大数据教育评价变革论文17篇

时间：2022-11-18 08:55:06 来源：网友投稿

大数据教育评价变革论文17篇大数据教育评价变革论文　　大数据下数据分析课程教学改革探析-大数据论文-通信传播论文　　——文章均为WORD文档，下载后可直接编辑使用亦可打印——　　摘要：大下面是小编为大家整理的大数据教育评价变革论文17篇,供大家参考。

大数据教育评价变革论文17篇

篇一：大数据教育评价变革论文

　　大数据下数据分析课程教学改革探析-大数据论文-通信传播论文

　　——文章均为WORD文档，下载后可直接编辑使用亦可打印——

　　摘要：大数据时代，数据分析成为各个领域长期发展的必要手段，《数据分析》课程的教学重点在于培养学生运用统计方法分析解决实际问题的能力。本文通过对太原科技大学本科生《数据分析》课程的教学现状进行研究，结合大数据时代特征，提出《数据分析》课程教学改革的方向和具体措施的几点建议。

　　关键词：数据分析；大数据；教学改革

　　0引言

　　随着科学技术的进步和大数据的出现，数据的结构越来越复杂，数据量越来越庞大。这些数据中蕴含许多潜在的商业价值和客观规律，只有对这些数据进行充分的分析和挖掘才能将有效的和有价值的信息提取出来，更好地指导人们的生活实践[1]。因此，人们对数据分析的需求越来越迫切，这样使得人们急需掌握数据分析的有效方法去解决实际中的复杂问题。在这样的社会背景和社会需求下，高校教育对课程教学和人才培养提出了新的要求，《数据分析》正是我院应此要求为数学系各专业，即统计学、应用数学及信息与计算科学专业开设的一门重要的应用性课程，其目的是教会学生如何借助统计方法从数据中提取有用信息进行数据分析，并以统计证据为基础给出结论。对这门新课程的教学虽有兄弟院校的经验可借鉴，但由于生源、专业建设、培养目标各方面的差异，不能完全照搬，根据多年教学经验对学生调查反馈发现，目前该课程的教学存在很多问题，这些问题导致学生学习的积极性不高、缺乏创新能力、不能熟练地运用所学知识解决实际问题等．因此，如何通过教学改革提高学生学习的积极性，灵活地运用所学知识，培养学生的创新能力等已成为我院数学系各专业本科生教育面临的重要问题.本文通过分析太原科技大学数学系本科生《数据分析》课程教学中存在的问题，提出培养适应大数据时代发展的数据处理人才的方法和措施，包括拓展教学内容，加强案例教学、计算机辅助教学和多样化教学、考核方式等。

　　1《数据分析》课程教学中存在的问题

　　在大数据时代背景下，数据科学教育对本专业本科生的创新教育和创新能力的培养起着至关重要的作用。数据分析水平反映了学生的学术水平，也是实践水平的重要体现，是数据科学素养和创新能力的基本组成部分[2]。《数据分析》作为我院数学专业开设一门应用性课程，其教学形式已改变了传统“填鸭式”的满堂灌，在课堂传授知识之外，加入了计算机实验环节，但还存在一些问题，不能培养顺应大数据时代发展需求的统计学人才．主要体现在以下几方面：

　　1.1教学内容与大数据时代脱节

　　以往的教学内容包括数据的基本统计描述、集中趋势、分布形态的假设检验，相关分析、回归分析、方差分析及可靠性分析这些最基本、最常用的一元统计方法，缺乏多元统计学的内容，但大数据时代

　　面对规模庞大、结构复杂的数据，对多元统计方法应用颇多[3]。

　　1.2教学方法和手段老套，缺乏对应用和创新能力的培养

　　目前教学采用课堂讲授统计方法及相应例题的SPSS实现，课后学生完成对应习题的方式，这种方式仍然以教师为中心，学生被动地接受教师讲解的内容，这种方式下学生对每种统计方法的原理，可以解决的问题有一个较好的学习，但对一个完整的案例分析的实现仍是似懂非懂、雾里看花，导致学生学习的积极性不高，缺乏创新以及灵活运用所学知识的能力.因此，需探索更多的教学方法和手段来激发学生的学习热情，提高对学生统计思维方式以及创新能力的培养。

　　1.3教学模式单一，教学资源不足，学生应用统计软件能力差

　　目前采用课堂教学加少量上机实践的教学模式，这种模式再加上课时限制，学生能学到的知识及实践机会都非常有限，这就导致学生在实际案例分析时力不从心，解决实际问题能力较差。

　　1.4考核方式陈旧

　　《数据分析》的考核模式为期末闭卷考试80%+平时成绩20%。对学生的考核虽不是教学的目的，考核成绩是教师教学效果和学生学习效果的一种反映，在某种程度上也是引导学生学习方式的指挥棒。虽然在目前的考核方式中已考虑到学生的平时学习表现，而且在期末闭卷考试中也采用了数据分析软件结果截图分析的题型，但这对学生解决实际问题能力的考核还是欠缺。首先，平时成绩在学期成绩中占比例较小，学生不够重视；其次，闭卷考试中采用的题型虽然能考查学生从数据结果到形成结论的能力，也考查学生的统计知识，但对数据分析中综合分析能力及软件操作能力并没有得到有效的考查。

　　2《数据分析》课程教学改革的途径

　　2.1结合大数据时代，明确教学内容

　　除了讲授经典的一元统计方法，在数据分析的教学改革中增加了大数据背景下应用更为广泛的多元统计方法，如回归分析、主成分分析、因子分析、聚类分析和判别分析等。

　　2.2加强案例教学，重视统计证据

　　由于大数据在规模经济中产生，与实际的社会现象密切相关[4]。因此，在教学环节中，要重视案例教学；另外，一个案例可从多个方面采取多个方法进行分析，案例分析报告要结合这些统计分析结果给出最合适的结论及建议.因此，在数据分析的教学中还要明确统计方

　　法的适用条件及统计结果反映的问题，重视统计证据。在《数据分析》的教学改革中，以实际案例为出发点，讲授案例分析的全过程及涉及的所有统计方法，引导学生找到问题的多种解决方案，以统计证据为基础做出最佳决策，这个过程可激发学生的学习热情及学习主动性，培养学生的统计思维方式以及创新能力。《数据分析》讲授的内容包括数据的收集及描述、假设检验、相关和回归分析、方差分析、主成分分析和因子分析、聚类分析和判别分析等。根据教学内容精心挑选六个相关案例，即判别葡萄酒质量高低的假设检验案例、某车企汽车年销量预测的相关和回归分析案例、酸奶饮料新产品口味测试研究的方差分析案例、1988年汉城奥运会男子十项全能成绩分析的主成分分析和因子分析案例、住院费用影响因素挖掘的聚类分析案例及潜在购买者消费特性的判别分析案例。学生通过数据分析方法的学习和案例分析，既加强了对方法的理解，又增强了解决实际问题的能力。最后，将2012全国大学生数学建模竞赛A题葡萄酒的评价和波士顿住房问题作为本门课程的总结案例。这两个案例的数据分析应用到上述所有的方法，锻炼学生分析综合案例的能力，检验学生对所学方法的掌握程度。

篇二：大数据教育评价变革论文

　　信息大数据时代的教育改革

　　摘要：大数据时代下，各行各业都与网络交织在一起，通过变革来适应社会要求，对于教育行业而言，尤其是对于信息技术学科而言，更应当围绕信息大数据时代下对于教育行业的进一步要求，从教学思维到教学形式多维度进行教学改革，确保教学质量，提升教学效果。本文以此为出发点，围绕思维、方式与形式三个方面，探讨信息技术学科在大数据时代下的教育改革。

　　关键词：教育改革；信息技术学科；大数据

　　引言：

　　对于信息技术学科而言，相对于其他教育学科，所受到的信息化冲击更大，一方面，对于教学内容而言，信息大数据时代对于信息技术学科的教学内容提出了更多的要求，教学改革成为了必要步骤。另一方面，对于教学本身而言，信息技术促使学生能够自主的通过互联网接收到海量的讯息，教师如何帮助学生理解与消化这部分讯息，并基于正确的引导，转化为学生自主学习的能力成为教学的一个关键。因此，信息技术学科的教学改革显得尤为必要。

　　一、转变思维

　　教育改革不仅仅是对于现有教学形式、课程内容的改革，最重要的是教师自身要从思维上进行转变，接受教育改革观念，理解信息大数据时代所带来的利与弊，将有益的一面深入挖掘扩大，形成可视的教育形式。

　　具体到实际中，应当从两个方面入手，其一是教师对于个性化教学的思维转变，在过于传统的教育理念当中，“因材施教”是理想化的教育模式，但实际操作存在很多问题，教师很难面面俱到的照顾到所有学生，整体的教学进度也受到一定的影响，而通过信息技术本身，教师可以重新将个体教育作为教育形式的重点，引入课程教学当中[1]，围绕教学内容，以“微课”、“网课”或其他教学形

　　式，对于学生的实际情况展开具体的教学操作，进而真正意义上的达到“因材施教”的目的。

　　其二是对于教学质量的思维转变，传统教师对于教学质量有着固定的思维逻辑，认为考核成绩是教学质量的直接体现，实际上，考核成绩仅仅只能作为教学质量的一个参考选项，影响学生考核成绩的因素有很多，教学内容难度大、教学形式不适应、教学进度过快、学生个体差异导致的接受能力较差等等，都会影响学生所呈现出的成绩，教师应当开放思维，运用更加多元化的角度来思考教学质量的考核方式和其意义，理性的、多角度的看待学生，如通过学生的课堂表现、作业完成情况、对于课堂问题的反应与解答思路等等，综合评定学生的成绩，既能够更加综合的反映实际的教学质量，又能够通过多维度进一步了解学生，更好地围绕每一个学生开展个性化教学。

　　二、教学方式

　　教学方式的变革在上文中也有提及，信息技术进入课堂，为教育事业的发展提供了极大的便捷，也为教师教学开拓了许多的新思路，如何运用这些新思路，更好的服务课堂，才是关键，即将教学本质重新强调与体现，实现对于学生的个性化教学，确保学生能够个性化的成长和进步。

　　具体到实际中，信息技术学科的主要教学内容分为两个板块，一部分是理论知识，而这部分内容的学习，学生能够发挥的主观能动性较小，更多时候依赖于教师对于知识点的讲解，因此，教师可以制作“微课”，或在课堂教学中，进行“时间管理”，如将一节课的教学内容分为若干个知识点，对于每一个知识点的耗时与学生的接受程度进行随堂记录，围绕记录所反馈出的教学情况，对于重难点进行进一步的深入讲解，帮助学生更好的理解。而另一部分则是实操，实际操作过程中，由于个体差异的不同，学生的表现也不同，教师也要围绕学生的实际表现，记录数据，可以通过课后推送给不同学生不同的学科书籍，来帮助学生进步。

　　三、评价方式

　　教学评价不仅仅是通过考试成绩对于学生的能力与学习情况进行评价，在教育改革过程中，应当充分认识到教学评价体系对于整个教学体系的重要性，通过对于评价体系的三段拆分，来更好的实现教学评价的方式。

　　其一是学生对学生的评价，教师可以通过引导学生互相之间展开评价，来了解学生在课堂中的实际表现，其二是学生对教师的评价，引导学生提出教学过程中存在的一些问题，进一步改正，提升教学质量，最后是教师对于学生的评价，即通过多维度考核，来实现教师对于学生个人的评价，帮助学生找到问题，更好的进步[2]。

　　教学评价的形式多样化既能够帮助教师更好的理解课堂中学生对于知识的接受程度，又能够帮助教师更好的了解每一个学生，因此教师应当对于教学评价给予高度重视，不单一以成绩来评定每一个学生，这既是教学体系的重点，也是教育改革的重点之一。

　　四、结束语

　　综上所述，无论对于教师还是对于学生而言，信息技术进入教育行业，推动行业的发展与进步是事实，如何围绕信息技术的发展，来完善信息技术课堂，对于现有教育模式进行改革，以期获得更高的教学质量是关键。本文仅从三个方面简要阐述了信息大数据时代下信息技术学科的教育改革方向，望广大相关教育工作者能够继续深入探究，提出更多的解决方案，促进我国教育教学事业的进步与发展。

　　参考文献：

　　[1]毕玉.大数据时代信息技术的机遇与挑战探析[J].科技风,2019(03):6565.

　　[2]黄海明.教育云平台推动信息技术学科变革的思考[J].西部素质教育,2019(04):124+126.

篇三：大数据教育评价变革论文

　　大数据时代高校思想政治教育评价方式改革探究

　　王颖;戴祖旭

　　【期刊名称】《学校党建与思想教育（高教版）》

　　【年(卷),期】2018(000)016

　　【摘要】在大数据时代,如何运用大数据的优势,对海量数据进行分析和整理,是提高思想政治教育评价水平、学生培养质量的重要途径.文章提出了大数据时代推动高校思想政治教育评价方式改革的总体思路,分析了大数据时代高校思想政治教育评价的运用及思考:运用数字化校园系统,推进思想政治教育评价改革;打破数据使用壁垒,提高分析精准度;创新研究方法,形成思想政治教育评价的新范式.在此基础上,运用大数据对高校思想政治理论课教学评价进行了初探.

　　【总页数】3页(P52-54)

　　【作者】王颖;戴祖旭

　　【作者单位】武汉工程大学马克思主义学院;武汉工程大学理学院湖北武汉430205

　　【正文语种】中文

　　【中图分类】G641

　　【相关文献】

　　1.基于应用型创新创业人才教育培养的课程考核与学业评价方式改革探究[J],孙兰萍;李声锋;马龙;张斌2.高职院校公共英语考核评价方式的改革探究[J],张瑞珏

　　3.大数据时代高校思想政治教育评价方式改革探究[J],王颖;戴祖旭4.基于Pro/E课程的项目化教学考核评价方式改革探究[J],江鹏;李晓艳;王知鸷;吴王平;苗乃明;王琦5.高校课程考核评价方式改革探究——以"传媒经济学"为例[J],郑夏楠

　　因版权原因，仅展示原文概要，查看原文内容请购买

篇四：大数据教育评价变革论文

　　课题设计论证

　　大数据时代课堂教学方式变革的实践研究

　　本课题的界定、省内外研究状况述评、选题意义和研究价值；本课题的研究目标、研究内容、研究假设和创新之处；本课题的研究思路、研究方法、技术路线和实施步骤。（限3000字以内，可加页）

　　一、核心概念界定

　　大数据：大数据从狭义上讲，是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合；从广义上讲，是从各种类型的海量信息中快速获得有价值信息的能力，人类思维和决策的方式及方法将由此进入更高层次，有了对大数据的分析和判断能力，人类才真正从“智能”走向“智慧”。本课题所说的“大数据”一方面指信息爆炸时代在教育领域内产生的海量数据，另一方面指教育领域内所有与大数据相关的信息技术发展与创新，如社交网络、物联网、移动互联网、云计算等。教学方式:教学方式是指为完成教学任务而采用的办法，它包括教师教的方法和学生学的方法，是教师引导学生掌握知识技能、获得身心发展而共同活动的方法。本课题所研究的教学方式是指在大数据时代背景下，为了更好的实现学生的个性化学习，在教学中所采取的与信息技术高度整合的办法和做法。

　　二、国内外研究状况述评

　　国外研究现状：目前全球进入到了一个以数据、数据分析与预测为特征的时代。从国外的发展态势看，大数据在

　　教育领域的实践主要有两大类：

　　一类是以翻转课堂、MOOC、微课程为典型标志的课堂教学的转型，它使信息化教学面临新的环境，其资源观、教学观、教师发展观等都在发生新变化。翻转课堂由2011年萨尔曼·可汗在TED大会上的演讲报告《用视频重新创造教育》中提出。自此，翻转课堂成为教育者关注的热点，并被加拿大的环球邮报评为2011年影响课堂教学的重大技术变革。在国外典型的案例中，加拿大大不列颠哥伦比亚内部高中数学课的翻转课堂实践、伟谷州立大学数学实验课的翻转课堂实践、美国马里兰州波托马克市布里斯学校微积分课的翻转课堂教学实践等都取得了很大的成功。受翻转课堂“用视频再造教育”的启发，2012年，MOOC(MassiveOpenOnlineCourse，大规模开放在线课程)开始井喷，领军的三驾马车是源于斯坦福的Coursera、Udacity，以及由麻省理工学院与哈佛大学联合创办的edX。目前美国的mooc机构数量正呈指数级增长。加拿大、欧洲、亚洲、中东和澳大利亚的诸多名校也正在或者即将提供mooc。随着mooc教育价值的凸显，其应用领域也逐渐由高等教育向基础教育拓展。与MOOC一样，微课程灵感来源于可汗学院的翻转课堂实验。利用微课程资源，学生可以在家自主学习。如果学有困惑，可以暂停、倒退、重放，方便个性化地达成学习目标。实在不能解决的问题，可以记录下来，方

　　便教师提供指导。

　　word格式-可编辑-感谢下载支持

　　另一类是利用大数据进行个性化教育实践。如美国亚利桑那州立大学通过在线课程为学生提供个性化学习体验，学校使用Facebook应用程序挖掘学生的个人页面数据，根据学生的兴趣点为其推荐志同道合的朋友；另一程序可跟踪学生使用校园卡的时间和地点，分析学生是否参与到了学习中。里奥萨拉多学院利用数据分析软件预测学生在课堂上的表现，并把学习报告发送给教授，以帮助学生改进学习方法。学生在学习和生活的过程中留下一串数字足迹碎片，如在线学习和网络社交行为、校园卡的使用等。当这些数据被整合、挖掘和分析时，学习者的行为模式则会得以揭示。国内变革现状：

　　与国外相比，目前国内在对大数据及相关技术设备的处理与使用上主要还集中在对课堂教学转型方面的探索，翻转课堂、MOOC、微课程等尚处于参与或起步阶段，没有国外做法成熟。2013年，上海市率先推出“上海高校课程资源共享平台”，上海市30所高校的学生可以在平台上选课，复旦大学“哲学导论”等7门课程实行校际学分互认。这可以看做是中国大学开始MOOC行动的先声。2013年5月，清华大学、北京大学加盟edX。清华大学配备高水平教学团队与edX对接，前期选择4门课程上线，面向全球开放，其中电路课在线教育成为热门候选。目前越来越多的中国名校实行校际学分互认、edX对接，课程面向全球开放等。2013年8月12日，由华东师范大学考试与评价研究院中外名校研究中心与国内20余所著名高中共同发起并成立了C20慕课联盟。

　　我国的很多课改项目也具备“翻转课堂”的某些特征，最契合翻转课堂特征的是重庆市聚奎中学和深圳南山实验学校的教学实践，可视作翻转课堂实施较为成功的案例。去年9月，教育部教育管理信息中心举办第一届“中国微课大赛”。今年5月，由中国教育技术协会、全国高等学校现代远程教育协作组、中国学习与发展联席会联合举办的首届“全国微课程大赛”启动。两大全国性大赛竞相登场，为微课程变革信息化教学推波助澜，昭示出微课程影响基础教育的趋势。简要评价：

　　关于大数据时代下课堂教学方式变革问题虽然已有相当多的国外教学工作者做出了比较成熟的研究和尝试，但是，国内的情况是理论研究比较多，国内部分中学虽然也进行了多方位的实践探索，但缺少对教育过程中产生的大数据进行分析。但是这些学校的前期实验，将为我校的研究提供许多可供借鉴的做法和经验。

　　三、选题的意义与研究价值

　　随着互联网络、移动终端设备的不断发展，信息技术已经为基础教育进入数字化管理、数字化学习、数字化生活奠定了基础，随之而来的必然是对海量数据的深入分析的大数据时代。随着对大数据的分析、研究和应用，将会对基础教育的方方面面产生深远影响。

　　word格式-可编辑-感谢下载支持

　　1.大数据有利于学生的“学”，学生可通过教师提供的资源（如课件、学案、微课程、测试题、讨论区等）将预习和自学落实到实处，即便是在自学过程中遇到问题，也可以通过即时通讯工具、在线学**台、论坛、邮件等方式获得同学、老师和网络热心人士的帮助，并能将自己在学习过程中碰到的所有问题进行记录、反馈；

　　2.大数据有利于教师的“教”，教师能在课前更全面了解学生各方面情况，提前了解学生学习中遇到的问题，并对问题进行概括、归纳，有针对性的在课堂上予以重点解决，提高课堂效率，提高课程教学的针对性，促进教师教学观念的转变；

　　3.大数据是教育教学变革的“助推器”，对学生在学习过程中产生的大数据进行分析，并加以适当的调整、规划，可以更好地了解学生，从学生的需求出发改变教学行为，为每一个学生制定个性化培养方案；大数据时代，为课堂教学方式的变革提供了技术支持、创造了现实条件，让每位学生在课堂内外以适合自己的速度与方法进行学习成为一种可能；大数据在教育领域的全方位应用，必将从根本上转变教与学的关系，带来传统教育的大变革；

　　4.大数据研究必将促进学校数字化校园建设，大数据课题的实践研究，将推动学校数字化硬件环境、数字化管理、虚拟教学平台等软硬件建设，推动学校早日步入现代化学校。这是大数据时代教育的特色，也是未来教育的发展方向。

　　作为基础教育学校，应该具备相应的预判能力逐浪前行，利用大数据服务学校管理、改革教育教学，向建设“为每一个孩子准备好未来的理想学校”迈出坚实的一步。

　　四、课题研究的目标、内容及创新之处

　　1.研究目标

　　1)用数据导航成长。通过对学生的学习、交往和生活等数据进行收集与分析，掌握学生学习状况、思想动态，帮助学生预测未来发展趋势，并对学生开展有针对性的个性化指导，为学生打造个性化培养方案，构建个性化教育环境。

　　2)课堂教学转型。充分利用学校先进的信息化设备和网络资源，尝试将移动学习、翻转课堂、mooc等新的教学方式应用于基础教育教学中。

　　3)提升师生的数字化素养和技能。通过培训、实践使教师具有数据分析与应用能力和熟练应用数字化设备与技术的能力；通过信息技术课程及日常的媒体运用，培养学生使用信息技术进行学习的能力和分析、鉴别、管理信息等能力。

　　2.研究内容1)以“云卷”为平台挖掘与分析学生数据，初步建立学生个性化学习成长档案，导航学生的个性化

　　成长。

　　word格式-可编辑-感谢下载支持

　　2)以初中阶段各学科重点、难点部分的微课程开发为切入点，积极推进基于“云计算”环境的“翻转课堂”实验。

　　3)打造东北育才“名师大讲堂”慕课平台，构建从小学到高中的名师专题讲座课程，实现东北育才学校优质课程资源的共享。

　　4)移动学习、网络课堂等突破时空的教学方式与常态课堂教学的对接研究。5)大数据时代下教师与学生信息媒介素养培养的研究。3.研究的创新之处

　　大数据分析是建立在已有的软件应用和硬件平台之上，比如微课程、慕课平台、学校数字化管理以及一卡通等，大数据的获取和分析的前提就是打通各系统平台的数据共享功能。因此创新点之一是，为学校各类平台的统一认证和数据共享提供实践经验；创新点之二是，大数据分析目前在商业领域应用较多，在基础教育阶段尚停留在理论层面，该课题的研究不仅能转变教师观念，转变教与学的关系，更是教育领域创新性实践研究；创新点之三，大数据分析将整合传统教学与信息技术的综合优势，通过微课程和幕课平台的建立，形成完整的学科知识体系，为中学生甚至社会上广大学习爱好者提供学习的机会和平台，帮助他们完成一个学科甚至一个学段的学习。

　　五、课题的研究思路

　　研究缘起

　　研究综述

　　国内外现状分析

　　策略分析

　　实践研究研究结论

　　六、课题的研究方法

　　本课题主要采用行动研究法，辅之调查法、文献法、比较研究法、案例分析法等研究方法。具体措施是：

　　1）文献法：全方位收集相关资料和信息，把握国内外研究动态，借鉴已有的研究成果和经验教训，寻找本课题研究的新发展，为课题的深入研究提供理论框架和方法论的支持。

　　2）调查法：通过座谈、访谈、书面调查等形式，广泛听取广大一线教师以及学生对于变革的教学方式的意见与建议。

　　3）比较研究法：本研究将对国内外关于大数据时代变革的教学方式的成果进行比较、分析、借鉴。4）案例分析法：本研究将对东北育才学校变革的教学方式实践过程中的典型案例进行全面剖析，深入认识，增强研究结果的可靠性。

　　5）行动研究法：本研究将以关注行动为宗旨，学校根据自身的条件和需要，因校制宜地开展学生

　　word格式-可编辑-感谢下载支持

　　个性化数据采集的实践研究活动，获取最真实最直接的学生学习个性化数据。

　　七、课题研究假设

　　通过微课程的开发将庞大的课程体系分解成小模块，为学生的预习、复习提供资源，使得学生可以有针对性地选择课程，有计划地安排学习进度，真正实现个性化学习。

　　通过幕课平台的建立，可进一步实现资源共享，为更多的学习者提供课程资源，并在互动过程中为学习者提供切实有益的帮助。

　　通过对学生的学习、交往和生活等数据进行收集与分析，探索大数据对于学生个性化成长的作用和意义。

　　八、课题研究步骤

　　⑴准备阶段（2014年5月—2014年12月）：①整理课题申报相关资料，完成课题申报、立项。②成立课题工作组，进行开题论证，落实分工。③收集国内外大数据时代下对于教育变革影响的理论文献和文件。④课题组成员学习与研究有关的理论和技能，明确任务。⑵研究阶段（2015年1月－2016年1月）：①整理国内外大数据时代下对于教育变革影响理论文献和文件，完成《课题资料综述》。②开展调查问卷，数据统计与分析，建立完善学生个性化“知识树”，调查研究育才学校各个阶段教学方式的现状，对于学生个性化学习发展产生的影响。③各子课题组开展实验研究。④逐步完成相关论文。⑶总结阶段（2016年2月——7月）：完成子课题研究报告和总课题研究报告。成果提交鉴定、验收。

篇五：大数据教育评价变革论文

　　大数据时代的教育:若干认识与思考

　　作者:沈阳田浩曾海军

　　来源:《电化教育研究》2020年第07期

　　[摘要]结合丰富的应用场景和案例,梅宏院士阐述了大数据技术的主要内涵、发展历程以及对信息化社会的影响。他指出:当前的大数据应用尚处于初级阶段,需理性认识;与人工智能相结合,将更好地实现智能化应用。聚焦教育领域,分析了大数据对教育教学各个环节可能产生的变革性影响;关注对“个体数据”的深层次挖掘真正做到“因材施教”;强调大数据所催生的教育研究新范式及对未来社会教育服务模式、教育决策等方面的影响,推进社会治理效能的提升。梅宏认为,“懂得大数据,用好大数据”,将是数字经济时代对人的基本素养和能力需求。更好地面对大数据驱动的智能时代,要培养具有引领能力的人才。应加强计算思维培养,加大软件人才培养,做好人才储备。

　　[关键词]大数据;教育变革;教育公共服务;教育治理;计算思维

　　[中图分类号]G434[文献标志码]A

　　[作者简介]沈阳(1985—),女,安徽宿州人。助理研究员,博士,主要从事智慧教育、智慧学习环境等研究。E-mail:****************.cn。

　　一、大数据技术的发展及面临的挑战

　　访谈者:梅院士,您好!非常感谢您拨冗接受我们的采访!您是大数据领域的著名专家,先请您给读者介绍一下大数据技术的主要内涵、发展历程,以及对信息化社会带来的影响。

　　梅宏:数据在我们人类社会发展过程中一直扮演着非常重要的角色。文明之初,“结绳记事”是我们记录数据的一种方式;文字发明以后,“文以载道”,记录了人类发展史;到了近现代,“数据建模”成为我们认识客观世界的一种科学方法。如今,随着信息技术与通信技术的发展,特别是过去20多年互联网的快速发展和应用,人类社会迈入大数据时代,全球数据呈现爆炸式增长的趋势。按IDC(国际数据公司)的估算,全球数据总量在2030年可以达到2500ZB(1ZB=1021字节),而这一数据在2009年仅为0.8ZB。

　　大数据是信息技术革命与经济社会活动相互碰撞、交融的产物。所谓大数据,并非仅仅表现为数据量大,更多体现在数据的多源(元)。大数据指的是规模巨大到无法通过现有数据库工具在合理时间内获取、存储、管理、处理和整理的数据集,具有海量性、多样性、时效性及可变性等特征,需要通过可扩展、高性能的计算平台高效地存储、处理和分析。

　　在信息化的发展历程中,主要经历了两个高速发展的阶段,我们分别称之为:信息化1.0和信息化2.0。信息化1.0发轫于20世纪80年代,随着个人计算机进入市场,带来了以单机应用为主要特征的数字化浪潮。随后大约历经十多年的技术发展,信息化2.0初露端倪。也就是在20世纪90年代中期,互联网的大规模商用,推动了以联网应用为主要特征的网络化浪潮。而当下,开启信息化3.0帷幕的正是大数据技术。随着数据量的积累与各行各业的交叉融合,我们已经迈入并正在迎来以数据的深度挖掘和融合应用为主要特征的智能化阶段。并且,随着5G、物联网、人工智能、云计算、虚拟现实等高新技术组合创新、赋能社会的大背景下,“人、机、物”三元融合成为必然,以“万物均需互联、一切皆可编程”为目标,数字化、网络化和智能化进程呈融合發展新态势。

　　大数据的发展承载了人类信息科技的进步,也深刻地改变了我们的工作和生活。AlphaGo先后击败世界围棋冠军李世石和柯洁,攻克了人类在棋类的最后一个“智力堡垒”;通过大数据技术对奥斯卡奖项的归属进行预测,准确率高达87.5%;基于购物大数据,则可以对用户信用、购物习惯等进行分析,通过精准推荐或快速信贷等给人们带来更大的便利,等等。当前,已经出现了大量成功的大数据应用实践。作为信息化进程的新阶段,大数据给我们提供了认识复杂系统的一种新手段、新思维。从信息技术发挥的作用看,如果说过去更多是作为各个行业提质增效的工具,扮演辅助者的角色,在大数据时代,信息技术将成为变革者、引领者,引领社会经济的发展。大数据的发展推动了数字经济的形成与繁荣,这是继农业经济、工业经济之后的崭新经济形态,数据是其中重要的生产要素。

　　访谈者:媒体上的宣传热潮之后,我们应该怎样理性认识“大数据”?大数据研究面临怎样的挑战?

　　梅宏:大数据逐渐成为研究和实践的热点,吸引了众多企业、风险投资和研究者的关注和进入。大数据作为战略资源的地位已成为高度共识。2012年,全球大数据产业初见雏形;2013年,对大数据的宣传达到顶峰;2014年,大数据产业结构逐渐成形,对其认识也趋于理性。如今,全球对待大数据的态度已趋客观和理智。相对而言,我国和国际上存在3~5年的时差。

　　然而,当前大数据的发展也存在很多短板和制约因素,需要我们审慎地加以理性认识。例如:我国的数据治理体系远未形成;隐私保护和数据共享开放之间的矛盾突出,导致数据壁垒;相应的法律法规体系尚未建立健全,大数据场景应用难以规避安全隐患、隐私风险等伦理问题。

　　当大数据应用超前于相应的理论和技术发展,往往缺乏坚实的理论对数据分析结果进行支撑,未必符合预期或者具备严谨性和科学性,那么,我们对这些结论的使用就需保持谨慎态度。前面我提到,大数据基础理论的研究仍处于萌芽期,尽管我们对大数据定义已达成初步共识,但在数据驱动与规则驱动的对立统一、关联性与因果性的辩证关系、“全数据”的时空相对性、兼顾分析模型的准确性与可解释性等诸多深层次、本质性问题上仍存在争议。

　　前面,我举例说明了数据体量和规模在几何级高速增长,但囿于信息技术在未来一段时期内将保持稳步渐进的发展态势,对数据的处理能力提升速度就显得相对滞后,所以说,大数据现象将会长期存在。反过来,大数据现象也将倒逼技术变革,加速信息技术体系的重构。例如,对计算机体系结构来说,带来了“以数据为中心”的宏观走向和“存算一体”的微观走向等。同样,大数据现象延展到其他各个领域,对信息技术体系的变革都可能是一场颠覆式的生态重构。因此,大数据研究的挑战是方方面面的,需要建立在深度的多学科交叉和“产—学—研”高度融合基础之上。

　　访谈者:为什么您说当前的大数据应用尚处于初级阶段?如何更好地推动基于大数据的智能化应用?

　　梅宏:大数据应用可以分为三个层次:第一层是描述性应用,从数据中抽取知识和信息,并刻画事物的发展态势;第二层是预测性应用,通过对事物当前的现状进行描述,分析关联关系、发展模式,预测其未来的发展趋势;第三层是指导性应用,对不同的预测结果进行权衡,为最终决策的优化与指导提供依据。

　　从总体情况来看,当前的大数据应用仍存在如下问题:首先,实践中的应用大多属于描述性和预测性,而指导性应用这类深层次的应用偏少;其次,目前的数据源仍旧较为单一,彼此之间相互关联的多源多模态数据较少;另外,模型导向的应用较多,面向实际需求构建模型的应用较少。这些问题表明,虽然我们在大数据研究和实践方面取得了许多可喜的进展,但是仍旧具有较大的提升空间,大数据应用仍然处于初级阶段。

　　大数据的智能化应用本质上是数据驱动的智能,是人工智能方法和技术在“大数据”上的应用呈现,进一步的发展需要大数据基础理论和方法上的新突破,也需要人工智能方法和技术的新进展。谈到人工智能,对大众来说,由于受到媒体、影视的渲染,人工智能充满着科幻色彩。实际上,人工智能是一门多学科交叉融合的科学,当前人工智能所取得的成功离不开大数据的应用。早期的人工智能走的“规则驱动”路径,即通过构建事实库和规则库,借助逻辑推理来实现智能,然而,这个途径并未能达成其最初宣称的目标。当前的人工智能可归为“数据驱动”的路径,基于海量的数据集,通过统计分析或机器学习等各类算法从数据中分析、挖掘现象和规律,从而产生了很多具有实用价值的应用,带来了人工智能的新一轮热潮。

　　当前数据驱动的智能也存在不少问题,具体体现为三“大”:大模型,动辄涉及数百万、甚至数十亿的模型参数;大系统:以算力拼智能;大数据:以数据换智能。因此,其应用效果也就显得低效、不通用、不透明、鲁棒性差。数据和智能是体和用的关系,数据为体、智能为用,打一个不是那么严格准确的比喻,就像燃料与火焰的关系,燃料越多,火焰越旺,燃料越纯,火焰越亮。

　　从软件实现的视角来考察,大数据的智能化应用可以分为三个层次。第一层次是早期人工智能的做法,即软件系统+知识库,这里知识库事先由人构建好,其完善扩充也需人工完成;第

　　二个层次是当前数据驱动的智能途径,即软件系统+自演化的知识库,知识库的自演化需要“学习”能力,这仍是当前努力的方向;第三个层次应该是自演化的软件系统+自演化的知识库,希望软件系统能够自我完善,甚至自动构建,当然,我们距离这个目标还有很长的路要走,目前学术界围绕软件自动化已经开始了一些探索。

　　二、大数据时代的教育

　　访谈者:大數据在教育中的应用场景可能有哪些?大数据技术的应用会对我国教育事业的发展产生怎样的影响?

　　梅宏:党的《十九大报告》明确提出:“建设教育强国是中华民族伟大复兴的基础工程,必须把教育事业放在优先位置,深化教育改革,加快教育现代化,办好人民满意的教育。”[1]尤其是,“中国教育现代化2035”规划的我国教育战略,是赶超世界先进教育水平的重要战略部署,为了加快教育现代化、建设教育强国的进程,需要充分运用新理念、新模式、新技术激发教育创新能力,培养适应时代发展的创新型人才。大数据作为当前新一代信息技术发展的重要领域,也应成为新一轮教育创新和教育重大变革的重要推手,成为实现教育现代化宏伟目标的重要动力与支撑。

　　谈到大数据在教育领域的应用场景,由于我不是研究教育的专家,也未曾从事过教育信息化方面的工作,因此,相比专业从事相关研究和实践的学者,可能难以细化和具体化,只能从一个普通教育工作者的角度,谈一些认识。前面提到,大数据给我们提供了认识复杂系统的一种新手段、新思维。我想,教育本身就是一个极其复杂的系统,无论是教育的过程,还是参与其中的个体或组织。理论上,透过教育的信息化(数字化、网络化、智能化)及其产生的教育大数据,我们可以形成相对应的洞察,从而更好地把握其本质和规律。基于这个观察,大数据在教育领域的应用,将会贯通于教学模式、手段、环境、管理、评测等多个环节。大数据技术的应用,将深入推动教育教学、教育评价、教育服务、教育治理、教育决策等全方位、深层次的变革转型。

　　从微观层面,大数据的应用可能会对未来的教学模式、教学评价等环节产生影响,例如:

　　在教学过程中,利用信息技术手段记录下教与学过程中的详细行为数据,可以更加精细地刻画和分析教师与学生的实时状态,并诊断与预测师生在教与学过程中存在的问题,进而依据不同个体的自身状态,实时调整教学内容与进度,实施精准的个性化教学。

　　在教学评价方面,通过跟踪学生学习的过程、记录学生全方位的行为数据,从而建立一个更加全面的教学评价体系,使教学评价不再仅仅注重学生的学习成绩,而更加注重对学生综合能力与成长状态的评价,从而促使评价更加依赖于客观数据,评价维度更加多元和全面,也更加注重对学生学习过程的考察。

　　大数据的深入应用也催生了很多新型的教学手段。如,利用基于大数据训练的智能引擎,实现机器辅助的自我训练与学习,已逐渐成为一种有效的教学方式。在外语学习过程中,帮助学习者及时识别并纠正发音错误;在写作训练中,帮助学习者及时发现并纠正书写中的错误等。这些新型教学手段的出现,使得“人与机器”的互动学习成为“人与人”传统教学方式的重要补充。此外,MOOC、SPOC、个性化学习、学习路径推荐等新理念、新方法也不断促进教育教学改革,大数据技术在教育改革和人才培养中发挥的作用将会越来越重要。

　　从宏观层面,大数据的应用也可能会对未来社会的教育服务模式、教育决策等方面产生影响。例如:

　　随着时代的进步,人们学习的发生场景也越来越多,并呈现出碎片化的趋势,利用大数据可以对学习者在不同场景中的行为模式和学习规律进行分析,从而更精准地发现隐藏在数据中的教育现象或规律,进而可以为学习者提供更为客观和精准的个性化教育服务,促使教育服务转向“基于场景的精准化、个性化服务模式”。

　　访谈者:为什么您说当前的大数据应用尚处于初级阶段?如何更好地推动基于大数据的智能化应用?

　　从软件实现的视角来考察,大数据的智能化应用可以分为三个层次。第一层次是早期人工智能的做法,即软件系统+知识库,这里知识库事先由人构建好,其完善扩充也需人工完成;第二个层次是当前数据驱动的智能途径,即软件系统+自演化的知识库,知识库的自演化需要“学习”能力,这仍是当前努力的方向;第三个层次应该是自演化的软件系统+自演化的知识库,希望软件系统能够自我完善,甚至自动构建,当然,我们距离这个目标还有很长的路要走,目前学术界围绕软件自动化已经开始了一些探索。

　　二、大数据时代的教育

　　访谈者:大数据在教育中的应用场景可能有哪些?大数据技术的应用会对我国教育事业的发展产生怎样的影响?

　　从微观层面,大数据的应用可能会对未来的教学模式、教学评价等环节产生影响,例如:

　　大数据的深入应用也催生了很多新型的教学手段。如,利用基于大数据训练的智能引擎,實现机器辅助的自我训练与学习,已逐渐成为一种有效的教学方式。在外语学习过程中,帮助学习者及时识别并纠正发音错误;在写作训练中,帮助学习者及时发现并纠正书写中的错误等。这些新型教学手段的出现,使得“人与机器”的互动学习成为“人与人”传统教学方式的重要补充。此外,MOOC、SPOC、个性化学习、学习路径推荐等新理念、新方法也不断促进教育教学改革,大数据技术在教育改革和人才培养中发挥的作用将会越来越重要。

　　从宏观层面,大数据的应用也可能会对未来社会的教育服务模式、教育决策等方面产生影响。例如:

　　访谈者:为什么您说当前的大数据应用尚处于初级阶段?如何更好地推动基于大数据的智能化应用?

　　大数据的智能化应用本质上是数据驱动的智能,是人工智能方法和技术在“大数据”上的应用呈现,进一步的发展需要大数据基础理论和方法上的新突破,也需要人工智能方法和技术的新进展。谈到人工智能,对大众来说,由于受到媒体、影视的渲染,人工智能充满着科幻色彩。实际上,人工智能是一门多学科交叉融合的科学,当前人工智能所取得的成功离不开大数据的应用。早期的人工智能走的“规则驱动”路径,即通过构建事实库和规则库,借助邏辑推理来实现智能,然而,这个途径并未能达成其最初宣称的目标。当前的人工智能可归为“数据驱动”的路径,基于海量的数据集,通过统计分析或机器学习等各类算法从数据中分析、挖掘现象和规律,从而产生了很多具有实用价值的应用,带来了人工智能的新一轮热潮。

　　二、大数据时代的教育

　　访谈者:大数据在教育中的应用场景可能有哪些?大数据技术的应用会对我国教育事业的发展产生怎样的影响?

　　其中的个体或组织。理论上,透过教育的信息化(数字化、网络化、智能化)及其产生的教育大数据,我们可以形成相对应的洞察,从而更好地把握其本质和规律。基于这个观察,大数据在教育领域的应用,将会贯通于教学模式、手段、环境、管理、评测等多个环节。大数据技术的应用,将深入推动教育教学、教育评价、教育服务、教育治理、教育决策等全方位、深层次的变革转型。

　　从微观层面,大数据的应用可能会对未来的教学模式、教学评价等环节产生影响,例如:

　　从宏观层面,大数据的应用也可能会对未来社会的教育服务模式、教育决策等方面产生影响。例如:

篇六：大数据教育评价变革论文

　　库恩在1962年出版的著作科学革命的结构中对范式作出了系统性阐释但由于将概念从认识论范畴上的共有范例扩展为科学共同体共有的信念基本观点价值标准具体操作规范等认识世界和理解世界的工具精神定向工具的综合体陈俊2007导致范式富有过分的塑造性几乎可以满足任何人的任何需要托马斯库恩2004从而引发了诸多误解和争议

　　龙源期刊网http://www.qikan.com.cn

　　大数据时代教育评价专业化何以可能：第四

　　范式视角

　　作者：朱德全吴虑来源：《现代远程教育研究》2019年第06期

　　摘要：按照图灵奖获得者吉姆·格雷的划分，科学研究可分为四种范式，将理论、实验和计算仿真统一起来的数据密集型科学范式（eScience），即为第四范式，其强调通过数据来发现并理解世界，为人类认知和科学研究提供了新方法和新视角，该范式与教育评价的结合必然会开创“数据密集型评价”，并将教育评价推向智能化阶段。第四范式将从本体论、认识论、价值论和方法论层面引发教育评价变革：丰富教育评价本体论，将教育评价视为嵌入式评价和多元化评价，打破单一类型评价观;重塑教育评价认识论，通过促进教育评价主体多元化，支持教育评价对象主体化，助推评价主体与评价对象形成“联结机制”，走向平等协商共同参与，消解单主体权威评价观;深化教育评价价值论，坚守“问题”导向的底线价值，凸显“目标”导向的中线价值，强调“效能”导向的顶线价值，超越传统评价的甄别和选拔导向;变革教育评价方法论，形成“全样本数据+复杂模型+归纳分析+可视化反馈”的评价路径，扩大教育评价主体的有限理性，从而使教育评价不断走向智慧化和专业化。

　　关键词：教育评价;大数据;专业化;第四范式

　　中图分类号：G434;;文献标识码：A;;文章编号：1009-5195（2019）06-0014-08;doi10.3969/j.issn.1009-5195.2019.06.002

　　教育评价是我国深化教育体制改革，推进教育现代化的关键环节，其重要性不言而喻。但囿于科学性和技术性不足，我国教育评价名目繁杂浮华，实质评价缺失，评价功用贫困，公信力大打折扣（叶赋桂，2019）。如何优化教育评价深受政府和学界关注，党的十八大以来，国家出台了系列招生考试、人才项目评价改革文件，2018年全国教育大会更是明确强调，要坚决破除“五唯”顽瘴痼疾，从根本上解决教育评价指挥棒问题。当前，教育信息化的持续推进使得大数据正在进入教育的方方面面（维克托·迈尔-舍恩伯格等，2015），其作为“数据、技术、思维三足鼎立的产物”（维克托·迈尔-舍恩伯格等，2013），能为教育评价带来海量时间尺度密集、空间尺度多样、价值尺度多元的教育大数据（王战军等，2015），同时提供挖掘教育数据潜在价值的技术手段和思维方式（赵伶俐，2014）。为此，国务院在《促进大数据发展行动纲要》中专门提及教育文化大数据工程，要求推动教育基础数据的伴随式收集和全国互通共享;《国家教育事业发展“十三五”规划》也明确提出，“鼓励学校利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈，为推动个性化学习和针对性教学提供支持”。诚然，大数据的价值日趋凸显，已成为教育评价变革与创新的重要驱动力量。

　　龙源期刊网http://www.qikan.com.cn

　　一、第四范式教育评价分析框架

　　大数据时代的到来，将事物的可量化程度和范围空前推进，催生出数据密集型的知识发现，驱动着科学研究范式转换。按照图灵奖获得者吉姆·格雷的划分，科学研究可分为四种范式：用于描述自然现象的实验科学范式（EmpiricalScience），利用模型和归纳法的理论科学范式（TheoreticalScience），对复杂现象进行计算机仿真的计算科学范式（ComputationalScience），将理论、实验和计算仿真统一起来的数据密集型科学范式（eScience），也称之为第四范式。第四范式是通过仪器收集数据或通过模拟方法产生数据，然后用软件进行处理，再将形成的信息和知识可视化呈现（Heyetal.，2012）。这使得人们不需要再借助“望远镜”或“显微镜”来观察世界，而只需通过数据来发现并理解世界。毫无疑问，大数据的诞生为人类认知和科学研究提供了新方法和新视角，其与教育评价的结合必然会开创“数据密集型评价”新范式，并将教育评价推向智能化阶段，即基于全样本、全过程、全景式的元教育大数据进行数据挖掘和学习分析，使教育评价专业化成为可能。

　　“范式”是贯穿于库恩科学哲学思想的一个核心概念和理论体系。库恩在1962年出版的著作《科学革命的结构》中对“范式”作出了系统性阐释，但由于将概念从认识论范畴上的共有范例扩展为科学共同体共有的信念、基本观点、价值标准、具体操作规范等认识世界和理解世界的工具、精神定向工具的综合体（陈俊，2007），导致“范式”富有“过分的塑造性”，“几乎可以满足任何人的任何需要”（托马斯·库恩，2004），从而引发了诸多误解和争议。针对库恩提及的21种“范式”概念，英国学者玛格丽特·玛斯特曼从三个层次进行了概括：一是哲学层面的形而上学范式，即科学共同体所共识的信念;二是社会学范式，即科学共同体普遍认可的学术传统和学术研究的理论框架，主要包含概念系统、基石范畴和核心理论;三是构造范式或人工范式，即解决问题的工具与方法，这三类范式相互联系成为一个有机体（Masterman，1970）。库恩认为范式间具有不可通约性，这是导致范式更迭或转换的根本原因。当旧范式的基本理论和方法在解释或解决某一问题时出现反常，就意味着原有范式已经面临危机，而范式的世界观功能及其作为“认知工具”的本质性意义，决定了只有转变世界观，基于新的立场和认知视角才能包容反常（托马斯·库恩，2012）。一旦立场和认知视角发生转变，科学共同体对研究目标和价值标准的设定以及研究方法和操作模式的选择必然也会受到相应影响，这可归结为范式的价值论和方法论功能（杨怀中等，2008）。据此，第四范式即“数据密集型评价”的出现，将会从本体论、认识论、价值论和方法论层面引发教育评价变革。因此，笔者以本体论、认识论、价值论和方法论四个方面作为分析框架，深入探讨第四范式如何促进教育评价走向智慧化和专业化。

　　二、丰富本体论：第四范式拓展教育评价意涵

　　如何理解教育评价、解释教育评价，是现代教育评价基本理论的首要问题，直接关系着教育评价活动的立场和认知视角。得益于大数据技术，第四范式教育评价在教育活动监测上实现了时间维的连续性、空间维的全域性和价值维的多元性，相应地，对教育大数据的识别和采集

　　龙源期刊网http://www.qikan.com.cn

　　也突破了时空和类型限制，海量实时性强、真实度高、颗粒度细和内容广泛的教育评价依据全面汇聚，利于打破单一评价类型，使教育評价更加科学多元。

　　1.第四范式教育评价是贯穿于教育活动始终的嵌入式评价

　　教育是一个反馈调控的过程，教育质量的高低在一定程度上取决于其是否能成为一个自我调控和自我完善的系统（裴娣娜，2005）。教育系统要实现自我调控和完善，就必须依赖教育评价对教育活动进行实时监控并提供持续性信息反馈，即实现教学评一体化。回溯教育评价发展历程，现代教育评价自发端以来经历了测量、描述、判断和建构四个时代，依次形成了工具导向、目标导向、决策导向和价值导向的教育评价理念，评价方法实现了由简单到多元的扩展，评价类型也从强调终结性评价转向形成性评价。但从评价时间和空间来看，这四代教育评价与教学和学习活动仍然是相分离的，尚未真正实现教学评一体化，教育评价的智能化水平不高。具体而言，教育评价与教学的“共时性”被阻断，教育评价通常在教学之后，是教学的终点;“共域性”被隔断，教育评价和教学不在同一个情境或空间之中（于开莲，2016）。这导致教育评价相对滞后，评价无法实时获取过程性教育数据，更不可能为教学活动改进及时反馈最有效的信息。大数据时代，泛在网络、移动通信、传感器、云计算等信息技术飞速发展，教育数据爆炸式增长，同时大数据技术能够对教育活动中实时产生的海量数据进行动态捕捉和深度挖掘，这使得第四范式教育评价成为一个智能化的动态信息反馈系统。具体而言，大数据支持下的教育评价能够对教育活动进行动态监测和控制，持续搜集和处理与教学相关的信息，并及时将评价结果反馈给利益相关主体，使其不断调整和变革教学和学习行为，实现教育系统的动态平衡和教育质量的持续改进。可以说，大数据时代的教育评价并非单向度的结果性评价，而是贯穿于整个教育过程的伴随式评价，教育评价与教育教学活动不再是线性关系，而是构成一个反复迭代的循环回路，其能促使教育成为一个“自我纠正系统”，真正实现以评促改、以评促教、以评促学、教学评合一。

　　2.第四范式教育评价是一种多元化评价

　　“五唯”顽疾在我国教育评价中根深蒂固，评价学生“唯分数”，评价学校“唯升学”，评价教师“唯论文”，引进人才“唯文凭”“唯帽子”，这种“一刀切”的评价方式已经严重困扰我国教育质量的提升和教育现代化的推进。作为评价改革的“牛鼻子”，考试招生制度首当其中。受“学而優则仕”传统观念的影响，“唯分数”和“唯升学”的评价观在当前教育质量评价中大行其道，政府和教育行政部门将学生学业成绩和升学率视为统一的评价标准，过度关注非自然状态下学生的单维认知能力发展结果，对其他能力的评价则被遮蔽，严重影响了学生的全面发展。事实上，“唯分数”和“唯升学”的教育评价属于抹杀学生特质和个性发展的终结性评价，其对教育发展起到的只是监测作用而不是反馈和促进作用。随着知识经济时代的到来，社会对复合型人才和创新型人才的需求日趋迫切，单一的评价内容已经无法适应需要，市场更看重学生解决问题的能力、探究精神、创新能力、沟通合作能力、社会责任感和良好的心理素质等，这就意味着教育评价要实现范畴和内容上的扩展，重视德智体美劳综合评价。大数据时代，教育评价能够

　　龙源期刊网http://www.qikan.com.cn

　　依托生物信息技术、虚拟现实、情境感知技术等，嵌入式采集学习者在真实状态下展现出的复杂能力数据，并通过建模绘制出学生综合能力发展轮廓图，从而大大增强教育评价结果的可用性。可见，从评价内容或范畴而言，第四范式教育评价以“落实立德树人根本任务”为统领，将评价扩展到“一切教育和教育的一切”（朱德全等，2013），使评价真正能够促进学生全面发展和教育质量的提升。从评价目的而言，第四范式教育评价涵盖了诊断性评价、形成性评价和终结性评价。大数据技术能对不同阶段的教育活动进行监测评估，即对一个完整的教育过程实施前馈控制、实时控制和后馈控制，每个阶段都依赖于从教育信息流中提取数据、分析处理并进行反馈，这种基于数据又超越数据的反馈能够更好地服务于教育管理和决策。从评价范围而言，第四范式教育评价既关注对群体的评价，又重视对个体的评价。大数据技术不仅能够对整个教育活动进行“全面性”质量监测、“全员性”主体关照、“全方位性”数据搜集、“全域性”监督跟踪（朱成晨，2018），而且能够对评价对象个体进行“个性化”“适应性”考量，这使得教育评价既能从整体上促进教育的改进和发展，又能关注到个体发展的特殊需求，真正成为评价对象发展的“脚手架”。从评价方法而言，大数据技术能够综合处理结构化、半结构化和非结构化数据，将定量评价和定性评价进行统整，有效避免单一量化评价导致的绝对性，从而增强评价结论的科学性。

　　三、重塑认识论：第四范式催生教育评价共识

　　认识论的核心是认识主体与认识对象的关系，而技术手段会极大地影响两者间的关系（吕乃基，2014）。大数据时代，“数据驱动”激发了越来越多的教育利益相关者参与教育评价，且增进了评价主体之间、评价主体和评价客体之间的交流，这在一定程度上消除了评价过程中的“信息孤岛”和“数据壁垒”，克服了教育评价认知有限性和模糊性，使教育评价更加全面精准。

　　1.大数据驱动教育评价主体多元化

　　教育评价作为一项具有极强复杂性和丰富性的实践活动，其生命力源于多元主体共同参与和协商（陆启越等，2018）。追溯教育评价发展史，“多元主体参与”最早由美国教育评价学专家派特（Patton，M.Q.）于1978年在《使用定向评价》一书中提出，主张只有将需要使用评价信息的各方人士邀请到教育评价中，并让其基于各自立场对教育评价提出要求和建议，才能使教育评价结果更好地满足不同使用者的需求（蔡敏，2003）。随后，第四代教育评价加以继承发展，进一步明确提出多元主体“全面参与”“协商对话”“共同建构”以及“价值多元化”评价理念。可见，理想的教育评价应该是相关利益主体共同参与并表达多元价值诉求，进而通过平等协商的方式在评价标准和评价关键点上达成共识。但长期以来，我国教育评价主体较为单一，政府和教育行政部门是最主要的评价主体，学校、学生、家长和社会等教育利益相关者则处于边缘被动地位，评价过程缺乏对不同利益主体内在发展价值诉求的协调，评价标准过于统一和刚性，忽略了不同主体间的差异性，严重制约了教育评价结果的客观性和有效性。大数据时代，教育信息化的不断推进既让多元利益主体能借助网络平台获取所需教育信息，同时又为其

　　龙源期刊网http://www.qikan.com.cn

　　提供了信息交流和信息共享渠道，使各个利益主体能够及时表达自身发展需求和价值诉求，并实现交流协商，从而共同制定出一个科学合理的评价标准，使教育评价更具有针对性。

　　2.大数据支持教育评价对象主体化

　　从应然层面看，教育评价对象主体化是教育评价必须遵循的逻辑，这是由教育评价自身本质所决定的（熊杨敬，2018）。教育评价主体要对评价客体作出价值判断，不只是需要认识评价客体本身是什么和有什么的事实，而是要结合评价主体的主观意图，即基于评价主体需要什么以及能够接受什么来认识评价客体的事实。教育评价主体的主观意图和评价客体的客观事实两者有机结合才构成“教育价值判断”的前提。换言之，“评价客体能够或已经给评价主体提供了什么”“评价主体能够或已经从评价客体那里获取了什么”，即教育供给方供给了什么，以及其对教育需求方的满足程度才是教育评价所要认识的对象，这又称之为“价值事实是主体性的事实”（李德顺，1987）。在传统教育评价中，客体对主体的满足程度无法准确量化，只能依据评价主体的经验和主观感受作出大致判断，这导致教育评价结果存在模糊性，无法为教育改进提供精准反馈。而大数据的出现和发展将教育活动的可量化程度空前推进，依靠大数据技术能够动态捕捉海量的教育过程性数据，尤其能够在真实情境中采集教育利益相关者的行为数据并进行深度挖掘和对比分析，准确找出供需差距，进而对教育评价客体作出精准的价值判断，增强评价信度。

　　3.大数据助推教育评价主体与评价对象的关系由主客体转向主体间性

　　一般而言，教育评价主体与评价对象是彼此交融相互渗透的一体，当教育评价对象是人时，两者还可以相互转换，这意味着任何科学的教育评价中都不能将两者视为简单的主客体关系。但在传统教育评价中，以管理者为主的单一评价主体往往被视为“裁判员”，处于绝对的主体地位，决定着教育评价内容和评价标准，评价对象只能被动、无条件地接受。这种强调单一评价主体相对于评价对象的主导地位，过分夸大了行政主体或权威主体对教育评价对象的支配作用，容易导致教育评价流于形式和脱离实际，从而制约教育评价效果。大数据时代，多元主体参与教育评价重塑了评价主体与评价对象的关系，即由主客体关系转为主体间性关系，被评者以主体身份积极参与到教育评价中，由被动接受评价转为主动合作，同其他主体一起通过平等协商参与教育评价，在评价中进行自我反思和自我学习。总之，第四范式教育评价能促使评价主体与评价对象之间的关系发生交互，形成一种“联結机制”，使两者彼此信任，相互合作，从而消解传统教育评价中的单主体权威评价观，建立起平等对话模式，为达成“教育评价共识”提供可能。

　　四、深化价值论：第四范式回归教育评价本真

　　根据范式的价值论功能，其不仅能为科学共同体确立研究目标，也能引导共同体的研究和决策走向细微化、专业化（杨怀中等，2008）。就教育评价而言，价值论可以通过评价的导向

　　龙源期刊网http://www.qikan.com.cn

　　体现出来。不同于传统教育评价的甄别、选拔导向，第四范式教育评价的价值论主要体现为精准改进、达成目标和促进发展。

　　1.第四范式教育评价坚守“问题”导向的底线价值

　　这主要体现为教育评价能精准诊断问题和预测问题，为即将进行的或正在进行的教育活动提供信息反馈，进而调整和改进教育方案、教育计划、教育活动或教育过程中存在的问题，以达到提升教育质量的目的。对教育活动问题的诊断和预测主要体现在教学领域，即学情分析和对前一阶段学习情况的评价。在传统教育评价中，往往以标准化测试和常模测试产生的结构化数据作为依据，局限于对学习者群体特征的关注，忽略了个体发展差异，对问题的诊断和预测也缺乏精准性和针对性。而在大数据时代，教育评价能基于数据挖掘算法、机器学习、回归分析等学习分析技术，多维度多层次收集学生学习行为相关数据，如原有知识基础、学习态度、学习动机、学习兴趣等认知和非认知数据，并借助复杂算法挖掘数据背后的潜在价值，精准诊断当前学习存在的问题，或是通过相关关系法则精准预测学习者未来的学习趋势（孙洪涛等，2016），从而及时调整教学设计和教学策略，干预和消除教学和学习中的不确定性因素（杨现民等，2016）。如加拿大著名的教育服务公司Desire2Learn利用“学生成功系统”（StudentSuccessSystem），结合已有的学习数据预测学生是否适合某门新课程，以及在未来课程学习中可能面临的问题，这既有助于客观评估学生的学习能力，又能引导教师适时提供科学的教学介入以确保教学和学习的有效性（杨现民等，2015）。总之，第四范式教育评价能够基于数据精准地诊断和预测教育活动中的短板，并及时作出改进。

　　2.第四范式教育评价凸显“目标”导向的中线价值

　　“目标”导向的价值是指教育评价要充分发挥鉴定和导向功能。从应然层面看，要以教育目标为基准，一方面鉴定教育组织、教育方案、教师或学生等评价对象是否达到了教育目标，以及达成教育目标的程度，并对比两者找到“最近发展区”;另一方面，要通过开展科学的教育评价活动，引导评价对象达成教育目标。可以说，教育评价的目标导向价值实质上是要促使评价对象的行为产生某些期望的变化（Tyler，1949），这意味着评价要更加关注个体，以及个体学习行为发生的过程和程度，即重视过程性评价。在传统评价中，由于数据采集和处理技术较为粗糙，无法对自然状态下评价对象的真实学习行为轨迹进行监控，导致无法鉴定其学习状态与预期目标之间的差距，也就不可能实现基于证据的个性化教学和适应性教学。可以说，传统教育评价更多是以终结性评价的方式对群体水平进行鉴定，没有针对个体发挥精准的导向功能。与之不同，第四范式教育评价更加关注个体，重视通过数据生发个性化学习决策。具体而言，其能借助ExperienceAPI（xAPI）技术、Wiki技术对真实或虚拟学习中个体的学习行为特征数据进行精细化记录和无损采集，并能存储和检索可扩展的学习记录，如学习交互、学习进度、学习时间和频率、学习轨迹、情感表现、任务用时等复合化数据（吴虑，2019）。然后，从这些海量数据中了解个体的学习特征、学习进程和进一步学习需求，并在此基础上进行教育教学决策，即结合个体需求定制个性化学习资源和学习路径，不断缩小个体的“最近发展区”，

　　龙源期刊网http://www.qikan.com.cn

　　在最大程度上达成教育目标。例如，MOOCs和翻转课堂在大数据技术支持下，能够对学生的学习行为进行实时监控和评价，为教师精准判断不同学生的学习偏好、学习风格、知识缺陷等反馈可靠依据，并引导教师有针对性地实施个性化教学，从而促成教学目标。总之，第四范式教育评价以大数据为支撑，以计算和建模为手段，能实现针对个体的精准数字画像，洞察个体“最近发展区”，这在很大程度上提升了教育评价的科学性和有效性。

　　3.第四范式教育评价强调“效能”导向的顶线价值

　　正如第四代教育评估理论创立者埃贡·G·古贝所言，“评价的意义在于促进发展”（埃贡·G·古贝等，2008）。增进效能意味着发展，包括教育教学的发展和人的发展。其一，就促进教育发展而言，要求教育评价必须是一种增值性评价。增值评价是基于“学校能增加‘价值’到学生学习成就中”这一假设提出的（萨丽·托马斯等，2005），强调通过收集学生在不同时间节点上的标准化测验成绩，同时将不受学校和教师控制但又会影响学生学业成绩的因素（如学生原有认知水平、人口学变量、家庭背景情况、生源地经济发展水平等）剥离开来，考察学生在某段时间内的“学习增益”，估算出学校和教师对学生学业发展的“净效应”，并进一步计算学校各个因素对学校和学生发展的影响程度，找出制约学校教育质量提升的关键因素，从而有针对性地提升学校发展效能（辛涛等，2009）。长期以来，对学校和教师的评价通常依据学生的平均成绩或升学率，指标较为单一，且无法控制影响学习成绩的非学校因素，这导致评价结果的信效度受到质疑。大数据时代，依托超时空的信息采集和先进的分析技术，第四范式教育评价能够超越简单的分数统计，引入多元线性回归模型和多水平分析模型，严格控制变量，准确计算出学校和教师的效能，并检视教育发展中存在的问题及其影响因素，同时不断加以改进实现教育的增值。其二，就促進学生发展而言，我国的教育评价必须坚持“把立德树人作为根本任务”，指向学生的生命成长。传统教育评价过于追求功利价值，学生的发展被条分缕析的评价指标体系与统一的评价标准所控制，这导致学生的个性特征逐渐迷失，精神追求逐渐衰微，生命活力被遮蔽（杨鸿等，2018）。第四范式教育评价依托大数据技术能够实现对个体教育数据的超时空、持续性采集和匹配推送，实现对学生生命成长的精准服务，不再将学生视为工具人、单向度的人，而是作为一个独特的、完整的个体，在评价中实现对个体发展差异的关照;同时大数据支持对个体成长的纵向追踪，这利于建构学生的生命成长轨迹，同时唤醒和激发学生的主体精神，促进学生的生命成长。

　　五、变革方法论：第四范式增强教育评价智慧

　　审视我国传统教育评价，囿于教育数据稀缺和分析技术滞后，评价的方法论主要体现为基于假设或评价目的有针对性的小规模抽样实证，或是依托教师的经验总结和理论推导，这导致教育评价结果过于同质化、经验化和抽象化，严重制约了教育评价质量提升。随着大数据的深入驱动，智能化技术开始追求全样本，接受数据的混杂性和非精确性，关注数据隐含的相关关系（维克托·迈尔-舍恩伯格等，2013），这改变了传统以抽样数据为主的评价方法，促使教育

　　龙源期刊网http://www.qikan.com.cn

　　评价各环节即信息采集、价值判断和结果反馈都始终贯穿于整个教育数据流中，依靠数据发声，从而推进教育评价精准智慧运行，提升教育评价信效度。

　　1.全时空场域数据无损采集提供可靠性依据

　　信息论奠基者香农认为，信息是对事物运动状态或存在方式的描述，获得信息就可以消除认识主体对于事物运动状态和方式的不确定性。要使一个系统从无序变为有序，必须从外界获取信息（唐世伟等，2008）。教育评价正是通过教育信息来认识教育活动并作出价值判断，教育信息的多寡、真实与否直接关乎价值判断的可靠程度。换言之，要增强教育评价信度，就必须提升教育信息的数量和质量。当前，大数据、人工智能和物联网等新兴技术与教育的融合重塑着教育秩序和教育生态，日趋开放智慧的教育系统在开展教学、管理、科研和服务等活动中正在生成海量的教学数据、学生数据、管理数据和教育舆情数据等，这些源于国家、区域、学校、课程和个体层面的教育大数据汇聚成立体化数据网络（杨现民等，2015）。不同于传统评价，大数据支持下的教育评价信息采集不再是取决于评价目标的小规模抽样，也不只局限于非自然状态下产生的时段性断层数据，而是通过物联网感知技术、视频录制技术、图像识别技术和平台采集技术，对教育过程中实时生成的多源、异构、多模态、不连贯语义的大数据进行持续性采集。这种采集方法在数量上强调全域性、全样本和细颗粒;类型上关注表象性结构化数据，重视价值隐喻的半结构和非结构化数据;质量上凸显真实性和客观性，纵深采集教育活动中产生的情境化和过程性数据。可见，教育评价第四范式的数据采集方法有助于极大增强教育评价依据的可靠性，为专业化教育评价提供强解释力证据。

　　2.多元方法的数据融合分析驱动精准化判断

　　价值判断是教育评价中最为核心的环节，其直接关系到教育评价的信效度。传统教育评价主要利用“小数据”定量评估方法，以及基于因果关系思维进行逻辑推理，以验证相关假设或佐证专家判断。由于整个教育评价过程依赖于专家，所以评价专业性取决于专家经验和知识的权威程度，评价的科学性则由票决、回避和公开等程序性规定来保证（王战军等，2015）。这种经验主义取向的教育评价主观随意性强，评价结果的可信度和权威性面临挑战。当前，大数据技术的崛起颠覆了传统数据分析方法，能更快速、精确、有效地从海量细颗粒教育大数据中挖掘出有价值的信息。与传统评价对结构化数据的简单统计不同，大数据技术能对海量繁杂的教育数据进行清理、脱敏和转换，以控制数据冗余与缺失引起的不确定性，驾驭数据高速增长与交叉互联引发的涌现性（徐宗本等，2014）;并利用学习分析和数据挖掘技术进行多元回归分析、分类聚类算法、语义分析、系统建模和决策树分析等，进而从隐喻、模糊、毫无关联的教育大数据背后洞见本体共生的表征价值、交互产生的关联价值以及多方协同创生的决策价值（刘桐等，2018），最大限度地实现数据分析的科学化和理性化。

　　同时，大数据驱动教育评价走向专业化和精准化，还在于大数据能结合所挖掘信息作出具有更高解释力和预测力的价值判断，这是由大数据思维引发的方法论变革所决定的。大数据思维强调由“始于假设”的“小数据”评估转为“基于证据”的“大数据”实证研究，由强调因果关系转

　　龙源期刊网http://www.qikan.com.cn

　　为探究事物间的相关关系或某种规律性，这使得评价方法论由“假设-演绎逻辑”转向“数据-归纳逻辑”。具体而言，深受波普尔证伪主义影响，传统教育评价的价值判断环节主要遵循“定性定量-定性”的分析方法（李金昌，2014），首次定性是提出评价假设，为定量分析提供教育数据采集方向和范围;而定量分析是对有限数据进行统计推断，并结合概率由样本推断整体，即从“小数据”中演绎出尽可能多的信息量;再次定性则是以定量结果回应专家判断或是检验评价假设。由于传统教育评价各环节都依赖于相关理论体系或评价主体的知识经验，这容易导致评价结果存在“路径依赖”和“个性依赖”倾向（刘涛雄等，2017），一旦某个环节出现问题，那整个教育评价将毫无意义，甚至会阻碍教育决策与管理。大数据的出现，催生了“数据驱动”的教育评价范式，使得教育评价结论的获取由演绎法转向“数据+模型+分析”基础上的归纳法。这意味着教育评价活动不再受预设的限制，也不局限于因果关系探究，而是借助特定算法对“大数据”进行分析，从而归纳出教育数据背后隐含的关联性和规律性。此外，大数据通过对复杂教育系统中动态变化的相关关系进行分析，还能实现对教育活动的预测和干预。总之，大数据不仅为教育评价提供了高速、客观、准确的数据分析方法，也为教育价值判断革新了方法论，这在一定程度上消除了教育评价中的主观性和不确定性，扩大了教育评价主体的有限理性。

　　3.直观可视化结果及时反馈增强评价有效性

　　有效的教育评价离不开教育信息的“深入浅出”，这表明既要能对教育信息进行深入挖掘，更要及时将评价结果清晰准确、直观简洁地反馈给评价对象和相关利益主体。可以说，教育评价是否有效，在很大程度上取决于教育评价结果的反馈质量。传统教育评价在结果反馈过程中，时常面临信息不对称和信息超负荷双重矛盾（王战军等，2015）：一方面，人们试图从教育评价结果中掌握尽可能多的信息，但结果反馈往往是几组缺乏深层次解读的数据，或笼统模糊的文字描述，可读性不强;另一方面，卷帙浩繁的反馈信息超出了个体的信息接受和处理阈值，造成认知负荷，从而制约评价效用的发挥。大数据时代，第四范式成为助推教育评价走向现代化和智能化的革命性力量，其通过变革反馈形式、反馈周期和反馈范围，不断促进评价结果的高效交付，进而增强教育评价效能。具体而言，在反馈形式上，大数据技术借助数据可视化工具将教育评价结果以直观明了的图形、图像信息呈现出来，增强了评价结果的可读性，使评价结果能够清晰有效地传达给相关利益主体。在反馈周期上，大数据技术通过对教育活动的即时动态监测，能从实时生成的教育大数据中挖掘出有价值的信息，并及时反馈，使得“评价反馈-改进-评价……”反复迭代，以实现对教育活动的持续性改进。在反馈范围上，一是由教育决策者扩大到教育利益相关者，让多元利益主体能够基于不同立场全面客观地了解教育发展概況和把握教育发展趋势，进而引发“循证性”教育决策;二是由面向群体反馈发展为面向群体和个体的反馈，尤其强调进行有针对性的个性化反馈，这使得教育评价专业化水平不断提高。

　　参考文献：

　　[1][美]埃贡·G·古贝，伊冯娜·S·林肯（2008）.第四代评估[M].秦霖，蒋燕玲.北京：中国人民大学出版社：29.

　　龙源期刊网http://www.qikan.com.cn

　　[2][美]托马斯·库恩（2004）.必要的张力——科学的传统和变革论文选[M].范岱年，纪树立等.北京：北京大学出版社：287.

　　[3][美]托马斯·库恩（2012）.科学革命的结构（第四版）[M].金吾伦，胡新和.北京：北京大学出版社：79-113，114.

　　[4][英]维克托·迈尔-舍恩伯格，肯尼斯·库克耶（2013）.大数据时代：生活、工作与思维[M].盛杨燕，周涛.杭州：浙江人民出版社：160，29.

　　[5][英]维克托·迈尔-舍恩伯格，肯尼斯·库克耶（2015）.与大数据同行——学习和教育的未来[M].赵中建，张燕南.上海：华东师范大学出版社：1，121.

　　[6]Hey，T.，Tansley，S.，&Tolle，K.（2012）.第四范式：数据密集型科学发现[M].潘教峰，张晓林等.北京：科学出版社：10.

　　[7]蔡敏（2003）.论教育评价的主体多元化[J].教育研究与实验，（1）：21-25.

　　[8]陈俊（2007）.库恩“范式”的本质及认识论意蕴[J].自然辩证法研究，（11）：104-108.

　　[9]李德顺（1987）.评价论[M].北京：中国人民大学出版社：25.

　　[10]李金昌（2014）.大数据与统计新思维[J].统计研究，（1）：11-16.

　　[11]刘涛雄，尹德才（2017）.大数据时代与社会科学研究范式变革[J].理论探索，（6）：27-32.

　　[12]刘桐，沈书生（2018）.从表征到决策：教育大数据的价值透视[J].电化教育研究，（6）：54-60.

　　[13]陆启越，余小波（2018）.高校德育评价范式及其转变[J].湖南师范大学教育科学学报，（2）：103-108.

　　[14]吕乃基（2014）.大数据与认识论[J].中国软科学，（9）：34-45.

　　[15]裴娣娜（2005）.现代教学论[M].北京：人民教育出版社：325.

　　[16]萨丽·托马斯，彭文蓉（2005）.运用“增值”评量指标评估学校表现[J].教育研究，（9）：31-35.

　　龙源期刊网http://www.qikan.com.cn

　　[17]孙洪涛，郑勤华（2016）.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志，（3）：41-49.

　　[18]唐世伟，刘贤梅（2008）.信息论[M].哈尔滨：哈尔滨工程大学出版社：4.

　　[19]王战军，乔伟峰，李江波（2015）.数据密集型评估：高等教育监测评估的内涵、方法与展望[J].教育研究，（4）：29-37.

　　[20]吴虑（2019）.大数据支持下学习评价的价值逻辑[J].清华大学教育研究，（1）：1518.

　　[21]辛涛，张文静，李雪燕（2009）.增值性评价的回顾与前瞻[J].中国教育学刊，（4）：40-43.

　　[22]熊杨敬（2018）.教育评价多元主体的共同建构——基于对话哲学的视域[J].教育研究与实验，（5）：74-78.

　　[23]徐宗本，冯芷艳，郭迅华等（2014）.大数据驱动的管理与决策前沿课题[J].管理世界，（11）：158-163.

　　[24]杨鸿，朱德全，宋乃庆等（2018）.大数据时代学生综合素质评价：方法论、价值与实践导向[J].中国电化教育，（1）：27-34.

　　[25]杨怀中，邱海英（2008）.库恩范式理论的三大功能及其人文意义[J].湖北社会科学，（6）：101-104.

　　[26]杨现民，唐斯斯，李冀红（2016）.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究，（1）：50-61.

　　[27]杨现民，王榴卉，唐斯斯（2015）.教育大数据的应用模式与政策建议[J].电化教育研究，（9）：54-61.

　　[28]叶赋桂（2019）.教育评价的浮华与贫困[J].清华大学教育研究，（7）：18-21.

　　[29]于开莲（2016）.评价与教学：从分离走向融合[J].教育理论与实践，（4）：53-56.

　　[30]赵伶俐（2014）.量化世界观与方法论——《大数据时代》点赞与批判[J].理论与改革，（6）：108-112.

　　龙源期刊网http://www.qikan.com.cn

　　[31]朱成晨，闫广芬（2018）.现代化与专业化：大数据时代教育评价的新技术推进逻辑[J].清华大学教育研究，（5）：75-80.

　　[32]朱德全，宋乃庆（2013）.教育统计与测评技术[M].重庆：西南师范大学出版社：230.

　　[33]Masterman，M.（1970）.TheNatureofaParadigm[C]//CriticismandtheGrowthofKnowledge.Cambridge：CambridgeUniversityPress：59-90.

　　[34]Tyler，R.W.（1949）.BasicPrinciplesofCurriculumandInstruction[M].Chicago：TheUniversityofChicagoPress：105-106.

　　收稿日期2019-06-30责任编辑田党瑞

篇七：大数据教育评价变革论文

　　教育大数据论文摘要：当学生与与教学内容进行互动时，他们将会留下“数据碎片”，这些数据碎片能提供有关学生学习过程的线索。我们现在可以通过学习管理系统、社交网络和其他媒体收集和追踪这些数据，并以此考量学生关于课程内容是如何解释、考虑、并得出相关结论的。这些信息亦被称为大数据。它在一定程度上将会颠覆现存的学生与老师之间的互动方式。好处在于，它也许能创造出教学史上的新奇迹，比如真正的实现个性化教学，尤其是在互联网学习产业。坏处在于，大数据时代的兴起带来了许多风险和道德困境。关键词：大数据，教育，互联网学习，预测，隐私，个人信息一、什么是大数据大数据是指大量的信息通过各种途径（通常是网络），每分每秒都在不断流动的数据。它的数据量过于庞大、结构异常复杂、而且时刻都在动态变化，因此任何传统的工具均难以对其进行采集和管理。人类存储信息量的增长速度比世界经济增长速度快4倍，而计算机数据处理能力的增长速度比世界经济增长速度快9倍[1]。因此许多专家试图找到更快、更具扩展性的解决方案来存储和处理这些巨大的数据。那什么是教育领域的大数据？我想它的“大”在于其规模和意义，在于其基于大量数据的分析和预测，在于所有的教育资源。比如：在关于学生的各种统计测量中，学生的个人背景、学习方式、生活方式、思维方式、学习成绩、环境因素等，这些都是教育中的

　　大数据，并以数据的方式保存，并加以分析利用。二、教育中的大数据包括三个方面：数量、速度和种类1.数量：大数据可以是数千名学员参加同一课程所产生各种的数

　　据，可以是数千名教师教授相同课程的教学经验。产生的这些数据无论对错都可以利用，因为大数据允许错误存在[1]。随着时间的推移，它还可以揭示出与单个学生相关的多个数据点。

　　2.速度：基于互联网、移动互联网的快速发展所带来的巨大便利，在教育大数据下学生和组织机构能实现实时快速访问数据。想象一下，一个学生在一场综合性的评估考试中进入到一个不可逆转的错误模式下，由于大数据的快速反应和强大的分析能力，将会迅速为他提供基于他过去的学习模式和从其他成千上万的学生也未能完美回答这个问题时所实施的成功的战略补救方案和丰富的选项。对学生使用过程的快速分析，教师也会迅速地对评价体系做出相应的调整，实现真正的客观公正。

　　3.种类：大数据将不同背景的学生连接起来，编织出更加广泛的数据网络。这样我们就能看到学生的表现与所处环境之间的关系，以及与学生教育具有相关性的所有信息，实现真正的综合性评价。

　　三、大数据时代下有望解决教育问题的几个方法1.反馈：学生、教师、学校、社会等反馈出的一切与教育教学有关的信息数据，都是我们走出下一步的数据支撑。比如对于学生或者研究者而言，经常有人可能会在一个研究课题上失败，但他不知道为什么失败。当他可以用大数据中提供的资料来纠正自己的错

　　误，以便他能再次取得成功。利用自己产生的数据判断自身算法和参数的选择的有效性，并实时调整，持续改进自身表现。

　　2.动机：如果你以一个全面的方式实现大数据，学生可能更加热衷于参与到生产数据的过程，即学生主观上更加积极主动的参与到教学活动中。因为无论他们做法是否正确，其产生的结果都会成为数据的一部分，而不是毫无用处。

　　3.个性化：现今互联网学习方式就是开发人员简单的根据学习者的个人需要开发出一套个性化课程供他们学习。大数据将进一步完善这种学习方式。更加高效、个性化和出色的互联网学习模式将会诞生。

　　4.协作：通常情况下，来自多个部门的专家必须凑在一起，不断完善教育数据，才能让教育管理系统处于正常运作状态。但是在大数据时代，人人都是数据，实现一个真正的无组织的组织，实现真正的全民协作、思维的大碰撞，形成变革未来的力量[2]。

　　但是在赞赏大数据给教育带来的好处时，我们必须要诚实地相信它存在的风险，在某些情况下它带来的危害可能会大于它带来的好处。

　　四、互联网学习模式下的大数据带来的挑战教育是最廉价的国防，足以说明如果一个国家的教育出现安全问题，那带来的影响是多么的大。在坏人或对手手中，大数将会带来更大的伤害。下面是一些涉及教育大数据的风险和发展障碍：1.隐私：斯洛登事件后人们对自身隐私越来越重视。像谷歌这样

　　的网络巨头公司已经将他们的网络服务扩展到电子邮件、文档存储和处理、新闻，网页浏览、定位，照片共享、语音邮件、社交网络、学术搜索和其他任何能引起用户兴趣的服务。他们几乎能获取用户所用的个人信息，他们将这些信息收集、存储和交叉引用。即使在某一个网站暴露一方面的个人信息，基于互联网的大数据就会从不同的数据来源将单方面的个人信息组装成一个全面的个人信息。因此，教育领域的大数据必须保留部分空间，允许按照人的愿望进行塑造。否则大数据将会扭曲教育最本质的东西，即理性思维和自由选择。

　　2.非人性化：大数据是一个充斥着运算法则和机器的冰冷世界，因此在人类发展历程上，人类仍需要扮演重要角色。人类独有的弱点、错觉、错误都是十分有必要的，因为这些特性的另一头就是人类的创造力、直觉和天赋。大脑混乱运作带来的屈辱和固执，偶尔也能带来成功，或在偶然间促成我们的伟大。

　　3.相关性与因果关系：大数据强调数据之间的相关性，而不是因果关系，有时候甚至会忽略因果关系。但是人类历史以来正是追求因果关系才能有今天的成就，如果大数据导致我们只关注相关性，而不注重因果关系，这也许是一个灾难。教育培养的是人才，而不是只懂程序式操作的机器。

　　由于教育中的大数据是不断发展的，因此很难定性的指出它各方面的问题。技术彻底改变了当今的教育方式和工作方式。充分利用大数据在教育领域带来的机遇，这是我们进军教育强国的机会，我

　　们应该牢牢把握。现在我们可以从无数的教育管理系统中获得大量的数据，但是我们应该明白这些数据能给我们带来什么，能告诉我们什么，我们都应该要有一个清醒的认识。展望未来，大数据可能会给一个国家的教育带来机遇与挑战并存的情况，因此，在教育领域我们不能一味的对大数据高歌赞扬，还应该冷静地听听那些窃窃私语。

　　参考文献[1][英]维克托·迈克-舍恩伯格，肯尼思·库克耶著。盛杨燕，周涛译。大数据时代[M]。浙江：浙江人民出版社，2013[2][美]克莱·舍基著。胡泳，沈满琳译。未来是湿的：无组织的组织力量[M]。北京：中国人民大学出版社，2009：44-45

篇八：大数据教育评价变革论文

　　大数据网络教育论文

　　一、基于大数据的网络教育研究现状分析

　　“大数据”成为互联网热门词汇大约从2009年开始，到了2013年，大数据对各领域都产生了巨大的变革力量，2013年被称为“大数据元年”。[1]大数据时代势不可挡，与媒体密切相连的特性使得参与网络教育的人员会通过更多的移动设备接入到网络中，数据的数量会大大增加，增长速度会大幅加快，大数据对于网络教育的影响不仅仅在具体方法上，也体现在思想上。对于文献的检索，我们通过高级检索，分别以主题为“大数据”包含“网络教育”、“在线教育”、“远程教育”为关键词在中国知网（CNKI）中进行检索，共检索到相关期刊文献64篇，手工去除不符合要求的通知或者征稿等无关信息，剩余18篇文章。文献发表时间分布于2013年至2014年，数量也从4篇迅速增长到了14篇。文献的主题也多种多样，主要集中在平台建设发展、学科建设、师生关系、学习工具等方面，研究者主要关注大数据技术的发展和应用对传统的网络教育产生的深远的影响，帮助网络教育摆脱发展瓶颈，找寻到一条符合国内现状的发展道路。可见由于大数据的迅速发展，对教育领域特别是网络教育产生了巨大的影响。

　　二、我国基于大数据的网络教育研究的内容分析

　　大数据技术在网络教育的应用，对于传统平台的更新建设，推动学习者个性化学习，促进师生交流、生生合作都具有非常重大的意义。另外，对于平台中课程点击量、浏览量的记录和分析，也能动态地设置学习内容，教学组织形式，满足学习者多样的学习需求。

　　（一）通过对大数据的梳理，分析网络教育

　　平台发展困境，有针对性地寻找解决方法，以促进平台的建设张辉[2]指出：移动学习绝不是简单的网络学习移动版，需要更深层次的探索和研究。在大数据的支持下，研究者可以得到全文本的数据进行分析。通过对发展模式、受众对象、学习资源、支撑环境等数据的分析，我们发现网络平台发展的现实困境，理论研究深度不足、学习资源针对性不强、即时通信反馈手段落后，这些问题制约了学习者平台学习的动力。根据问题有针对性地作出切合实际的需求分析，进行个性化的信息建设，加强实时反馈提高学习效率，从而建立全方位覆盖社区居民学习需求的学台，有效落实建设学习型社会的要求。翟霞[3]指出：大多数干部网络教育平台的考评采用“学时制”和“学分制”，即以学习时间作为学习的考核标准之一，这样的方式即使学习者只是播放学习课程而没有进行学习，平台也无法得到相关数据和反馈。大数据技术可以为其提供学习过程的监管，对学习者学习提供有效的进度控制和实时反馈，为学习者提供根据随课程内容和学习者反馈而变化的帮助。网络教育平台学习者每一次学习的数据的收集和分析，能够为平台发展建设提供有价值的参考，帮助平台优化学习者的学习环境。基于大数据的分析调查比以往基于抽样的问卷或者电话调查的方法都更加全面有说服力。

　　（二）教学和考核方式的创新推动学习者学习的个性化发展

　　大数据时代，学习者在学习过程中留下很多数据碎片，通过分析这些数据碎片能够分析出学习者的学习模式，为学习者提供个性化发展的环境。马星宇[4]指出，新兴在线教育在教学以及考核方式上较以往的开放式教育有所创新，以MOOCs（MassiveOpenOnlineCourses）为代表的新兴在线教学模式的特点就是让任何人在任何时间都可以学到任何知识，这必然会改变传统的以传授单一课本知识为基础的教学模式。对于教师来说，科学技术的进步，能够使学生的反馈更加细化帮助教师有效评估每位学习者的学习情况，为学习者提供符合他们学习需求的进度和强度。对于学习者而言，学习者通过对自己学习数据的分析也能够进入“自主进度式学习”，数据分析结果让学习者根据自己的进度使用视频进行学习，学习者根据自己的进度在掌握不好的章节进行反复学习，直到达到100%精通。对于学习内容的构建，在线教育就是一种基于标准算法和数据挖掘为基础的个性化学习服务。只有不断根据目标学生的需求和社会的需求来不断完善教学内容，才能满足学习者获得知识的需求。张辉[2]指出，依靠“大数据”的分析能够建设用户参与资源的个性化配置和推送，自动生成每个学习者感兴趣的教学资源。在线平台要收集学习者在平台上依据自己的兴趣点和关注点进行主动地点播学习内容的“点击流”数据，根据一定的规则给予每个学习者适当地资源推送。从而满足每个学生学习的个性化需求，促进学习者的个性化发展。

　　（三）大数据环境实现网络教育完美的在线交互活动

　　为了平衡资源分配的不均衡，中国早期的在线教育只是简单的把传统课堂中的课程的学习内容和学习材料照搬到网络上，使网络成为知识流动的通道。刘涛指出，这样的在线教育与传统教育相比，唯一的区别就是学习材料的数字化和学习界面的网络化，缺乏“个性化”的在线课程导致在线教育的学习效果大打折扣，效率比传统教育显得低下。这种困境应该通过大数据环境推动在线服务的个性化，促进新型师徒关系的产生，即在线教育的数据库根据每个学习者的不同个人情况提供完全“个性化”的学习内容，包括具有针对性的学习材料，通过在线测验发现每个学习者的知识弱点，针对这些弱点进行相对应的重点训练，基于记忆规律的复习提醒机制。这种就形成了师生的新型“师徒关系”。这种模式能够让教师完全了解每一个学习者的水平和学习能力，显然是学习的最有效的方式。邢丘丹等指出，在线教育交互分为个别化交互和社会化交互，前者是学习者和学习资料之间的交互，后者是学习者和教师或者学习者之间的交互，社会性交互是提高在线教育交互水平的关键因素。在线交互平台身份认证体系的建立，针对信息资源的存储和分析，服务器等硬件设施的架构都能够推动在线教育交互活动的顺利进行。

　　（四）大数据时代推动新型学习支持工具的发展

　　张振虹等[8]指出，学习仪表盘是随着在线教育蓬勃发展和大数据时代来临而产生的一种新型的学习工具，基于信息跟踪技术和镜像技术，对学习者的学习行为、学习习惯、兴趣等信息进行有效的记录和追踪，通过科学化的分析，达到可视化和个性化的显示，为在线学习的学习者、教师、教育管理者和研究者提供多方面的学习信息，也帮助学习者进行有效的自我认知，帮助自我实现个性化学习。新型学习支持工具的出现和发展为学习者在网络平台进行学习提供了高效的学习

　　支持。

　　三、研究的发展趋势

　　通过上述的梳理和分析，我们发现大数据技术的应用大大促进了网络教育的发展，将贯穿网络教育实践的每一个阶段，帮助学习者根据自身的需求合理选课，学习具有针对性的学习方法；指导教师针对学习者的不同特点应用适当的教学方法因材施教；更能够大大减少网络教育管理人员的工作负担，利用计算机技术事半功倍地完成对学习资源的建设，对教师和学习者的管理；更为重要的是，用人单位能够利用大数据了解学习者的学习过程，全面地匹配应聘员工与职位的吻合度，这些必将是网络教育未来发展趋势。目前研究者的研究大都集中在理论阶段，具体实践较少，研究的内容集中于平台的教学内容建设，师生交互关系等内容，对于大数据的发展对于平台建设效率的提高及数据安全等方面涉及甚少。在未来基于大数据的网络教育的研究中，应该多吸取国内外研究的先进成果，在实践中不断发展深入。随着云计算、物联网、移动互联网的发展的不断成熟，大数据技术将不断地在网络教育中得到应用和推广。

篇九：大数据教育评价变革论文

　　在大数据时代基于海量校园大数据收集剖析与挖掘让高校教育教学管理从宏观群体走向微观个体让跟踪每一个学生个人学习行为数据与教师个人教学行为数据成为可能可以从微观层面来剖析个体学生学习情况与教师教学状况为无论是高校教学管理部门还是校长教师以及学生与家长都可以提供一份独特具有不同数据粒度与视角个性化剖析报告让参与教学与教学管理过程每一个角色都能够及时准确地了解当前状况为其下一步决策提供数据支持

　　龙源期刊网http://www.qikan.com.cn

　　大数据背景下的高校教学评价

　　作者：韩成勇来源：《电脑知识与技术》2017年第17期

　　摘要：传统的教学评价存在评价主体单一、评价数据采集不完整、数据分析能力弱和评价结果反馈不及时等问题，不利于做出科学合理的教学管理决策。文章阐述了基于大数据的教学评价优势，即多方参与教学评价更顺畅，采集到的评价数据更全面、更真实，数据处理和分析能力更强，评价结果反馈更及时、更具体，教学管理决策更趋于合理，并立足高校教学管理工作实际，提出基于大数据的教学评价过程主要包括数据采集、数据挖掘与分析、结果反馈和结果应用等几个阶段。

　　关键词：大数据；教学评价；数据采集；数据分析；教学管理

　　中图分类号：G45文献标识码：A文章编号：1009-3044（2017）17-0159-03

　　在移动互联网、云计算、物联网等现代信息技术的广泛应用背景下，大数据应运而生，大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。教育逐渐被认为是大数据可以大有作为的重要应用领域，越来越多的教育机构与教育工作人员以及研究者开始关注大数据在教育教学改革与发展尤其是教育评价中的应用价值。在《促进大数据发展行动纲要》中明确提出要发展教育文化大数据，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。如何在大数据背景下开展高校教学评价，使高校教学管理者能够基于数据来提升决策质量和管理效率，教师能够基于数据来改进教学、提升教学质量，学生能够基于数据能够更清楚地掌握自身的学习和成长轨迹，是高校亟待解决的问题之一。

　　1传统教学评价存在的问题

　　教学评价是高校教育教学工作的重要内容之一，关乎学校的教学质量、学生成才和学校教育事业的发展。教学评价指的是在系统、科学、全面地搜集、整理、处理和分析教育教学信息的基础上，对教育教学的价值做出判断的过程。教学评价一直以来在掌握学生的成长和学习情况、评估教师的教学质量、促进高校进行教育教学改革等方面具有发挥重要作用。在国家《国家中长期教育改革和发展规划纲要（2010-2020年）》指出：“要改进教育教学评价，根据培养目标和人才理念，建立科学、多样的评价标准。开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学生成长记录，完善综合素质评价，探索促进学生发展的多种评价方式。”

　　传统的教学评价主体较为单一，主要是高校内部的教学管理部门和相关人员来进行评价，评价重“总结性评价”轻“过程性评价”，评价时多采用“经验主义”，“人情分”时有发生，主观程度较高。导致这一现象，很大一部分的原因是受客观条件的限制，比如无法及时、持续地收集

　　龙源期刊网http://www.qikan.com.cn

　　来自各方的评价数据，无法科学合理地对数据进行筛选、整合、分析和反馈，更谈不上对数据进行深层次的挖掘、发现隐藏在其背后的有价值的信息。

　　1.1评价主体单一

　　教学评价是一项系统工程，是由多个部门、多个评价主体参与的一项综合性工作。目前大多数高校都建立了较完善的评价体系，实行学生、同行、督导和社会评价相结合的方式进行评价。但在具体实践中，评价工作主要由学校相关部门主导完成，而且在各种评价数据整合过程中存在诸如评价标准不统一、评价体系难协调等问题，导致高校的教学评价体系较为封闭、评价数据难以整合。而当前强调教学过程的质量监控，教学评价须贯穿整个教学过程，覆盖教学的方方面面，必然要求开展教学评价时须基于多种来源、结构不同的数据，来分析教师的课堂教学和学生的学习情况，并通过数据的不断积累，逐步提高分析的精确性和针对性。

　　1.2数据采集不完整

　　通过教学评价可以更好地了解学生的学习和教师的教学过程，从而更好地提升教学质量和教学效果。在以往的教学环境下，在采集教学评价数据时，存在数据难以采集、采集数据的准确度不高、过程数据不全或无法采集以及不同来源之间的数据难以整合等多种弊端，导致采集到的数据不完整、持续性差和数据之间隐含的关联性不高，而建立在这样的数据上所得到的分析结果，缺乏综合性和有效性。例如任课教师的普通话水平对学生的课程学习兴趣影响分析，学生的课堂学习行为和任课教师的课堂教学组织之间所存在关系的挖掘等等都难以实现。

　　1.3数据分析能力弱

　　在高校数字化校园和教育教学信息化程度越来越高的环境下，每个一学生、每一个教师、每一个教学管理人员，每一个学习行为、每一个教学过程、每一个管理环节，都是一个个鲜活的数据源，每时每刻都在产生各种各样的过程数据和结果数据，与此同时，各种数据在各种系统、各个业务环节中交替流动，汇聚成海量的校园大数据。在大数据之前，如何及时、动态地整合和分析这些数据，持续不断地形成教学质量评价报告，是一项几乎无法完成的工作，蕴含在数据中的规律和其他有用信息就无法发挥作用。

　　1.4结果反馈不及时

　　现代高校越来越倾向于基于数据进行教学管理决策，这就对数据分析结果反馈的时效性提出了更高的要求。传统的终结性教学评价的主要目的是为了对学生或教师一段时间的表现由分数或等次来作出评判，然而形成性和适应性评价是使学生的学习状态和需求数据实时地为学生每一步的学习内容、进度和方法提供参考。在教学管理决策方面，要求采集到的评价数据能够及时反映各个教学环节的运行情况以及可能存在的问题，从而可以提升教学过程管理效率，提升教学质量。同时，在向各级教学管理部门和教师反馈信息时，不能仅仅只反馈所采集到的原

　　龙源期刊网http://www.qikan.com.cn

　　始数据细节，这不利于实际问题的解决，而是要采用合适的形式，使得反馈信息具有可视性、可读性和可理解性。但这些，在传统的教学评价中，都难以实现，导致教学评价结果反馈严重滞后，无法为教学管理决策提供数据支持。

　　2基于大数据的教学评价

　　大数据技术和基于大数据的管理思想的兴起，为高校在收集、整理、挖掘分析以及利用教学评价数据等方面，提供了全新的思维和方式，为开展教学评价提供了很好的解决思路，为克服现有教学评价中的不足提供了有效的解决方案。大数据以其复杂的计，算结构构筑了庞大的数据存储能力、综合数据处理能力、复杂模型建构能力和高速精准的运算能力等信息技术高价值能力，为高校的教学评价和教学管理提供了更适切的信息平台。

　　2.1多方参与教学评价更顺畅

　　实践中，高校的教学大数据直接产生于各种教育教学环节和活动，包括教学过程、管理环节、教科研活动、社团活动、校园创新创业活动、企业实习环节等，数据覆盖范围广、数据采集周期短、频次高、数据量巨大、数据类型众多、数据开放程度高。在大数据环境下，教育教学过程中的每一个参与者既是大数据的生产者同时也是大数据的使用者，基于开放性大数据的教学评价活动，为那些能够掌握和提供教师和学生在不同情境下的教学和学习数据的相关主体共同参与评价架设了桥梁。

　　运用大数据技术和互联网+的开放思维，吸引越来越多的教学评价参与者，每个参与者都有发言权，评价立场、层次、角度各不相同，一方面有利于提升评价数据的透明性、真实性、立体性和完整性，另一方面也有利于促成教学评价指标的自我更新和完善，及时淘汰不适合的评价指标、增加新的评价指标。这些有利于真正发挥教学评价工作的价值，使其在高校的教学管理、课堂教学指导、教学创新、学生学习管理、专业发展等方面起到实效。

　　2.2教学评价数据采集更全面、更真实

　　在大数据环境下，采集到的教学评价数据越来越多元化、多层化和非结构化，能够更加全面真实地反映教与学的情况和教学效果。基于大数据的教学评价数据，一方面能覆盖教育教学过程中各个层面有可能与教学有关的各种因素，另一方面也可以从巨量的数据中挖掘到前所未知的知识和信息。此外，大数据背景下，教学评价数据的采集渠道和采集方式越来越多样化，同时可以采集到大量的非结构化的数据，比如音频、视频、图像、文本等信息形式，这些非结构化的数据为教学评价提供了更多的细节和方面，更生动、真实地记录了教与学的过程，其中蕴含了丰富的有价值的信息。

　　2.3数据处理和分析能力更强

　　龙源期刊网http://www.qikan.com.cn

　　在大数据时代，综合运用物联网、互联网+、云计算、智慧校园等新的技术手段和系统，可以实现对海量的教学数据进行收集、存储，进行动态分析和处理，挖掘隐藏在数据背后的知识，提高决策水平，优化教学过程，解决教与学过程的新情况和新问题。例如，在课堂教学过程中，学生可以手机等设备及时回答一些关于课堂学习情况的问题，教师可以在课下根据学生的回答情况，进行有针对性的回复和互动，帮助学生解决在学习中碰到的问题，并据此及时调整课堂教学内容和节奏，以保证课堂教学质量。对于教学管理部门而言，可以通过类似的方式，可以较容易地收集到大量与教学相关的数据，从而可以为教学管理决策提供强大的数据支撑。

　　2.4结果反馈更及时、更具体

　　大数据具有数据流速快，处理速度快和时效性强的特点，从而可以很好地适应现代高校管理对教学评价数据的时效性的要求，及时有效地利用校园大数据为改进教学和教学管理服务。在大数据时代，基于海量校园大数据的收集、分析和挖掘，让高校的教育教学管理从宏观群体走向微观个体，让跟踪每一个学生个人的学习行为数据和教师个人的教学行为数据成为可能，可以从微观层面来分析个体的学生学习情况和教师的教学状况，为无论是高校的教学管理部门，还是校长、教师，以及学生和家长，都可以提供一份独特的、具有不同数据粒度和视角的个性化分析报告，让参与教学和教学管理过程的每一个角色都能够及时、准确地了解当前的状况，为其下一步的决策提供数据支持。

　　2.5教学管理决策更趋于合理

　　用数据说话，用数据来决策，基于数据不断改进教育教学，在科学数据分析基础之上进行课程教学、管理评价和教学指导，是现代高校教育教学管理的必然趋势和要求。相对于根据经验和直觉作出的决策而言，基于数据的决策更为科学、合理，可以更好地提升教学管理效能。同时，基于数据的教育决策更具说服力和公信力。美国普渡大学的“课程信号灯”（CourseSignals）项目是国际知名的大数据诊断学生、提供教育决策的典型案例之一。

　　3基于大数据的教学评价过程

　　3.1数据采集

　　有效的教学评价依赖于全面、可靠和多元化的教学评价数据，在大数据时代下，既要充分采集尽可能多的教学评价数据，保证数据的多样性和完整性，但同时也要避免盲目采集，而降低数据的可靠性。

　　在高校的教育教学过程中，在教师的教学和学生的学习过程中会产生海量的数据，这些数据大致可以分为两类，即静态数据和动态数据。静态数据也可称为结果数据，反映一个阶段、一种状态或一种结果信息，例如班级成绩分析数据、通过评教系统采集到的学生评价老师的授

　　龙源期刊网http://www.qikan.com.cn

　　课情况数据等。动态数据也可称为过程数据，反映某一个时间点、一个瞬间的状态信息，处在不断变化之中，例如学生在课堂上参与的教学情况、任课教师在讲台上授课状态等信息。静态数据和动态数据，往往也是一个事物的两个不同侧面，可以互相印证，让数据更具有说服力。例如，某一门课程考核成绩整体不理想，其原因可能是该门课程任课教师的课堂教学存在这样那样的问题，而这些可以在学生的听课、教师的教学过程数据中发现端倪。

　　针对不同类型的数据，采取不同的策略和技术手段进行数据采集、分析和处理。静态数据往往数据量大、涉及面广、数据结构规范、来源相对单一、可信程度高，需要长期保存，可以通过各种经典业务系统进行收集、分析和存储。而动态数据一般比较灵活、数据结构多样、来源广泛、数据冗余大，并需要进行及时过滤、分析和响应，达到及时改进或纠偏的目的，就需要结合实际，综合运用多种技术手段和技术方案，设计、开发新的信息系统来进行收集和处理，同时要积极拓展平板电脑、智能手机等移动终端的应用，更好地解决过程数据的采集难题。

　　3.2数据挖掘与分析

　　采集巨量的教学评价数据以后，应当根据需要综合运用多种方法对数据进行提炼、萃取和加工，而不是仅仅只做简单的统计，从而可以从中获取更多的规律和知识，真正做到用数据说话，基于数据做决策，同时也能充分体现出教学评价工作的价值和意义。

　　教育大数据主要是通过两大类方法来得以分析并应用于教学决策和实践的——教育数据挖掘和学习分析。教育数据挖掘使用预测、聚类、关系挖掘、数据提炼、基于模型发现等经典的数据挖掘方法，从巨量教学评价数据中发觉隐藏在其背后的教学管理和教学规律，从而更好地为教育教学决策提供科学依据。学习分析需要综合运用计算机科学、教育学等相关学科的理念和方法，使教育教学更好地适应个体学生的需求和能力水平。

　　经典的数据挖掘和分析方法对于结构化数据非常有效，却难以构建出非结构化数据内部的正式关系。在大数据环境下，需要引入新的数据分析技术和手段，呈现教育大数据中隐含的信息和知识，例如使用信息可视化分析技术以可视化图形方式呈现隐含在其中的信息和规律。

　　3.3结果反馈

　　如何将评价结果，包括其中蕴含的知识、规律以及可以公开的数据细节，及时、有效地进行反馈，是教学评价工作能否真正发挥作用的关键一环。在大数据条件下，可以采取多种方式公布评价结果，变被动公布为主动推送，变单一的数据结果为包括统计、对比图形等多种形式的数据可视化结果，让包括校长、各级教学管理部门负责任人、任课教师和学生能够享受到高质量的信息服务，同时可以改变教学评价给人以刻板、枯燥的印象，从而提升各方参与和关注教学评价的积极性。在实际当中，高校教学管理部门可以在采取传统的信息系统发布评价结

　　龙源期刊网http://www.qikan.com.cn

　　果，同时加入基于手机等移动端的信息推送系统、微信公众号等及时性、灵活性很强的公布方式和渠道，确保评价结果在最短时间内推送给每一个相关人手上。

　　3.4结果应用

　　教学评价结果对了解和预测学生的个人学习行为、程度和态度、分析任课教师教学情况、指导教师及时调整教学内容和方法、帮助教学管理部门实时调整或出台相关教学管理规定等方面都会起到积极作用。

　　利用评价结果，教师可以依据学生信息大数据，分析和了解学生的基础知识储备、学习能力、学习态度等情况，制订独一无二且适合的教学计划，并向学生推荐一些可取的学习策略。教学管理部门可以通过评价结果数据，及时发现日常教学过程中难以发现的深层次问题，实时调整教学管理策略，使得教学管理更具有针对性，提高教学管理效率，提升教学管理决策水平。例如可以对得分较低的评价指标所反映的问题，进行实地调查了解，提出进一步的改进措施或有针对性的指导意见。

　　4结束语

　　在大数据环境下，高校可以更好地利用信息技术和大数据思想，开展教学评价，吸引多方参与评价，采集多层次、多样化、多元化的全过程教学评价数据，并综合运用多种数据挖掘和分析技术对教学评价数据进行挖掘和分析、并及时进行反馈。能够让关心教学和参与的教学的各方，及时准确地观察和了解教师教学与学生学习和成长情况，帮助管理者用数据来进行管理决策、提升决策水平和效率，帮助教师有效改进教学、提高教学质量，同时能够帮助学生清楚地了解自身的成长过程。

篇十：大数据教育评价变革论文

　　大数据下的教育变革

　　近年来,随着国内各地智慧教育实践探索的推进,教育大数据在推动教育创新发展与科学变革上的核心价值逐步凸显。教学过程与结果数据的持续采集,动态汇聚成教学大数据,通过对教学大数据的深度挖掘与多元分析,能够将数据背后反映的教学意义与价值清晰地呈现出来,进而辅助教师进行更精准的“教”、指导学生进行更精益的“学”。

　　教学大数据的应用模式

　　大数据与教育已经呈现出深度融合的趋势,作为教育教学的主阵地,学校、课堂都是产生教学数据的重要来源,也是深化教育改革质量的落脚点。目前,教学大数据主要有四种典型应用模式,分别为高效互动教学、适应性学习、智能化诊断与评价以及个性化练习与辅导。

　　第一,高效互动教学。课堂是学校教育教学改革的主阵地,也是落实学生核心素养发展的关键。课堂教学大数据构建的高效互动课堂具有数据把脉、全向互动、精准反馈以及轻负高质等特征,能够实现“低耗高效、轻负高质”的教学目标,**“课堂效率低一学生掌握差一课后拼命补”的教育怪圈。课前,教师通过学生预习情况精准定位教学目标与重难点;课中,教师根据课堂数据的实时反馈掌握学生学习轨迹,及时调整并改进教学内容与教学方法;课后,教师根据每位学生的课堂表现,给予针对性的点拨与指导,布置相对应的课后任务。

　　第二,适应性学习。随着移动互联网、智慧教育的快速发展,适应性学习将成为以大数据为基础的教育技术新范式。教师通过分析在线学习行为大数据,可以发现学生的认知能力、学习风格等个体特征,判断学生的学习需求,从而有针对性地向学生推荐学习资源,满足学习者个性化的学习需要,帮助学生固强补弱,提高学习效果。

　　第三,智能化诊断与评价。智能化诊断与评价以多种教学情景为背景,通过不断获取、整合和分析学生学习过程中的学习行为、认知建构、情感体验以及思维变化等多模态数据,制定学习改进方案,形成有效学习的新形态。课堂教学大数据可以实现对学生即时、动态的诊断分析及评价信息反馈,教师根据反馈结果动态实时调整教学策略,提高学生的课堂学习效果。此外,课外辅导教师可以依据校外辅导大数据对学生校外学习效果进行诊断分析,灵活调整教学方案,使课外辅导培训更具针对性与个性化。

　　第四,个性化练习与辅导。传统课堂教学的课后练习是统一布置的,批改反馈是滞后的,作业讲评大多也只是讲共性问题。而教学大数据的建设与应用完全改变了这一状况,教师基于课堂教学大数据能够更好地诊断、评价学生的课堂学习效果,作业内容不再是千篇一律,而是根据每位学生的学习效果有针对性地布置课后作业。同时,通过课堂教学大数据和校外辅导大数据间的融通共享,课外辅导教师可

　　以根据学生的课堂表现和学习效果等数据,有针对性地进行课后辅导,使校外辅导更具针对性、持续性,促进学生的个性化成长。

　　走向数据驱动的精准教学

　　教学大数据建设与应用的实践导向是实现数据驱动的精准教学。随着大数据技术在教育领域应用探索的快速推进,数据驱动逐步成为大数据时代主流的教学范式,并呈现出科学化、精准化、智能化及个性化四大核心特征。

　　数据驱动的精准教学要求教师利用数据挖掘和学习分析技术将课堂教学与在线学习生成的数据“翻译”成有价值的信息,如学困生的识别、知识缺陷的发现、教学目标的达成等,从而为教师的“教”和学生的“学”提供更准确、及时、全面的支持。

　　随着大数据理念与技术在各级各类教育中的推广,教学大数据的重要性日益凸显,将成为教育信息化2.0时代课堂教学模式变革与创新的“助推器”。

　　教学大数据面临的挑战

　　但是,大数据技术与教学业务深度融合的过程必然不是一蹴而就的,教学大数据的发展仍面临以下几方面的挑战:

　　第一,数据处理能力不足,难以对教学数据进行多元分析与准确的结果解读。当前,中小学教师的数据分析、数据解读及数据交流的能力还存在明显不足:一是无法熟练应用EXCEL、SPSS等工具进行基本的教学数据分析与处理;二是在教学中缺乏对过程数据和结果数据深入、准确的解读,难以形成正向的教学反馈流,指导教学实践的改进;三是缺乏应用数据与家长、同事及领导开展交流对话的能力,难以在家校之间、师生之间、教师之间架构起支撑家校共育的“数据桥梁”。

　　教育行政部门应加强教师队伍数据素养教育,通过开展教育大数据专题培训、智慧课堂观摩研讨、网络协作教研等多种活动,从意识态度、基础知识、核心技能及思维方法四个层面全面提高教师、校长及管理人员的数据素养,并制定教师数据素养评估标准与考核办法,以评价和考核为抓手,促进教师数据素养提升。

　　第二,线下学习过程性数据的采集仍是难点,该部分数据的缺失直接影响学习诊断与预测预警的准确性及综合评价的科学性。在线下学习仍占据主导地位的今天,很多线下的学习活动数据,尤其是过程性学习数据及学习情绪数据,由于技术、环境、个性差异等诸多因素的限制,无法得到有效全面的采集。线下学习数据的缺失,就好比架在空中的半截“浮桥”,难以支撑完整“学习链条”的构建,直接影响到学习诊断与预测预警的准确性及综合素质评价的科学性。

　　教育大数据服务商应加大力度研发线下学习数据的采集技术和产品,提高线下学习过程性数据采集的准确性与全面性。随着教学数据的日渐丰富与复杂,学生的过程性数据将变得更具价值,企业研发的教学产品应重点收集学生学习行为数

　　据、情感数据等,完善丰富教学数据体系。此外,教师需要培养自身的数据意识,有意识地收集、整理学生的线下学习数据,进一步丰富完善教学大数据,从而为学生学习诊断和预测预警的准确性和科学性提供全面的数据支撑。

　　第三,校企合作机制与规约机制仍不清晰,管理上存在较大的数据安全风险。教育行政部门应尝试建立教育大数据产品准入机制,从数据安全、技术水平、维护能力等多个方面加强对企业大数据产品的鉴定与评估,选择信誉良好、技术先进的教育大数据产品提供商作为合作伙伴,既为学校采购教育大数据服务提供保障,也有利于区域层面的教育教学大数据的融通共享,确保大数据产品在学校教育教学应用中的数据安全。

　　第四,多家企业大数据产品在学校独立运行,直接造成学校教育数据的割裂,影响教育数据的融通共享及更大数据价值的发挥。一线学校由于缺少教育大数据项目的顶层设计和统筹规划,往往出现一所学校内多个企业教育大数据产品独立运行的现象,直接造成数据壁垒。

　　教育大数据服务提供商应遵循教育信息化行业相关技术标准,秉承“开放互联”的基本原则,提供标准化的数据访问接口,便于在不同大数据产品之间及与学校现有业务系统之间实现数据的无缝对接与共享,这也将成为教育大数据相关技术平台的重要发展趋势。对于学校而言,应在进行教育大数据项目规划时,从整体出发,实现各个部门数据的一体化建设,打破“数据壁垒”,从根本上实现数据的互联互通,从而真正发挥教育大数据的价值。

　　第五,数据分析模型的科学性和准确性仍是教育大数据的突出短板,制约了大数据技术在教育教学领域的推广应用。当前很多企业在研发教育大数据产品过程中,往往难以摆脱IT思维,由于缺少对学校实际教育教学业务的深度理解,在数据源的选择、指标权重设计等方面往往不符合或脱离教育规律,构建的数据分析模型的准确性和有效性都亟待提升,这直接影响了基础教育大数据应用实践的推进。

篇十一：大数据教育评价变革论文

P>　　大数据时代下教育管理变革

　　【摘要】时代的发展早已令人们的社会生活发生了巨大的改变，人们已经进入了大数据时代，而大数据时代之下各行各业的发展都迎来了新的变革与挑战。将大数据与教育的管理融合，为教育管理提供了打开新世界的钥匙，将为其带来全新的气象。对于新媒体的接触更是深入，通过新媒体，人们可以轻松方便的获取想要得知的信息，同时还可以发表自己的想法与言论，新媒体的这些特征对教育工作提出了挑战，但这同时也是教育工作的发展机遇。对于一个学生来说，他应该在学校里学得的不仅仅是科学知识，还应该包括良好的思想道德素质。教育是国家发展大计，依靠大数据的管理可以改变传统教育方式中存在的缺陷，本文将以教育中的教育管理为例，探讨大数据时代下教育管理的变革。【关键词】大数据；教育；管理模式变革

　　大数据技术是非常具有实用性的一门技术，能够处理分析数量庞大的数据，而当前职业教育中存在的一些问题正好可以利用大数据技术加以解决。大数据技术的产生可以为人们提供更加便利工作方式，为人们更好的探究世界提供了条件，将大数据技术与教育管理相结合能够更好地发挥大数据在教育改革中的作用，使学校运行更加合理，更好的为社会培养人才。1利用大数据进行教育管理变革的重要性大数据技术与教育管理

　　大数据的思想与技术正渗透到人们生活中的方方面面，它所具有

　　的优越性给教育的改革带来了极大的便利。大数据能够通过分析数量庞大的数据得到数据背后的隐藏联系，在数据中获得人们想要的信息。学校是为国家培养人才的重要力量，其重要性注定了它必须与时俱进，利用大数据对自己的管理模式进行变革。首先，国内院校数量众多，大量的院校则会产生大量的学校信息、学校建设、经费投入以及基础设施建设等数据，这些数据只会随着院校的发展而越来越多，形成庞大的数据库，能够直接反映院校发展的情况。且从院校自身来看，校内的相关系统诸如图书馆系统、教务系统等内容也积累了大量的数据，这些数据能够传达学生的真实校内生活，是院校管理改革的基础。通过这两方面来看，利用大数据来对院校进行管理是具有其独特的优势的，院校能够更加方便快捷准确的了解到社会上发展状况，还可以更加详细的了解到自己学校内的运行情况，因此，将大数据运用到教育管理的改革之中是大势所趋。2大数据在教育管理变革中的应用2.1大数据与教育管理改革协同发展

　　大数据技术虽然拥有自身的巨大优势，但是却不能仅仅依靠自身优势而忽略对外部条件的应用。在大数据技术的应用过程中，应该与多方协调、合作，充分利用一切可以促进发展的资源。首先，政府应该对其进行引导，制定相关的法律法规，形成一套完整的相关体系，使大数据的应用更加规范化，促进大数据技术的合法应用。国家还要加大资金的扶持力度，对重点的科研项目予以充足的支持，推动大数据技术与教育的融合。院校还应把握住发展机遇，开展更多的相关交

　　流平台，多多吸取成功经验，使大数据技术与管理模式之间的变革之间能够的融合。2.2加大对大数据教育团队的培养力度

　　相比于大数据管理来说，传统的基于个人经验做出决策的方式并不够科学，大数据之下的管理能够使院校更加真实具体的了解到学生群体的现状，基于此真实可靠的数据做出的决策才是更加科学的选择。院校应该大力培养基于大数据思维的教育管理团队，培养教师团队的大数据思维模式，使教育管理团队所做出的决策更加贴合实际，更加符合学生的实际需求。2.3建设大数据教育管理评价体系

　　一套科学合理的评价体系能够更好的促进大数据教育管理的发展。要加强督导方面的工作，切实建立起对大数据管理工作的评价与反馈机制，还可将其归入到学校的评价指标体系中。院校要重视评价机制的具体实施情况，空有制度但却不实施就无法达到预期的目的，切实落实评价机制才可以更好的促进大数据管理方式的落实与运行。3总结

　　新媒体技术所带来的改变是巨大的，越来越多的人喜欢上新媒体技术，传统的那种通过报纸来获取信息资源的方式逐渐没落，人们可以在网络上进行信息的获取与交流。院校应该意识到新媒体的优势，根据新媒体的特征以及学生的思想观念构建新的教育平台，通过新媒体技术对学生进行积极影响。融入新媒体技术教育平台可以加强师生之间的联系，这会促进学生发表看法的积极性，教师将能够更加方便

　　且真实的了解到学生的真实想法，为教育工作的开展提供帮助。学校应该把握住新媒体这个平台，发挥新媒体平台的优势。大数据时代的到来给教育界带来了极大的变革。要利用好大数据技术带来的机遇，顺应时代的潮流，推动大数据技术的发展。院校应该认识到大数据技术的优势，端正自己的观念，不能认为运用大数据技术就是对过去的全盘否定，要更好的利用大数据技术对传统的教育管理模式进行变革，使其更好地为教育管理服务。【参考文献】[1]李晓龙.大数据时代的职业教育管理变革[J].电子测试,2015,(19):155-156,152.[2]史素梅.大数据时代的教育管理变革[J].现代职业教育,2016,(30):68.[3]吉旸.大数据时代的教育管理变革[J].时代教育,2017,(17):193.

篇十二：大数据教育评价变革论文

P>　　大数据时代下教育的变革与创新

　　李艳梅

　　【期刊名称】《亚太教育》

　　【年(卷),期】2016(000)007

　　【摘要】随着云计算和互联网的发展,大数据迅速成为了各领域的热门话题,教育领域也不例外.大数据时代的悄然到来,给教育的发展带来了全新的方向,大数据资源将成为重要的教育资源,大数据的应用将促进教育改革与创新.本文通过分析大数据时代对教育模式、教学思维、教育管理、教育评价方式和学习分析等各方面的影响,来探究大数据时代对教育领域带来的变革与创新.

　　【总页数】2页(P265-266)

　　【作者】李艳梅

　　【作者单位】广西师范学院

　　【正文语种】中文

　　【中图分类】G434

　　【相关文献】

　　1.大数据时代下高校教育技术学教育变革的思考[J],阎瑞华;息明东;闫瑞峰2.大数据时代下高校教育技术学教育变革的探讨[J],唐海军;3.变革与创新:大数据时代高校思想政治教育模式的创新研究[J],钱冲4.大数据时代下高校教育技术学教育变革的思考[J],张志宏5.大数据时代高校民族声乐艺术多媒体教学探究——评《大数据驱动下的教育变革与创新》[J],翁鹤

　　因版权原因，仅展示原文概要，查看原文内容请购买

篇十三：大数据教育评价变革论文

P>　　一、大数据及其特点什么是大数据呢？最早提出对大数据收集和分析的设想以及提出大数据时代已经来临的是咨询公司麦肯锡。麦肯锡全球数据分析研究所在2011年5月是这样阐释大数据的：大数据是指大小超出了典型数据库工具收集、存储、管理和分析能力的数据集。[1]此后，研究机构Gartner又对大数据的概念进行了完善。Gartner公司认为：大数据是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。[2]大数据是相对于一般数据而言的，目前还没有严格的权威的定义.[3]但是从上述两个定义中可以看出，大数据不仅体量巨大、结构复杂而且类型众多，单单从规模大来考量和定义是不准确也不客观的。

　　大数据的特点[4]主要包括：（1）大量（Volume）:主要指对数据的存储容量大，计量单位甚至上升到EB、ZB、YB及以上级别；（2）高速度（Velocity）：指对数据分析的速度极快，般在秒级时间范围内可以给出海量数据分析的结果；（3）多样化

　　（Variety）：指包含的数据类型非常多，既包括网站记录、网络日志、图片信息，又包含动画、视频、地理位置等信息；（4）

　　价值（Value）：指大数据的重点在于发现海量数据背后隐藏的有价值的信息。

　　我们通过大数据的定义和特点可以看出，大数据技术就是通过高速的采集、处理和分析从大量的，多类型的数据中提取有价值的数据。而大数据时代就是人们应用计算机、互联网产生的海量数据的处理与分析，以促进人们学习、生活与工作变革的时代。

　　二、大数据时代对教育的影响维克托认为“大数据”也必然影响教育：“通过大数据分析，我们可以找出学校教科书中的哪一部分对学生而言效果最好，也可以找出效果不好的部分。[5]当然，“大数据”对教育的影响不仅于此，下面我们分别从教学思维、教育管理、教育模式、教育评价方式和学习分析等各方面来分析。

　　（一）变革教育管理的理念和思维方式陈霜叶等[6]指出：传统教育政策的制定通常没有全面考虑现实情况，只是决策者通过自己或群体的有限理解、推测教育现实，而采用调研的方法也常常是被指定“抽样”和座谈的样本，使得随机中掺杂了更多的人为干预，所以制定的教育政策就容易出现失灵的现象。在大数据的支持下，大数据时代将可以进行对教育数据的分析，挖掘出教学、学习、评估等符合学生实际的情况与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略。

　　建立大数据教育决策支持模型，通过对教育数据的分析，挖掘出教与学、管理与评估的普适性规律，可以有的放矢地制定、执行教育政策，合理地分配与管理教育资源。

　　二）教育模式从传统课堂的集体化教学向数字化个性教学

　　发展

　　大数据可以为学生的个性化教育需求提供彰显教师个人特质的教学内容和辅导形式。大数据时代下的个性化教学就是教师汇总每个学生的信息（包括同学的个体表现和整个班级的情况），进而发现需要帮助的学生、学习时间缺乏的学生以及其他不同情况的学生，然后采取适合不同情况学生的教学策略。这就克服了传统教育的课堂集体教学的弊端，更有利于因材施教，促进全体学生的整体发展。大数据时代下教育者可以真正的了解每一个学生，可以推动传统的“以教师为中心”向“以学生为中心”转变，使学生成为课堂上的主人，学生自主学习，真正参与到教学实践的过程中。

　　在大数据时代下，网络在线学习课程得到飞快的发展。学生在线学习的过程中，可以选择自己比较感兴趣的知识进行学习，也可以选择在课下重新学习自己没有听懂的知识点。教师和程序也可以通过大数据对学习者的学习行为进行理性的干预，进而更好的提高学生的学习成绩。如可汗学院设计的在线学习系统对于每个学生花了多少时间去观看视频，哪个章节花费的时间比较多，哪些题目做错了，哪些章节轻松地完成了10个题目顺利晋升到下一个单元的学习等，这些数据都做了记录，并通过对这些数据进行分析来作为对学生补充性教学的基础与依据。

　　三）教育评价模式的创新

　　在教育评价中利用大数据进行分析，运用技术层面来评价、分析，进而提升教育的综合质量，从传统评价模式转向基于基础数据的量化评价模式。教育评价的方式不再是经验之谈或主观臆断，而是可以通过对大量数据的“归纳”，找出教育的规律，更好地优化、完善教育过程。

　　比如新一代的在线学**台，就多出了行为分析和学习诱导的部分。通过记录学习者鼠标的点击次数，来研究学习者的活动轨迹，发现不同的人对不同的知识点有什么不同反应，用了多久时间，以及哪些知识点需要重复或强调。[7]此外，大数据通过技术手段来记录教育教学的全部过程，实现了从结果性评价转变到过程性评价。在教育评价的过程中评价的对象不仅仅只有学习者，教师也可以利用大数据提供的一些信息对自己的教学行为进行分析，由教学过程反映出的数据可以发现自身的教学特长以及教学方面的不足之处。教育评价是教育过程中很重要的一个环节，只有采用科学的评价方式才能促进教师和学习者能够正视和接受客观存在的问题，反思教与学的过程和方法等，改进自己的行为，以提高教学质量。[8]

　　三、大数据时代教育的创新发展趋势大数据时代的到来，虽然个人隐私无以遁形，个人的生活也可能受到一定的影响，但是总体来说仍是利大于弊。从整个教育行业来看，大数据技术将会为教育事业的发展带来新的发展趋势。

　　（一）将会增加教育的预测性

　　大数据重要的功能之一，是在纷繁复杂的日常教学中通过对教学数据的分析，归纳出具有预测性价值的内容：如什么样的教学方式更适合学生的实际情况，当前内容在哪个时间段更易被学生所接受；每个学生通过什么样独特的方式更易于掌握当前所学，用什么样的方式巩固提升知识更有效果等等。特别是可以通过在教学行为过程中分析产生数据，归纳出学生最近的学习情况、思想状态和行为倾向，有效地防止了教学活动中不当行为的出现。

篇十四：大数据教育评价变革论文

P>　　教师教学质量评价体系大数据研究分析-教师教学论文-教育论文

　　——文章均为WORD文档，下载后可直接编辑使用亦可打印——

　　摘要：近年来，随着中国经济发展水平和科学技术水平的逐渐提高，中国各项事业都处于发展变革的重要性阶段。其中，在教育教学方面，教师实际教学质量对学生学习成绩和学习质量的提高有着重要的作用。因此在如今中国高职院校实际教学中更应该完善学校教师教学质量多元化教学评价体系，将大数据分析合理运用在教师评价体系中，进而在无形中有效提高高职院校教师教学质量。

　　关键词：大数据；高职院校；多元评价体系；教学质量

　　近年来，随着中国经济发展水平的逐渐提高，中国在实际发展过程中对学生受教育水平的重视程度逐渐提高，高等教育逐渐普遍化，高职院校教师的实际教学质量对学生产生了越来越多的影响。高职院

　　校教师教学质量越高，学生在实际学习时掌握的内容也越多。如果高职院校教师教学质量较差，则不利于提高高校学生综合文化素养。但是在高职院校教师教学的过程中，普遍的情况是学校并没有制订合理有效的高校教师教学质量评价体系，进而使得有一部分教师在实际教学中服务意识和责任意识得不到有效监管，在实际教学时存在一定教学质量问题。因此，应通过大数据来助力高职院校教学质量评价体系的构建。

　　1中国高职院校教师教学评价体系现存的不足

　　1.1教学质量评价体系缺乏系统有序性

　　中国高职院校教师教学质量进行评优时，缺乏合理有序性，并未制订合理有效的标准。第一，教学质量评价体系过度重视高职院校教师教学科研成果，而对高职院校教师自身综合素养的重视程度不高。过度注重高职院校教师在实际教学过程中学生上课专注力和学习成

　　绩的高低，通常认为学生实际学习效果较好的高职院校教师教学质量较好。第二，在评价高职院校教师实际教学质量过程中缺乏合理统一性，在实际评价高职院校教师教学质量时，只是在某一时间段对高职院校教师实际教学质量进行考核，并且考核内容对高职院校教师后期实际职位评比和绩效考核有着重要的影响，但是缺乏对高职院校教师实际教学过程的全面考察，使得高职院校教师在实际教学过程中经常会出现应付学校教学质量考核的现象。

　　1.2教学质量考核缺乏综合分析性

　　第一，如今中国高职院校实际评价教师教学质量时，学校相关部门通常会通过网上评教教师或学生对高校教师的实际教学情况进行打分，而最终评判通常采用取平均数的方式，但是有一部分学生或者教师在实际打分过程中并没有严格按照参考标准进行，打分主要是根据自己的主观意识和情绪，对教师的教学质量进行打分，一定程度上不利于对高职院校教师实际教学情况做出准确的判断。第二，如今中国高职院校实际实行教学质量评价体系过程后，只是将评价最终结果转告给各个教师，没有对各个打分数据的主要依据和原因转告给高职

　　院校教学教师，进而使得教师在接下来的工作中无法找到自己的不足和优点，无法有效提高自身教学质量，做出合理有效的改变。因此，高职院校管理者在实际评价教师教学质量时，应该逐渐转变传统教学质量评价体系中存在的不足和不完善的地方，进而有效提高高校教师实际教学责任意识。

　　1.3高职院校对考核制度的支持力度不足

　　中国高职院校通常认为在实际教学过程中注重提高教学质量和教学效果才是对学生负责，对学生家长负责的表现。一部分高校甚至认为在高校教师教学过程中实行质量考核制度不仅仅不能够有效提高教师实际教学时间，也在一定程度上会对高职院校学生实际学习情况造成一定影响，使得学生在实际学习过程中，注意力不够集中，高职院校教师在实际教中，不能有效充分地准备各项教学计划。因此，在高职院校相关管理者实际制订教学任务和教学方案时，对教师考核制度的支持力度不足，经常只是会在期中教学检查期间对高职院校教师教学质量进行考察，而在平常教学过程中对高职院校教师实际教学质量的考察力度不足，进而使得部分教师在实际教学过程中不能够有效

　　严格地要求自身，甚至会产生一定懈怠的工作情绪，不能有效提高自身工作责任感和服务意识。

　　2利用大数据实行高职院校教师教学质量多元评价体系的促进措施

　　2.1高职院校教学质量高低应该参考教学全程监控

　　传统高职院校相关管理者在评价高职院校教师实际教学质量高低时，通常会采用定期检查的制度，进而使得高职院校教师在实际考核之前会做好相应准备，将存在的教学不足点和弊端隐藏起来，不利于对高职院校教师实际教学情况做出综合全面的评价。因此，在现如今中国高职院校教师实际教学过程中，为了能够有效考察高职院校教师实际教学质量高低，可以有效利用大数据在班级内部安装相应远程监控，进而使得相关管理者对高职院校教师实际教学过程中的一举一动做出真实有效的评价，从而得到更加真实准确的考核结果。同时也在

　　一定程度上使得高职院校教师在实际教学过程中有一定的约束能力，能够积极有效地端正自身言行，在实际教学过程中增强自身服务意识和责任意识，为学生们讲解专业化的知识点内容，并能够用自身综合素养影响着学生的成长和学习。

　　2.2制订合理有序的管理制度

　　高职院校实际管理发展过程中，高职院校教师教学质量评价体系的制订缺乏合理有效的管理制度，进而使得高职院校在实际评价教师教学质量高低时存在一定盲目性和无序性，不能有效开展各项教学质量评价工作，因此，在现如今中国高职院校教师实际教学过程中，应该制订合理有效的管理制度，进而能够更加高效合理地对高职院校教师实际教学情况进行评价。第一，应该运用大数据信息技术，统一高职院校教师教学方案，在实际教学过程中，使得高职院校教师教学过程更加合理化、标准化。第二，在综合评价高职院校教师教学质量时，应该制订统一有效的参考标准，防止一部分教师或学生在实际评价高校教师教学质量时因为个人主观情绪对高职院校教师实际教学质量评价存在一定的不合理性和不公平性。同时在学生和教师对高职院校

　　教师实际教学质量评价之后，更应该利用大数据信息化技术对高职院校教师的实际评价结果进行一定分析，防止因数据分析不到位而产生的各种各样的问题，从而使高职院校教师教学质量评价体系更加充分、完整。

篇十五：大数据教育评价变革论文

P>　　浅谈大数据对教育领域的影响及应用模式

　　刘少阳重庆梁平区八一小学

　　摘要：随着网络信息技术的加速发展和应用，大数据迅速成为各个领域的热门话题。大数据概念的引入，教育信息化也呈现出前所未有的发展势头，教育与技术的深度融合，能够对学习者的所有信息进行系统的整理和分析，推动了教育的变革与创新。文章简析了大数据的概况以及大数据在教育领域中的影响和应用，从教育理念、教育思维和教学评价的革新、实现个性化教育、加强学校基于数据的管理，促进教育信息化深入发展几个方面论述了大数据在教育领域的应用，旨在为教育领域的大数据研究人员提供一定的参考。

　　关键词：大数据教育管理信息技术实践创新

　　大数据（bigdata），又名巨量资料、海量资料。麦肯锡全球研究院报告《大数据：创新、竞争和生产力的下一个前沿》对大数据所做定义如下：大数据是指数据量大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群。大数据必定具备四个特征：容量大（Volume），指数据的存储容量单位已经由GB、TB上升到EB、ZB、YB，甚至更高的级别;速度快（Velocity），指海量数据的创建、传输和分析速度快，一般要求响应时间要控制在秒级单位内;类型多（Variety），指数据类型多样，除了结构化的事务数据，还包括半结构化的网页数据、非结构化的视频和音频数据;价值高（Value），指数据价值密度低，但海量数据综合价值总量很高。大数据时代的来临对各行业都产生了深刻的影响，教育领域也不例外。学员的学习行为、思维方式，教员的授课理念、教学方法，学校的教育管理、教学评价无一例外都受到大数据的影响。教育领域必定会在大数据技术的推动下发生深层次的、多元化的创新与变革。

　　一、大数据对教育领域的影响

　　1.教育理念与教学评价被迫革新教育作为社会子系统的重要组成部分深受社会形态影响，现代的教育体系几乎是伴随着工业社会发展同步发展的。市场的扩大与提高，对劳动者劳动技术与经验的要求远远高于个体层面的文化修养，合格劳动力的衡量标志是能不能解决问题。这一实用主义特点对教育领域的影响是巨大的。传统的教学评价不论对学员还是对教员，总是依赖能力测试，通过考试分数的数理统计分析来评价学员与教员。在大数据时代，则是跟踪记录教员与学员教与学的长期行为并对之进行分析，采用过程性、归纳式、多元化的方式进行评价。

　　2.个性化教学得以真正实现运用大数据技术，在线平台能实时记录每一位学员的学习行为，教员获得全面丰富的数据内容后利用数据挖掘技术加以整合分析，不但能掌握学员个体的学习状态、知识接受水平，还能了解哪种教学方法对该学员最有效，以及该学员具体的薄弱点。教员根据这些数据就可以针对学员个体因材施教，制定个性化的教学方案、教学活动和学习计划，教学工作真正从共性化的群体教学转向了个性化的个体教学。个性化教学的实现能大幅提高教员的教学质量和学员的学习效果。

　　二、大数据在教育领域的应用模式

　　大数据在教育领域的应用模式本质上就是数据的生命周期，即数据获取（学员使用在线教育系统）、数据存储（系统将学员的在线学习行为记录下来存入数据库）、查找与分析（进行数据挖掘，预测学员的各项表现）、可视化（对数据挖掘和预测结果进行可视化处理）、决策（教员与教学管理人员给予学员指导与支持）。

　　1.教育者角度的应用，即教学领域知识模型构建

　　大数据教育系统对现有的教学内容建模后通过数据挖掘、学习分析和在线决策各子系统，研究各专业学员所必须掌握的教学知识点、教学单元与教学课程之间的逻辑关系，最终重新构建领域知识结构，对现有的教学内容与方法进行改革，达到提高学员学习效果和教员教学效率的目的。

　　2.学习者角度的应用

　　（1）个性化课程分析大数据教育系统首先获取某个学员以前的学习表现，从已毕业学员的成绩库中匹配与之相似

　　的学员，分析已获得的成绩和待选课程表现之间的相关性;然后通过学习满意度调查问卷分析评估学员个人情况;再结合专业课程的重要性，为学生列举课程清单。并向其推荐有可能取得优秀成绩的课程。

　　（2）辍学行为预警大数据教育系统可以记录所有学员的课程学习信息，进行教学情况实时监测。当旷课、违

　　纪、课堂表现等与辍学行为相关的关键因素发生变化时，系统会及时对学员行为做出评估，并在风险达到一定阈值时向教育管理方发出预警，使教育管理方有足够的时间在辍学行为发生前进行提前干涉。

　　（3）助学需求预测大数据教育系统可以通过收集校园卡的生活与消费记录，以一日三餐为主要权重指标对生活

　　必要开销进行计算评估，当发现某学员的消费明显低于预警线时，会主动通知学校相关管理方，由相关部门与学员进一步沟通，并进行相应调查，判断该学员是否需要助学帮助。

　　3.大数据其他应用

　　当大数据教育系统与其他领域的大数据系统互联互通后能发挥的作用不可估量。比如，与社保、医疗、金融、公安、政府等大数据实现安全共享后，教育系统内所有学校与学区内的情况可以从各个角度可视化地展现在出来。大数据系统既能帮助学员从选择学习合作小组到职业规划的制定等各个方面进行辅助指导，也能帮助国家层面的教育管理者制定宏观教育政策、调整教育改革方向、分配教育资源。

　　总而言之，大数据在教育领域的应用惠及该系统内学员、教员、教育管理者、教育研究者等所有人员，它是未来教育发展的必然趋势。但作为新生事物，大数据具体的应用还不成熟，需要在实践探索中不断改进完善。

　　参考文献：

　　[1]郭晓科.大数据[M].北京：清华大学出版社.2013

　　[2]喻长志.大数据时代教育的可能转向[J].江淮论坛.2013

　　[3]李丹.大数据解析及其在教育领域的应用综述[J].科技论坛.2014

　　[4]滕清州.朱晓玲.大数据在美国基础教育中的运用[J].人民教育.2014

　　[5]何蕴毅.大数据背景下教育变革的思考与实践[J].教育信息技术.2014

篇十六：大数据教育评价变革论文

P>　　大数据下的教育变革

　　近年来，随着国内各地智慧教育实践探索的推进，教育大数据在推动教育创新发展与科学变革上的核心价值逐步凸显。教学过程与结果数据的持续采集，动态汇聚成教学大数据，通过对教学大数据的深度挖掘与多元分析，能够将数据背后反映的教学意义与价值清晰地呈现出来，进而辅助教师进行更精准的教”、指导学生进行更精益的学”。

　　教学大数据的应用模式

　　大数据与教育已经呈现出深度融合的趋势，作为教育教学的主阵地，学校、课堂都是产生教学数据的重要来源，也是深化教育改革质量的落脚点。目前，教学大数据主要有四种典型应用模式，分别为高效互动教学、适应性学习、智能化诊断与评价以及个性化练习与辅导。

　　第一，高效互动教学。课堂是学校教育教学改革的主阵地，也是落实学生核心素养发展的关键。课堂教学大数据构建的高效互动课堂具有数据把脉、全向互动、精准反馈以及轻负高质等特征，能够实现低耗高效、轻负高质”的教学目标，**课堂效率低一学生掌握差一课后拼命补”的教育怪圈。课前，教师通过学生预习情况精准定位教学目标与重难点；课中，教师根据课堂数据的实时反馈掌握学生学习轨迹，及时调整并改进教学内容与教学方法；课后，教师根据每位学生的课堂表现，给予针对性的点拨与指导，布置相对应的课后任务。

　　第二，适应性学习。随着移动互联网、智慧教育的快速发展，适应性学习将成为以大数据为基础的教育技术新范式。教师通过分析在线学习行为大数据，可以发现学生的认知能力、学习风格等个体特征，判断学生的学习需求，从而有针对性地向学生推荐学习资源，满足学习者个性化的学习需要，帮助学生周强补弱，提高学习效果。

　　第三，智能化诊断与评价。智能化诊断与评价以多种教学情景为背景，通过不断获取、整合和分析学生学习过程中的学习行为、认知建构、情感体验以及思维变化等多模态数据，制定学习改进方案，形成有效学习的新形态。课堂教学大数据可以实现对学生即时、动态的诊断分析及评价信息反馈，教师根据反馈结果动态实时调整教学策略提高学生的课堂学习效果。此外，课外辅导教师可以依据校外辅导大数据对学生校外学习效果进行诊断分析，灵活调整教学方案，使课外辅导培训更具针对性与个性化。

　　第四，个性化练习与辅导。传统课堂教学的课后练习是统一布置的，批改反馈是滞后的，作业讲评大多也只是讲共性问题。而教学大数据的建设与应用完全改变了这一状况，教师基于课堂教学大数据能够更好地诊断、评价学生的课堂学习效果作业内容不再是千篇一律，而是根据每位学生的学习效果有针对性地布置课后作业。同时，通过课堂教学大数据和校外辅导大数据间的融通共享，课外辅导教师可

　　以根据学生的课堂表现和学习效果等数据，有针对性地进行课后辅导，使校外辅导更具针对性、持续性，促进学生的个性化成长。

　　走向数据驱动的精准教学

　　教学大数据建设与应用的实践导向是实现数据驱动的精准教学。随着大数据技术在教育领域应用探索的快速推进，数据驱动逐步成为大数据时代主流的教学范式，并呈现出科学化、精准化、智能化及个性化四大核心特征。

　　数据驱动的精准教学要求教师利用数据挖掘和学习分析技术将课堂教学与在线学习生成的数据翻译”成有价值的信息，如学困生的识别、知识缺陷的发现、教学目标的达成等，从而为教师的教”和学生的学”提供更准确、及时、全面的支持。

　　随着大数据理念与技术在各级各类教育中的推广，教学大数据的重要性日益凸显，将成为教育信息化2.0时代课堂教学模式变革与创新的助推器”。

　　教学大数据面临的挑战

　　但是，大数据技术与教学业务深度融合的过程必然不是一蹴而就的，教学大数据的发展仍面临以下几方面的挑战：

　　第一，数据处理能力不足，难以对教学数据进行多元分析与准确的结果解读。当前,中小学教师的数据分析、数据解读及数据交流的能力还存在明显不足：一是无法熟练应用EXCELSPS野工具进行基本的教学数据分析与处理；二是在教学中缺乏对过程数据和结果数据深入、准确的解读，难以形成正向白^教学反馈流，指导教学实践的改进；三是缺乏应用数据与家长、同事及领导开展交流对话的能力，难以在家校之间、师生之间、教师之间架构起支撑家校共育的数据桥梁教育行政部门应加强教师队伍数据素养教育，通过开展教育大数据专题培训、智慧课堂观摩研讨、网络协作教研等多种活动，从意识态度、基础知识、核心技能及思维方法四个层面全面提高教师、校长及管理人员的数据素养，并制定教师数据素养评估标准与考核办法，以评价和考核为抓手，促进教师数据素养提升。

　　第二，线下学习过程性数据的采集仍是难点，该部分数据的缺失直接影响学习诊断与预测预警的准确性及综合评价的科学性。在线下学习仍占据主导地位的今天,很多线下的学习活动数据，尤其是过程性学习数据及学习情绪数据，由于技术、环境、个性差异等诸多因素的限制，无法得到有效全面的采集。线下学习数据的缺失，就好比架在空中的半截浮桥”难以支撑完整学习链条”的构建,直接影响到学习诊断与预测预警的准确性及综合素质评价的科学性。

　　教育大数据服务商应加大力度研发线下学习数据的采集技术和产品，提高线下学习过程性数据采集的准确性与全面性。随着教学数据的日渐丰富与复杂，学生的过程性数据将变得更具价值，企业研发的教学产品应重点收集学生学习行为数

　　据、情感数据等，完善丰富教学数据体系。此外，教师需要培养自身的数据意识，有意识地收集、整理学生的线下学习数据，进一步丰富完善教学大数据，从而为学生学习诊断和预测预警的准确性和科学性提供全面的数据支撑。

　　第三,校企合作机制与规约机制仍不清晰，管理上存在较大的数据安全风险。教育行政部门应尝试建立教育大数据产品准入机制，从数据安全、技术水平、维护能力等多个方面加强对企业大数据产品的鉴定与评估，选择信誉良好、技术先进的教育大数据产品提供商作为合作伙伴，既为学校采购教育大数据服务提供保障，也有利于区域层面的教育教学大数据的融通共享，确保大数据产品在学校教育教学应用中的数据安全。

　　第四，多家企业大数据产品在学校独立运行，直接造成学校教育数据的割裂，影响教育数据的融通共享及更大数据价值的发挥。一线学校由于缺少教育大数据项目的顶层设计和统筹规划，往往出现一所学校内多个企业教育大数据产品独立运行的现象，直接造成数据壁垒。

篇十七：大数据教育评价变革论文

P>　　大数据环境下高校个性化教育评估方案研究

　　张澎【摘要】目前，数据正以一种前所未有的速度在不断的递增与积累。大数据逐渐引起了学术界、高校教育界的高度关注。进入“十三五”规划以来，高新技术发展速度的加快、经济全球化发展模式的确定，加快了我国产业化发展格局的变化，人才的需求量逐渐向着多元化的方向发展，社会对人才的需求提出了更为个性化的要求。高校是我国人才培养的主要阵地，对大学生个性化进行个性化教育首先必须重视对大学生的个体差异性教育，因此，在教学过程中对大学生的个性化教育效果的评价方法引起了高校的广泛关注。论文就目前大数据环境下，我国高校大学生个性化教育的评估方案进行探讨，以期为我国大学生个性化教育评估的发展提供参考。【期刊名称】《湖南科技学院学报》【年(卷),期】2016(037)009【总页数】3页(P137-138,147)【关键词】大数据环境;高校;个性化教育;评估方案【作者】张澎【作者单位】湘南学院软件与通信工程学院，湖南郴州423000【正文语种】中文【中图分类】G640

　　一引言近年来，随着信息技术在各行各业的深入发展与广泛应用，高校教育已经迈入了大

　　数据时代。大数据正以其猛烈态势对各行各业的发展带来巨大的冲击与影响。目前，大数据研究和应用提升到国家战略层面，并引起全球瞩目。大数据开始进入社会经济生活，并很快成为研究热点。大数据必将在教育、科研、教学管理乃至个人职业发展等各方面带来重大变革，产生深远影响。大数据，亦称巨量信息，其定义是：由巨型数据集组成，这些数据集大小超出人类在可接受时间下的收集、使用、管理和处理能力[1]。大数据主要有4个方面的特点，即所谓的“4V”特性：第一，大量(Volume)，数据量大、计算量大；第二，多样性(Variety)，数据形式多、类型复杂；第三，快速(Velocity)，数据处理速度快；第四，数据价值密度低(Value)，但相关数据的潜在价值高。大数据是为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而设计的新一代数据架构与技术[2]。可见，大数据并非是简单的海量数据，通常还具有多种不同类型的数据形式[3]。我国在教育规划方面已将个性化教育、创新型人才培养纳入教育改革工作范围。近年颁布的国家中长期教育改革和发展规划纲要（2010-2020年）中，将个性化教育作为战略目标，纲要指出，要关注学生不同特点和个性差异，发展每一个学生的优势潜能。然而，在我国高校教育领域，统一性教育的机制仍占据主导地位，在进行大学生个性化教育改革的实践过程中仍存在诸多亟待解决的复杂问题。我国对个性化教学的研究起步较晚，相关教育信息化试点工作也相对缺乏，个性化教学未能得到很好的实现。究其主要原因，是尚未提供有效的大学生个性化教育评价手段，在教育信息化建设中，未能形成大数据支撑下的大学生个性化教育方向、环境、过程及成果的评价体系。因而，如何在大数据环境下进行个性化教育的有效评估是大学生个性化教育改革中尤为突出的问题。

　　二高校大学生个性化教育评估现状我国高等教育的基本宗旨就是要促进学生的全面发展，从学生未来发展的本质上看，

　　其实就是学生素质的发展，即包含了学生的气质、性格、思想品德、知识理论、专业技能、智力发展、创造力、身体素质等多方面的发展水平与特征的内容。可见，对大学生的素质发展进行评价是衡量一个大学生身心健康与发展状况的标准。随着高校大学生个性化教育环境的不断发展与完善，高校作为培养当代大学生个性化教育的主要环境，对于高校大学生个性化教育评估显得尤为重要。近年来，随着高等教育对学生发展评价体系的逐渐完善，很多高校制定出一系列关于大学生综合素质评价的方案和系统，并取得了一定的成效，但是，在我国高校教育工作中，对学生个性化教育的评价体系仍问题频出，例如：评价方式单一、评价标准缺乏系统性，很多高校只是简单地将期末考试成绩作为评价学生的一项重要手段；高校对学生的评价更加重视学生与学生之间的比较和相对性评价，对学生的个性化差异产生的评价认识不足；对大学生的过程性评价与评价结果只是通过平时的考试、期末的考试等就对学生的发展进行评价，对于学生在个性化教育的过程中和所取得的成果的评价严重不足。随着现代信息技术的高速发展和网络技术的迅速普及，高校教育迎来了大数据时代[4]。在现有的条件下，高校应对学生在个性化教育中涉及到的数据进行大规模的记录、测量、存储、统计、分析[5]，海量的数据将为大学生的个性化教育评价提供全新的思路和实践方式。然而，现有高校大学生个性化教育评估手段仍存在以下三处不足。（一）评估指标缺乏有效分类在我国本科教学评估指标设置上，主要是依据教育部于2004年颁布的《普通高等学校本科教学工作评估方案（实行）》来执行的。虽然这一评价标准是经过专家论证、调查、研究、优化后产生的结果，但是其评估方案中的评估指标主要体现出实用性、广泛性、均衡性的特点。因此，在具体的执行过程中，这些评估指标逐渐暴露出一些问题，如：现代大学生个性化教育与评估缺乏个性化指标的设置。在面对

　　高等教育多元化的今天，实行统一的评估方式不仅缺乏科学性，更对高校大学生的个性化教育产生了巨大的阻碍作用。（二）评估层次缺乏多样化在传统的高等教育评估体系中，评估的结果很容易受到各种因素的影响，例如：不同的人生观、价值观、评估主体的立场和背景等，这些都将对人的主观判断产生干扰。因此，传统的评估体系很容易在同一评估层面出现评估结果的重合。采取多样化的评估形式有助于实现个性化教育评估方案。另外，很多高校对学生的评估更加注重最终的考试成绩，有的高校将学生的成绩与奖学金的发放联系在一起与学生英语四六级的考试联系在一起，这种缺乏层次结构的评估大大抑制了学生的个性化教育方向。（三）评估缺乏综合性观念很多高校的管理者在制定学生评估体系时缺乏综合性观念，仅仅将评估作为一种提升教学质量的手段。如：在评估中有的高校制定了哪些方面获得优秀的学生能够获得什么样的奖励等，这样缺乏综合性观念的评价方式忽略了大学生的个性化教育特点，更未考虑到大学生长远的发展规划。还有的高校将评估看作是一件必须做的事情、是一个任务，再加之缺乏评估反馈和分析，使得很多评估流于形式，缺乏公正性。

　　三大数据环境下高校个性化教育评估的要点在大数据环境下，学生的个性化教育最为重视尊重学生的个体化发展和个性化差异。很多大学生在认知方式、人格、学习习惯、创造力、适应能力等方面存在着明显的差异。在高等教育过程中，对于学生的这些差异必须予以高度重视，不仅要尊重学生的人格和思想道德品质，更要尊重大学生的后天差异。随着高校对大学生个性化教育的逐渐重视，很多高校的教师不断更新自己的教育理念，在个性化教育思想的指引下进行教学，突出了对大学生的个体化差异和多样性发展的必然趋势，为促进

　　当代大学生的个性化教育提供了支持，更促进了大学生个性化教育评估方案的实现与完善。构建大数据环境下高校个性化教育评估方案的重点在于以下三个方面。（一）转变评价的功能不同于传统的评价观念，随着知识经济时代的到来和大数据环境的不断完善，对大学生的发展性评价并不在局限于对优秀学生的评价与选拔，而是应及时掌握不同学生在其发展过程中取得的成绩和存在的问题，通过对学生强项与弱项数据的比较与分析，对学生未来的发展方向提出建设性意见。从而进一步发挥大学生的优势能力。因此，在大数据环境下高校个性化教育评估应更加重视对评价主导功能的调整、改进，使教育者、评价者在不断地数据收集过程中了解学生的能力和综合发展方向，并针对学生的发展状况对学生给予指导，以此来保证学生在不同阶段都能充分发挥自己的潜能。（二）拓宽大学生教育评价指标信息时代的到来，大数据环境下社会对人才的需求逐渐呈现出多元化的发展趋势。在传统的大学生评价中“德智体美劳综合测评”的内容已经无法体现出新时期对大学生素质教育的要求。因此，高校应根据自身的实际情况和社会对人才的需求，再结合我国高等素质教育的要求，以培养当代大学生的创新能力、实践能力、创业精神为主要目标，拓宽高等教育评估指标，将大学生的个性化发展评估内容扩展到知识技能、思想品德、人际关系、兴趣特点、学习态度、创新精神等方面，通过对大学生的相关海量数据的搜集与整理、通过不同大学生丰富多彩的个性化特征来对人才进行评估。一定要做到既能突出评估重点，又能兼顾其他的原则；既要结合学生的专业发展，又要注重大学生的个性化与全面发展。（三）做好高校大数据环境下个性化教育评估的技术服务与支持这就要求各高校必须根据自身的实际情况，结合教育信息化的需求，开展教育信息化标准的实现，为实现当代大学生个性化教育评价标准的制定奠定基础。加强对标

　　准化的宣传与贯彻，大力推动标准化的实施，以此来保证数字教育资源、软硬件资源、教育管理信息资源等方面的规范化、标准化发展。例如：建立完善的教育信息化的创新支撑体系，以多种方式设立教育信息化技术保障，制定完善的信息和网络安全建设管理规范，加强对网络有害行为防范能力与不良信息监督的力度。

　　四大数据环境下高校个性化教育评估的要点大数据时代下，个性化教育首先强调要尊重个体的差异性，教学过程中的个性化教育效果备受关注。个性化教学着眼于个体差异性和多样性，促进了大学生个性化发展，突出了大学生的个性价值，满足了大学生的兴趣和需要。高校教学管理信息化建设工作亟需构建大数据支撑下大学生个性化教育方向、环境、过程及成果的评价体系，形成具体的决策理论、指标体系及评价模型。针对具体问题，需建立高校个性化教育评估方案的决策理论、指标体系、评价模型、评价工具；在大数据环境中实现决策理论的因果论证、指标体系的标准化、评价模型的交叉验证。具体地，构建大数据环境下高校个性化教育评估方案的具体工作分为如下四点：（1）构建大数据支撑下大学生个性化教育方向的评价体系，提供大学生个性化教育方向的评价方法与实用性的工具。（2）构建大数据支撑下大学生个性化教育环境的评价体系，提供大学生个性化教育环境的评价方法与实用性的工具。（3）构建大数据支撑下大学生个性化教育过程的评价体系，提供大学生个性化教育过程的评价方法与实用性的工具。（4）构建大数据支撑下大学生个性化教育成果的评价体系，提供大学生个性化教育成果的评价方法与实用性的工具。[1]姚琪.大数据在“智慧校园”中的价值研究[J].南京工业职业技术学院学报,2013,(4):36-38.[2]程学旗,靳小龙,等.大数据系统和分析技术综述[J].软件学报,2014,(9):1889-1908.

　　[3]栾文鹏,王冠,徐大青.支持多种服务和业务融合的高级量测体系架构[J].中国电机工程学报,2014,(29):5088-5095.[4]宓詠,赵泽宇.大数据创新智慧校园服务[J].中国教育信息化,2013,(24):3-7.[5]李毅,张作海.数字化校园数据整合的设计与实现[J].计算机应用与软件,2011,(10):131-134.（责任编校：宫彦军）

推荐访问:大数据教育评价变革论文变革评价数据