大数据背景下国内课堂学习评价研究与发展综述

蔡荣华 关敏 彭梅

摘要：当前，国内大数据背景下课堂学习评价的研究还处于初级阶段。本研究分析了大数据背景下国内课堂学习评价研究成果数量及发展趋势，并提出大数据背景下课堂学习评价的研究不仅要以大数据背景为契机探索课堂学习评价的有效实施，还应建立完整全面的评价指标体系，利用大数据技术构建更加便捷的课堂学习评价工具或软件。

关键词：课堂学习评价;大数据;内容分析法;评价指标

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2020）02-0078-05

● 引言

2017年的地平线报告指出，学习评价将会成为未来教育的主要趋势，并且重点关注各种评价工具与方法如何运用于学生学习数据的记录、采集、分析以及评估反馈。一个好的学习评价，有利于师生的教和学，还可以给行政管理部门提供科学依据，促进教学管理。一般来说学习评价包括两种评价方式，一种是形成性评价，另一种是总结性评价。

随着建构主义学习理论及人本主义理论的普及，人们越来越强调形成性评价在学习评价中的地位，课堂学习评价也随之被重视。然而实际情况是，由于学生人数众多与教师时间精力有限，课堂学习评价的实施很难落地。而当前大数据技术的发展，为课堂学习评价带来了契机。大数据的5V特征（大量、高速、多样、价值、真实）可以对教育领域的“数据密集型”教育业务产生巨大的冲击，使得课堂学习评价的数据同样具有大数据特征，生成客观公正有效及时的学习评价。

因此，为了揭示大数据背景下课堂学习评价在我国的发展情况、特点与不足，本研究在对相关的期刊与硕博学位论文进行梳理与分析的基础上，为国内大数据背景下课堂学习评价的研究提出一些期望与建议，以期为今后大数据背景下课堂学习评价研究与实践的开展提供借鉴与参考。

● 设计研究

本研究选择中国知网中的相关文献，搜索方法如下：在知网中的高级检索功能中，以“大数据”和“学习评价”为关键字，检索日期为2019年3月18日，剔除非学术性以及与课堂学习评价无关的内容后，将剩余的26篇作为本研究的有效文献样本。样本中包括期刊文献24篇和硕博士论文2篇。本研究采用内容分析方法，从文献的数量、来源和研究类型三个部分对大数据背景下课堂学习评价进行分析。

● 大数据背景下国内课堂学习评价研究成果数量分析

1.文献数量分析

研究数据显示，我国首次出现对大数据背景下课堂学习评价的研究是在2013年，是沈学珺2013年9月在《上海教育科研》期刊上发表的《大数据对教育意味着什么》。[1]从2013年起，大数据背景下课堂学习评价的研究总体呈现不断增长的趋势。深究其中的原因可以发现，2011年教育部正式公布了《教育信息化十年发展规划（2011—2020年）》，《规划》中明确提到，要大力促进技术在教育评估中的应用。基于此背景，越来越多的学者意识到课堂学习评价新的发展方向，并积极将大数据技术与课堂学习评价进行整合，开展新背景下的课堂学习评价研究。2017年与2016年相比，研究总数增长了200%。2019年前3个月，也已经有文献被发表。因此，我们可以认识到，国内大数据背景下课堂学习评价的研究目前正处于快速增长的趋势，在未来一段时间仍会是炙手可热的研究方向。

2.文献来源分析

为了了解哪些群体对该研究领域比较关注，本研究首先将期刊的来源按照不同研究群体进行了划分，分类结果为：教育技术学类、计算机类、教育管理类和学科教学类。通过统计发现，教育技术类与学科教学类占比最多，计算机类紧随其后。可见，随着大数据技术在课堂学习评价中的运用，不仅仅是教育领域一直在关注课堂学习评价，一些技术类的领域也开始涉及课堂学习评价的研究。而参考的硕博士论文均来自教育管理专业，说明大数据背景下的学习评价已经引起了多个领域的学者关注，并积极运用各自专业领域的知识，促进大数据技术与课堂学习评价更加有效地融合。

3.研究类型分析

本文参照仇立平的《社会研究方法》一书，按内容不同先将文献类型划分为理论研究与应用研究。然后在此基础上根据课堂学习评价的主要特征，将理论研究和应用研究细分为描述性研究、评价指标构建、评价系统设计、评价模型的实施、评价软件的应用。具体内容如表1所示。

我国研究者对大数据背景下课堂学习评价的理论研究和应用研究的重视程度是均等的。当前，该主题的研究尚处在对问题进行描述与认识的阶段，同时，有大量学者在不断尝试使用现有的软件进行评价数据的收集与处理。但如何使用大数据技术促进课堂学习评价的研究深度需要进一步加强。综上所述，当前在大数据背景下课堂学习评价尚未形成完整的理论体系，研究者处于一边进行理论探索一边进行应用实践的状态，较早地从理论研究进入了应用研究。

● 国内研究成果述评

本文按照第三部分中依据研究类型划分的不同研究内容，对大数据背景下课堂学习评价的五类研究成果进行简要的阐述和分析，以此更加详细全面地论述我国大数据背景下课堂学习评价研究的成果与趋势。

1.理论研究成果述评

（1）描述性研究成果

通过分析发现，对大数据背景下课堂学习评价的描述性研究主要集中在以下几个方面。

第一，大数据对课堂学习评价的作用与影响。大数据技术使收集的课堂学习评价数据在广度和深度上都有了很大的延伸，使评价数据趋于实时化和动态化，通过技术对评价数据的收集和处理，还使得学生的个人学习情况得到分析与预测，为个性化的学习评价带来了契機。大数据使得一直以来倡导的多维学习评价以及过程性评价有了实现的可能性。

第二，在大数据背景下，通过相应的技术可以有效地解决传统课堂中学习评价难以有效实施的问题，使得学习评价不再局限于简单的问答，而是朝着全面个性化的评价发展。

第三，如何利用大数据技术来促进课堂学习评价。笔者进行文献内容分析后发现，课堂学习评价常使用的大数据技术主要包括数据挖掘和数据分析。通过数据挖掘可以为学生提供有效反馈，数据分析则可以在提供反馈的基础上进一步对学生学习的发展进行预测。

从上述描述性研究不同的切入点可以看出，我国大数据背景下对课堂学习评价的研究虽然不够深入，但已经开始呈现多方面发展的势态。无疑，大数据技术会为课堂学习评价带来巨大的改变，主要是通过评价数据的收集和处理来为多维学习评价以及过程性评价提供可能，最终实现个性化的学习评价。此外，使用大数据技术来促进评价，需要了解传统课堂与大数据背景下课堂学习评价的不同，二者最大的差异在于课堂中的各种评价数据是否能够有效地被收集并分析，需要收集和分析地数据一般分为三类：行为类、语言类和神经生理类。

（2）评价指标构建成果

笔者通过对文献的内容进行分析，发现我国的研究者对大数据背景下学习指标的构建也有一定的研究。孟军等学者根据翻转课堂的不同学习时间将评价指标分为课前、课中、课后以及结果四个部分;刘秀梅等学者根据评价内容的不同将评价指标分为行为、认知、情感投入等方面;还有牟智佳依据柯氏四级评估模式、布鲁姆目标分类与个性化学习评价模型设计了大数据背景下个性化的学习评价层次塔。文献中不同评价指标的主要内容如表2所示。

综上所述，虽然对大数据背景下课堂学习评价指标的构建还没有统一的定论，但可以看出，对学生的课堂学习评价已经不再局限于知识技能的掌握。研究者们利用大数据技术，可以使学习者的更多方面都能被评价到，所以当前大数据背景下课堂学习评价的指标构建趋向于多个维度。

2.应用研究成果述评

（1）评价系统设计成果

评价系统设计主要是利用技术将评价过程模块化，一个比较完整的评价系统一般会包括评价数据的收集、存储、分析，以及评价内容的反馈。李振超等人在其发展性学习评价系统的设计中将评价系统又分成了以下几个小系统：测评功能子系统、数据采集与存储子系统、分析子系统以及反馈子系统。[8]李景奇等人则是通过大数据技术来生成学生画像、课堂画像、教师画像等，然后利用这些画像进行分析，对学生的课堂学习提供预警。[9]评价系统设计的成果在现阶段的数量是最少的。这是由于评价系统设计一方面需要大量的理论基础以及完整的评价指标模型作为支撑，另一方面又需要将各种大数据技术整合到一个系统中，前期理论工作量较大，技术性要求较高。

虽然这一部分研究成果暂时较少，但是可以看出学者们已经开始慢慢探索如何将课堂学习评价与技术融合以及如何利用技术来使评价变得更便利。将评价与大数据融合的结果主要包括课堂学习评价反馈和评价后的预测预警两个部分。

（2）评价模型的实施成果

评价模型的实施是在评价指标或评价模型构建完成后，利用各种工具和手段来收集评价数据，以期检验评价模型的作用。在文献中，刘冰璇将课堂学习评价分成了两个部分：一个是理论类的学习，通过MOOC平台、测试、课堂观察、多元评价等不同手段和工具收集数据;另一个是实践类的学习，通过网络学习平台、小组评价、实验报告、实际观察多种方式获取评价数据。赵彦芳利用问卷调查、学生电子档案和学习效果测试等研究工具使得评价模型得以实施。黄慧等人则是通过多元评价、问卷调查、网络平台数据来实施评价模型。[10]

从上述不同学者对评价模型的实施方法来看，课堂学习评价指标数据的采集还处在初级阶段。主要的实施方案是，首先综合运用不同手段和工具收集评价数据，然后将大量的数据集中在一起进行分析，最后将结果反馈给学生。

（3）评价软件的应用成果

在应用研究中，利用已有的评价软件进行课堂学习评价数据的收集与分析是当前研究者做的最多的研究。研究中常用的软件或工具有电子书包、“Go Course”APP、“我会学”课堂评价系统、“蓝墨云”移动交互平台、超星泛雅平台、极客大数据等应用软件和系统。

研究显示，各类基于大数据技术的评价软件已经逐渐进入课堂教学，从各方面对学生的学习状况进行分析和诊断。当前使用的软件系统已经可以实现对学生课堂测验、出勤、课堂参与度、学习时长以及各种学习表现数据的收集与分析。由于收集的数据具有针对性，每位学生的学习评价数据都可以无遗漏地被收集，所以这些评价软件系统运用于课堂教学后都取得了不错的反响。但当前这些软件也具有一些缺点，如大部分数据还是通过其他网络学习平台产生，评价软件收集和分析的数据种类相对较少，对学生情感等非智力因素的指标的收集还不够多等。

● 研究趋势分析

1.发展现状

①我国课堂学习评价的研究尚处于初级阶段，但随着大数据技术的进步，发展十分迅速。但当前状况下大数据运用于课堂学习评价大多还停留在对问题的描述，以及各种评价软件工具的综合使用上，并且评价指标的构建也没有确切的定论。所以，当前研究者关注的内容处于浅层次，没能够真正地探讨出如何将大数据技术具体地运用于课堂学习评价。也正因为关注的研究内容层次浅，所以研究范围相对较广，学者们从不同的维度对其进行了分析。总的来说，我国的研究尚处于不断认识与探索的初级阶段。

②通过研究发现，理论研究与应用研究的数量大致相等。理论研究方面，学者们对评价指标的构建看法很多，尚无统一的定论;应用研究中评价软件工具的使用也基本上会利用多种评价工具和软件对评价数据进行收集和分析。目前来说，如何将大数据技术具体地融入课堂学习评价而不增加师生操作负担，尚未有深入的研究。

③虽然近两年应用研究发展速度较快，但是应用研究与理论研究的结合不够深入，未能直指要害。通過前面的分析，在理论研究还不够完善的情况下，我国的学者已经开始大量进行应用研究了。但通过内容分析可知，进行课堂学习评价时，不能完全做到大数据技术与课堂学习评价的结合，很多时候是通过教师人工收集数据，然后对数据变化趋势进行分析。