學習大數據支持的學習評價變革：內涵、挑戰及趨勢

孫昊琛 蔡寶來

摘要：本文在界定學習大數據和學習評價概念的基礎上，分析和闡述了學習大數據對學習評價在評價觀念、評價主體、評價過程、評價目標和評價結果等五個方面帶來的沖擊和挑戰，并預測闡釋了未來信息技術賦能學習評價變革創新的三大主要趨勢：物聯網感知技術與學習評價銜接融合趨勢、大數據分析技術與學習評價創新融合趨勢、人工智能技術與學習評價集成融合趨勢。

關鍵詞：學習大數據;學習評價;內涵;挑戰;趨勢

中圖分類號：TP393? 文獻標識碼：A? 論文編號：1674-2117（2021）01-0095-05

隨著5G網絡技術、大數據、云計算、人工智能技術的顛覆式創新和發展，教育管理和評價也迎來了一場新一代信息技術驅動的變革與轉型。在線教育和泛在學習的興起，使學習者不受時間、空間、地點的限制，可以根據自己的需要進行學習。這就給傳統教育評價和學習評價帶來了強烈的沖擊和挑戰。在5G網絡技術支持的泛在教育和泛在學習環境下，大數據挖掘技術可以通過大量數據來有效跟蹤和全面記錄學習者的學習過程，學習分析技術則對采集到的大數據進行匯總、處理與分析，從而幫助教育者和學習者對教育、教學和學習做出全面、客觀、科學的評價。

● 學習大數據的內涵及價值

1.學習大數據的內涵

所謂學習大數據，是指學習者借助互聯網平臺，在與外界交互過程中所產生的一系列數據，主要包含課程內容數據、學習行為數據、互動交流數據以及學習資源數據等。[1]學習大數據催生和推動了智慧教育的產生和發展，在實踐應用中學習大數據能夠將“線上”“線下”學習銜接起來，便于準確掌握學生的學習狀態和進度計劃。通過學習大數據，教師可為學生制訂個性化的學習和成長方案，精準解決學生在學習過程中遇到的各種問題。學習大數據可在自然情境下收集教育教學過程中所有與學習有關的靜態和動態數據，并保證數據記錄的連續性，如教學資料、互動反應、登錄頻次以及在每個知識點學習上所花費的時間等內容。

2.學習大數據的應用價值

第一，學習大數據的本身價值。利用大數據分析技術，教育行業從業者可對在線學習過程中產生的訪問次數、視頻觀看、互動討論、作業完成、考試成績等學習過程數據進行深度挖掘，梳理和發現其中隱含的教育關系，并通過可視化圖表將分析結果呈現出來。這樣，學習評價貫穿學生的整個學習過程，遵循“觀測學習—解釋學習—反饋學習”的評價邏輯，給予學生在每個學習階段的個性化學習支持。[2]

第二，學習大數據的資源價值。隨著大數據理念和大數據技術在全球的興起，大數據的資源價值越來越受到關注和重視，以美、英、法為代表的發達國家率先將大數據作為新型戰略資源，稱其為“未來的石油”。未來，學習大數據作為學習理念和學習方式轉型、學習評價創新的重要資源的價值定位也日益凸顯，大數據支撐的學習分析技術，能夠精確引導學生發現適合自己的學習方式和學習策略，支持和促進個性化學習的完美實現。

第三，學習大數據是學習評價變革的核心驅動力。學習大數據的另一價值，體現在大數據支撐教育模式創新、賦能課堂教學革命、驅動學習評價模式變革等，并成為教育評價和學習評價變革創新的核心驅動力，具體表現為[3]：首先，學習過程從“非量化”到“可量化”，學生學習過程和學習行為數據可以被精準地記錄、采集和獲取;其次，學習大數據作為學習評價的可靠證據和證據鏈，對學習評價觀念、評價目標、評價主體、評價過程、評價結果等帶來了巨大的沖擊和挑戰，支撐學習評價從“經驗主義”向“科學主義”的變革轉型;最后，學習評價從“大眾化”向“個性化”轉型。學習大數據將賦予教師“認識”每個學生的能力，驅動學習評價從關注班級集體成績排名的“大眾化”評價向學習大數據支持的個性化學習評價轉型。

3.基于大數據的學習評價

在“5G+大數據”與教育教學深度融合的時代背景下，教育大數據加持并賦能教育評價模式創新和學習評價模式轉型，由此，教育評價和學習評價概念必須重新定義。本文對基于大數據的學習評價的定義是：以自主性、差異化、個性化評價理念轉型為驅動，利用學習大數據庫和大數據分析技術，對學習者的學習從發起和過程展開到完成目標和結果反饋等個性化學習大數據進行精確分析和解釋預測，以為學習者的個性化學習和發展提供精準支持和指導。

基于數據挖掘技術收集學習過程中產生的實時數據，為每個學生建立屬于自己的數字化學習成長軌跡檔案袋和學習畫像，為個性化高效學習提供大數據支持，進而實現學習評價從“經驗主義”向“科學主義”的變革和轉型，是大數據時代賦予學習評價變革的任務和使命。[4]

● 大數據對學習評價的沖擊和挑戰

大數據作為一種新生產力要素和一種重要的教育資源，已與教育教學全面滲透深度融合，從而給學校教育帶來全方位、結構化、系統性的沖擊和挑戰。學習大數據對學習評價的沖擊和挑戰主要表現在以下五個方面：

1.學習評價觀念方面

（1）賦能多元智力評價

在5G的大數據環境下，通過實時采集學習大數據，可以為每個學生建立屬于自己的覆蓋了整個學習過程的學習數據庫和成長檔案袋;利用人工智能分析技術、視覺分析技術、大數據深度挖掘技術等算法和工具，為學習者多元智力的培養和發展建立全面、全程的學習數據庫，從而為多元智能的測量評價提供準確、客觀的證據和證據鏈。[5]

（2）尊重個體差異評價

基于個性化自適應學習大數據，教師可以對每個學生學習過程中產生的數據和數據鏈，進行系統、科學、全面的搜集、整理、處理和分析，及時診斷和發現每個學生學習中發生的疑難、困惑和問題，合理優化學習過程，精確分析學習結果和學習效率，科學制訂學習計劃和個性化學習方案，為尊重個體差異的學習評價奠定證據和證據鏈基礎。

（3）強調自主性評價

在“互聯網+大數據”的學習環境下，學習者必須充分發揮學習自主性、主動性和獨立性，利用一切碎片化時間，人人皆學、時時能學、處處可學，并產生自主學習大數據。利用詳細記錄的自主學習大數據，學習者可以清楚地了解和掌握當前課程學習進度、參與互動交流、作業與考試、課外學習資源利用等情況，明確自己在學習中存在的難題和需要解決的問題，尋求問題解決方案和策略。

2.學習評價主體方面

在5G加持和賦能的教育和學習評價環境下，數據挖掘技術以價值中立的立場設計和架構教育、教學、學習和管理過程數據采集平臺，深度學習技術和學習分析技術為評價方案研制提供了精細、精確、精準的指標和標準體系。基于大數據的教育評價和學習評價，教育者、管理者和學習者，教師、學生和家長，甚至平臺本身都被納入評價體系。在這一評價體系中，管理者、教育者和學習者既是評價者也是被評價者，既是評價主體也是評價對象，評價者和被評價者的角色切換和轉型，是依據各自的大數據的應用目的和評價目標決定的。可見，基于大數據的學習評價，淡化了評價者和被評價者的關系定位，強化了評價的目標定位;弱化了評價的主體意識和定位功能，強化了評價的服務意識和支持學生成長發展功能。

3.學習評價目標方面

教育信息化2.0時代，學習評價目標不是為教學結果測評等級，也不是為知識掌握做出終結性鑒定，而是通過學習大數據還原學習者成長發展的軌跡，描述解釋學習過程的活動行為與學習效率之間的內在關系，分析發現個性化學習所需要的學習支持，并以學習分析和學習評價促進學生個性化和諧全面發展目標的實現。大數據分析技術為學習評價目標確定提供了新的視野和角度，學習評價目標從關注教到強調學，并通過評價為學生的個性化、差異化學習提供精準支持，是大數據時代教育評價和學習評價目標轉型面臨的重大挑戰。

4.學習評價過程方面

5G網絡技術和大數據分析技術加持的學習評價過程，能持續生產和采集各種學習過程大數據，利用這些數據可以建立合適的學習評價模型，根據需要可以從不同角度對學生學習進行全面細致的評價，保證學習評價過程的客觀性、科學性和準確性。

5.學習評價結果方面

學習評價結果是指導學生改進學習的重要依據，主要包括學生知識掌握情況、學習能力、學習風格、學習態度、學習進度、學習成績、學習問題等方面的結果性分析和描述?；趯W習大數據的學習評價結果的得出，是以整個學習過程大數據分析技術為支持，并以可視化圖表和模型分析形式更為直觀地呈現出來。因此，與傳統學習評價結果相比較，它能夠及時地反饋學習者學習現狀和問題，并針對存在的問題和學習漏洞提出補救措施和改進對策建議，保證了大數據分析技術支持的學習評價結果的高信度和高效度。

● 未來學習評價變革與轉型趨勢

1.物聯網感知技術與學習評價的深度融合趨勢

隨著5G網絡技術的迭代更新和快速發展，更快的傳輸速率和多點接入技術滿足了物聯網的實現條件，推動并賦能網絡化、數字化和智能化校園的建設。眼下，物聯網感知技術賦能教育教學，支持教育和學習大數據采集與獲取，為在線學習、數字化學習和智慧學習等學習評價提供了強大的數據支持。

5G加持的物聯網賦能數字化校園建設和現代教育治理方式轉型。寬帶校園網、各種終端設備、可穿戴設備和校園一卡通，實現“物與物”“物與人”和“人與人”的隨時隨地交互聯通，完整記錄了校園內人、財、物（終端設備）、時、信（數據）的流動方向、交互軌跡和運行特征，產生了巨量的師生日常學習生活圖片、視頻和音頻等詳細信息資料，采集并形成學習者校園內的個體生活數據和學習行為數據。利用收集到的大數據，可以為教育評價、教學評價和學習評價提供豐富的證據資源，所有這些，都是傳統學習評價長期以來想做而做不到的事情。未來，物聯網感知技術與學習評價方式深度融合創新發展將成為學習評價變革轉型的新生長點和新趨勢。

2.大數據分析技術與學習評價的創新融合趨勢

基于大數據的學習評價應用技術，主要包括大數據挖掘和學習分析技術兩個方面。所謂學習大數據挖掘，是指對學習行為和學習過程數據進行量化、分析和建模，通過整合處理學習者知識掌握、元認知水平、學習習慣偏好和動機態度等數據信息，進行學習行為建模，以評估和預測學習者未來發展方向、目標和趨勢，進而促進學習者向深度學習和高階學習的方向邁進。所謂學習分析技術，是對學習者、學習過程、學習環境等數據的測量、采集和分析，通過對教育大數據的分析，描述勾畫出學習者行為特征和學習畫像，以此為依據，為學習者優化學習過程和學習環境，匹配推送個性化學習內容和學習資源。[6][7]

5G賦能的大數據分析技術在學習中的應用，使得學習評價實施操作更加及時、精準、科學和高效。整個大數據分析技術的底層架構是基礎設施和終端設備、網絡互聯、內存與存儲，具體表現為計算節點、數據中心、數據儲存、文件管理、數據分析和可視化分析，運用計算模型，可對不同的數據進行結構化和可視化分析和處理?；诖髷祿治黾夹g的學習評價，通過建立學習評價模型實現對每個學生的個性化學習測量和評估，以便幫助學生及時發現學習中的痛點和難點問題，并為學習者提供精準學習策略指導和學習方式改進建議。未來，數字化校園和智慧教育為學習評價模式創新奠定了堅實的技術和資源基礎，而隨著學習過程大數據庫的豐富完善和學習分析技術的不斷成熟，基于大數據分析技術與學習評價的融合創新將成為學習評價變革的主要趨勢。

3.人工智能技術與學習評價的集成融合趨勢

未來已來，人工智能技術主導的新一代信息技術跨界融合和顛覆式創新，正在為大數據支持的學習評價變革賦能加力。[8]首先，利用深度學習的算法對學習大數據進行優化，賦能學習評價從智能感知、個性化、預測性、動態平衡、智能化和學習過程可視化等多層面、多角度進行多元化評價。其次，運用人工智能技術中圖像識別和語音識別技術，可隨時捕捉、追蹤、記錄和分析每個學生的課堂動作行為、交互行為和情感表現[9]，而這些數據采集設備也成為“智慧教室”架構的關鍵組成部分。再次，智慧教室的“線下”學習過程數據也可以被詳細記錄，從而實現“線上”“線下”兩組學習數據的集成整合，并從學習內容、學習方式、學習進度、學習成績等方面全面地做出智能化評價。根據大數據分析結果，因應學習者當前學習狀態，從學習風格、學習習慣、學習偏好方面匹配推送適合學生個性化和智能化學習需求的學習內容和學習資源，真正實現智能化學習評價中以學習者為中心、為學習者服務和提供個性化學習支持的理念和目標。

“5G+智能輔助學習系統”的逐步完善，為個性化、體驗式和自適應學習評價方式轉型持續賦能?！霸鰪姮F實”和“虛擬現實”技術的逐漸成熟，使得體驗式學習在教育領域強勢興起[10]，這是一種完全區別于課堂講授的教學方式，主要利用虛擬現實、增強現實和各種可穿戴設備，豐富課堂教學內容和教學手段，通過終端設備所呈現的虛擬場景，學生不出校門就可以獲得身臨其境的學習感受和學習體驗，為學生知識掌握和能力發展提供了智能化生態場景支持。同時，智慧課堂的智能輔助學習系統的引入，推動了學習評價與智能化學習大數據的深度融合，為學習評價生成和提供了豐富多元的數據信息，人工智能技術與學習評價無縫銜接、集成融合的趨勢日趨明顯。

參考文獻：

[1]邢蓓蓓，楊現民，李勤生.教育大數據的來源與采集技術[J].現代教育技術，2016（08）：14-21

[2]吳慮.大數據支持下學習評價的價值邏輯[J].清華大學教育研究，2019（02）：15-17

[3][9]楊現民，唐斯斯，李冀紅.發展教育大數據：內涵、價值和挑戰——“教育大數據研究與實踐專欄”之整體框架篇[J].現代教育技術，2016（16）：5-12.

[4]桑德拉·米麗根，張忠華，高文娟.大數據、人工智能與學習評價方式[J].北京大學教育評論，2019，17（04）：45-57+185.

[5]劉仁坤，楊亭亭，王麗娜.論現代遠程教育多元化的學習評價方式[J].中國電化教育，2012（04）：52-57.

[6]Siemens.G.Learning analytics afoundation forinformed change in higher education[EBLOL].

[7]何克抗.21世紀以來的新興信息技術對教育深化改革的重大影響[J].電化教育研究，2019（03）：5-12.

[8]蔡寶來.人工智能賦能課堂革命：實質與理念[J].教育發展研究，2019，39（02）：8-14.

[10]蔡寶來.信息技術與課程整合研究進展及未來走向[J].課程.教材.教法，2018，38（08）：133-143.

作者簡介：孫昊琛，海南師范大學在讀碩士，研究方向為教育技術學;蔡寶來，通訊作者，海南師范大學教授，博士生導師，主要從事教育信息化、課程與教學論、教師教育研究。

本研究為海南省哲學社會科學規劃資助項目“MOOC環境下混合教學模式創新研究”（項目批準號HNSK（2C）18-15）成果之一;2020年海南師范大學校級重點課題“在線教學規范化建設研究”成果之一。