外語在線教學智能化過程性評價實踐研究*

張忠華 高曉東 王冀魯 朱向榮 張雪芝

摘? ?要：過程性評價是與傳統的終結性評價相對比而提出的。多年以來，過程性評價一直是教育和教育改革的研究熱點。由于人工智能技術逐漸成熟，建立在大數據和人工智能基礎上的智能化過程性評價已經成為教育界新的研究熱點。文章以北京外國語大學繼續教育學院外語在線教學創新項目的實踐為基礎，闡述了外語在線智能化過程性評價系統的功能、主要組成部分及其應用等，并提出要理性看待智能化過程性評價。

關鍵詞：在線教學;智能化;過程性評價;人工智能;學生畫像

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2020）23-0023-06

一、引言

近年來，過程性評價得到了越來越廣泛的關注。過程性評價是相對于傳統的終結性評價而提出的。隨著大數據、人工智能等先進技術的快速發展和廣泛應用，教育領域中的智能化過程性評價正在成為廣大教育工作者關注的熱點話題，相關的實踐工作和理論研究正在進行。北京外國語大學繼續教育學院近期開啟了外語在線教學創新的實踐研究，其中，外語在線教學智能化過程性評價系統是其重要組成部分。該系統是基于人工智能技術（如機器學習、深度學習、人臉識別等）建設的涉及教學管理多個環節的綜合評價系統。此外，該系統通過對智能教室、課堂終端、互動教學系統等產生的教學大數據進行分析，完成課程學習效果畫像，從而達到支撐課程教學評價、提升教學效果的目的。

以人工智能技術為代表的現代信息技術與教育教學的深度融合，促進了現代遠程教育的快速發展，在構建全民終身學習的教育體系、建設學習型社會等方面發揮了重要作用[1]。因此，外語在線教學的智能化過程性評價系統將對外語人才的創新性培養起到重要作用。

二、智能化過程性評價

過程性評價也稱形成性評價，它不同于傳統基于考試的終結性評價。1967年，美國哈佛大學著名評價專家斯克里芬教授在《評價方法論》中提出過程性評價理論，該理論不久后又被美國著名教育學家布盧姆引進到教學領域。具體來說，過程性評價是指通過多種評價手段和方法，依據學生學習過程中表現出的興趣、態度、參與活動程度，對他們的語言發展狀態做出判斷，對他們的學習嘗試做出肯定，對他們的學習進展進行持續評價[2]。

大數據和人工智能技術的快速發展使智能化過程性評價成為可能。《中國教育現代化2035》明確提出要加快信息化時代教育變革，建設智能化校園，統籌建設一體化智能化教學、管理與服務平臺;利用現代技術加快推動人才培養模式改革，實現規模化教育與個性化培養的有機結合[3]。因此，智能化過程性評價是信息化時代教育變革的需要。

將人工智能技術運用到過程性評價的最大優勢是可以在教育大數據的基礎上進行客觀分析與評價。智能化教學過程以智慧教室為支撐，借助智能互動教學系統，在原有標準常態錄播系統中，融合多項互動功能，同時完成課堂內外、生與生、師與師、師與生的教學互動。另外，借助教學系統中的人工智能技術實現人臉抓取識別，實況記錄學生的課堂表現、教師的工作表現，保證整個教學過程有跡可尋，實現教學執行工作中各參與單元動（靜）態過程的評價，從而完成教學過程的智能化分析與評價。

三、外語在線教學智能化過程性評價系統

在線教學與傳統課堂教學有很大區別。傳統課堂上，教師可以通過直觀現場感受到學生的學習情況，而在線教學時，教師只能通過對學生的相關學習數據進行分析和評價，從而了解學生的學習情況。在線教學的學情分析要注重過程性數據分析，互聯網技術可以實現對學習全過程進行伴隨式的記錄，將教學評價無痕嵌入到學習過程中[4]。外語在線教學智能化過程性評價系統將通過相關設備采集到的相關數據進行相應的智能數據分析與智能評價，具體流程如圖1所示。

1.系統數據生成

外語在線教學智能化分析與評價系統的相關數據主要是由智慧教室、課堂終端、互動教學等系統產生。系統將整個教學過程的所有數據進行整合，提供教學全過程監控大屏顯示服務，數據實時更新，包括基礎教學數據監控、教學與在線學習活躍度監控、全校課程資源建設情況監控、實時課程整體監控、實時課堂整體監控、實時課堂學生學習活躍度監控、考勤情況監控、空間使用情況監控等。該系統與學校教學質量監控管理體系相銜接，提供教學評估相關的數據支撐，同時還實現了學情分析、教學預警、教學學習檔案匯聚報表等功能。圖2為系統數據生成與分析應用示意圖。

2.分析功能

分析系統運用弗蘭德斯課堂分析法、語義分析技術與人工智能技術，通過建立數據分析模型，實現對課堂中各種教學行為和教學內容的自動分析，自動形成課堂教學行為和教學內容的分析數據，為師生的日常教學提供智能化教學輔助，為教師和家長針對學生的教育指導提供客觀真實的數據參考。智能分析主要是對教師和學生的課上與課下“教”和“學”行為數據采集后的數據分析，甚至還包括學分銀行（如基于區塊鏈技術的數據存儲）的數據分析。智能化教學分析系統的智能分析功能就是對教學過程中產生的海量數據進行智能化分析，針對不同的需求可以由不同的軟件系統來實現。從教學分析角度看，智能課堂分析主要有統計分析、人員刻畫分析、課堂教學分析等智能分析。其中統計分析主要包括基本數據的統計分析，如簽到、作業完成度等;人員刻畫分析主要包括教師和學生的角色刻畫分析;課堂教學分析主要包括對教師和學生的課堂分析。智能分析還包括預測教師教學效果和學生學習趨勢。

3.評價功能

系統面向的對象可以是教師、學生、教學管理者，甚至還包括家長。系統以課堂場景為核心，運用智能化技術手段，構建“教”“學”“管”三大類的綜合應用。采用現場教師、場景教師、在線AI多點打分來完成“多位一體”的綜合評估以滿足實際需求。落實到系統平臺，則以過程性動態評估，階段性地描繪出教師工作、學生學習的發展曲線圖（包括教師的職業曲線），以保證教學有序進行。這樣，學生、教師的個人綜合素質發展趨勢得以明確。再采用大數據、區塊鏈、云計算等技術手段進行記錄和處理，從而保證教學數據檔案真實有效、不可篡改并可即時調用。系統還具有自我完善的能力，可以根據平時運行時收集到的數據自動更新自己的數據庫，從而提高識別的正確率以及評判的公平性與準確性。此外，人工智能技術還可以使系統實現可視化巡課督導、精準信息推送、設備集中智能化管理（包括設備故障報警與故障精準定位）等。如果將相關數據與家校通平臺對接，可以滿足家校合作的業務需求。因此，系統通過人工智能技術，可以有效地滿足教師、學生、家長和管理者等多角色的需求。

四、外語在線教學智能化分析與評價系統的組成與實現

系統主要由學情分析系統、教學預警系統、課堂行為分析系統、學生畫像、教師畫像等多個子系統組成，可以完成學習狀態監測、情緒行為分析、學習情況自動評價、定期發送學習情況等多個功能，這些功能模塊相互協調，可以做到全方位、多層次地掌握學生的學習狀況，從而讓教師更加輕松地了解和評價每一個學生的學習情況。

1.學情分析系統

學情分析系統主要完成對學生課內、課外參與教學活動所有數據的采集與統計分析。該系統主要包括學生基礎數據學情分析、在線活躍學生數據分析、課程學習情況數據分析等。學生基礎數據包括各院系班級學生總數、上課學生數、在線活躍學生數及占比等，通過對該數據的可視化分析，可查詢、了解各院系和各班級學生的基本學習情況。在線活躍學生數據包括活躍學生的課程學習情況、活躍課程分布情況等。課程學習情況數據用來統計學生在規定時間內完成的在線視頻課程數量、在線測驗數，以及作業完成和提交情況等。通過學情分析系統，教師、院系、教務管理者可以查看單獨課程、院系課程和全校教學的出勤情況以及全校學生的學習情況。

2.教學預警系統

教學預警系統對簽到率、作業提交率、教學視頻章節完成率、學習任務完成情況、問卷、試題提交率、章節檢查完成率、課堂活動參與率等設置進行預警。當學生某一項監控值低于預警閾值時，學生、教師、院系、教務管理負責人會相應收到系統發出的預警信息。

3.課堂行為分析系統

課堂行為分析系統以課堂為核心，聚焦人臉識別、行為分析、視頻結構化、大數據、移動互聯網、物聯網等技術與教學的深度融合。系統打通考勤、錄播、教學分析等應用壁壘，集視頻資源管理、自動課堂行為分析、伴隨式學習數據收集等功能于一體，可以滿足教師、學生和管理者等多角色的需求。系統充分利用人工智能等現代信息技術，打造課堂智慧學習環境，用大數據、AI智能構建高效課堂，大大提高了課堂的教學效率。例如：通過情境感知、數據挖掘等方法可以提前預知學習者潛在的學習需求，實現教與學的立體溝通與交流。系統通過建立教學行為模型，對教師授課、教師板書、教師演示、學生回答問題、師生互動、學生演示等100多種教學行為進行自動分析，生成教師和學生的多維成長檔案。

（1）課堂教學行為實時識別

系統采用人工智能技術的深度學習機器算法，依據教師和學生的各種教學行為模型，智能識別教學過程中的各種行為。如舉手、發言和互動情況等，生成精確的教學行為數據，并以柱狀圖或餅狀圖的形式進行直觀呈現。圖3為課堂行為識別可視化圖;圖4位課堂行為統計可視化圖。

系統依據建立的教室內部模型（如大屏、課桌、教師、學生、黑板等），自動識別教室內部物體及對應的位置，可以自動生成師生個體活躍度熱力圖。

（2）課堂視頻檢索、打點與分析

課堂視頻采集后，視頻內容可以通過系統的視頻檢索功能進行檢索。視頻檢索系統支持按照姓名和屬性進行檢索。系統的課堂視頻打點功能即系統提供基于時間點的視頻標記，并對整堂課視頻的特定時間或時間段進行標注，對標注內容進行統計分析，同時還可以將標注內容與教材的課程目錄關聯，從而可以對教師的講課內容做到基于知識點的更精確分析。

（3）課堂教學類型分析

系統可以進行課堂教學類型分析。通過課堂教師與學生的互動，可以分析課堂教學類型，完善課堂教學。S-T（Student-Teacher）分析方法是一種能夠直觀表現教學性格的教學分析方法，它可用于對教學過程進行定量和定性的分析與評價，以此來判斷課堂教學性格。T行為主要包括教師的講話行為：教師板書、演示等。具體表現為解說、示范、板書，以及利用各種媒體進行提示、提問、點名、評價和反饋。S行為是T行為以外的所有行為，主要是指學生發言、思考與計算、做筆記、做實驗、技能操作、完成作業以及沉默。通過S-T分析得出課堂教學類型（如講授型、互動型、練習型、綜合型等），如圖5所示。

4.教師教學過程數據分析系統（教師畫像）

教師教學過程數據分析系統通過分析教師課堂、課前、課后的數據來了解教師教學情況。該系統通過對全體教師數據的分析，了解教師培訓的開展情況及困難、在線教研活動組織和效果等，從而知曉當前教師隊伍提升的整體情況，以及采取的途徑、效果，及時分析相關數據并發現問題。圖6為教師綜合評分圖。

教師畫像主要由教師的課前備課、課堂上課、課后查看作業等相關數據構成。教師上課教學數據主要包括授課、互動和其他數據;課前、課后的過程數據主要包括布置學習資料、布置課后作業和測試、學生學習情況分析與評價等。因此，教師畫像的指標信息有課時量、課程數、教學資源、到課率、點名頻度、考勤情況、即時問答、學生掌握度、成績評價等，還可以包括教師其他基礎信息內容，如姓名、年齡、性別、民族或國籍、學歷、職務、職稱、教課內容、參加工作時間、來校時間等具體信息。通過對上述數據的分析，可以為完善與改進教師教學提供參考依據。在教師個人指標分析的基礎上，還可以實現全體教師的指標分析，如圖7所示。這些數據記錄了教師的教學過程、督導學生學習過程，通過對這些數據進行分析，實現教師角色的刻畫，從而可以提出課堂改進的建議。

5.學生學習過程數據分析系統（學生畫像）

學生畫像主要是指對學生課上與課下學習過程數據的分析。課上數據具體包括出勤、任務完成度、聽課關注度、交流程度（與教師和其他同學）等;課下數據包括課后作業和測試、觀看學習資料和回看視頻、學業成績、自我評價和相互評價等。這些數據記錄了學生的學習過程，通過對這些數據進行分析，可以發現學生特質，實現學生角色的刻畫。通過智能化前端視、音頻捕獲和分析設備，可以實況記錄學生的課堂表現，實時抓拍學生的表情和違規行為，進行專注度統計與展示。

（1）學生行為數據采集與處理

通過智能攝像頭設備完成學生學習行為數據采集，同時制定好學生數據采集標準。圖8為學生課堂表情采集樣圖。

系統采集學生的知識體系、學習內容、學習路徑、反復學習章節、測試成績、課堂表現、評價、互動交流等數據，并對數據進行清洗、轉換、重構、入庫。數據處理還包括采集數據源管理、采集基礎功能、數據同步管理、數據同構傳輸、數據異構傳輸、采集自動建表、采集數據脫敏、數據轉換管理、采集作業管理、采集監控管理等系列工作。

（2）學生情緒行為分析

在不影響教學的情況下，通過計算機視覺分析技術，根據學生的語言、表情、動作，分析出學生的關注度、理解度、參與度等數據，并進行分析與預測，為學生情緒檔案和學生后期個性化輔導提供數據依據，幫助管理者全面督導、客觀評價，輔助決策的制定。

（3）學生畫像形成過程

系統采用多維分析對學生的學習過程數據進行詳細分析，對學生成長歷程等進行多種維度分析，從任意角度探察和分析以任何形式組合的數據，進行交互的、靈活的、多角度和多層次的分析。系統提供豐富的定制化圖標和文字展現功能以及鉆取分析、關聯分析功能。系統提供查詢統計功能，即從數據庫中訪問、瀏覽和探察數據，滿足業務人員自助式的、零編程的、快速的定制查詢，實現拖拽方式的數據整理，支持自主創建查詢、報表、圖例、分析等。系統還提供展示云圖，即以直觀、清晰、易于理解并美觀的方式，將課堂教學、學分銀行等數據進行可視化呈現。因此，可通過采集學生的學習行為數據，提取學生的學習特征，建立數學模型，建構學生畫像;還可以采用機器學習模型構建學生畫像標簽，形成學生畫像。圖9為學生畫像形成過程圖。

（4）學生學習成長數據分析與應用

①學生閱讀數據分析服務

通過本系統包含的學分銀行獲取學生閱讀報告，從而根據學生的閱讀記錄來分析其閱讀習慣、感興趣的學科及專業方向，并依據分析結果向學生空間推送相關閱讀資源。

②學生成績數據分析服務

以學生畫像的標簽和學習成績為基礎，圍繞學生學習相關特性，構建精準推薦系統，實現學生學習的個性化推薦和學習成績預測。例如：可以實現學生成長的展示，以雷達圖、餅圖等多種方式展示學生知識點掌握情況、發展趨勢和發展均衡情況等;根據對學生成績和學習特點的分析可以實現個性化學習內容的推薦;可以實現學習成績預測，根據學生畫像和學生過去的表現來預學習成績。圖10為學生成績發展趨勢圖。

本系統還可以通過獲取學分銀行中的學生成績單信息，實現對各階段、各類考試成績的分析，展示學生成績的變化趨勢及薄弱環節。

③學生綜合素質分析評價服務

通過與學分銀行對接，獲得學生的學分檔案，形成思想品德、學業水平、身心健康、社會實踐、藝術素養等方面的數據內容，一方面為學生提供數據服務，另一方面為學校開展橫向與縱向對比、了解教育發展情況提供數據服務。這些數據記錄了學生的學習過程，通過對這些數據進行分析，可以發現學生的特質，實現學生角色的刻畫。

6.在線教學督導與評價系統

在線教學督導與評價系統為教育教學提供在線巡考、優課評價、考勤監管、學生表現、教學分析等實時課堂監控監管。支持多畫面在線巡考。學校教務管理者可針對教師發布的課程，進行綜合評分評價，作為優秀課程發布至學生學習平臺。該系統還可以根據課堂總體情況匯總生成課堂畫像、課堂分析報告以及每個學生個人的行為表情分析報告，做到異常情況提醒，幫助教師快速關注到異常學生。利用人臉識別數據與學生行為數據可以分析出每一堂課中每位學生的課堂專注度，還可以分析出班級的專注度指數，還可以運用這些數據進行統計、對比、趨勢和碰撞分析。

學生的指標數據包括到課率、課堂問題解答正確率、作業完成率、網上學習時間、獎懲次數、平均成績、成績優秀率等。從這些數據中也可以分析統計出學生的學習態度、課堂表現、專業技能、成績分析、心理素質等維度的情況。

五、理性看待過程性評價

本文對過程性評價的具體實現進行了詳細介紹，希望能為同行提供有益的參考。同時，教師對過程性評價要有客觀的認識。過程性評價的實踐不能只熱衷于評價工具的推廣，還需要實踐者從觀念、理論到具體實踐方面做大量的工作，其可操作性程度和成效有待于實踐的檢驗[5]。因此，在實際評價工作中，要理性看待兩者的關系，不能厚此薄彼。

1.過程性評價與終結性評價要相結合

在大數據時代，需要終結性評價和過程性評價相結合。不僅僅要關注成績的結果，還要關注學習和考試的過程，做到心理與教育測量理論和先進技術相結合、顯性和隱性相結合、靜態數據和動態數據相結合，發現與能力水平無關的因素并予以合理解釋，智慧地找到我們所需要的“公平”[6]。

2.過程性評價要具體問題具體分析

盡管過程性評價能給師生帶來全新的工作和學習感受，但也要避免過程性教學評估方式給師生帶來負面影響和額外壓力。因此，針對不同課程和不同師生群體要能夠具體問題具體分析，不能“一刀切”。比如，在教學過程中，課程存在差異性、學生存在差異性、教師教學存在差異性，要鼓勵教師根據實際情況創造性地實踐過程性評價。

3.過程性評價應以“以評促教、以評促學”為宗旨

過程性評價與終結性評價一樣，都是為了尋找盡可能合理的方法來對教學進行評價。因此，過程性評價一定要本著“以評促教、以評促學”的宗旨，始終要與傳統的終結性評價等多種評價方式有機結合，互相學習，而不能將其簡單地與某些特定評價工具相等同，否則就會流于形式。

六、結束語

借助大數據和人工智能技術，過程性評價更加容易實現。但是，基于人工智能手段的智能化過程性評價還需要不斷實踐和完善。特別要注意，在充分發揮過程性評價優勢的同時，還要始終與傳統終結性評價方式相結合，互相取長補短，才能真正促進教學評價方式的科學化、智能化和現代化。

參考文獻：

[1]全國高校現代遠程教育協作組秘書處.“人工智能+”護航遠程教育質量提升之路[J].遠程教育協作組工作簡報，2020（136）.

[2]張琳娜.從簡單終結性評價到可控過程性評價教學模式改革的研究[J].大學英語（學術版），2014（9）：11-15.

[3]中共中央、國務院印發《中國教育現代化2035》[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/s6052/moe_ 838/201902/t20190223_370857.html，2020-05-02.

[4]余勝泉，王慧敏.如何在疫情等極端環境下更好地組織在線學習[J].中國電化教育，2020（5）：6-14，33.

[5]王月蓮.高校過程性評價的理性認識[J].陰山學刊，2015（6）：86-88.

[6]李冰，任杰.大數據時代的“智慧測量與評價”[J].考試研究[J]，2019（3）：91-94.

（編輯：王曉明）