记载和反映学生在校学习的归档材料，记录考勤、成绩以及各种表现等。大数据时代的学习档案具有更广泛的内容，包括学习活动、学习成果、情感态度、学习付出和学业进步，以及学习和成长过程的全部信息。学习档案评价的具体方式包括学生作品评价、个人发展评价和课后反思评价等，使学业进步清晰可见，帮助学生认识自我，提高学习主动性。二是教师记录评价。教师有效的观察记录是优秀教学的基础，在此过程中与学生保持良好的互动和心灵的沟通交流，培育学生积极的学习情感。具体评价方式可以是：课堂观察，对学生的日常表现进行评价；个体访谈，倾听学生心声，给予倾听教育的滋养，对学生的个性特征做出评价；作业批改，改变学生态度、了解学习情况，并为教师备课、反思和教学活动提供依据。三是学习效果评价。由学生自身、任课教师和学生之间对学习过程和学习效果进行综合评价，依据评价结果改变学习态度和教学策略。其中，学生自评，由学生自己完成，促进学生不断反思自己的“元认知”，进一步认识自已并进行自我调整；学生互评，由学生之间完成，促进学生对不同意见的接纳和共鸣，避免形成孤僻的性格，增强社会适应能力；教师评价，作为最基本的评价方式，对学生成长具有导向和激励作用。

三、“循数治理”引领职业教育形成性评价的优势

数据科学家Victor Mayer Schoenberg指出，“大数据和教育的结合将创造真正的变革，开启了崭新的数据教育时代”。“循数治理”引领职业教育形成性评价具有独特的优势，突出表现在四个方面：

（一）规模性：海量数据提供评价资源，评价结果客观化

形成性评价依赖于学生成长过程中完整的数据链，教师在日常教学中不需要刻意收集和记录学生的行为表现，大数据海量的数据规模为形成性评价提供了强有力的资源支撑，由海量数据资源分析得出的形成性评价结果更具有客观性。一方面，通过海量数据监测和分析，将难以衡量的因素定量化，从宏观个体走向微观个体，基于学生行为的大数据分析成为现实；另一方面，对于学生情感和身心发展等模糊性因素，通过大规模的调查研究和海量数据分析得到，最后做出科学的推论和评价。

（二）多样性：多元数据提供评价渠道，评价层次多元化

大数据的多样性是指包括各种格式和形态的数据，考试成绩只是形成性评价的数据之一，需要全方位地收集分析学生成长过程信息，基于多元化的“数据”和“证据”进行评价[2]。多元数据的深度融合带来全新动力，促进了评价层次多元化：学生自我评价和教师评价是核心环节，能够促进学生改进学习和教师改进教学；学校和教育主管部门评价具有宏观指导和调控作用，辅助制定有针对性的职业教育发展规划；社会评价是终极评价，反馈信息更加真实，有助于调整培养方案适应社会需求。

（三）高速性：高效反馈提供评价效果，指导教学快速化

与传统的数据载体相比，大数据基于互联网和云计算技术，数据的采集、处理和传播速度快[3]。教育评价的根本目的是促进学生成长，运用反馈机制，有助于学生认识自我并有效调控学习过程，促进教师反思和调整教学行为。大数据的高速性，为快速评价和快速反馈创造了条件，教学过程的每一步都可以评价和反馈，随时改进学习和教学，及时采取有效的调控策略，而不像终结性评价那样等课程结束后才能评价。正如Marie Cini所言：“课程刚开始，知道哪些学生有可能无法完成学习了”。

（四）价值性：数据分析提供评价预测，决策依据科学化

大数据蕴藏着巨大价值，数据量大是大数据具有价值的前提，数据关联是大数据实现价值的基础，计算分析使大数据最终产生价值，广泛使用使大数据价值倍增[4]。基于数据分析的大数据预测是大数据价值最核心应用，“循数治理”引领职业教育形成性评价，通过分析教学过程和学生成长过程的数据，预测学习效果以及教学过程存在的风险，为职业教育的科学决策提供依据，实现教育治理精准化[5]。同时，根据预测结果采取相应的调控策略，为学生提供精准的个性化指导，促进学业完成。

四、“循数治理”引领职业教育形成性评价的对策

大数据技术飞速发展，为职业教育形成性评价应用提供了强有力支撑。但在当前的发展环境下，“循数治理”引领职业教育形成性评价还面临着诸多挑战，既有宏观层面政策和制度因素，也有微观层面的平台和教师因素，需要切实可行的应对策略。基于前期研究基础和前人研究成果，本文提出的“循数治理”引领职业教育形成性评价对策如下：

（一）转变思维模式，培育形成性评价的“循数治理”理念

思维是人脑对客观事实本质属性和内部规律的间接概括，大数据的本质是一场思维模式革命，仍然套用传统的思维模式，不去开动脑筋转换思维，就找不到解决问题的途径。大数据思维是新的思维观，从“流程”核心转变为“数据”核心，用数据核心思维方式思考问题和解决问题。形成性评价的“循数治理”理念，以学习全过程的数据为依据和资源，积极挖掘大数据的应然价值，教师要成为大数据的收集者和分析者以及“循数治理”的引导者，保证形成性评价的客观性和科学性。

（二）加强研发投入，构筑形成性评价的“循数治理”基础

“循数治理”应用的基础是技术基础设施，用于完成数据汇聚、存储和提取等工作。其中，数据汇聚设施，将相关数据汇集成满足形成性评价的数据资源；数据存储设施，存储数据为应用服务，解决数据增长快、存取效率低、冗余数据多和数据存取频繁等问题；数据提取设施，从大数据中提取有用知识，主要是数据分析和解释技术。目前的大数据技术还不能满足职业教育形成性评价的需要，职业技术教育机构只是技术的使用者，具体的技术和资金投入，需要以政府为主导并引导企业参与。

（三）凸显创新手段，理顺形成性评价的“循数治理”机制

创新是推动科技进步和社会发展的不竭动力，以大数据智能化引领创新驱动发展，让创新成为第一动力。基于创新理念理顺形成性评价的“循数治理”机制：一是完善信息化建设的体制机制，消除信息孤岛，统一信息标准，全方位汇集各种数据，实现数据无缝对接。二是加强信息化建设的顶层设计，从政府层面进行全方资源整合，优化“云+网+端”的整体技术架构。三是创新整体性的数据整合机制，通过一体化大数据平台，实现数据全面开放和充分共享，力争“循数治理”效能最大化。

（四）以学生为中心，凸显形成性评价的“循数治理”主体

以学生为中心的教育理念，就是充分挖掘学生潜能，使学生成为信息加工的主体，成为知识意义的主动建构者。充分体现学生作为“循数治理”的主体性，大数据构建围绕学生学习的全过程展开，学生由被评价者向评价者转变就是发挥以学生为中心的重要体现，评价本身也作为学生在教学中应该习得的一部分，评价结果应用于学生，学生及时根据反馈纠正各种问题。基于大数据思维和大数据技术，对学生进行整体数据分析，注重学生个体的特殊性、差异性和多样性，全面构建综合评价体系。

（五）完善制度设计，优化形成性评价的“循数治理”环境

制度是要求成员共同遵守的办事规程或行动准则，“没有规矩，不成方圆”，没有制度就没有约束，“国有国法，家有家规”，体现的就是制度的重要性。基于大数据的形成性评价的“循数治理”，是以完善的制度保障为前提。政府层面要建立大数据采集、使用和安全等方面的法律制度和管理规范[6]；职业教育管理部门要统一规划，制定相应的基于“大数据”的形成性评价标准；职业教育机构要健全大数据的管理组织，明确相关人员责任，提高数据安全意识，确保“循数治理”过程的和谐稳定。

（六）优化决策路径，创新形成性评价的“循数治理”模式

大数据时代不是掌握数据，而是利用数据。“信息是一种权力”，但大数据让权力置于阳光之下，整合数据推动决策，确保决策科学化和治理精准化。决策者要摒弃“自我中心”的管理思维，全面、及时、准确地掌握各种信息，形成多层次和全方位的数据思维，探索多元主体合作治理机制，提高形成性评价的智能化程度，而不仅仅是评价无纸化和自动化[7]。让职业教育决策者意识到数据的重要性，将数据与教育决策相关联，发挥教育评价的潜在价值，最终形成治理的合力以实现“智慧治理”。

（七）提高教师素质，培养形成性评价的“循数治理”人才

教师是形成性评价的组织者和实施者，教师素质对评价产生重要影响。教研能力是指教师在相关教育教学理论指导下，借助科学的研究方法，探讨教学规律、解决教学问题以提升教学质量、促进学生发展的能力[8]。大数据时代的职业教育教师，必须顺应时代潮流，不断提高信息素养，具备数据采集、分析、处理和创新等能力，将数据转化为信息再转化为行动，达到提高评价质量和促进教学的目的。基于大数据的“循数治理”应用于职业教育形成性评价，还需要不同类型的专家群体以及技术人员，包括教育学专家、心理学专家、数据分析专家和信息技术专家等，以教师为主体构建强有力的“循数治理”人才队伍是形成性评价开展的基础。

数据科学家维克托·迈尔-舍恩伯格指出，“相比过去那些力量甚微的创新，大数据和教育的结合将创造真正的变革”[9]，开启了崭新的数据教育时代，教育大数据应用为克服现有教育评价中的不足提供了良好的解决方案。“循数治理”是教育评价的技术性革命，能使教育问题可视化、清晰化、准确化与科学化。“循数治理”引领职业教育形成性评价，符合职业教育发展要求，并引领了未来的教育评价方向，具有重要的现实意义：促进职业教育学生全面发展，真正实现素质教育；追求过程与表现持续发展，提升学生综合技能；让教师真正读懂学生，助力职业教学改革与创新；数据驱动决策，推动职业教育治理科学化。