大数据背景下学生增值评价路径研究

关键词：大数据；增值评价；路径

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2025）03-0070-03 开放科学（资源服务） 标识码（OSID） ：

0引言

随着教育评价的深化改革，国家逐渐重视增值评价的探索。“增值”的概念最早出现在经济学领域中，把“增值”的方法运用到评价体系之中，有利于科学客观分析学生的学习成效。增值评价是以学生发展为核心，以教育过程、学习成果为依据，基于学生的初始入学成绩、认知程度、能力水平等因素考查学生从进入大学到毕业期间所取得的进步情况的评价方式[1]。在大数据背景下，增值评价面临新的机遇与挑战。大数据技术的应用为增值评价提供了丰富的数据源和强大的分析工具，大数据能够及时反映学生的学习情况，使得评价更加科学、精准。目前增值评价主要以学生、教师、学校这三个为研究视角展开基础研究，而学生增值评价是学校增值评价与教师增值评价的基本前提与根本依据[2]，因此，本文以学生为主体，探索大数据背景下适合我国教育体系的学生增值评价路径。本文首先分析了国内外增值评价发展的现状及问题，然后提出了大数据背景下学生增值评价的发展路径，最后进行了总结和展望。

1 国内外增值评价研究现状

1984年，美国统计学家William L.Sanders等人[3]首次将增值评价（Value-Added" Assessment） 理念运用于田纳西州的教学评价改革中，提出用增值分数来评价学校和教师的效果，以学生成绩数据作为教师评价的依据。随着增值评价理论的完善和统计技术的发展，这一评估方法受到各国教育研究者的广泛关注。与国外相比，国内增值评价研究起步较晚。20世纪80 年代，“增值”概念从香港引入，并将学生学业成绩的变化纳入教育质量评估中。以CNKI中国知网作为搜索数据源，检索条件设置为“教育增值评价”， 截止到2019年12月31日，共检出240篇文章。通过以上搜索出的论文总结发现国内早期的增值评价研究主要集中于国外增值评价经验研究，实证研究方面略显不足，通过引入国外现成的增值评价模型分析我国增值评价现状。2020年，中共中央、国务院对教育评价改革作了顶层设计，印发了《深化新时代教育评价改革总体方案》[4]，明确指出“坚持科学有效，改进结果评价，强化过程评价，探索增值评价，健全综合评价”。随着方案的出台，全国各地迅速开展增值评价相关试点工作。如北京市积极开展增值评价的探索，形成了以学业水平测试和高考成绩为数据基础的学校增值性评价项目[5]，上海市建平中学借助过程性、实证性数据，建构以价值增值为导向的学生德育评价的运作机制[6]。全国各地开始投入探索增值评价的实践活动中去并总结出了一些符合我国国情的应用模式与经验。

总的来说，国内外学者对增值评价的研究作出了重要贡献。一方面，它在一定程度上弥补和改进了传统评估方法的不足，促进了教育评估体系的发展；另一方面，为后续学者研究增值评价提供了新的思路。

增值评价在教育评价中具有一定的优势，在当前大数据信息化快速发展的时代，在实践过程中具有一些局限性。

1.1增值评价维度的局限性

增值评价是一种可以准确掌握学生成长状态、科学计算学生发展水平、详细记录学生增值轨迹的学生评价[7]。 目前增值评价一般以学生学业成绩作为主要的评价依据，只关注成绩的增值。而评价不能仅仅着眼于成绩的提高，而要关注学生素质在整体上的提升幅度[8]。仅仅以学业成绩为增值评价依据往往会导致评价过于片面，未能反映学生真实增值评价水平，大大阻碍了学生的整体全面发展。增值评价应从多元化的角度去设计增值评价内容，以培养学生素质教育为核心在关注学生学业成绩的同时又关注学生在学习过程中学习兴趣、学习思维等其他方面的能力表现，以完善增值评价体系。

1.2 评价标准和模型的局限性

现有的评价体系未能充分利用学习过程中产生的大量数据，导致评价结果缺乏深度和广度。由于学生的学业起点、学习态度等差异性，只采用唯一的评价标准很难确保评价的公正性和准确性，增值评价在制定过程中未能考虑到评价主体的个体差异性以及需求的多样性。此外，除了可以直接测量的量化数据外，像学习行为、学习态度和学习思维度等数据难以用量化的指标去评价。目前用于增值评价模型种类较多，对于评价者来说，由于不了解各种模型的特点及差异，难以根据需求选用适切的模型，必然会影响评价结果的准确性。

1.3 难以突破“天花板”和“地板”效应

目前常用的增值评价模型主要分为三种：一是描述统计模型，如增分模型（gain score，这种模型简单直观，而且考虑到学生的起点不同。二是基于统计回归的模型，如残差模型（residual） 、学生成长百分位（stu⁃ dent growth percentile，SGP） 模型等，这类模型精度较高，可解释也较强。三是基于多变量复杂设计模型，如多层次线性回归模型（hierarchical linear" modeling， HLM） 等[8] ，这类模型参数较多，实施起来难度较高。以上模型在评价过程中均会遇到天花板和地板效应，即优等生增值空间不足和差等生增值相对容易而出现不公平的评估偏差。

2 大数据背景下学生增值评价路径构建

增值评价是一种发展性评价，在大数据的背景下探讨学生增值评价的发展路径，能够更加科学、准确地评价学生一段时间来的学习成效。本文以学生为研究主体，通过大数据技术对学生的整个学生活动产生的学习行为、学习态度等过程性数据进行记录，同时记录学科阶段的结果性数据。在结合多维度数据的基础上进行分析，实现增值评价的精准评价。

2.1 学生增值评价内容体系的构建

学生增值评价应从培养学生核心素养的角度出发建立全面的增值评价内容体系。除了传统的增值评价关注学生学业成绩外，还应从学生的各种学习表现，如：学习态度、学习行为和学习兴趣等非智力因素方面去体现整个学习过程的进步幅度和努力程度。具体的评价内容应从两个方面：一是学业评价，利用大数据技术记录学生在不同时间段（如学期初、学期末） 的学业成绩，以评估其学业增值情况。二是学习过程评价，通过平台采集学生学习兴趣、学习态度、学习思维等非智力数据，定义相应的评价标准并进行评分进行量化处理。通过不断完善评价数据，丰富增值评价内容维度。

2.2 实现差异化的增值评价指标体系

由于每个学生增值评价的起点不同以及个性差异，所以针对每个学生的评价标准不能一概而论。应根据学生实际的起点设置不同的预期增幅以及评价标准。例如：针对起点较低的学生预期增幅设置较高，起点高的学生预期增幅设置较低。同时，根据学业水平和学习过程这两个方面包含的每个维度设计具体的评价标准，保证评价指标的合理性与实用性。实现差异化的增值评价可以确保每个学生得到公正的评价，有效避免了增值模型产生的“天花板”和“地板”效应，促进学生个性化成长。

2.3 创建基于大数据的增值评价系统

通过基于大数据的增值评价系统全流程采集学生的增值评价数据，并通过系统分析模块对采集的数据进行分析，最终系统给出增值评价结果展示，系统具体流程如图1所示。

1） 管理人员根据学业和学习过程两个方面内容进行整体设计，设置数据采集点。

2） 学生加入系统进行在线学习，平台完成个人信息数据收集和基本的学习背景调查，通过大数据分析模块形成每个学生初始学习档案数据库；

3） 系统实时记录每位学生在使用系统中产生的各种学习行为（如：观看视频、论坛讨论等） 、学习兴趣（如：统计学习视频播放的次数、提取感兴趣的关键词等） 等相关数据；以每学期期中、期末为节点记录成绩，同时记录平时测验成绩以及日常考勤数据，最终将这些数据整合及时构建学习过程档案。

4） 系统根据学习过程档案绘制群体性的成长曲线和个体性的成长曲线，用于每个学生和整体的比较分析。教师根据学生个体的特点和学习情况，制定有针对性的学习方案实现个体精准教学，同时根据群体性的成长曲线及时调整教学策略。

5） 在期中和期末两个时间节点系统自动生成学生学习结果档案，系统根据增值评价指标设置好的增值评价量表对照给出相应的评价等级。

6） 阶段性学习结束系统会自动生成评价报告反馈给教师跟学生。教师根据学生群体的增值曲线以及评价等级及时了解学生是否在初始学习基础上获得了增值，学生根据反馈结果了解自身的学习进度以及各方面表现情况的评价，针对评价结果及时调整学习计划和改进学习方法。

7） 建立学生追踪数据库，追踪和记录学生的学习过程产生的数据，提供实时、准确的评价反馈给师生。同时，设定一定阈值，针对评价等级低的学生给予预警信号，提示教师适时发起学习干预，给出适当的改进学习方法建议。

2.4 增值评价与多元评价方式相结合

教育评价是一项复杂而又系统的工作，大数据背景下探索发展增值评价，可采用教师评价、自我评价和同伴互评等多种评价方式从多角度的方式去综合评价学生。

在教师评价模式中，应加大增值评价在综合评价中的比例，同时结合过程评价和结果评价多种评价方式相结合，形成综合性评价方式。利用过程评价对学生的整个学习过程进行评价；利用增值评价来关注学生阶段性增值情况；利用结果评价考核学生理论知识和实践能力整体掌握的情况，最终形成健全的综合评价体系。自我评价学生做主体根据平台提供的自评报告对自身做真实的评价。这种主观的评价方式能够激发学生主观能动性，深刻理解增值评价的真实含义，促进自我反思和自我提升。同时，可加入同伴互评方式，促进学生之间交流，进一步提高评价结果的全面性、真实性和公平性。

3结束语

当前，我国高等教育在增值评价领域尚处于探索阶段，大数据和人工智能等技术的发展为增值评价提供了新的研究思路，能够有效解决目前教育评价方式存在的问题。本文从增值评价的评价主体、内容和方法这三个方面探索了大数据背景下增值评价的实现路径。评价主体不仅局限于教师还关注学生主体；从传统的被动评价转变为评价主体的自我评价，采用师评、自评与互评等多种评价方式结合；评价内容由学生的学业水平和学习过程数据两个方面构成，以量化的学业水平增值为主，兼顾学习过程的质性描述。同时，将大数据、人工智能等技术引入高校学生增值评价，实现增值评价方法上的创新。

通过建立差异化的增值评价指标体系和创建基于大数据的增值评价系统，通过大数据分析模块挖掘和分析形成群体和个体成长曲线以及学习档案，全面、精准地把握学生阶段性学习情况的。同时，教师根据评价结果及时发现学生学习薄弱环节调整教学策略、发挥增值评价诊断、引导等功能。学生通过评价结果实时观测自身的学习增量，主动反思和改进自己的学习过程不足之处，有助于学生自主学习能力培养，师生之间形成良性的反馈机制。但目前的研究仍存在一定局限性。例如，结构化数据和非结构化数据整合的复杂性可能会影响评价结果的准确性。同时，平台涉及个人隐私的数据安全问题也需要进一步探讨。后续研究将重点探索利用机器学习算法将非结构化数据转化为结构化数据，实现与结构化数据的整合，使用数据加密技术和设定访问控制机制解决数据安全问题。