大數據背景下學生增值評價路徑研究

關鍵詞：大數據；增值評價；路徑

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2025）03-0070-03 開放科學（資源服務） 標識碼（OSID） ：

0引言

隨著教育評價的深化改革，國家逐漸重視增值評價的探索。“增值”的概念最早出現在經濟學領域中，把“增值”的方法運用到評價體系之中，有利于科學客觀分析學生的學習成效。增值評價是以學生發展為核心，以教育過程、學習成果為依據，基于學生的初始入學成績、認知程度、能力水平等因素考查學生從進入大學到畢業期間所取得的進步情況的評價方式[1]。在大數據背景下，增值評價面臨新的機遇與挑戰。大數據技術的應用為增值評價提供了豐富的數據源和強大的分析工具，大數據能夠及時反映學生的學習情況，使得評價更加科學、精準。目前增值評價主要以學生、教師、學校這三個為研究視角展開基礎研究，而學生增值評價是學校增值評價與教師增值評價的基本前提與根本依據[2]，因此，本文以學生為主體，探索大數據背景下適合我國教育體系的學生增值評價路徑。本文首先分析了國內外增值評價發展的現狀及問題，然后提出了大數據背景下學生增值評價的發展路徑，最后進行了總結和展望。

1 國內外增值評價研究現狀

1984年，美國統計學家William L.Sanders等人[3]首次將增值評價（Value-Added" Assessment） 理念運用于田納西州的教學評價改革中，提出用增值分數來評價學校和教師的效果，以學生成績數據作為教師評價的依據。隨著增值評價理論的完善和統計技術的發展，這一評估方法受到各國教育研究者的廣泛關注。與國外相比，國內增值評價研究起步較晚。20世紀80 年代，“增值”概念從香港引入，并將學生學業成績的變化納入教育質量評估中。以CNKI中國知網作為搜索數據源，檢索條件設置為“教育增值評價”， 截止到2019年12月31日，共檢出240篇文章。通過以上搜索出的論文總結發現國內早期的增值評價研究主要集中于國外增值評價經驗研究，實證研究方面略顯不足，通過引入國外現成的增值評價模型分析我國增值評價現狀。2020年，中共中央、國務院對教育評價改革作了頂層設計，印發了《深化新時代教育評價改革總體方案》[4]，明確指出“堅持科學有效，改進結果評價，強化過程評價，探索增值評價，健全綜合評價”。隨著方案的出臺，全國各地迅速開展增值評價相關試點工作。如北京市積極開展增值評價的探索，形成了以學業水平測試和高考成績為數據基礎的學校增值性評價項目[5]，上海市建平中學借助過程性、實證性數據，建構以價值增值為導向的學生德育評價的運作機制[6]。全國各地開始投入探索增值評價的實踐活動中去并總結出了一些符合我國國情的應用模式與經驗。

總的來說，國內外學者對增值評價的研究作出了重要貢獻。一方面，它在一定程度上彌補和改進了傳統評估方法的不足，促進了教育評估體系的發展；另一方面，為后續學者研究增值評價提供了新的思路。

增值評價在教育評價中具有一定的優勢，在當前大數據信息化快速發展的時代，在實踐過程中具有一些局限性。

1.1增值評價維度的局限性

增值評價是一種可以準確掌握學生成長狀態、科學計算學生發展水平、詳細記錄學生增值軌跡的學生評價[7]。 目前增值評價一般以學生學業成績作為主要的評價依據，只關注成績的增值。而評價不能僅僅著眼于成績的提高，而要關注學生素質在整體上的提升幅度[8]。僅僅以學業成績為增值評價依據往往會導致評價過于片面，未能反映學生真實增值評價水平，大大阻礙了學生的整體全面發展。增值評價應從多元化的角度去設計增值評價內容，以培養學生素質教育為核心在關注學生學業成績的同時又關注學生在學習過程中學習興趣、學習思維等其他方面的能力表現，以完善增值評價體系。

1.2 評價標準和模型的局限性

現有的評價體系未能充分利用學習過程中產生的大量數據，導致評價結果缺乏深度和廣度。由于學生的學業起點、學習態度等差異性，只采用唯一的評價標準很難確保評價的公正性和準確性，增值評價在制定過程中未能考慮到評價主體的個體差異性以及需求的多樣性。此外，除了可以直接測量的量化數據外，像學習行為、學習態度和學習思維度等數據難以用量化的指標去評價。目前用于增值評價模型種類較多，對于評價者來說，由于不了解各種模型的特點及差異，難以根據需求選用適切的模型，必然會影響評價結果的準確性。

1.3 難以突破“天花板”和“地板”效應

目前常用的增值評價模型主要分為三種：一是描述統計模型，如增分模型（gain score，這種模型簡單直觀，而且考慮到學生的起點不同。二是基于統計回歸的模型，如殘差模型（residual） 、學生成長百分位（stu? dent growth percentile，SGP） 模型等，這類模型精度較高，可解釋也較強。三是基于多變量復雜設計模型，如多層次線性回歸模型（hierarchical linear" modeling， HLM） 等[8] ，這類模型參數較多，實施起來難度較高。以上模型在評價過程中均會遇到天花板和地板效應，即優等生增值空間不足和差等生增值相對容易而出現不公平的評估偏差。

2 大數據背景下學生增值評價路徑構建

增值評價是一種發展性評價，在大數據的背景下探討學生增值評價的發展路徑，能夠更加科學、準確地評價學生一段時間來的學習成效。本文以學生為研究主體，通過大數據技術對學生的整個學生活動產生的學習行為、學習態度等過程性數據進行記錄，同時記錄學科階段的結果性數據。在結合多維度數據的基礎上進行分析，實現增值評價的精準評價。

2.1 學生增值評價內容體系的構建

學生增值評價應從培養學生核心素養的角度出發建立全面的增值評價內容體系。除了傳統的增值評價關注學生學業成績外，還應從學生的各種學習表現，如：學習態度、學習行為和學習興趣等非智力因素方面去體現整個學習過程的進步幅度和努力程度。具體的評價內容應從兩個方面：一是學業評價，利用大數據技術記錄學生在不同時間段（如學期初、學期末） 的學業成績，以評估其學業增值情況。二是學習過程評價，通過平臺采集學生學習興趣、學習態度、學習思維等非智力數據，定義相應的評價標準并進行評分進行量化處理。通過不斷完善評價數據，豐富增值評價內容維度。

2.2 實現差異化的增值評價指標體系

由于每個學生增值評價的起點不同以及個性差異，所以針對每個學生的評價標準不能一概而論。應根據學生實際的起點設置不同的預期增幅以及評價標準。例如：針對起點較低的學生預期增幅設置較高，起點高的學生預期增幅設置較低。同時，根據學業水平和學習過程這兩個方面包含的每個維度設計具體的評價標準，保證評價指標的合理性與實用性。實現差異化的增值評價可以確保每個學生得到公正的評價，有效避免了增值模型產生的“天花板”和“地板”效應，促進學生個性化成長。

2.3 創建基于大數據的增值評價系統

通過基于大數據的增值評價系統全流程采集學生的增值評價數據，并通過系統分析模塊對采集的數據進行分析，最終系統給出增值評價結果展示，系統具體流程如圖1所示。

1） 管理人員根據學業和學習過程兩個方面內容進行整體設計，設置數據采集點。

2） 學生加入系統進行在線學習，平臺完成個人信息數據收集和基本的學習背景調查，通過大數據分析模塊形成每個學生初始學習檔案數據庫；

3） 系統實時記錄每位學生在使用系統中產生的各種學習行為（如：觀看視頻、論壇討論等） 、學習興趣（如：統計學習視頻播放的次數、提取感興趣的關鍵詞等） 等相關數據；以每學期期中、期末為節點記錄成績，同時記錄平時測驗成績以及日常考勤數據，最終將這些數據整合及時構建學習過程檔案。

4） 系統根據學習過程檔案繪制群體性的成長曲線和個體性的成長曲線，用于每個學生和整體的比較分析。教師根據學生個體的特點和學習情況，制定有針對性的學習方案實現個體精準教學，同時根據群體性的成長曲線及時調整教學策略。

5） 在期中和期末兩個時間節點系統自動生成學生學習結果檔案，系統根據增值評價指標設置好的增值評價量表對照給出相應的評價等級。

6） 階段性學習結束系統會自動生成評價報告反饋給教師跟學生。教師根據學生群體的增值曲線以及評價等級及時了解學生是否在初始學習基礎上獲得了增值，學生根據反饋結果了解自身的學習進度以及各方面表現情況的評價，針對評價結果及時調整學習計劃和改進學習方法。

7） 建立學生追蹤數據庫，追蹤和記錄學生的學習過程產生的數據，提供實時、準確的評價反饋給師生。同時，設定一定閾值，針對評價等級低的學生給予預警信號，提示教師適時發起學習干預，給出適當的改進學習方法建議。

2.4 增值評價與多元評價方式相結合

教育評價是一項復雜而又系統的工作，大數據背景下探索發展增值評價，可采用教師評價、自我評價和同伴互評等多種評價方式從多角度的方式去綜合評價學生。

在教師評價模式中，應加大增值評價在綜合評價中的比例，同時結合過程評價和結果評價多種評價方式相結合，形成綜合性評價方式。利用過程評價對學生的整個學習過程進行評價；利用增值評價來關注學生階段性增值情況；利用結果評價考核學生理論知識和實踐能力整體掌握的情況，最終形成健全的綜合評價體系。自我評價學生做主體根據平臺提供的自評報告對自身做真實的評價。這種主觀的評價方式能夠激發學生主觀能動性，深刻理解增值評價的真實含義，促進自我反思和自我提升。同時，可加入同伴互評方式，促進學生之間交流，進一步提高評價結果的全面性、真實性和公平性。

3結束語

當前，我國高等教育在增值評價領域尚處于探索階段，大數據和人工智能等技術的發展為增值評價提供了新的研究思路，能夠有效解決目前教育評價方式存在的問題。本文從增值評價的評價主體、內容和方法這三個方面探索了大數據背景下增值評價的實現路徑。評價主體不僅局限于教師還關注學生主體；從傳統的被動評價轉變為評價主體的自我評價，采用師評、自評與互評等多種評價方式結合；評價內容由學生的學業水平和學習過程數據兩個方面構成，以量化的學業水平增值為主，兼顧學習過程的質性描述。同時，將大數據、人工智能等技術引入高校學生增值評價，實現增值評價方法上的創新。

通過建立差異化的增值評價指標體系和創建基于大數據的增值評價系統，通過大數據分析模塊挖掘和分析形成群體和個體成長曲線以及學習檔案，全面、精準地把握學生階段性學習情況的。同時，教師根據評價結果及時發現學生學習薄弱環節調整教學策略、發揮增值評價診斷、引導等功能。學生通過評價結果實時觀測自身的學習增量，主動反思和改進自己的學習過程不足之處，有助于學生自主學習能力培養，師生之間形成良性的反饋機制。但目前的研究仍存在一定局限性。例如，結構化數據和非結構化數據整合的復雜性可能會影響評價結果的準確性。同時，平臺涉及個人隱私的數據安全問題也需要進一步探討。后續研究將重點探索利用機器學習算法將非結構化數據轉化為結構化數據，實現與結構化數據的整合，使用數據加密技術和設定訪問控制機制解決數據安全問題。