浅析智慧教育的评价机制

杨雯

内容摘要 大数据时代涌现出无数人类的智慧结晶，比如，智慧校园、智慧教学平台、智慧教育评价系统等无一不在基于云计算的基础上驱动教育公平化发展。文章浅析了大数据支持下的超星学习通平台的智慧评价机制，从在线学习评价的特点以及智慧评价现存问题及解决方法两方面进行分析。

关键词 智慧教育评价 超星学习通 大数据

1 引言

当今科学技术以势不可挡之力迅速发展，与人类日常生活息息相关，因此信息技术与教育的融合是必然趋势。智慧教育利用先进信息技术构建智能环境，综合理论与实践，搭建起信息时代的教育架构，并提供实践的路径，比以往任何教育形态都更能促进学习者的成长和社会的和谐发展，为发展我国教育事业乃至引领世界教育提供了契机[1]智慧教育平台将智慧教育的理念和实践研究相结合，以信息技术为基础教育环境，集教学、管理、各类学习资源、交流、评价于一体的一站式智慧教育服务平台，其中包括了智慧教育云平台、教育资源共享平台、教育管理服务平台和大数据平台。

2 超星学习通平台概述及框架

超星学习通平台是由超星公司推出的教育應用类软件之一，基于微服务框架打造的课程学习，知识传播和管理分享的平台。该平台是面向移动终端教学较为专业的移动教学平台，扩展空间较为广泛，可兼容超星公司旗下其他教学应用软件。

超星学习通App在线上教学方面具有课堂签到（包括但不限于手势、拍照签到）、实时投屏、讨论上墙、随机问答、直播课堂、课前通知、问卷调查、成绩统计、在线笔记等功能，除此之外超星学习通提供海量图书、期刊、文献、微课等教学资源。超星学习通框架如图1所示。

3 超星学习通下的在线学习评价

3.1 在线评价的特点

超星学习通依托于互联网平台进行教育教学，具有丰富的学习活动和交互方式，其中观看视频任务点，课堂签到，实时问答，讨论情况和作业记录功能可以量化学习者的学习行为并进行相对完整的跟踪和记录。大数据、云计算赋予人们崭新的洞察力和优化过程的能力，有助于教育者及时掌握发现个体学习者在学习过程中遇到的问题和不足，更进一步达到“因材施教”的教学效果。教育者可针对学习者遇到的问题及时引导，改进和优化学习者的在线学习体验，促进完成更加高效的学习。

过程性学习评价是建构评价时期的产物。与传统目标取向的发展性评价和形成性评价等方法相比，这类评价从关注教育的目标转向关注教育的过程，强调知识学习与建构过程中反馈的及时指导性，关注学习、评价和教学的有机 结合和指导者与在线学习主体的过程互动，将评价的过程与学习者个体学习的过程紧密融合在一起[2]。在线学习为学习者提供更自由的学习时间、学习空间以及学习的内容，因此，学习软件的监管性能以及学生个人自控能力至关重要。超星学习通所能实现的过程性评价依托于智能数据计算，从传统教学评价的“经验”转变为在线大数据计算的“数据”，大数据计算为在线教育评价提供了有力的支持。

3.2 提高教学评价质量

通过大数据计算，教育者可通过数据直观分析学习者的在线学习情况，数据能够深入分析并挖掘出学习者隐藏的学习需求，全面发挥评价的鉴定、导向、诊断和激励等功能，改变传统的主观评价、经验评价、使评价的层次更加深入，提高在线学习评价质量[3]降低教学评价成本

大数据将学习者的在线学习过程数据化，通过采集学习者观看视频的长短，点击课程的次数，讨论的频率，课堂互动的次数等碎片化数据，集中展示于教学平台全程记录学习者的学习过程，有利于教育者分析每个学习者的学习情况，满足学习者的个性化在线教学需求，解决了在传统教学中以“经验”为准的信息不对称的问题，大大降低了教学所需成本[3]。

3.3 提高学习者学习效率

在线学习模式可通过实时采集数据、批量处理和流量处理等技术，海量批处理、评价学习者的数据，教育者可在短时间内给予学习者反馈，可视化地展示给学习者，有效提高了在线教学的评价效率。大数据背景下的在线学习过程性评价智能系统包括5个子系统：在线学习过程性活动记录子系统，数据处理与存储子系统，线上学习过程数据分析子系统和线上学习过程性评价子系统。在线学习过程性活动记录子系统记录关于讨论互动，资源使用，作业成品，课堂互动，访问次数，成长记录，笔记展示，教师评价，学习反思以及视频时长等数据;数据处理与存储子系统负责数据收集、处理、转化和存储;线上学习过程数据分析子系统包括数据分析，学习分析，模式识别，机械识别，智能数据计算;线上学习过程性评价子系统包括学习过程性评价，学习动机评价参与过程评价。4种子系统关系模式如图2所示。

4 在线智慧评价的现存问题及解决方法

超星学习通的智慧评价体系还在逐渐发展完善，结合疫情期间高频率使用超星平台的情况以及教育改革需求，以下列举就现阶段超星学习通在智慧评价方面所存在的问题以及解决方案。

4.1 开发拓展智慧题库功能，促进个性化教学评价

超星学习平台通过限时考试，课后作业功能支撑教学评价，这种基于大数据运算的测评结果的确会可视化的呈现在教育者面前，然而从学生个体的个性化学习角度来看，仅仅是做到试卷考核是不够的。建议超星学习通平台可以建立基于大数据、云计算的智能题库功能。首先收集每位学习者的具体成绩数据，包括错误类型，用时长短等，之后分类处理具体数据，先以班级为整体单位，在班级内分考试和作业两种类型，在作业功能中，记录每一位学习者的阶段性成绩数值，之后以多样式统计图展现班级整体的分值分布情况，可视化数据有利于教师整体分析存在问题[4]。在考试功能中，除了分析班级整体的成绩分布外还应针对每一道题进行统计分析，比如建立英语试卷的作文部分，可参考现有的IWrite平台所具备的作文批改、统计错误类型、分数排名等功能进行完善。最后综合整理出单独考试、作业的错题、成绩分析统计数据。同时，每一次考试的错题可记录于个人学习空间中，达到多次反复掌握练习的效果。班级数据分析结束后，可继续根据专业，学院，高效层层递进式收集分析数据。根据后台所分析得出的数据，制作出的智能题库可跟踪学习者的动态学习状态而做出相应的调整以及改变，教学者也可针对高频率知识盲区设置专项试卷。此外，学习者的试卷也可不必单一套，教学者可导入多套试题达到随机出题的效果，更高效的检测学习者学习成果。

4.2 注重教育评价数据的共享透明，实现公正精准教育评价

大数据带来的价值愈加明显，教育评价数据的共享性和透明性是实现数据有效增值的最佳途径之一。首先，建议超星学习通平台将开放有效中高校评价数据的权限，进一步提供一定的数据检索和数据导航服务，以此帮助教育者快速有效的获取科学数据。其次为了便于教育者更进一步处理数据，可以对部分数据，在不涉及隐私、机密的前提下提供下载权限。超星学习通平台作为学习类平台的一种，建议在条件允许，不涉及利益的条件下与其他学习类平台做到数据公开共享。而各个高校也可以根据现有的信息资源对教育评价数据制定整体的数据使用归化，包括具体的评价数据指标、详细的数据目录，针对不同评价目标提供选用数据、数据维护的方法等，教育者可根据数据规划更有计划地分析解读数据进行精准评价。

4.3 建议实行增值性评价，完善数据驱动的教育评价体系

学校教育的教学评价在超星学习通平台的大数据分析支持下取得了一定成效，但依然面临着许多挑战。根据天津某高校的数据显示，学生希望能够收到作业或者答疑反馈的比例为：每单元学习后反馈占25.49%;不需要反馈占7.61%;每节课反馈占26.17%;每周反馈占40.74%。

增值评价作为一种相对更客观、公平的评价模式，同时也是新时期教育评价中的重要方式。此智能增值性评价可以精准测量每一位同学的基础知识能力，同时可以检测每一位学习者在受教育过程中所体现的“增值”情况。基于基线数据分析和增值数据分析的增值评价系统会将分析的评价结果以报告的形式反馈给学生、教师或者学校等不同主体。此科学系增值评价系统可以确保增值数据得到切实有效的应用，比如学生根据自身进步情况进行自我学习过程反思，教育者根据整体进步情况做教学设计调整，学校根据总体反应数据进行教育质量的评估。最后建议教育评价可参考美国其中之一的评价方式，将增值性评价指标纳入已有的学生评价或者学校评价体系中，注重考察学生的进步程度、学校努力程度等。

5 结语

大数据时代涌现出无数人类的智慧结晶，比如智慧校园、智慧教学平台、智慧教育评价系统等等无一不在基于云计算的基础上驱动教育公平化发展。本文浅析大数据支持下的超星学习通平台的智慧评价机制，从在线学习评价的优势以及智慧评价现存问题及解决方法两方面进行分析。超星学习通的在线学习方式提高了教学评价质量，降低了教学评价成本以及提高了学习者学习效率，同时也需要学习者拥有更高的自控能力和精神注意力。而超星学习通的智慧评价体系，现阶段建议开发智慧题库机制，公开透明数据平台以及智慧教育评价数据分析系统以此进一步驱动公开、透明、高效的教育评价体系。

2019—2020年初，新型冠状肺炎病毒影响举国上下的正常作息，与此同时，线上教育肩负起学校教育的重担，疫情期间高频率，全国性的使用线上智慧教育平台的情况有益于智慧教育的突破性发展，只有不斷地发现问题，分析问题进而解决问题，才能保证教育的脚步稳步向前。

（作者系天津外国语大学 在读本科生）

【参考文献】

[1]杨现民，顾佳妮，邢蓓蓓.“互联网+”时代数据驱动的教育评价体系构架与实践进展[J].浙江师范大学学报（社会科学版），2019，44（4）：16-26.

[2]上超望，韩梦，刘清堂.大数据背景下在线学习过程性评价系统设计研究[J].中国电化教育，2018（5）：90-95.

[3]刘婉清，刘敏.智慧教育背景下的信息化教学评价概述[J].软件导刊（教育技术），2019，18（6）：9-11.

[4]何文珍，蔡跃.我国智慧教育领域研究热点探析——基于网络知识图谱和共词分析[J].教育导刊，2018（12）：20-29.