數智賦能混合式學習形成性評價模式研究

[摘 要]混合式學習擴展了學習的時空，也為確保學習效果帶來了挑戰。合理地運用大數據和生成式人工智能技術，可以全過程采集學習者的學習行為、學習參與度和學習結果數據，對相關數據進行自動分析，向學習者提供準確的學習評價和即時的反饋，輔助其及時改進學習策略，提高學習效率。通過數智賦能混合式學習形成性評價模式，能夠運用大數據和生成式人工智能賦能于評價目標、評價主體、評價內容、評價方法和評價反饋等五個方面，構成完整的評價體系。

[關鍵詞]混合式學習；數智賦能形成性評價模式；即時反饋；學習效率

[中圖分類號] G642 " " " " " " [文獻標志碼] A [文章編號] 1008-2549（2024） 11-0094-04

一、引言

隨著慕課浪潮對于傳統教學模式的沖擊，和高等教育數字化轉型的不斷推進，混合式學習已經成為高等教育的教學常態[1]。混合式學習打破了傳統教學模式的時空界限，學習可以在線上和線下不同的空間、同步和異步不同的時間維度發生，合理優化學習的時空環境，發揮各種學習形態的優勢，有利于大幅度提高學習效果[2]。雖然混合式學習擴展了學習的時空環境，但同時也為教學與學習的管理和監控帶來了新的挑戰。研究表明，部分學習者的線上學習投入度和參與度不高，學習效果不盡如人意。因此，如何保證學習效果是混合式教學設計中一個重要的課題。Wiliam指出評價作為連接教與學的橋梁，在有效學習中處于核心地位[3]。金艷認為“教學評價關注的是教學、學習和測評的過程和結果”，為教學質量提供保障，也能有效地改進和提升教學質量[4]。2020 年 10 月，中共中央、國務院印發了《深化新時代教育評價改革總體方案》（后文簡稱為《方案》），確立了評價在保障學習質量方面的重要作用，甚至將其作為“指揮棒”指引教育發展的方向[5]。

《方案》中重點指出的內容之一是“強化過程評價”[6]。但是，傳統的學習評價中存在著諸多弊端，如：有的重測試、看分數、排名次，只重結果，忽視對過程的評價，導致評價導向偏頗；有的缺乏明確的評價依據和標準，主觀性強，評價結果不夠準確；有的在進行形成性評價時采集的數據是片段式、不全面的，依此做出的評價也必然是片面的，與真實情況不符。《方案》中強調要“充分利用信息技術，提高教育評價的科學性、專業性、客觀性”[7]。因此，本研究旨在探討建立數智賦能混合式學習全過程的形成性體系，利用大數據和以ChatGPT為代表的生成式人工智能等技術，采集混合式學習過程數據，對數據進行實時分析，提供即時的評價與反饋，讓學習者準確了解自己不同學習階段的學習狀況，及時發現問題，及時作出調整，以評促學，改善混合式學習的學習效果。

二、數智賦能混合式學習形成性評價的可行性

數智賦能混合式學習評價是指在混合式學習環境下，利用數字和人工智能技術創新混合式學習評價，提升評價的準確性和科學性，提高評價質量，真實地展示學習者的學習狀況，據此對其提供個性化的反饋，為其改進學習提供可靠的支撐，幫助學習者提高學習效果。數智賦能混合式教學評價的關鍵是教師要能夠把大數據和人工智能兩大技術融入混合式教學評價之中，從而實現數據驅動、數智增值、評價促學的效果。

現有成熟的數字化教學管理平臺和數字化課程平臺可以采集學習者個體和群體海量的學習行為、學習過程和學習結果數據，對這些數據進行清洗、分析可以獲知學習者的學習習慣、學習偏好、學習投入度、參與度和滿意度、課程不同部分學習效果、知識和技能的掌握情況，以及不同學習因素對學習效果的影響等。在此基礎上進行建模，進一步實現相關學習數據可視化，生成學習者個體和群體畫像，有助于教師和學習者客觀、全面、綜合地了解學習者個體和群體真實的學習狀況，為教學評價提供精準的數據基礎。

生成式人工智能技術，尤其是2022年11月30日由美國OpenAI公司發布的ChatGPT對語言的理解和生成能力接近于人類水平，能夠根據輸入的文字問題或指令，以文字的方式輸出答案和反饋，進行多輪次自然語言的人機對話。人們可以用它寫郵件、文案、摘要，潤色論文，做翻譯，編寫代碼等[8]。2023年3月升級后的ChatGPT-4可以通過插件聯網，實時檢索最新信息，還可以通過搭載插件生成圖片、語音、視頻、課件，閱讀并分析PDF文件等[9]，功能變得更加強大。應用到學習評價中，ChatGPT等生成式人工智能可以用來編制調查問卷、編寫測試題目、設計評價方案、對學生的作文做出實時評價并反饋修改意見等，為混合式學習評價提質增效。

三、數智賦能混合式學習形成性評價體系

要實現大數據和生成式人工智能技術賦能混合式學習形成性評價，數智技術應全面賦能于學習評價系統的各個方面，具體而言，就是要能賦能于評價目標、評價主體、評價內容、評價方法和評價反饋等五個方面，形成閉環，構成完整的評價體系（見圖1）。

（一）數智賦能混合式學習評價目標設定

傳統的觀點認為，學習評價重點關注學習者在學習中獲取的知識和技能情況。然而隨著以ChatGPT為代表的生成式人工智能的到來，在獲取知識和技能的效率方面，人類與人工智能相比并不占優勢，人類的真正優勢在于能夠獨立思考，具有批判性思維能力，在各種問題上能夠有自己深入的洞見，勇于創新、善于創造。因此數智賦能的混合式學習評價要著重評價學習者的批判思維能力、創新創造能力和綜合素養的培養狀況。

（二）數智賦能混合式學習多元評價主體

借助現有的數字科技和人工智能技術，通過智能化學習平臺和各種數智化學習設備采集學習者全面的學習過程數據，為客觀、科學的學習評價提供了可靠的數據支撐。智能學習平臺和生成式人工智能的算力、分析能力和近似于人的理解與生成能力使得機器評價更加科學、精確，可以為學習者提供即時的學習評價和反饋。教師可以利用數字技術采集學習活動數據，利用生成式人工智能技術輔助設計評價標準和量表，為自我評價、同伴互評、小組評價和機器評價提供可靠的標準，也可以對口語、寫作等活動提供即時的評價和反饋。這些簡單機械的評價任務由數智技術完成，教師就有更多的時間和精力綜合衡量學習者自我評價、同伴互評、小組評價和機器評價的結果，對學習者的學習做出更全面、綜合、客觀的評價和反饋。在數智賦能之下，多元主體的評價質量和效果均得以全面提升。

（三）數智賦能混合式學習評價內容

混合式學習模式融合線上和線下學習為一體，基礎性的知識由學習者課前線上自學，因此，線下課堂教學時就有更多的時間開展互動性、需要深入思考的多樣化學習活動，如問答活動、頭腦風暴、個人展示、角色扮演、案例分析、小組展示等。合理利用生成式人工智能技術可以大大提高各種活動設計的效率。為了培養學習者的批判思維能力和創新創造能力，應該限制固定答案問題的數量，多多開展以學習者為中心的開放性學習活動，引導他們認真思考問題，發揮主動性和想象力，通過協作和探究尋求解決問題的方法。學習活動以成果為導向，鼓勵具有原創性的學習成果，培養具有創新創造能力的人才。

（四）數智賦能混合式學習評價方法

智能化學習平臺可以采集學習者線上學習的學習行為、學習過程和學習結果數據。智能化教室和學習空間可以采集學習者線下的學習行為和學習過程數據，二者合力為混合式學習過程性評價提供可靠的數據基礎。智能化學習平臺和智能化教室時時分析所采集的學習大數據，自動生成評價與反饋報告，通過可視化的方式把各種學習數據更清晰、更直觀地呈現給學習者，幫助其了解學習中的問題，向其提出針對性的改進建議，為其提供個性化的學習推送。因此，充分利用數智賦能學習評價全程、快速、高效、精準的優勢，能夠大大提高學習者混合式學習的學習效果。

（五）數智賦能混合式學習評價反饋

Sadler認為，反饋是形成性評價過程中一個關鍵要素。具體而言，反饋是針對學習者的學習行為或表現提供的相關信息，旨在于使學習者了解當前的學習狀況，從而及時改進學習進程，縮小與學習目標之間的差距[10]。評價反饋的信息應該具有個性化、精準性、即時性的特點，否則難以起到應有的作用。在混合式學習中，一個教師面對幾十個甚至更多學習者，要向每一位學習者提供有針對性的、精準的、即時的個性化反饋并非易事。然而，智能化學習平臺和智能化教室可以自動采集每一位學習者的學習行為和學習過程數據，實時對相關數據進行分析，生成評價報告，向每一位學習者提供個性化、精準性和即時性的反饋，便于學習者時時了解自己的學習狀況，及時針對問題做出調整，優化學習目標，改進學習策略，提高學習質量[11]。

四、數智賦能混合式學習形成性評價實施路徑

Wiliam提出了形成性評價的三個關鍵過程：學習者要去哪里；學習者當前在哪里；如何去那里[12]。因此要弄清楚學習者當前的學習狀況、確定他們的學習目標、決定如何實現學習目標。混合式學習過程性評價據此具體分為學前準備（學情分析、學習目標制定）、課前學習（機器評價）、課堂教學（以評促學）、課后鞏固（評學一體）四個階段（見圖2）。

（一）學前評價：學情分析、學習目標制定

設計以學習者為中心的混合式學習時，首先要進行學情分析，弄清楚學習者當前的學習狀況。可以采取學前在線診斷性測試，測后系統自動在線評分，統計分析數據，為混合式學習設計提供可靠的依據。同時，還要考慮學習者的學習需求和目標期待，結合問卷調查和訪談了解學習者想通過課程學習學到什么，學習課程后要實現怎樣的目標。參照學情分析的結果和要開設課程的特點，制定混合式學習的學習目標。學習目標對于一門課程而言至關重要，束定芳強調，評價一門課程的一個重要方面是看是該課程是否有明確的學習目標，學習目標是否符合學習者的需求，學習活動設計是否有助于實現學習目標[13]。學習目標初步制定后，可就其內容對學習者進行問卷調查和訪談，深入分析問卷調查統計數據和訪談獲得的反饋意見，以此進一步優化學習目標，以期取得預期的學習效果。

（二）課前學習：機器評價、即時反饋

學習目標制定后，學習者進行課前線上自學，學習以教師設置的問題和任務為驅動、以成果為導向，做到有的放矢。智能化課程平臺自動跟蹤學習者在線學習的軌跡，采集學習者課程登錄信息，記錄在線學習和音視頻文件收聽與觀看時長，教學課件瀏覽、資源利用、任務點完成情況，在線瀏覽留言、參與問答和互動情況，獲取每一位學習者的在線學習行為數據。對學習者的在線練習、測試、作業等自動評分，生成每一位學習者的學習結果數據。平臺深入挖掘與分析相關的學習行為和結果數據，進行模型，生成學習者的個體畫像，為其提供及時反饋，針對其學習中遇到的困難、做錯的題目為其提供適合其學習風格與偏好的個性化學習推送，助力其攻破學習困難，彌補學習中的不足，促進學業發展。

（三）課堂教學：多元評價、以評促學

學習者課前已經對相關內容進行了線上自學，線下就可以設計更多以學習者為中心的多樣化學習活動。上課之初可以進行5-10分鐘的小測，檢驗學習者課前自學的效果，自由提問環節，學習者可以就課前學習中的困惑和難點向教師提問，消除困惑、加深理解與掌握。然后，教師就課程內容提問，檢驗學習者對于課程的理解，訓練和強化知識重點。設置相關話題，言簡意賅地導入話題后，提供簡要提示，鼓勵學習者圍繞話題積極思考，進行頭腦風暴，集思廣益，從不同角度挖掘話題，進一步開展小組討論，以協作學習的方式，互相取長補短，擴展思路和視野，鍛煉學習者分析問題、解決問題的能力。通過個人展示、角色扮演、小組展示等活動匯報學習成果，運用語言點和知識點、操練口語表達、培養批判思維能力，全面盤活所學知識和技能。課前教師與學習者共同為每一種常模評價活動設計量規，從內容、結構、語言、姿態、表現力等方面綜合評價學習者的表現。所有課堂學習參與者均應熟知相關評價量規，視實際情況需要，對相關活動靈活地開展學習者自評、同伴互評、小組評價、機器評價和教師評價等多元評價方式，肯定優點、發現不足、提供即時反饋和改進建議，促進學習。

（四）課后鞏固：多元評價、評學一體

課后復習時，針對課堂學習中發現、但未來得及改進的問題及時改進，掃除學習中的盲區。然后完成教師布置的概要寫作、讀后續寫等個人學習任務，寫作可以在批改網、外研社的iwrite平臺進行，平臺以語料庫為支撐，對寫作進行自動評價，提出針對性的修改意見，幫助學習者反復修改、潤色自己的作品。學習者提交寫作作品后，教師安排學習者根據相關的寫作評價準則開展自我評價和同伴互評，對文章從題目立意、篇章結構、銜接與連貫、語言質量、詞匯與句法的準確性與多樣性、表達效果等方面反饋寫作完成的成效。教師結合平臺自動評價、學習者自我評價、同伴互評進行綜合評價，為學習者提供個性化反饋。同時從學習者作品中選取典型樣本，針對共性問題在課上集中點評，要求學習者評后改寫，評改結合，提交最終作品，提高寫作質量。還可就某一話題開展小組合作學習，共同完成相關書面報告、錄制展示視頻、撰寫網絡博客等，作為學習成果，同樣進行多元評價，幫助學習者發現問題，融“評－學”為一體，促進學習效果的改進。

五、結語

大數據和生成式人工智能可以賦能于混合式學習形成性評價，可以向學習者提供即時、精準的過程性反饋，幫助學習者了解自己的學習狀況，針對問題作出相應的調整，不斷地改進學習，提高學習效果。但是，在利用大數據和生成式人工智能技術的同時，還要注意規避一些潛在的風險和負面因素。教師要重塑專業倫理，以“立德樹人”為教學的根本。數智賦能學習評價的同時，要保護隱私數據，以免對學習者的安全造成潛在的威脅。此外，不要對技術過度依賴，否則會助長教師的惰性心理，使學習者感到情感疏離。因此，要妥善處理好人與技術的關系，確保教學與學習良性發展。

參考文獻：

[1] 馮曉英，吳怡君，曹潔婷，等.“互聯網+”時代混合式學習活動設計的策略[J].中國遠程教育，2021（6）：60.

[2] 胡杰輝.混合式外語教學的理論內涵與研究范式[J].外語界，2021（4）：5.

[3] Wiliam， D. Assessment：The Bridge Between Teaching and Learning[J].Voices from the Middle，2013（2），p.15.

[4] 金艷.外國語言文學類專業本科教學評價——理論與實踐[J].中國外語，2021（3）：5.

[5][6]新華社.深化新時代教育評價改革總體方案[EB/OL]. （2020-10-13）.http：//www.gov.cn/gongbao/content/2020/content_5554488.htm.

[7]顧永琦.課堂形成性評估的方法[M].北京：外語教學與研究出版社，2021.

[8]賀樑，應振宇，王英英，等.教育中的ChatGPT：教學能力診斷研究[J].華東師范大學學報（教育科學版），2023（7）：162.

[9]焦建利，陳婷.大型語言模型賦能英語教學：四個場景[J].外語電化教學，2023（2）：12.

[10] Sadler， D. R. Formative Assessment and the Design of Instructional Systems[J]. Instructional Science，1989（2），p.120.

[11] 劉邦奇，喻彥琨，袁婷婷.智能技術賦能過程評價：目標、路徑與典型場景[J].現代教育技術，2022（5）：14.

[12] Black P， Harrison "C，Lee "C，Marshall "B amp; Wiliam D. Assessment for Learning： Putting It into Practice[M]. Berkshire：Open University Press，2003，p.15-16.

[13] 束定芳.課堂教學目標設定與教學活動設計——基于第四屆“外教社杯”全國高校外語教學大賽聽說組比賽的分析[J].外語界，2014（4）：54.

（責任編輯：孟冬冬）