基于可視化數據分析的英語學習形成性評估

陳愛平+趙樹立

摘 要在英語學習理論和實踐的發展歷程中，形成性評估的引入和發展起著舉足輕重的作用。與其他類型評估不同的是，形成性評估的主要目的是“為學習”，即通過評估為學生學習和課程管理提供“反饋—矯正”。為達此目的，就必須首先把形成性評估所收集的各種信息轉化為數據，再把數據轉化為知識。知識的呈現有很多不同的方式，其中可視化分析是近年來人們為將數據轉化為知識所進行的有益嘗試。

關鍵詞可視化 數據分析 英語學習 形成性評估

近年來，我國英語教學改革的成就之一就是引入了形成性評估的概念，并逐漸確立了其在整個英語課程體系中的地位。英語教學指南進一步指出，要處理好形成性評價與終結性評價之間的關系，實現“對學習結果的終結性測試”與“促進學生學習的形成性測試”的有機結合。終結性評估的目的之一是對學生的學習結果進行測量，形成性評估更側重對學生學習過程的關注。從實質上來說，形成性評估的最終目的是“為學習”，即通過評估為學生學習提供及時而積極的反饋。要實現形成性評價的多重反饋功能，就必須讓評估所產生的信息或數據真正發揮作用。數據能夠被人們使用的前提是首先要轉化為知識。近年，有信息化領域的學者提出采用可視化分析的方法，以改善數據知識呈現的效果。基于此，筆者嘗試將可視化分析的方法引入到英語學習形成性評估，以檢驗其在獲取知識的程度和改善數據閱讀體驗等方面的效果。

一、英語學習形成性評估及其數據屬性分析

目前，英語學習形成性評估還存在一些問題，其中較為突出的一點，是相對于終結性評估的得心應手，理論中的形成性評估有效反饋在實踐中很難實現。這其中最為重要的原因之一，是通過形成性評價所收集的信息或所產生的數據，已經具備“大數據”的4V屬性，即volume（體量巨大）、variety（類型繁多）、velocity（時效性強）和value（價值密度分布差異較大）。

1.體量

關于多大體量的數據才能算是“大數據”這個問題，很難以量的絕對值來衡量。但無論如何，現實中很多形成性評估的原始信息和所產生的數據已經遠遠超出了英語教師和管理者的可控能力，同時，這些信息和數據又產生了大量的衍生數據。一個直接的結果是導致大量的評估信息未被記錄，或者雖有記錄但未能轉化為數據，或者雖有記錄信息或數據，但未對數據進行分析，也未基于數據對教學產生及時有效的反饋。

2.類型

英語學習形成性評估所產生的信息或數據的類型是極為復雜的。這是因為英語學習從學習內容、學習模式或者情境到評估對象、反饋途徑和原始信息的載體形式等都是多樣復雜的。不同類型的數據給記錄、歸類、轉換和分析等過程帶來了不可想象的困難，要求我們用科學的方法，既保證原始數據的真實性，又要最大程度地發揮數據的作用，使數據產生意義和知識，最終還要把意義和知識轉化為有效反饋。

3.時效性

評估信息和數據有著很強的時效性，如果這些記錄的信息未轉化為數據，或者數據未進行及時的進一步挖掘和分析，更沒有據此做出反饋，那么，這些數據就只能是“死數據”，根本不可能發揮形成性評估應有的促進學習的功能。

4.價值密度

形成性評估數據的前兩個屬性，即體量巨大和類型繁多，就決定了其價值分布是低密度、不均勻的。因此，人們很難將這些未經挖掘和分析的數據轉化為知識，很難發現這些數據背后的規律，很難對英語課程的管理和學生的管理提供積極有效的反饋。

二、可視化數據分析的基本概念與應用簡述

可視化分析是一種通過交互式可視化界面來輔助用戶對大規模復雜數據集進行分析推理的科學與技術。數據的可視化分析，通俗來說，就是一方面對數據進行自動分析挖掘，一方面利用支持信息可視化的用戶界面以及支持分析過程的人機交互方式與技術，將計算機的計算能力和人的認知能力有機融合起來，以獲得對于大規模復雜數據集的洞察力?？梢暬I域的國際頂級年會“可視分析科學與技術”（簡稱IEEEVAST）自2006起開始舉行至今。在這10年的時間里，人們將可視化數據分析的理論與實踐在互聯網、社會網絡、城市交通、新聞廣播、商業智能、氣象變化、經濟與金融等各個領域進行了廣泛的研究與探索。

三、英語學習形成性評估數據的可視化分析探索

1.評估數據簡單匯報的局限性

在形成性評估的過程中，數據報告是一個非常重要的環節，因為數據的報告形式直接影響到反饋的效果。數據報告的形式多種多樣，但在實際教學實踐中，大多數教師或教育機構大多采用Excel表格這種簡單的數據報告形式來顯示學生們各分項和總分的得分情況，有的甚至連各分項得分都沒有在Excel表格中得以體現。

我們以某班某次英語考試成績的Excel表格為例，該表格在聽力、閱讀、寫作、口語和總分五個維度對學生們的本次英語成績進行分析報告，不難發現，通過簡單的Excel表格這種簡單的數據報告形式只能反映學生在某階段的學習結果。以這種形式報告，學生們一般只會關注全局，也就是總分（合計）數值的大小，他們所能獲得的積極反饋信息非常有限，違背了形成性評估的初衷。

按照布盧姆的“反饋—矯正”理論，形成性評估的根本目的不僅僅是為了測量學生的學習結果、記錄學生的平時成績，而是要讓不同程度的學生都能獲得及時和積極的反饋，因為，積極的反饋才更容易產生積極的學習效果。同時，評估的意義還在于，通過評估發現問題并使存在問題的學生得到及時矯正。因此，如果我們對評估數據的分析只停留在關注結果的層面，那么不同程度的學生就很難獲得個性化的、積極的反饋。

2.初步多維數據的可視化分析

如前所述，形成性評估所得到的信息或數據通常是多個維度的。為了更加直觀高效地觀察多維數據，我們可以在原有Excel表格的基礎上，借助簡單的可視化數據分析工具，改善數據匯報的效果。其中Excel數據透視圖就是人們常用的一種可視化多維數據分析途徑，通過觀察透視圖中矩形的面積就可以很清楚地看到同學們在每個分項的得分情況。endprint

通過對比Excel表格和Excel數據透視圖，我們發現，以Excel數據透視圖這種方式呈現的好處之一，是降低了人們對絕對值（分數）大小的關注，即同學們在看到以Excel數據透視圖形式的成績報告時不會只關注其總分的多少，而更多地會注意到各分項的得分情況，以方便發現自己近階段在各分項上的學習狀況。其意義就在于Excel數據透視圖這一匯報形式將人們的關注點由整體轉向了局部，使他們意識到聽力、閱讀、寫作和口語這幾個維度的均衡發展情況才是最佳的語言學習效果，為他們在今后的學習指明了方向。例如，某位同學雖然整體成績不錯，但是他通過看Excel數據透視圖就能夠很直觀地看到他的聽力和口語明顯滯后于閱讀和寫作能力；而另一位同學因為在上述四個維度上沒有很大落差所以才有了總成績第一的上佳表現等等。所有這一切都可能為學生指出他們以后的努力方向，給他們以后的學習提供更多有益的啟示和較為積極的反饋。

3.初級可視化分析的局限性

為了能更加客觀地評價學生在一定時期內的形成性學習效果，通常需要擴大數據的采集范圍，引入多維度的動態數據。這時，我們通常需要將學生兩次甚至多次的評估數據放在同一個Excel表格里進行對比。當然，并不是說簡單地將兩組或多組動態數據放在一起就能產生預期的效果。

如果將兩次或多次的原始評估數據羅列在同一個Excel表格里而不加以分析的話，那么數據量越大，也就是說，需要對比的數據越多時，人們借助肉眼所能獲得有效信息的難度就越大，我們就越難以從數據表中讀出有價值的信息，也就起不到形成性評估對學生英語學習的促進作用。那么，是否可以繼續使用類似于Excel數據透視圖的形式對兩次甚至是多次的評估數據進行匯報呢？

如果僅僅只有兩組評估數據，我們仍然可以采用Excel透視圖的形式，只不過用不同顏色的數據柱來表示兩組評估數據。以某班先后兩次的英語考試評估數據為例，在對這兩次的評估數據進行初步的Excel數據透視圖可視化分析后，通過對比同一維度下兩種不同顏色的柱狀圖，我們就能夠清楚地看到：所有參加測試的同學在總成績、聽力、口語和寫作這4個維度上較前次評估都有了不同程度的提高；某位同學的總成績最低，但他的提高幅度最大；在所有參加測試的同學中，只有某位同學的閱讀成績有所下降等等。簡而言之，可視化的數據報告形式能夠提供更豐富的有效反饋信息，更重要的是，這些信息所產生的作用更為積極。

但是，當我們需要對比的評估數據是3組、4組、5組，甚至是更多組時，利用不同顏色數據柱來顯示的Excel透視圖在匯報效果上就會變得越來越差強人意。即使有多種顏色，即使有多個數據柱，可以代表原數據表中的每一個具體數據和走勢變化，但是，這些不同顏色數據柱在我們面前只會變得眼花繚亂。

4.提高復雜數據的可視化分析效果

對復雜數據進行分析，首先需要進行數據選擇（遵循科學的步驟和原則對原始數據進行選擇性加工），再進行方法選擇（考慮為達何目的，采用何種可視分析的方法）。數據和方法選擇的目的是提高信息的反饋效率，服務于不同的評估目的。

在對多組復雜數據進行對比分析時，Excel雷達圖可以說是一個不錯的可視化分析方法。與數據表、曲線圖、柱狀圖等不同的是，雷達圖能夠根據數據分析的具體需要，將多維度、多期次的復雜動態數據及其隱含的邏輯關系形象地表達出來。

以某位同學先后十次除合計外其他各分項的數據分析為例，Excel雷達圖就能夠非常形象地描繪出了該同學這十次評估的整體趨勢。通過Excel雷達圖對該同學最近十次評估數據進行可視化分析后，我們可以清楚地看到該同學在由聽力、閱讀、寫作和口語數據所圍成的多邊形有整體向左下方向偏離的趨勢；同時，坐標軸尤其是原點0的位置也明顯地指示了這一偏離趨勢。多邊形整體向左下方向偏離的趨勢說明該同學每一次的考試成績都相對于上一次考試成績有或多或少的提高，因此，不難得出在這十次評估中，該同學的學習成績呈整體提高趨勢的結論。

由此可見，通過Excel雷達圖對復雜數據進行可視化分析能夠使學習者更加直觀地看到較長一段時間的學習狀況，起到了為他們今后的學習提供指南針的作用，這樣學生才能直觀地看到自己的長處和不足，能夠及時地調整自己的學習狀態，以便于獲得更大的進步。

綜上所述，提高學生應用英語能力的效果與英語學習形成性評估有著密不可分的聯系，而衡量英語學習形成性評估作用的標準，在一定程度上可以參照其對教學所產生的積極反饋。積極的反饋并不意味著把評估所產生的原始信息或數據直接提供給學生，因為，這些未加分析的原始信息或數據中的大部分對于學生來說幾乎是“不可讀”或“不易讀”的。本文以幾個淺顯的例子說明了數據可視化分析的方法在英語學習形成性評估中的應用，說明數據可視化分析的方法可以使這些數據由“不可讀”或“不易讀”變為“可讀”或“易讀”，可以提高英語學習形成性評估反饋的積極意義和有效性。但是，數據的可視化分析方法在計算機信息化領域剛剛出現，之前也未見有關類似方法在英語學習形成性評估應用的相關研究。此外，在實際的英語教學活動中，形成性評估所產生的數據更為復雜，還有很多更為直觀、更為科學和更為高效的數據可視化分析方法，所有這些問題都有待我們進行更加廣泛而深入的探討。

參考文獻

[1] Crooks，T.The validity of formative assessment[P].Paper presented at the British Educational Research Association Annual Conference，Dunedin，New Zealand，2001.

[2] RenL.Research on interaction techniques in information visualization [D].Beijing： The Chinese Academy of Sciences，2009（in Chinese with English abstract）.

[3] Card SK，Mackinlay JD，Shneiderman B. Readings in Information Visualization：Using Vision To Think[M]. San Francisco： Morgan- Kaufmann Publishers，1999.1-712.

[4] Thomas JJ，Cook CA. Illuminating the Path： The Research and Development Agenda for Visual Analytics[J].Los Alamitos：IEEE Computer Society，2005.1-180.

[5] 王守仁.大學英語教學指南要點解讀[J].外語界，2016（3）.

[6]布盧姆.教育評價[M].王綱，等，譯.上海：華東師范大學出版社，1986.

[作者：陳愛平（1972-），男，安徽馬鞍山人，河北經貿大學外語教學部高級工程師，碩士；趙樹立（1966-），男，河北故城人，河北經貿大學外語教學部副教授，碩士。]

【責任編輯 鄭雪凌】endprint