大数据在认知诊断中的实践应用

田雪林

从古至今，对学生学习情况的检测一直是教学过程中极其重要的环节，也是学生、教师、学校、家长乃至整个社会都普遍关注的事情。传统的检测方式主要是通过试题测验学生的学习情况，得分高低意味着学生的知识水平高低，有的学生凭实力得高分，有的靠运气，即使分数相同的学生，他们的认知结构也可能有很大差距。传统检测方式往往只关注学生的分数，不注重学生认知结构的分析，更谈不上根据学生的认知缺陷，有针对性地补弱纠偏了。近年来，在认知心理学与心理测量学的基础上发展起来的认知诊断理论[1]，不只是关注学生的测验分数，而且更加重视学生分数与自身认知结构之间的关系，利用合适的测量模型对不同的认知结构模式进行诊断[2]。在大数据技术、人工智能技术日益成熟的今天，基于学业大数据的认知诊断将更加精准、更加高效，是传统考试测验与评价的改进与完善，是现代的学习评价方式。本文从江苏省南通第一中学学业大数据应用案例入手，谈一谈大数据在认知诊断中的实践应用。

一、人工智能时代的认知诊断

大体上讲，认知诊断分为狭义和广义两大类，狭义的认知诊断是指被试者有没有掌握所测试的知识和认知技能，并据此对被试者进行分类;广义的认知诊断是观察被试者测试分数与内部认知结构之间的关系，更侧重于自身认知特征的分析。无论哪种认知诊断，都是以被试者的数据信息为基础进行诊断。本文从狭义认知诊断视角剖析学业大数据在认知诊断中的实践应用。

传统的认知诊断主要依靠手工完成，或人工统计，或借助于计算机软件（如Excel等）统计，往往根据一次或几次测试数据来对被试者进行分析，数据样本非常有限，诊断结果也不是很精准。传统方式很难跟踪记录学生每次考试和作业数据，很难从大量的考试和作业数据中准确分析学生的认知水平和结构，更难做到针对每个学生给出个性化评价报告，所以，学生、教师、家长只能掌握学生的分数，不能精准掌握学生的认知特征信息，也就是说，大家都不太清楚每个学生哪些知识点掌握得较好，哪些知识点掌握得不好，也就谈不上精准学习、精准教授、精准辅导。

近年来，随着人工智能技术、大数据技术、数字化学习技术等的兴起，基于学业大数据的认知诊断受到越来越多的关注。大数据用于认知诊断要具备以下两个条件：一是要有采集学业数据的条件，包括硬件设备和宽带网络，比如，高速扫描仪等就能高速扫描作业、试卷等作答信息，数据及时上传到大数据管理平台;二是要有一个功能强大的网络版大数据管理平台，用于记录、存储、分析学业数据，智能生成评价报告，科大讯飞公司的智学网就是这样的平台。同时，大数据用于认知诊断具有以下几个优势：一是数据基础庞大，大数据管理平台能够完整记录、存储每个学生长期的学业数据，形成数据矿山，为认知诊断挖掘出金、银、铜、铁、锡等个性化认知特征提供了全样本的数据;二是智能化程度高，如智学网就融合了人工智能技术，能够自动生成每个学生个性化的诊断报告，无须人工干预;三是学习资源推送智能化，大数据管理平台能根据个性化诊断报告智能推送个性化学习资源，精准度高，能有效弥补学生的认知短板;四是学习指导个性化，教师能够根据学生的个性化诊断报告对每个学生进行不同的学习指导，使学习指导更加精准。综上所述，与传统的认知诊断相比，基于大数据的认知诊断具有数据体量大（全样本）、智能化程度高、精准度高等方面的明显优势。

基于大数据的认知诊断一般要经历三个阶段。第一阶段，数据采集。利用设备采集学生的作业、考试等学业数据，并上传到大数据管理平台;第二阶段，数据分析。利用数据挖掘技术、统计分析技术等智能分析数据，掌握数据反映出来的学情信息;第三阶段，数据应用。利用大数据分析结果指导精准化教授、个性化辅导等教学活动。

二、大数据助力学生个体认知诊断

2015年4月，我校就引进了学业大数据系统，试点学业大数据管理应用。2017年9月，学校与科大讯飞全面合作，全校所有学生的日常作业和考试数据全都记录到智学网，目前形成了庞大的数据体量。智学网在大数据技术、人工智能技术等在全样本数据的基础上，自动分析和生成每个学生一段时期的诊断报告，包括知识点掌握详情、学科能力情况等。学生能分析本学年、本学期、近两个月、近一个月、近一周甚至某次作业或考试的学情，了解自己近期的知识短板，从而调整自己的学习策略，补齐短板。教师可以查看所教班级学生的诊断报告，针对不同学生进行精准指导。智学网提供三种措施来弥补短板，一是学生下载近期的错题再练;二是智能推送个性化学习资源再学习，如个性化學习手册;三是教师布置个性化作业精准补短。

案例分析：

高二4班数学教师黄老师在分析最近一次周练作业学情时，在“学生学情”模块里点开了田同学的详细学情（见图1），发现该同学近一周来“函数的零点与方程根的关系”知识点得分率只有16.7%，远低于年级平均得分率54.6%，“利用导数研究函数的单调性知识点”得分率只有50%，也远低于年级平均得分率88.8%。难道是偶然吗？于是她又筛选了该同学近一个月来的学情数据（见图2），发现该同学“函数的零点与方程根的关系”知识点得分率只有11.1%，仍远低于年级平均得分率44.2%，而“利用导数研究函数的单调性知识点”得分率却达到74.5%，略高于年级平均得分率74.1%。因此，她断定该同学关于“函数的零点与方程根的关系”没有弄懂，根源还在函数的零点没搞清楚，于是她课后找田同学单独指导，同时还给她推送了几道变式题以巩固提高。在接下来的月考中，该同学在函数零点的问题上没有再

丢分。

图1 高二4班田同学学科能力情况

图2 高二4班田同学近期学情

大数据具有全样本的特点，也就是说“样本=全体”，学业大数据分析就能精准发现学生个体认知特征，便于家长了解孩子的学习问题，也便于教师针对学生的短板进行个别化指导，精准、高效补短。因此，不难理解如果每个学生都能及时补齐短板，那么班级整体的学习效果自然就能大幅提升。