数据赋能的全程性可视化评价

莫微佳

［摘要］ 信息化移动教学有效地将信息技术与学科教学进行融合，以“全程评价”的视角推动精准教学的实现。大数据的介入有利于打造“设计”与“技术”相结合的可视化环境，展示学生的思维过程并追踪学生的学习表现，施以精准的教学策略，为学习目标、学习过程、学习方法、学习质量的评价赋能，可视化评价能有效促进教学改进与优化，实现“目标—过程—结果”的一致。

［关键词］ 思维画像；全程评价；教学评一致性

传统评价以作业评价和单元诊断性评价为主，忽略对学习过程的表现性评价，缺少对学生学习兴趣、思维活动、学习方法的关注，遑论分层式的个性化评价。《义务教育课程方案（2022年版）》（以下简称《课程方案》）提出将“教学评一致性”作为教学改革重点，强化过程性评价，探索增值性评价，关注差异性评价，根据评价结果改进教学方法和教学过程。由此，对教学评价提出了更高要求，教学评一体式课堂成为教改重点，而信息技术与学科教学的跨界融合，能促进可视化的全程性评价。

一、突围：以“教学改进”为导向的可视化评价

“可见的教”“可见的学”都离不开“可见的评”，运用科学而适切的评价手段能判断学生的学习兴趣、思维投入、知识理解、能力水平，以及对任务的适应程度，以此为依据调整教学目标、内容和方法，有助于提高教学活动的有效性。

可视化评价在大数据背景下产生，它是依托数据与技术实现的学习评价，聚焦情境化测评系统运用，能全程收集记录学生真实的学习过程信息，即学生学习证据，借助数据监测对学情、课堂生成和作业进行全程性评析，为判断和改善学生的学习状况提供依据。可视化评价具备以下特点：（1）精准的目标定位。素养目标的实现是一个长期过程，精准的可视化学习目标有利于评估学习目标是否达成。（2）量化的过程评价。运用PTA量表等评价工具对学习过程进行评估，用量表数据体现学习行为规范性，用平台数据记录学生学习表现，并进行及时评价反馈。（3）可视的检测分析。新课标以“学到什么程度”厘清评价要求，为教学、评价、考试命题提供依据，数据赋能背景下作业、练习、考试都有数据伴随，实现可视分析。

二、打造：以“直观可视”为特色的教学评环境

以评价为切入点，打造“直观可视”的教、学、评环境需要在教学设计层面与技术层面做出创新。设计层面强调活动要有足够的开放性和思维性，能充分暴露学生的潜在认知水平，在暴露中实现“可视”。技术层面强调学科教学活动与信息技术的跨界结合，依托数据实现融合教学，利用移动信息化终端充分展示和共享学生的思维成果，在数据中实现“可视”。

1.设计层面：连续实践勾勒学生“思维画像”

思维画像指对学生思维活动进行有效、全方位的展示与暴露，是基于思维型课堂的一种可操作、可量化的实用性策略。教师利用情境化的问题或任务让学生的思维在“猜”“说”“算”“测”“画”等连续实践中得到表达展露，逐步勾勒出思维的“画像”（如图1）。据此，在“预设计”的基础上进行“再调整”，结合学生的迷思点，高效处理课堂生成，让平面的“画像”走向科学而立体的“模型”。

“思维画像”在教学评价中有以下特征：（1）体现思维可视。数据支持下的教学将“不可见的”思维过程和方法清晰地呈现出来，帮助教师对学生的思维活动和学习行为做出客观评价。（2）促进教学改进。思维画像包含了“预设计”进行思维暴露，并注重“再调整”，促进教学改进，帮助学生更好地理解、建构和迁移概念。

2.技术层面：数据信息打造智能“教学环境”

精准教学背景下，信息化移动教学成为主流，在教学环境设施建设上充分体现智能化、數据化、个性化的特征。基于平板终端的云计算教学系统通过同步学校教学，实现大数据积累，以全程评价的形式促进个性化、分层次教学的改进。云平台具备多种信息化功能，为可视化评价提供了软件支持，学生表现与学习成果能实时追踪，这让智能化教学环境成为现实，为智能化课堂、智能批改、个性化教学与深度学习创造了环境条件。

三、实践：以“全程评价”为导向的可视化探索

“教学评一致”从可视化的评价入手，以评促教、以评促学，利用全程性评价进行教学诊断与优化，让可视化的教学评真实发生。“全程”视角下的可视化评价包括对学习目标、学习过程、学习方法、学习质量的评价（如图2）。平板教学将“教学评”置于大数据环境中，利用数据化学情分析，开发适宜的学习任务，用“思维画像”暴露学生认知，促进思维可视化，在高效的交互过程中实现思维共享、精准教学。

1.目标精准设计：促进学习目标的可视化评价

教学评的“学”指在学习目标引领下组织学习内容和学习方式，学习目标分为长期的素养目标和短期的可视化目标，分层次设置有利于学生逐步达成，并提供清晰的学习路径。

（1）表述精准。素养目标关注远景发展，精准教学背景下的可视化学习目标设置应基于素养目标，能精准判断以契合学习者个性化特征，即对学生掌握的知识或技能程度有一个精准的解释和描述，用量化的描述方式将问题分解与细化，同时可观察、可测量。比如，习题课上设定目标：“在2分钟内做对1道基础选择题”；新授课上探究“磁场强度”设定精准目标：“利用数字传感器检测不可见的磁场，对标示的5个位点准确读取数字进行记录并标明正负，能基于数据概括磁场强弱的分布规律。”

（2）依势调整。依托大数据，学生学习过程中的行为与表现可以被精准记录、评估和跟踪，以便对学生的学习进展进行评估和反馈。因此，学习目标并非一成不变，教师可评估学生的生成反馈和学习进展进行必要的调整和优化。

（3）任务监测。学习目标达成情况是课堂教学是否有效的重要依据，为了判断学习目标完成度，教师往往需要设计特定的评价任务来引出期望看到的表现，监测学习目标是否具体、清晰，是否依据目标设计评价任务、选择评价方法，经历“给出任务—实施任务—搜集信息—作出推断”的过程，以此检测目标达成情况。

2.全程数据追踪：实现学习过程的可视化评价

教师“教”的过程也是学生“学”的过程，教师根据学习目标设计任务，学生在学习过程中不断暴露思维认知并逐步修正。《课程方案》建议创新评价方式方法，注重对学习过程的观察、记录与分析，倡导基于证据的评价。云平台留下一系列学生学习过程中的数据，这一系列数据帮助我们做出对学生学习过程价值的判断。以“生物的结构层次”为例，利用“思维画像”式设计对细胞的生长、分裂、分化进行建模。

（1）情境式实时调查，大胆猜想中真实暴露原位认知。教师以“己”为情境，设问：老师身上有多少细胞？此刻的老师是不是由受精卵一直长大而形成的一个大型细胞？开放的情境性问题能引发学生的头脑风暴。平板推送调查，让学生在大胆猜测中暴露真实认知，呈现了一次直观的思维画像，通过数据找到其认识误区。

（2）共享式实时传送，连续性探究实践促成模型建构。学生在完成挑战性问题或任务中建构模型，以进阶性问题为导引勾勒纠正“画像”，二次修正“画像”，在对比辨析中丰富关于细胞这一结构层次的“思维画像”，提升思维品质，走向科学而立体的生物“模型”。平板终端能及时收集学生的学习证据，实现思维共享，有助于在评价中进行画像修正。

（3）融合式实时评价，全程性数据追踪记录学习表现。将学科教学与信息技术融合，让数据服务于课堂，能实现学习过程的可视化评价。通过云平台观察学习数据，了解学生在解决问题、自主学习和合作学习等情境中使用何种策略，并评估其策略的有效性和适应性。通过任务展示、项目成果或实践表现等方式评估学生所学知识和技能在实际情境中的表现和进步程度，有助于指导教师和学生进行优化改进和提高。

3.表现精准量化：优化学习方法的可视化评价

准确评价学习方法需要首先了解学习方法在科学课堂教学选用过程中存在的若干现象，并确定好评价学习方法的视角，把握评价学习方法的关键，即观察、分析并确定是否体现“真”字，如真自主、真合作和真探究。

（1）多维视角评估。“数据赋能”意味着能通过收集学生真实的学习证据，为判断和改善学生的学习方法提供依据。《课程方案》倡导注重动手操作、作品展示、口头报告等多种方式的综合运用，关注典型行为表现，推进表现性评价。不同的评估方法可以提供不同的视角，从而更全面地了解学习方法的优劣和可视性，如观察、问卷调查、测试、作品展示等。

（2）量化标准设定。通过评价指标、评价要素、评价标准与规则的设定，让学生通过量化数据分析学习表现，认识到实践操作中的不足及改进途径。利用数据平台持续追踪学习过程和学习结果，并进行长期观察和比较，关注学生真实发生的进步，积极探索增值评价。

（3）主观反馈收集。除了量化数据，也要注重收集和分析學生的主观反馈和感受，增强评价双方自我总结、反思、改进的意识和能力，实现定量与定性相结合。例如，学生对学习方法的满意度、学习体验、自信程度等，这样可以更全面地评估学习方法对学生的影响，通过对比不同学习方法在不同时间段的学习效果，能更准确地评估学习方法的可行性和持久性。

4.作业分层定制：推动学习质量的可视化评价

学业质量评价主要通过使用标准化测试、作业和项目评估等方式评测学生的学习情况，包括作业评价和单元与期末评价等。《深化新时代教育评价改革总体方案》强调改进结果评价，健全综合评价。数据赋能的结果评价专注于个性化定制和综合评估，推动考试评价与新技术的深度融合。

（1）个性定制。数据支持下的练习和作业呈现个性化、可视化的特点，教师针对不同学生的发展水平和学习的不同阶段，设计不同层次的作业，利用云平台推送基础练习，收集分析学生数据后形成智能化阶梯分组。基于难度差异，按组别精准推送个性化作业，一键批阅，在减轻教师作业批改压力的同时给作业讲评提供了数据分析，对于易错点和认知盲点进行及时、有效的捕捉，促进错误管理。

（2）水平评估。后台能对测评数据进行实时统计与反馈，通过绘制学生的成绩分布图，了解学生在不同分数段上的表现情况、对重要概念的掌握情况，帮助教师和学生对整体学习水平有一个直观的认识和评估。

（3）群体分析。将学习质量评价扩展到群体层面，可比较不同学生群体或班级之间的学习成绩、进步幅度等，识别出学习优势群体和劣势群体，并采取相应的措施来提高整体学习质量。使用学习分析工具，绘制学习能力图谱，描述学生学习能力发展情况，展示学生在每个维度上的表现情况，帮助教师和学生更好地了解学习成果，并进行有针对性的改进。