“互联网+”背景下的个性化学习评价研究

芦丽萍

（天津师范大学 教育科学学院，天津 300387）

0 引 言

互联网+背景下的个性化学习是以学生个性发展为目标,尊重学生个体差异,并强调信息技术的个性支持。这种学习方式能促使学生个体潜能得到最大限度的发挥,非常符合当前高校人才培养的需求[1]。信息技术的发展特别是网络在教育中的应用,使学习者能够根据自己的兴趣特点、学习需求来获得丰富的资源,得到个性化的服务和指导,自主地控制学习进程,使学习更具个性化[2]。

当前社会正由工业时代步入信息时代和“互联网+”时代,随着社会经济水平和生活水平的提高,人们的教育需求正从标准化教学向个性化学习和终身学习发展,而教育服务供给也将由“标准化供给”向“个性化服务”转变[3]。相关统计资料表明,近年来,“互联网+”背景下的个性化学习研究主要集中在理论、设计及应用方面,对学习评价的研究较少。学习评价作为衡量学习过程和结果的重要手段,对个性化学习的有效性具有重要的支持作用。基于教育服务视角,如何实现满足个性化学习需求的学习评价是个性化学习领域中有待研究的重要问题。

1 个性化学习评价存在问题分析

“互联网+”环境下,学生的个性化学习评价越来越多的使用过程性评价方式。过程性评价是以优化学习过程、提高学习效果、促进个体生命发展为目的的评价活动[4]。面向过程的学习评价可以作为关注、记录、引导、激励和促进学习者学习体验和成长的有效手段,是网络教育质量保障的关键环节。笔者通过文献分析和教学实践发现在实施个性化学习评价过程中存在一些问题。

1.1 评价主体分析

评价主体是指评价活动的实施者,即评价者。评价者的评价理念应从两个方面考虑,一是被评价者目前的知识水平,二是其可能的发展潜力。评价主体主要存在以下几个问题:①过度强调评价主体的多元化,如学生的自评和互评、组内和组间评价、教师的评价,甚至学生家长的评价,但这样的多元评价方式不适合对个性化学习进行评价,因为个性化学习重视的是学习过程的变化,而不是只看学习结果,且自评和互评缺乏必要的过程数据支持;②缺乏个性化评价标准,即使同一个教学班的学生,他们在知识水平、学习能力、个人目标、学业情绪等方面都参差不齐,使用统一的评价标准难以为学生提供个性化的精准评价,难以帮助学生达到各自的学习目标;③评价所依据的数据来源单一,对学习者的学习效果评价往往只用学习成绩来衡量,缺乏学习行为的数据支持,如自主学习、参与问题讨论、完成作业情况、作品展示及共享等;④对学习者发展方向的指引不明确,评价主体对学生的学习走向缺乏明确的指引,导致学生产生学习迷茫。

1.2 评价客体分析

评价客体是指评价活动的接受者,即被评价者。当代大学生思维灵活,对新事物接受能力强,对专业学习和能力提高有较高的积极性,崇尚竞争并具有积极进取的精神。但不可否认,随着国际国内形势的不断变化,在享受生活与就业压力等矛盾心理的共同作用下,一些学生的内心是焦虑和迷茫的,不同程度地存在没有明确学习目标、学业情绪低落、不能正确认识自己、没有找到适合自己的学习方法、缺乏成为优秀生的自信心等问题。

1.3 评价流程分析

过程性评价要能有效引导学生的学习过程、调整学习行为、及时反馈学习结果,对提高学生的学习动机、指引学生面向未来的发展方向有着积极的影响。目前,传统的过程性评价流程存在以下问题:①缺乏学习者个性化特征测评;②缺乏学习过程中的学习行为数据跟踪;③缺乏学习结果的及时反馈。

2 教育服务视角下的个性化学习评价模型构建

在“互联网+”环境下,个性化学习的过程性评价需要合适的服务流程才能解决现实存在的问题,解决缺乏学习者个性化特征测评、缺乏学习过程中的学习行为数据跟踪、缺乏学习结果的及时反馈等问题。因此,本研究构建了教育服务视角下的个性化学习评价模型,如图1所示。

图1 模型主要提供学习者个性化特征测试、个性化学习评价方案匹配、个性化学习过程数据跟踪、学习结果及时反馈等服务,具体评价服务流程阐述如下。

图1 教育服务视角下的个性化学习评价模型

2.1 为学习者进行个性化特征测试

评价服务首先对评价客体即学习者的知识水平进行测评,再根据学习者自行选择的学习目标才能精准选择个性化的评价方案:①测试知识水平,在进行学习评价服务之前,有必要了解学习者目前所具有的知识水平,以便匹配一个合适的个性化评价方案;②选择学习目标,学习者完成知识水平测试后,要选择学习目标,分为精通、掌握、了解;③测试学业情绪,学业情绪为学习者自评,属于主观测试,测试学习者学业情绪的目的是为了研究个性化学习评价服务对学生个性化学习的影响。

2.2 为学习者自动进行评价方案匹配

学习者知识水平测试的结果和对学习目标的选择,决定了其学习类型。根据学习类型,从预设的个性化评价方案库中自动进行学习评价方案的匹配。在不同的评价方案中,对知识水平和学习目标高的学习者,评价标准就会高一些;对知识水平低且学习目标不高的学习者则评价标准会适当降低,要求其完成基本的学习内容,能做到在原有基础上有所进步。

2.3 对学习者进行个性化学习过程跟踪

对学习者进行个性化学习进行学习过程跟踪是为了掌握学习者学习状况的第一手资料,基于大数据理念,详细记录学习者的学习活动和学习结果。通过数据分析,发现问题并给予及时的提醒和帮助。图1的服务模型通过学习过程跟踪及数据分析方法,对学习者的学习行为进行干预和调整。

2.4 对学习者给予学习活动结果反馈

个性化学习过程的学习活动和学习结果都要有准确及时的反馈。对学习者参加的学习活动,如交互程度、参与讨论、资源利用等都要进行量化反馈,并按照设定的规则记录学习积分;在作业的批改中,客观题即时反馈,主观题在限定期限内给出反馈;对各阶段的测验成绩,以可视化图形显示,使学习者及时了解自己学习成绩的走势;对于优秀的实践作品给予展示交流,指出其优缺点。此服务环节不仅能够让学习者及时了解自己的考试成绩,还能了解自己学习行为投入的结果,明确下一步的前进方向。

3 模型应用实证研究

3.1 模型应用过程

笔者选取某师范大学教育技术专业本科生为研究对象,以“C#.NET程序设计”课程的教学内容为例,开展“教育服务视角下的个性化学习评价”模型有效性的应用研究。针对学习者个性化学习过程中存在的信息迷航和学习效果不理想等问题,笔者在自行开发的“云网端一体化学习平台”上,增加了个性化学习评价服务,并在实践过程中不断优化学习评价功能,以期检验教育服务视角下的个性化学习评价的有效性。

3.2 个性化特征测试服务

个性化特征测试服务主要解决的问题是学习者分类。学习者登录“云网端一体化学习平台”,选择“C#.NET程序设计”课程后,先进行知识水平测试,测试结果依据预设的分数区间从高到低分别为A、B、C级;接下来选择学习目标,从高到低分别为I、II、III级,对不同的学习目标均提出了具体的学习要求。依据知识水平测试结果和学习目标的选择,将学习者类型分为AI、BI、BII、CI、CII、CIII,共6类。知识水平测试后还要进行学业情绪测试,测试工具为“大学生学业情绪量表”[5],该量表包括4个分量表,共50个题项。测试完成后,系统会自动显示学习者所属类型及学业情绪测试结果。

3.3 评价方案匹配服务

评价方案匹配服务所要解决的问题是匹配什么样的评价方案。评价主体预设了6种个性化评价方案,与6类学习者一一对应。每种评价方案评价指标相同但评价标准不同。评价标准包含:①考试评价标准,对于阶段测验,分别设置题目的难易程度和考试时间;②参与学习活动评价标准,共涉及学习过程中的资源利用、交互程度、平时作业和综合作品等4个方面的12项学习活动,学习者参与学习活动均可获得积分。学习者的类型不同,积分标准也不同,如AI类学习者发起一次问题讨论或者回答一个问题获得1个积分,提出疑问不获得积分,而CIII类学习者提出一个问题即可获得1个积分。

3.4 学习过程跟踪服务

学习过程跟踪服务所要解决的问题是实时记录学生的学习行为,进行量化学习积分的计算。在个性化学习评价服务过程中,学生发起讨论、提出问题、回答问题、上传资源、下载文件、提交作业、作品展示等次数都有相应的积分记录。对于积分太低的学习者,评价主体,即任课教师会有相应的提醒,提醒方式有网上自动提醒,也有教师找学生面对面谈话帮助,以便及时引导与督促学生的学习行为。

3.5 学习结果反馈服务

学习结果反馈服务所要解决的问题是让学习者及时了解自己的学习结果。学习者根据系统发布的学习任务,进行阶段性知识水平测验,测验结果能在学习支持系统得到即时反馈,并可按考试时间呈现成绩的趋势走向图,以便学生及时了解自己学习的发展状况;对学习者参加的所有学习活动均有记录,并按相应规则给予学习积分的反馈,到期末会自动将学习积分折合到平时成绩中,学习者会在系统中查询到结果。

4 应用效果与分析

4.1 数据采集

本研究针对某高校教育技术专业本科三年级学生,从70名学生中随机抽取24名作为本实验的配对样本。在实施个性化学习评价服务之前,对“C#.NET程序设计”前导课程的知识水平进行考试,并对学业情绪进行问卷调查,发放问卷24份,回收问卷24份。实施个性化学习评价服务,包括提供匹配的学习目标和评价方案、实时获取配对样本参与学习活动的数据,并对他们的期末考试成绩进行分析;对学业情绪进行问卷后测。将收集到的数据进行整理,采用配对样本的参数t检验,对个性化学习评价服务模型的应用效果进行分析。

4.2 学习者考试成绩分析

通过一个学期16周的个性化学习评价服务,对24个配对样本进行课程期末考试成绩跟踪并作为后测数据,将提供学习评价服务之初的考试成绩作为前测数据,使用SPSS软件进行配对样本t检验,结果见表1。

从表1可以看出,提供学习评价服务前后样本的考试成绩平均值有较大差异,相差了约8.46分,t检验统计量的观测值对应的双尾概率p值为0.005。如果显著水平α为0.05,由于概率p值小于显著水平α,说明本研究构建的个性化学习评价模型对提高学习成绩效果显著。

4.3 学习者学业情绪分析

教育应该以人为本,根据学生的心理需求,使学生怀着希望去学习,让学生在愉快中学习,主动探索并进一步激发他们的学习兴趣与热情,从而避免厌烦学习情绪的产生[6]。本研究对24个配对样本分别统计学业情绪4个分量表前测与后测的得分,将获取的数据进行配对样本t检验,结果见表2。

从表2可以看出,样本的“积极活动定向学业情绪”和“积极结果定向学业情绪”对应的概率p值均为0,说明学习者在进行学习活动过程中的高兴、轻松及自主的学业情绪值显著提高,学习者对学习活动结果的成就感学业情绪值显著提高。由此可见,个性化的学习评价服务能减缓学习压力、优化学习体验过程,使学习者的自信心大大增强;样本的“消极活动定向学业情绪”和“消极结果定向学业情绪”的变化不显著,说明学习者在评价服务前后的厌倦、不满、烦躁、羞愧、焦虑、沮丧等不良情绪都不是很高。学习者的心理是健康的。

表1 考试成绩配对样本t检验结果（N=24）

表2 学业情绪配对样本t检验结果（N=24）

4.4 学习者参与学习活动行为分析

实施学习评价服务之前,学生依托“云网端一体化学习平台”参与个性化学习活动的积分只是作为教师给定平时成绩的一个参考。实施学习评价服务之后,增加了积分计算的不同标准和平时成绩的核算功能,并且实时跟踪与监督。根据课程学习前后学习者的学习积分,分析个性化学习评价服务对学习者学习行为投入的影响,其中前测学习积分是未实施个性化学习评价服务之前该课程的一门前导课程的学习积分;后测学习积分是实施个性化学习评价服务后在该课程学期末测量而得。进行配对样本t检验,结果如表3所示。数据分析发现,提供个性化学习评价服务前后学生的学习活动积分均值提高了约3.92分,t检验统计量的观测值对应的双尾概率p值为0。如果显著水平α为0.05,由于概率p值小于显著水平α,说明本研究构建的个性化学习评价模型使学习者学习行为投入显著增强。

表3 学习活动积分配对样本t检验结果（N=24）

5 结 语

笔者选取“个性化学习评价服务”实施之前和之后的两个总体的配对样本,两配对样本t检验的目的是:利用两个来自总体的配对样本,推断2个总体的均值是否存在显著差异。配对样本通常具有两个特征:①2个样本的样本容量相同;②2个样本观察值的先后顺序是一一对应的,不能随意更改的[7]。本研究在“个性化学习评价模型”的有效性验证过程中,保证了样本容量都是24,保证了成绩测试和学业情绪测试的先后顺序。因此,得出的研究结论是有依据的,即“个性化学习评价”服务的实施能督促学习者的学习过程,有助于提升学习者考试成绩;能减缓学习压力,优化学习者学习体验过程;能增强学习行为投入,有效促进学习者个性化发展。

总之,“互联网+”环境下构建的个性化学习评价方法在一定程度上提高了对学习者评价的精准程度。需要认识到,评价不是目的,只是作为促进学生更加全面发展的手段。作为高校的一线教师,要清醒的认识到每个学生都是独立的个体,每个学生都具有无限的发展潜力,正确引导至关重要。笔者将会深入下去,力争将网络评价和面对面评价有机结合起来,从知识、能力、情感上引导学生健康成长。