大数据下在线课程增值评价设计浅议

前言：想要写出一篇引人入胜的文章？我们特意为您整理了大数据下在线课程增值评价设计浅议范文，希望能给你带来灵感和参考，敬请阅读。

摘要：基于大数据的在线课程增值评价是发挥大数据的技术优势，对在线课程评价方式进行变革的重要途径。本研究分析了大数据支持下的在线课程增值评价特点，并对在线课程增值评价的评价内容、评价程序和评价情境进行了整体设计。

关键词：增值评价；在线课程；大数据技术

增值评价是一种纵向评价方式，强调教育投入带来的学生学习“增量”，能够反映学生学业的进步程度和学校在人才培养中的努力程度[1]。传统的评价方式主要以考试和分数作为衡量教育质量优劣的标准，这样的评价方式忽略了生源差异、学校办学资源差异等因素的影响，难以衡量学校和教师在人才培养中的努力水平。增值评价通过跟踪记录学生在一段时间内的学习过程和学习结果，来描述学生在知识、能力和素养等方面形成的“增量”，并以此精准分析教师和学校在学生学业变化中产生的具体影响，进而对学校或教师的效能进行科学、客观的评价[2]。大数据技术的发展为在线课程的增值评价提供了强有力的技术支持，为全面分析学生的学习增量提供了科学的数据支撑，成为提高在线学习质量的关键因素。本研究分别从评价程序、评价内容和评价情境三个方面，进行基于大数据的在线课程增值评价框架设计，以期为大规模在线课程评价方式改革提供参考。

一、大数据支持下的在线课程增值评价的特点

在大数据支持下，在线课程增值评价主要体现出评价范围的广泛性、评价主体的多元性、评价内容的科学性和评价效果的交互性四个特征。（一）评价范围的广泛性大数据支持下的在线课程增值评价具有评价范围广泛性的特点。评价对象是每一位在线学生。借助在线学习平台自动记录学生的学习行为，跟踪统计每一位学生学业进步产生的“增值”，真正形成“一生一案”。

（二）评价主体的多元性

在线课程增值评价模式具有评价主体多元性的特点。既注重教师和学习同伴等客体对学生的评价，也注重学生主体的自我评价。既考核教学目标的达成度，也考核学生学习目标的达成度。

（三）评价内容的科学性

与传统的以结果为导向的横向评价方式不同，在线课程增值评价更加注重学生学习过程和学习结果的统一，是一种纵向评价方式。根据在线课程学生在一段时间里的学习表现数据，描画其学习成长曲线。通过挖掘评价数据内涵，分析影响其学习成长的智能和非智能因素，从而为教学策略的调整提供科学的数据支撑。

（四）评价效果的交互性

设置合理性的增值评价内容，在线学习的学生可以通过学习平台实时观测自身的学习增量，从而主动反思和改进自己的学习过程。教师则根据海量的评价大数据，跟踪观察学生的学习成长过程，科学调整教学策略，充分发挥增值评价的诊断、引导、改进和激励等功能，在评价结果与教师的教、学生的学之间形成良性的反馈机制，实现从“助考性”评价向“助学助教性”评价模式的转变。

二、基于大数据的在线课程增值评价程序设计

开展基于大数据支持的在线课程增值评价，实际上是应用大数据处理技术和互联网思维对在线课程进行交互设计。通过在线课程平台全流程采集学生的学习数据，在教师、学生和课程平台之间形成数据的双向流动，通过数据挖掘和分析，得出增值评价结果，进而为教师制定教学策略和学生制定学习规划提供科学的数据支持。评价流程如图1所示，具体为：①教师对在线课程进行整体设计，制作课程资源，并发布于在线课程平台，设置课程数据采集点。在线课程大数据分析系统记录并形成课程的初始课程资源档案；②学生申请加入课程学习，完成学习基础测试和学习背景的调查，形成学生初始学习档案数据库；③学生根据自身学习需求，对课程资源进行个性化学习，生成初始学习档案；④大数据分析系统通过收集学生初始档案和初始学习数据并进行分析，为学生提供智能推送、自动评价、智能预警等服务，并记录学生的学习成长数据，构建学习过程档案；⑤教师根据群体性的成长曲线和个体性的成长曲线，调整教学策略，针对学生个体进行精准辅导、靶向纠错，并完善课程资源，系统生成教师的课程管理过程档案；⑥学生在智能导学系统和教师的引导下，逐步完成课程学习和测验等，系统自动生成学生学习结果档案；⑦课程结束，教师对学生的学习大数据进行进一步挖掘和分析，进一步优化课程结构，系统记录生成教师的课程优化档案。通过在线课程大数据分析系统，生成教师投入曲线和学生的增值曲线，并通过在线课程平台实时呈现给教师端和学生端，从而为在线课程的诊断和优化提供数据支撑。

三、基于大数据的在线课程增值评价内容设计

相较于传统的结果导向评价方式，在线课程增值评价不仅关注学生的学期“起点”，也关注学生在一段时间内的学业进步情况。作为一种横跨整个教学过程的动态评价机制，增值评价内容既包括了智力因素，也包括各种和学习相关的非智力因素，强调评价结果的“助教助学性”。

（一）在线课程智力因素评价

学习智力因素是各种认知能力的综合体现，能够影响学生对知识与技能的掌握速度和深度。增值评价既记录学生的学习基础情况，也跟踪记录学生阶段性的学习成效，包括学习过程中的思辨能力、分析能力、创新能力和协作能力等智力因素的提升情况，借助大数据分析系统分析描画其各项能力的增值曲线，从而动态考核学生在一个学习时段产生的知识、技能和素养的增量情况。根据考核记录，借助智能导学系统对学生进行针对性的学习引导。所以说，增值评价对于学生智力因素的评价更多的是一种诊断导向机制，引导学生不断调整学习方向，从而提高学习效率。

（二）非智力因素评价

学生的学业成绩不仅与学生的学习基础、学习智力因素有关系，还与学生的学习态度、学习方法、兴趣和努力程度等非智力因素紧密相关。在线课程不同于传统的课堂教学，学生大多是自发地加入课程，学生的学习基础和学习动机各不相同。因此相较于传统教学，非智力因素在在线课程学习效果中占有更大的比重。基于大数据的在线课程增值评价需要将学生的学习动机、学习习惯、情感态度和价值观等因素列入考核评价范围，并借助课程平台及时反馈给学生，引导学生进行自我反思和调整。

四、基于大数据的在线课程增值评价情境设计

大数据技术的发展为增值评价实施提供了可能。在线学习平台自动记录和分析教师的“教”和学生的“学”形成的大数据，科学全面分析教师的“投入”以及学生的“投入”和“产出”，能够为教学诊断和教学改革提供数据支撑。基于大数据的在线学习增值评价情境设计如图2所示。

（一）增值评价数据采集

在线学习数据是增值评价的基础。在线学习平台分别自动记录各个端口的数据，既包括教师端产生的资源制作、教学管理和课程优化的数据，也包括学生端学习基础、学习目标、学习偏好、学习投入和学习结果等数据。当学生利用移动终端加入课程并进行学习时，课程平台按照一定的规则自动获取学生的浏览时长、资源偏好、学习时段、测试结果等数据信息，同时记录教师在课程建设、课程管理和后期优化阶段的操作数据，并对数据进行一定的预处理，为后续的数据分析提供可靠统一的数据格式。

（二）增值评价数据分析

在数据分析阶段，首先要建立可靠的数据分析模型。接下来在数据处理与集成阶段，要对收集来的数据进行格式化和降噪等技术处理，去除无效数据，并保证数据结构上的统一。进一步借助数据挖掘工具，根据应用需求对海量的课程大数据进行针对性筛选，在此基础上再运用专业的数据分析软件对数据进行深度分析，得到可靠的结果。最后，运用数据可视化技术将数据分析结果进行可视化处理，将隐藏于数据中间的关系、趋势和规律等以直观的图表等形式呈现在课程平台的前端，方便教师端和学生端实时、直观形象地读取数据分析结果，从而更好地进行教和学的调整。

（三）增值评价结果和反馈

课程平台通过大数据分析系统形成教师投入报告、学生投入报告和学生增值报告。教师根据平台自动记录的动态教学投入数据和对应的学生学习增值情况，分析自身投入的效能值。根据学生的整体学习效果，进行宏观教学策略和管理方式的调整。根据学生的个体学习情况，进行精准辅导，真正将教学经验逐步转化为教学技能的提升。学生根据平台记录的动态学习投入数据和增值数据，在平台智能学习系统的引导和教师的积极帮助下，调整教学进程，优化学习方法。在大数据技术支持下，在线课程增值评价系统能够真正实现“以评促教、以评促学”，为在线课程的发展提供源源不断的动力。

五、结语

本研究提出了基于大数据的在线课程增值评价框架。后续将依托精品在线课程资源开展实践研究，结合教师和学生的反馈，进一步完善增值评价框架，为在线课程的评价模式改革提供新的思路。

参考文献:

[1]岳伟,陈俊源,胡祥恩,等.从TVAAS到IndividualGrowth:美国田纳西州增值性教师评价发展新趋势[J].现代教育管理,2019(9):69-77.

[2]辛涛,张文静,李雪燕.增值性评价的回顾与前瞻[J].中国教育学刊,2009(4):40-43.

作者:余琴 杨阳 单位:安徽职业技术学院纺织服装学院 安徽职业技术学院