智能化学习分析: 学生过程评价创新支点

首页 > 教育新闻 > 新闻阅读存档/2021-06-26 / 加入收藏 / 阅读 [打印]

    2020年中共中央、国务院印发的《深化新时代教育评价改革总体方案》明确提出,充分利用信息技术,提高教育评价的科学性、专业性、客观性。这不仅强调评价方法的优化,也鼓励评价工具的创新,为新时代学生评价改革指明了方向。

    “三难”问题成为学生过程评价的瓶颈

    很多学校都在努力改进学业成绩评价,试图通过多元评价、发展性评价等多种方式克服“唯分数”导致的人才培养弊端,但都未达到预期效果。除了体制机制、观念态度等因素外,工具层面的因素也严重制约着学生过程评价的实施,主要聚焦三个“难点”:

    评价过程追踪难。鉴于数据的易获得性,过程评价通常以学生成长过程中重要节点上的考试成绩等外显数据为基础。这些数据具有片面性、静态化、粗颗粒度等特点,难以全面、动态、精准地反映学生的学习成长轨迹。

    评价分析实施难。当前过程评价多采用学生成长档案袋方式开展。纸质材料的收集、整理、分析、评价等工作不仅耗时耗力,而且难以开展对比分析。这种评价方式实施成本高、分析难度大,难以常态化开展。

    评价效益提升难。如何把写实性材料转化为可量化、可分析、可对比的客观指标,如何将不同类型的数据进行融合分析,如何从海量数据中挖掘出有价值的教育信息等成为制约过程评价应用效果的瓶颈。

    智能化学习分析是评价创新的“破冰之锤”

    2011年《地平线报告》首次将学习分析作为改变教育的六大技术之一。学习分析通过测量、收集、分析和报告学生和学习情境数据,达到理解、优化学习的目的。经过十年的发展,学习分析在追踪学习过程、开展立体评价、支持个性化学习等教育实践领域发挥出愈加重要的作用。

    实现学生成长全过程数据化。借助高清摄像、情绪识别、物联感知等数据采集技术,智能化学习分析能够对学习起点、过程和结果数据,包括认知和非认知层面的行为、心理、生理数据,开展伴随式、自动化、无感知、持续性地采集,让以前不能采、很难采的信息变得可采集、可量化,为后期开展学生立体评价奠定良好的数据基础。

    实现学生成长画像精准刻画。智能化学习分析建立在以生为本的理论基础上,关注每个学生的全面发展和个性化发展,重视对学生学习成长过程数据进行多模态分析,可以更直观地呈现学生在知识水平、能力素养、行为规律、兴趣偏好、潜在需求等方面的特征,为后期提供精准的个性化学习支持服务奠定良好的诊断基础。

    实现个性化学习支持智能推送。基于智能评价结果,智能化学习分析能及时为学生提供学习路径规划、学习资源推荐、学生情感支持、学习问题干预等个性化学习支持服务,实现以评促学的目的。

    学习分析技术引领学生过程评价创新

    学校应将智能化学习分析技术作为学生过程评价创新的内生变量,提升过程评价的应用效果。

    融入智能化学习分析技术,创新学生评价思维。当智能化学习分析技术融入评价环节时,将促使学生过程评价在四个方面实现转型升级。一是价值取向从“考核选拔”转变为“促进发展”。智能化学习分析能够自然形成“监测过程—实施评价—促进发展”的循环发展机制,不仅延展了评价功能,还能促进学生发展。二是目标构建从“人为预设”转变为“人为预设+数据挖掘”。数据挖掘、机器学习等智能化学习分析技术能够让数据“说话”,从而弥补因主观判断而遗漏的重要评价维度,动态完善学生评价指标,使评价目标更加科学、全面、精准。三是评价依据从“经验+小数据”转变为“大数据”。智能化学习分析不仅能够从纵向上动态追踪学生的成长轨迹,还能够从横向上全面记录学生德智体美劳的发展水平,形成学生个体和群体的成长大数据库。四是评价功能从“后置干预”转变为“前置预测”。智能化学习分析具有预测和干预功能,能够通过预测分析等技术对学生的学业表现、未来发展等进行科学预测,并及时提供有效的解决方案,可以从源头上防范不良学习问题的发生。

    借助智能化学习分析技术,重塑学生评价流程。首先,构建以学生发展为目标、以智能化学习分析技术为支撑的学生评价指标体系,不断完善学生评价指标。其次,构建智慧数字学习环境,实现学生“全过程+全要素”数据的伴随式采集,形成学生成长动态数据库。再其次,构建科学的学生评价模型,对不同来源、不同类型、不同时序的数据进行立体分析,构建包括思想品德、学业水平、身心健康、艺术素养、社会实践等综合发展水平的特征模型。最后,构建“监测—评价—改进”的反馈调节机制,实现问题行为的提前预测和干预。

    应用智能化学习分析技术,赋能学生个性化成长。智能学习系统是智能化学习分析技术的一项重要应用,通过知识图谱等学习分析技术对学生进行动态认知水平诊断,及时发现学生存在的认知问题并智能推送适切的学习资源;通过计算机视觉、机器学习等学习分析技术动态监测学生情绪等非认知层面的状态,对学生的社会情感及时调节和干预,以达到优化学习效果的目的;通过仪表盘等学习分析技术让学生诊断结果可视化呈现,帮助学生更直观地认识自己,让教师、家长更好地了解学生。学校可以应用此类智能学习系统,支持学生开展个性化学习。

    (作者单位系中国教育科学研究院,本文系中国教育科学研究院2019年度基本科研业务费专项资金项目“数据驱动下的中小学生学习行为分析策略研究”[GYI2019087]研究成果)

  • 最新内容
  • 相关内容
  • 网友推荐
  • 图文推荐