学习大数据支持的学习评价变革：内涵、挑战及趋势

孙昊琛 蔡宝来

摘要：本文在界定学习大数据和学习评价概念的基础上，分析和阐述了学习大数据对学习评价在评价观念、评价主体、评价过程、评价目标和评价结果等五个方面带来的冲击和挑战，并预测阐释了未来信息技术赋能学习评价变革创新的三大主要趋势：物联网感知技术与学习评价衔接融合趋势、大数据分析技术与学习评价创新融合趋势、人工智能技术与学习评价集成融合趋势。

关键词：学习大数据;学习评价;内涵;挑战;趋势

中图分类号：TP393  文献标识码：A  论文编号：1674-2117（2021）01-0095-05

随着5G网络技术、大数据、云计算、人工智能技术的颠覆式创新和发展，教育管理和评价也迎来了一场新一代信息技术驱动的变革与转型。在线教育和泛在学习的兴起，使学习者不受时间、空间、地點的限制，可以根据自己的需要进行学习。这就给传统教育评价和学习评价带来了强烈的冲击和挑战。在5G网络技术支持的泛在教育和泛在学习环境下，大数据挖掘技术可以通过大量数据来有效跟踪和全面记录学习者的学习过程，学习分析技术则对采集到的大数据进行汇总、处理与分析，从而帮助教育者和学习者对教育、教学和学习做出全面、客观、科学的评价。

● 学习大数据的内涵及价值

1.学习大数据的内涵

所谓学习大数据，是指学习者借助互联网平台，在与外界交互过程中所产生的一系列数据，主要包含课程内容数据、学习行为数据、互动交流数据以及学习资源数据等。[1]学习大数据催生和推动了智慧教育的产生和发展，在实践应用中学习大数据能够将“线上”“线下”学习衔接起来，便于准确掌握学生的学习状态和进度计划。通过学习大数据，教师可为学生制订个性化的学习和成长方案，精准解决学生在学习过程中遇到的各种问题。学习大数据可在自然情境下收集教育教学过程中所有与学习有关的静态和动态数据，并保证数据记录的连续性，如教学资料、互动反应、登录频次以及在每个知识点学习上所花费的时间等内容。

2.学习大数据的应用价值

第一，学习大数据的本身价值。利用大数据分析技术，教育行业从业者可对在线学习过程中产生的访问次数、视频观看、互动讨论、作业完成、考试成绩等学习过程数据进行深度挖掘，梳理和发现其中隐含的教育关系，并通过可视化图表将分析结果呈现出来。这样，学习评价贯穿学生的整个学习过程，遵循“观测学习—解释学习—反馈学习”的评价逻辑，给予学生在每个学习阶段的个性化学习支持。[2]

第二，学习大数据的资源价值。随着大数据理念和大数据技术在全球的兴起，大数据的资源价值越来越受到关注和重视，以美、英、法为代表的发达国家率先将大数据作为新型战略资源，称其为“未来的石油”。未来，学习大数据作为学习理念和学习方式转型、学习评价创新的重要资源的价值定位也日益凸显，大数据支撑的学习分析技术，能够精确引导学生发现适合自己的学习方式和学习策略，支持和促进个性化学习的完美实现。

第三，学习大数据是学习评价变革的核心驱动力。学习大数据的另一价值，体现在大数据支撑教育模式创新、赋能课堂教学革命、驱动学习评价模式变革等，并成为教育评价和学习评价变革创新的核心驱动力，具体表现为[3]：首先，学习过程从“非量化”到“可量化”，学生学习过程和学习行为数据可以被精准地记录、采集和获取;其次，学习大数据作为学习评价的可靠证据和证据链，对学习评价观念、评价目标、评价主体、评价过程、评价结果等带来了巨大的冲击和挑战，支撑学习评价从“经验主义”向“科学主义”的变革转型;最后，学习评价从“大众化”向“个性化”转型。学习大数据将赋予教师“认识”每个学生的能力，驱动学习评价从关注班级集体成绩排名的“大众化”评价向学习大数据支持的个性化学习评价转型。

3.基于大数据的学习评价

在“5G+大数据”与教育教学深度融合的时代背景下，教育大数据加持并赋能教育评价模式创新和学习评价模式转型，由此，教育评价和学习评价概念必须重新定义。本文对基于大数据的学习评价的定义是：以自主性、差异化、个性化评价理念转型为驱动，利用学习大数据库和大数据分析技术，对学习者的学习从发起和过程展开到完成目标和结果反馈等个性化学习大数据进行精确分析和解释预测，以为学习者的个性化学习和发展提供精准支持和指导。

基于数据挖掘技术收集学习过程中产生的实时数据，为每个学生建立属于自己的数字化学习成长轨迹档案袋和学习画像，为个性化高效学习提供大数据支持，进而实现学习评价从“经验主义”向“科学主义”的变革和转型，是大数据时代赋予学习评价变革的任务和使命。[4]

● 大数据对学习评价的冲击和挑战

大数据作为一种新生产力要素和一种重要的教育资源，已与教育教学全面渗透深度融合，从而给学校教育带来全方位、结构化、系统性的冲击和挑战。学习大数据对学习评价的冲击和挑战主要表现在以下五个方面：

1.学习评价观念方面

（1）赋能多元智力评价

在5G的大数据环境下，通过实时采集学习大数据，可以为每个学生建立属于自己的覆盖了整个学习过程的学习数据库和成长档案袋;利用人工智能分析技术、视觉分析技术、大数据深度挖掘技术等算法和工具，为学习者多元智力的培养和发展建立全面、全程的学习数据库，从而为多元智能的测量评价提供准确、客观的证据和证据链。[5]

（2）尊重个体差异评价

基于个性化自适应学习大数据，教师可以对每个学生学习过程中产生的数据和数据链，进行系统、科学、全面的搜集、整理、处理和分析，及时诊断和发现每个学生学习中发生的疑难、困惑和问题，合理优化学习过程，精确分析学习结果和学习效率，科学制订学习计划和个性化学习方案，为尊重个体差异的学习评价奠定证据和证据链基础。

（3）强调自主性评价

在“互联网+大数据”的学习环境下，学习者必须充分发挥学习自主性、主动性和独立性，利用一切碎片化时间，人人皆学、时时能学、处处可学，并产生自主学习大数据。利用详细记录的自主学习大数据，学习者可以清楚地了解和掌握当前课程学习进度、参与互动交流、作业与考试、课外学习资源利用等情况，明确自己在学习中存在的难题和需要解决的问题，寻求问题解决方案和策略。

2.学习评价主体方面

在5G加持和赋能的教育和学习评价环境下，数据挖掘技术以价值中立的立场设计和架构教育、教学、学习和管理过程数据采集平台，深度学习技术和学习分析技术为评价方案研制提供了精细、精确、精准的指标和标准体系。基于大数据的教育评价和学习评价，教育者、管理者和学习者，教师、学生和家长，甚至平台本身都被纳入评价体系。在这一评价体系中，管理者、教育者和学习者既是评价者也是被评价者，既是评价主体也是评价对象，评价者和被评价者的角色切换和转型，是依据各自的大数据的应用目的和评价目标决定的。可见，基于大数据的学习评价，淡化了评价者和被评价者的关系定位，强化了评价的目标定位;弱化了评价的主体意识和定位功能，强化了评价的服务意识和支持学生成长发展功能。

3.学习评价目标方面

教育信息化2.0时代，学习评价目标不是为教学结果测评等级，也不是为知识掌握做出终结性鉴定，而是通过学习大数据还原学习者成长发展的轨迹，描述解释学习过程的活动行为与学习效率之间的内在关系，分析发现个性化学习所需要的学习支持，并以学习分析和学习评价促进学生个性化和谐全面发展目标的实现。大数据分析技术为学习评价目标确定提供了新的视野和角度，学习评价目标从关注教到强调学，并通过评价为学生的个性化、差异化学习提供精准支持，是大数据时代教育评价和学习评价目标转型面临的重大挑战。

4.学习评价过程方面

5G网络技术和大数据分析技术加持的学习评价过程，能持续生产和采集各种学习过程大数据，利用这些数据可以建立合适的学习评价模型，根据需要可以从不同角度对学生学习进行全面细致的评价，保证学习评价过程的客观性、科学性和准确性。

5.学习评价结果方面

学习评价结果是指导学生改进学习的重要依据，主要包括学生知识掌握情况、学习能力、学习风格、学习态度、学习进度、学习成绩、学习问题等方面的结果性分析和描述。基于学习大数据的学习评价结果的得出，是以整个学习过程大数据分析技术为支持，并以可视化图表和模型分析形式更为直观地呈现出来。因此，与传统学习评价结果相比较，它能够及时地反馈学习者学习现状和问题，并针对存在的问题和学习漏洞提出补救措施和改进对策建议，保证了大数据分析技术支持的学习评价结果的高信度和高效度。

● 未来学习评价变革与转型趋势

1.物联网感知技术与学习评价的深度融合趋势

随着5G网络技术的迭代更新和快速发展，更快的传输速率和多点接入技术满足了物联网的实现条件，推动并赋能网络化、数字化和智能化校园的建设。眼下，物联网感知技术赋能教育教学，支持教育和学习大数据采集与获取，为在线学习、数字化学习和智慧学习等学习评价提供了强大的数据支持。

5G加持的物联网赋能数字化校园建设和现代教育治理方式转型。宽带校园網、各种终端设备、可穿戴设备和校园一卡通，实现“物与物”“物与人”和“人与人”的随时随地交互联通，完整记录了校园内人、财、物（终端设备）、时、信（数据）的流动方向、交互轨迹和运行特征，产生了巨量的师生日常学习生活图片、视频和音频等详细信息资料，采集并形成学习者校园内的个体生活数据和学习行为数据。利用收集到的大数据，可以为教育评价、教学评价和学习评价提供丰富的证据资源，所有这些，都是传统学习评价长期以来想做而做不到的事情。未来，物联网感知技术与学习评价方式深度融合创新发展将成为学习评价变革转型的新生长点和新趋势。

2.大数据分析技术与学习评价的创新融合趋势

基于大数据的学习评价应用技术，主要包括大数据挖掘和学习分析技术两个方面。所谓学习大数据挖掘，是指对学习行为和学习过程数据进行量化、分析和建模，通过整合处理学习者知识掌握、元认知水平、学习习惯偏好和动机态度等数据信息，进行学习行为建模，以评估和预测学习者未来发展方向、目标和趋势，进而促进学习者向深度学习和高阶学习的方向迈进。所谓学习分析技术，是对学习者、学习过程、学习环境等数据的测量、采集和分析，通过对教育大数据的分析，描述勾画出学习者行为特征和学习画像，以此为依据，为学习者优化学习过程和学习环境，匹配推送个性化学习内容和学习资源。[6][7]

5G赋能的大数据分析技术在学习中的应用，使得学习评价实施操作更加及时、精准、科学和高效。整个大数据分析技术的底层架构是基础设施和终端设备、网络互联、内存与存储，具体表现为计算节点、数据中心、数据储存、文件管理、数据分析和可视化分析，运用计算模型，可对不同的数据进行结构化和可视化分析和处理。基于大数据分析技术的学习评价，通过建立学习评价模型实现对每个学生的个性化学习测量和评估，以便帮助学生及时发现学习中的痛点和难点问题，并为学习者提供精准学习策略指导和学习方式改进建议。未来，数字化校园和智慧教育为学习评价模式创新奠定了坚实的技术和资源基础，而随着学习过程大数据库的丰富完善和学习分析技术的不断成熟，基于大数据分析技术与学习评价的融合创新将成为学习评价变革的主要趋势。

3.人工智能技术与学习评价的集成融合趋势

未来已来，人工智能技术主导的新一代信息技术跨界融合和颠覆式创新，正在为大数据支持的学习评价变革赋能加力。[8]首先，利用深度学习的算法对学习大数据进行优化，赋能学习评价从智能感知、个性化、预测性、动态平衡、智能化和学习过程可视化等多层面、多角度进行多元化评价。其次，运用人工智能技术中图像识别和语音识别技术，可随时捕捉、追踪、记录和分析每个学生的课堂动作行为、交互行为和情感表现[9]，而这些数据采集设备也成为“智慧教室”架构的关键组成部分。再次，智慧教室的“线下”学习过程数据也可以被详细记录，从而实现“线上”“线下”两组学习数据的集成整合，并从学习内容、学习方式、学习进度、学习成绩等方面全面地做出智能化评价。根据大数据分析结果，因应学习者当前学习状态，从学习风格、学习习惯、学习偏好方面匹配推送适合学生个性化和智能化学习需求的学习内容和学习资源，真正实现智能化学习评价中以学习者为中心、为学习者服务和提供个性化学习支持的理念和目标。

“5G+智能辅助学习系统”的逐步完善，为个性化、体验式和自适应学习评价方式转型持续赋能。“增强现实”和“虚拟现实”技术的逐渐成熟，使得体验式学习在教育领域强势兴起[10]，这是一种完全区别于课堂讲授的教学方式，主要利用虚拟现实、增强现实和各种可穿戴设备，丰富课堂教学内容和教学手段，通过终端设备所呈现的虚拟场景，学生不出校门就可以获得身临其境的学习感受和学习体验，为学生知识掌握和能力发展提供了智能化生态场景支持。同时，智慧课堂的智能辅助学习系统的引入，推动了学习评价与智能化学习大数据的深度融合，为学习评价生成和提供了丰富多元的数据信息，人工智能技术与学习评价无缝衔接、集成融合的趋势日趋明显。

参考文献：

[1]邢蓓蓓，杨现民，李勤生.教育大数据的来源与采集技术[J].现代教育技术，2016（08）：14-21

[2]吴虑.大数据支持下学习评价的价值逻辑[J].清华大学教育研究，2019（02）：15-17

[3][9]楊现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战——“教育大数据研究与实践专栏”之整体框架篇[J].现代教育技术，2016（16）：5-12.

[4]桑德拉·米丽根，张忠华，高文娟.大数据、人工智能与学习评价方式[J].北京大学教育评论，2019，17（04）：45-57+185.

[5]刘仁坤，杨亭亭，王丽娜.论现代远程教育多元化的学习评价方式[J].中国电化教育，2012（04）：52-57.

[6]Siemens.G.Learning analytics afoundation forinformed change in higher education[EBLOL].

[7]何克抗.21世纪以来的新兴信息技术对教育深化改革的重大影响[J].电化教育研究，2019（03）：5-12.

[8]蔡宝来.人工智能赋能课堂革命：实质与理念[J].教育发展研究，2019，39（02）：8-14.

[10]蔡宝来.信息技术与课程整合研究进展及未来走向[J].课程.教材.教法，2018，38（08）：133-143.

作者简介：孙昊琛，海南师范大学在读硕士，研究方向为教育技术学;蔡宝来，通讯作者，海南师范大学教授，博士生导师，主要从事教育信息化、课程与教学论、教师教育研究。

本研究为海南省哲学社会科学规划资助项目“MOOC环境下混合教学模式创新研究”（项目批准号HNSK（2C）18-15）成果之一;2020年海南师范大学校级重点课题“在线教学规范化建设研究”成果之一。