基于學生測評數據的個性化學習模式的應用研究

上海東海職業技術學院基礎部 丁 玲

在全面實施素質教育的背景下，個性化學習越來越受到教育界的關注。如何運用先進的科技手段對學生在學習過程中的測評數據進行收集和分析，指導教師開展個性化教學，以滿足學生個性化的學習需求，成為當前需關注并解決的問題。近年來，致力于K12 教育的自適應學習系統是否可以受益于高職教育，給測評過程智能化帶來新的契機，值得探討。

一、個性化學習是時代的呼喚

從古至今，因材施教一直是教育追求的理想目標。隨著智慧網絡學習、人工智能技術的深入應用，以個性化為核心的新教育時代正在到來。國家在《教育信息化十年發展規劃（2011—2020 年）》中指出：“關心每個學生，促進每個學生主動地、生動活潑地發展，尊重教育規律和學生身心發展規律，為每個學生提供適合的教育。”

個性化學習能夠幫助學生在學習過程中了解自身對知識的掌握程度、優勢和不足，尋找自主學習的最優路徑。

二、測評數據分析的教學意義

（一）測評數據分析是支持個性化學習的有效方法

學生測評數據是教育工作者最為熟悉的教育大數據的子集之一，具有易采集、結構化程度高、分析難度小的特點，在學校教育中，被認為是教育教學改進最為顯著的指標。在教學過程中對學生的階段性學習數據進行常態化收集與分析，是發揮測評數據價值的關鍵。

（二）輔助教師精準地診斷教學

基于測評數據分析，教師可及時了解學生掌握知識技能的情況，進一步指導學生調整學習步伐。測評數據使教學從基于經驗走向基于科學，使教學設計與實施過程更精準。

（三）有助于優化教學設計

對教育測評數據的精準診斷可以檢查學生存在的不足，同時也體現教師的教學效果。教師可以反思自己教學中的遺漏點，并根據學生對知識的掌握情況等數據來改善自己的教學設計，調整自己的教學進度。

三、基于測評數據的個性化學習模式應用

本研究以本校大一新生的計算機應用基礎課程為例，對學生學習過程中產生的測評數據進行分析，與個性化學習有效結合，使教師教學和學生學習建立在對測評數據分析的基礎上，實現“以學定教”、學生“按需學習”。

（一）個性化學習的設計要素

1.學習資源

本研究主要借助阿里釘釘網絡平臺，實現“線上+線下”混合式教學。將習題及要求、課件PPT、學習清單、操作演示視頻、微課視頻、測試卷和模擬卷、釘釘云課堂等多樣化的學習資源發布至釘釘，供學生自主學習，以實現線下教學為主、線上輔助的整合模式，突破時間和空間的限制。

2.學習目標

參照上海市計算機一級考綱要求的知識和技能范圍（認知要求分為“了解”“理解”和“掌握”，技能要求分為“學會”“比較熟練”和“熟練”），依據課程目標定位，從工作任務、知識要求與技能要求三個維度對課程內容進行規劃與設計。對于操作技能方面，考慮到本校高職學生入學時參差不齊的知識水平及對教學內容的掌握情況，設定A、B、C（低、中、高）三個隱性分層的學習目標，引導學生在掌握原有知識的基礎上，向更高一級目標循序漸進地提升（如圖1）。

3.學習方式

學生的個體差異性決定了學生學習方式的不同。借助釘釘平臺，學生課后可獨立學習，也可通過移動設備與同學和老師進行線上交流、協作、探討。學生可以根據自身的學習起點、學習進度、學習目標等選擇適合的、便利的學習方式，最終提高自身學習的主動參與性，打破統一教學方式和教學目標的被動學習局面。

4.學習評價

個性化學習評價不該局限于對學生期末成績的評價，更該關注學生的學習風格、學習態度、學習傾向。評價方式不該單純由教師對學生進行單一評價，可以多元化。本研究中，學習評價貫穿于教學過程的各個階段，采取師生評價以及學生自評、互評的形式，過程性評價與終結性考核相結合。

（二）測評數據分析在個性化教學模式中的應用

本研究在課前、課中、課后三個環節的教師和學生的教學活動中，設計不同層次的學習目標和內容，主要借助阿里釘釘，分別從各階段收集相關數據并分析，如學生的預習完成情況、理論題答題情況、學生在課下和課上的討論互動情況、隨堂測驗、課后練習等。構建以數據為驅動、線上線下融合的個性化學習模式（如圖2 ）。

1.課前——以學定教

本課程中計算機應用基礎純理論知識點的學習，安排線上自學，教師通過釘釘平臺向學生推送個性化的學習資源、學習內容、測試題，幫助學生自學和預習。

教師獲取學生課前測試題完成情況的數據（如圖3）并分析。例如，網絡基礎測試（純理論），試題滿分30 分，設定答題時長20 分鐘，通過分數24 分，不達標的繼續學習，學習態度不端正、沒有及時參加測試的學生備檔并督促學習。由于釘釘沒有自由選擇對比的功能，利用Excel 軟件將數據記錄整理后分析，以可視化圖表的形式，直觀地呈現差別。

2.課中——優化學習過程

結合學生課前理論知識自學的情況，參考課前測試題的結果分析，對錯誤率高的以及本節重難點知識集中講解，其他錯題個別講解，督促學生課后復習。課堂仔細觀察學生的行為活動并記錄（如討論、互動參與度，聽課是否專注，是否不做題玩手機等），以供分析學習產生問題的原因時參考。技能操作題目前無法自動閱卷，此類模塊在課堂重點講練。

任務布置上采用分層次、進階式的方式，引導學生不斷挑戰。學習是不斷積累的過程，本課程學習效果更能反映出學生長期以來的學習態度和付出的努力。將完成任務的過程性數據匯總統計，圖形化分析后，學生之間的差距一目了然。將某知識單元做階段性總結，用不同的圖形和顏色標記成績等級（優、良、差），用趨勢線演繹學習效果。如圖5，王昕霞同學用完美的數據向大家證明，“一分耕耘一分收獲”，平時夠認真，發揮才穩定。

3.課后——反思提升

批改課堂操作題作業后，分析學生課堂學習效果，課后借助釘釘向學生推送不同難易級別的相關習題和學習資源，以供學生復習鞏固。理論知識按照“課前自學—課上講解—課后刷題”的方式，課后提高難度，要刷到滿分才通關。

4.總結性測評

經過一輪又一輪的階段測試數據收集和分析，教師能夠較為全面地了解學生的學習情況，給學生提出個性化的學習建議。學生有沒有聽取教師的建議？有沒有認真完成每個環節的學習任務？一份包含這學期所有學習模塊知識點的測試卷，能反映出學生的努力程度。如圖6 的結果顯示，該生在軟件應用的技能方面學得很好，但理論知識學習還有欠缺。

四、不足與展望

（一）學習資源與測試題之間缺乏知識關聯，不能自動推送，需搭建知識圖譜

本研究中基于學習分析的個性化學習資源的推薦，是通過人工分析數據，學習資源與測試題之間缺乏知識點的聯結，錯題不能及時、方便地得到相關聯的學習資源的自動推送，不能有針對性地強化學習。本研究周期較短，時間倉促，沒能建立起復雜的知識圖譜。

（二）高職學生學習缺乏主動性，自主學習能力不夠

個性化學習立足學生本位，需要學生積極參與、自主學習。但研究對象高職學生普遍缺乏學習的積極主動性，學習效率低下，大多數學生需要教師頻繁地督促、提醒、檢測，而目前的研究缺乏智能化的技術支持，教師人工分析、處理不夠專業、深入，且工作量過大。

（三）數據分析不夠深入，高校缺少自適應學習系統的應用

本研究仍處于低效率使用階段，對于測評數據的深入挖掘與質性分析研究不足，尚未將測評數據的價值最大化發揮。研究期間，釘釘不支持測試題目分析，圈子里布置的作業、互評和討論、班群里線上投票、簽到等數據都不能批量導出，這類數據也沒有更有效的數據分析功能，給研究學生的學習行為和學習過程帶來了困難。

通過記錄學生的認知數據，將人工智能與教育充分融合的自適應學習系統，目前主要致力于為中小學生提供解決方案，針對高校的研發極少，預期的自適應學習系統的試驗受阻。