数据驱动下综合素质评价的基本特征

福建省厦门市思明区滨东小学 王 跞

《教育部关于积极推进中小学评价与考试制度改革的通知》《关于推进中小学教育质量综合评价改革的意见》《国家中长期教育改革和发展规划纲要(2010—2020 年）》等政策的出台是随着教育改革的不断推进以及社会发展对于全面发展的人才培养的迫切需要，体现了国家对中小学生综合素质评价的重视与推进，综合素质评价已成为基础教育研究的热点与焦点。

一、小学生综合素质评价的现状和时代需求

多年来，基础教育对小学生的评价还主要停留在结果评价，属于典型的总结性评价，根本无法对学生的过程表现进行跟踪和及时反馈，更谈不上发现学生成长和学习过程中的问题。更重要的是，传统的学生评价体系科学性不足，主要表现在评价过程数据来源标准不统一、采集方法不一致、评价数据统计欠科学，不同学科甚至同班级不同任课教师采用的评价标准与方法都不相同，最终影响评价的有效性。目前，在大数据技术迅猛发展的社会背景下，综合素质评价的技术路径已远远跟不上时代。

2019 年6 月中共中央、国务院印发《关于深化教育教学改革全面提高义务教育质量的意见》，2020 年10 月中共中央、国务院印发《深化新时代教育评价改革总体方案》，2021 年3 月教育部等六部门印发《义务教育质量评价指南》，文件明确提出要完善立德树人体制机制，利用大数据、人工智能等现代信息技术革新评价工具，强调过程评价、优化结果评价、探索增值评价、完善综合评价，提升教育评价的客观性、过程性、科学性。作为信息时代重要标志之一的大数据技术在中小学生综合素质评价中应用越来越迫切，将成为整合评价数据、分析评价指标以及记录评价轨迹的有力支撑。

二、“数据驱动”下综合素质评价的基本特征

相较传统的教育评价,数据驱动的教育评价从经验转向证据、从单一走向全面、从模糊变为精准，成为数据驱动背景下综合素质评价的重要特征，在评价方法、评价功能、评价对象、评价内容、评价过程、评价结果等方面有了本质的转变。

（一）评价目标指向增值性

教育的价值在于发现个体潜能和兴趣,并帮助其不断发展，教育评价的最大价值应该体现在增值。目前，我国的教育评价目标主要指向选拔,评价内容大多仍停留在成绩的评定上，这严重阻碍了教育价值取向的不断提升和革新。增值评价近年来在教育领域得到非常广泛的关注，并引发了教育领域内不同视角的探索与研究，基于人工智能、大数据等技术优化了增值评价数据的收集、存储、分析处理和评价结果的有效应用，提升了增值评价的科学性。解决了传统评价在增值评价追踪数据时的可靠与稳定存储、增值评价模型的构建、增值评价结果的呈现与理解等方面的诸多问题，使得增值评价的落地与推广成为可能。数据驱动的教育评价关注教育个体在一定时间段内是否存在变化,以及具体的变化“量”,如通过计算学生当前数据与学生初始数据的增值，帮助评价者和被评价者快速发现学生进步(退步）情况,数据的差异也能反映不同干预措施的差异性和有效性。由此可以发现大量的而且可以细化的大数据实际“放大”了个体发展的细微变化,生动而完整地展示了教育“增值”的过程，使评价目标指向增值性成为现实。

（二）评价主体强调多元性

美国学者派特(M.Q.Patton）在20 世纪70 年代就提出了“多元主体参与”的概念，认为使用评价信息的相关人员都应参与到评价过程中。可是一直受限于技术环境,难以实现全员参与评价。事实上，现阶段“管、办、评”三位一体的教育管理架构使得教育评价的主体一般是政府和教育行政部门，这种单一的评价主体导致长期以行政管理为主导的教育评价行政化严重。信息技术平台的建设和数字技术的发展为不同参与评价的主体提供了足够的空间和平台参与评价,不但拓宽了评价的视角,而且增强了不同主体间的互动,为真正建立多元主体参与、同时达到相互影响的教育评价制度奠定基础。

（三）评价范围注重全面性

在传统教育评价中,难以收集整理、汇总分析，基本上做不到公开，甚至是可用于教育评价的信息大多是“隐形”的。然而，大数据技术的出现使得教育信息变得可量化而且可视化。新一代数字技术的广泛应用为教育提供了海量的数据,使得教育评价的范围可以逐渐扩大到“一切教育和教育的一切”。从评价个体来说，它的范围是多维度、多层次的，可以涵盖个体评价中的方方面面，综合素质评价的范围可谓覆盖面广泛而全面，如线上线下的学习表现、作业情况、师生互动情况、学习兴趣、学习态度、学习动机等；从评价的对象来说，范围不仅可以涵盖课堂、教师、学生、家长、学校等层面,还可以扩大到区域教育发展水平、学科发展的国际比较、国家教育竞争力等相对宏观的层面。任何教育发展和改革实践中存在的新问题、新进展都将纳入教育评价的范围中。

（四）评价方法实现实测性

一是“实时”，收集不断变化的实时数据，通过数据分析对学生进行不断更新的全息画像。不同于传统评价对学生行为的点状记录，数据驱动的教育评价通过对学生行为数据的实时记录，指向增值的数据分析，可以实现勾勒学生发展轨迹、准确预测学生发展趋向、对学生进行个性化帮助和指导的目标。二是“实地”，因“校”制宜开展综合素质评价，支持学校增加特色评价内容。同时也支持“动态量化”评价标准，一方面可以动态调整评价系统的指标，借助数字化手段，帮助评价主体因地制宜开展评价，切实指导教育教学有效开展；另一方面可以动态调整评价模块或维度的权重，服务处在不同场景的学生个体或是学生群，对其行为和过程表现进行统计分析，用清晰易懂、多种形式的可视系统及时直观呈现。

（五）评价结果达到精准性

“因材施教”是我国古代精准教学的雏形，达到精准教学的目的主要靠教师的观察、分析。即使到了现代，学生学习的兴趣点、难点等基本上还是凭借教师经验得以确定，评价的内容和管理上，都存在随意性和主观性；评价标准上，没有统一的遵循，也开发不了相对科学的、系统的评价工具。但利用大数据技术能相对全面地记录学生学习的全过程,通过综合运用人工智能、区块链等方法分析海量的数据,实现过程数据的智能化处理,全面掌握数据链所隐藏的关系和价值,评价结果精准有效地指导学生反思学习的过程,引导学生主动发现学习问题,并将评价结果中存在的问题准确反馈给师生,为促进学生的个性化学习和教师的精准教学提供精准的指导。

（六）评价过程保障公平性

由于传统教育评价的局限性，以往的教育评价实施过程可以说是一个“黑箱”，且专家或第三方评估机构也会因为种种关系影响评价行为,因此很难保证评价的公正性。“互联网+”开启了一个高度透明、更具公信力的时代。信息技术背景下的评价过程可以让评价主体或评价利益相关体能看到教育评价过程中发生的一切，如采集了哪些数据、如何聚合信息、怎样分析数据、做出什么决策等。数据驱动的教育评价过程的公开，保障了民众与教育相关部门的信息(评价数据）对等，民众通过可信的信息和数据支持就可以有“据”可依。

相较传统的教育评价,数据驱动的评价从经验转向证据、从单一走向全面、从模糊变为精准，成为数据驱动背景下综合素质评价的重要特征，在评价方法、评价功能、评价对象、评价内容、评价过程、评价结果等方面有了本质的转变。“数据驱动评价”重在让评价过程化、可视化、数据化、“云端”化，重视综合素质的发展，将评价的方式变得灵活多样。