教學測試數(shù)據(jù)的演變、應用及其展望*

朱 珂 楊 冰

?

教學測試數(shù)據(jù)的演變、應用及其展望*

朱 珂 楊 冰

（河南師范大學 教育學院，河南新鄉(xiāng) 453007）

教學測試數(shù)據(jù)是教育大數(shù)據(jù)的重要組成部分，對揭示教學狀態(tài)的要素特征和結(jié)構(gòu)關(guān)系具有重要意義?；诖?，文章首先從數(shù)據(jù)來源、采集技術(shù)、分析處理技術(shù)、呈現(xiàn)方式等維度進行對比分析，梳理了傳統(tǒng)環(huán)境下和“互聯(lián)網(wǎng)+”環(huán)境下教學測試數(shù)據(jù)的演變歷程；隨后，文章分析了測試評價的轉(zhuǎn)變，并介紹了目前國內(nèi)外教學測試數(shù)據(jù)在自適應評估、實時監(jiān)控干預、學情預測與分析、個性化學習以及輔助決策服務等方面的典型應用案例；最后，文章針對教學測試數(shù)據(jù)的應用進行展望，以期為精準教學模式下教學測試數(shù)據(jù)的分析與應用提供借鑒。

“互聯(lián)網(wǎng)+”；教學測試數(shù)據(jù)；教學評價；教育應用

在教學活動中，評價扮演著調(diào)節(jié)、控制教學過程的重要角色，對喚起學生新的認知與成就需要、提高學習興趣與信心具有獨特的激勵導向作用。測試是評價學生學習效果的重要手段，在此過程中生成的可量化、可記錄的測試數(shù)據(jù)蘊含著豐富的學情信息。傳統(tǒng)的紙筆測試僅能給予教師和學生淺層信息反饋，如分數(shù)、名次、平均分等。這樣的反饋形式既不能使學生清晰了解自己的知識點掌握情況，也不利于教師對學生進行個性化指導。教育大數(shù)據(jù)及其分析技術(shù)的出現(xiàn)與發(fā)展，為教學測試數(shù)據(jù)的應用帶來了新的機遇，有利于解決傳統(tǒng)教學測試分析與評價中存在的問題。在學習分析等技術(shù)的支持下，教師可以充分挖掘和利用測試數(shù)據(jù)背后所蘊含的海量學情信息，使教育教學過程逐步從基于常識的經(jīng)驗推斷走向基于數(shù)據(jù)的科學決策，從而對教學各環(huán)節(jié)進行精確診斷，實施精準化教學。

一 不同環(huán)境下教學測試數(shù)據(jù)的演變歷程

實施教學評價是教育管理者和教師進行教學干預與決策的重要前提，而有效的教學評價依賴于具有代表性的評價數(shù)據(jù)和科學、精確的評價技術(shù)。教學測試數(shù)據(jù)作為教學評價中最為客觀、準確、易測量的數(shù)據(jù)來源，受到了研究者的持續(xù)、廣泛關(guān)注。如楊現(xiàn)民等[1]提出將教育大數(shù)據(jù)的分析處理分為教育數(shù)據(jù)采集、教育數(shù)據(jù)處理、教育數(shù)據(jù)分析與呈現(xiàn)三個環(huán)節(jié)。本研究從數(shù)據(jù)來源、采集技術(shù)、分析處理技術(shù)、呈現(xiàn)方式等維度對測試數(shù)據(jù)進行了對比分析，梳理了傳統(tǒng)環(huán)境下和“互聯(lián)網(wǎng)+”環(huán)境下教學測試數(shù)據(jù)的演變歷程，如圖1所示。

1 數(shù)據(jù)來源

在傳統(tǒng)課堂中，教師對學生的評價是以考試后的分數(shù)統(tǒng)計和教師主觀分析評定為主。其中，考試后的分數(shù)統(tǒng)計主要以筆試測驗為主，測試數(shù)據(jù)來源于教師組織的周測、月考、期中考試、期末考試等測驗的試卷分數(shù)；教師主觀分析評定則是以學生在課堂上的表現(xiàn)和日常作業(yè)為基礎的主觀經(jīng)驗評價。在“互聯(lián)網(wǎng)+”環(huán)境下，以“三通兩平臺”為代表的軟硬件設施的不斷完善和教育信息化進程的不斷推進，使得教學測試數(shù)據(jù)的來源越來越豐富，表現(xiàn)為：①微觀層面，教學測試數(shù)據(jù)來源于單個學生，這一層面的數(shù)據(jù)又可劃分為當次測試數(shù)據(jù)和歷次測試數(shù)據(jù)；②宏觀層面，測試數(shù)據(jù)可以分為課程測試數(shù)據(jù)、班級測試數(shù)據(jù)、學校測試數(shù)據(jù)和區(qū)域測試數(shù)據(jù)等[2]——課程測試數(shù)據(jù)是指圍繞課程測試而產(chǎn)生的檢驗學習效果的數(shù)據(jù)；班級測試數(shù)據(jù)是指以班級為單位采集的各類測試數(shù)據(jù)，如作業(yè)數(shù)據(jù)、考試數(shù)據(jù)、課堂實錄數(shù)據(jù)和班級管理數(shù)據(jù)等；學校測試數(shù)據(jù)是指以校為單位采集的各類測試數(shù)據(jù)；區(qū)域測試數(shù)據(jù)是指同一區(qū)域內(nèi)不同層次、不同類別學校的匯總測試數(shù)據(jù)，用于區(qū)域內(nèi)資源的均衡調(diào)配、不同區(qū)域之間學習狀況的調(diào)查等。

圖1 不同環(huán)境下教學測試數(shù)據(jù)的演變歷程

2 采集技術(shù)

通常情況下，傳統(tǒng)課堂采用一師對一班的授課模式，教師無法對所有學生進行實時學情監(jiān)控與測試。課堂測試數(shù)據(jù)來自于教學過程中教師對學生的學情觀察、課堂提問和作業(yè)檢查等；紙質(zhì)試卷類測試數(shù)據(jù)則來自于測試學前、學后知識掌握情況的測驗考試，通過人工閱卷、人工記錄等方式采集。在“互聯(lián)網(wǎng)+”環(huán)境下，各類專業(yè)、高效的工具軟件可以實現(xiàn)對學生全方位、多維度、自動化的數(shù)據(jù)采集。其中，智能錄播與視頻監(jiān)控技術(shù)可以對課堂教學數(shù)據(jù)進行實時、自動采集；圖像文字識別技術(shù)通過計算機對圖像、文字的匹配處理與分析，可以識別不同模式的目標和對象，如用于采集學生測驗考試類數(shù)據(jù)的網(wǎng)評網(wǎng)閱技術(shù)和用于采集各種作業(yè)、練習類測試數(shù)據(jù)的拍照搜題技術(shù)；在線平臺管理、日志搜索、Web挖掘與網(wǎng)絡爬蟲等平臺采集技術(shù)可以對各種在線學習與管理數(shù)據(jù)進行采集。

3 分析處理技術(shù)

在傳統(tǒng)課堂中，課堂測試數(shù)據(jù)通常采用教師主觀劃分等級（優(yōu)、良、差）或打分的方法進行處理與分析。利用階段測驗中產(chǎn)生的測試數(shù)據(jù)，通過對試卷得分的統(tǒng)計、排序等淺層信息分析（總分、平均分）或初步的分類聚類，可以得出學生的知識掌握情況和班級整體的認知分層狀況。在“互聯(lián)網(wǎng)+”環(huán)境下，有預測分析、建模、聚類分析、相關(guān)性分析和可視化分析等常用的數(shù)據(jù)挖掘模型和算法，以及神經(jīng)網(wǎng)絡、深度學習等大數(shù)據(jù)時代的前沿機器學習技術(shù)。例如，對學習過程數(shù)據(jù)進行挖掘和預測，可以分析出學生的認知過程與情緒波動情況；對學習成績數(shù)據(jù)進行聚類分析，可以優(yōu)化學生分組，從而更好地指導分組式合作學習；利用可視化和相關(guān)性分析技術(shù)，可以支持管理決策人員快速了解學生的學習情況，直觀、高效地發(fā)現(xiàn)學習短板。

4 呈現(xiàn)方式

在傳統(tǒng)課堂中，學生測試結(jié)果的呈現(xiàn)方式以平均分、得分率和排名等淺層次數(shù)據(jù)分析結(jié)果為主，只能分析小樣本測試數(shù)據(jù)顯示學生的成績狀況及其變化趨勢，強調(diào)甄別與選拔功能，呈現(xiàn)方式較為單一。在“互聯(lián)網(wǎng)+”環(huán)境下，測試數(shù)據(jù)的呈現(xiàn)方式重視評價的激勵與引導功能，強調(diào)對學生的全面考察，特別是對情緒、態(tài)度、習慣等綜合素質(zhì)的考察。2016年，美國發(fā)布《2016-2045年新興科技趨勢報告》，報告中預測的新興技術(shù)——數(shù)字畫像技術(shù)為測試數(shù)據(jù)呈現(xiàn)方式的發(fā)展提供了更多可能與技術(shù)支持[3]。有學者預測，將分析處理后的測試數(shù)據(jù)結(jié)果以多樣態(tài)、交互式的視覺形式予以呈現(xiàn)，將成為一種必然趨勢[4]。

二 教學測試數(shù)據(jù)的應用

1 測試評價的轉(zhuǎn)變

在教學與測試動態(tài)交織的過程中，評價過程的類型主要分為“三明治”型和“蛋糕”型兩種：①在傳統(tǒng)課堂中，測試與教學的過程主要表現(xiàn)為“三明治”型階段分層評價。在這種評價過程中，教學發(fā)生于前測和后測期間，構(gòu)成像三明治一樣的學習過程，在教學前與教學后生成測試數(shù)據(jù)。②在“互聯(lián)網(wǎng)+”環(huán)境下，測試與教學的過程主要表現(xiàn)為“蛋糕”型動態(tài)融合評價。在這種評價過程中，教學與測試交叉融合進行——教師設計具有針對性的測試題目，對教學內(nèi)容與教學效果進行即時評價與反饋，同時依據(jù)測試結(jié)果，進行教學設計、教學策略、教學活動的自適應調(diào)整，測試數(shù)據(jù)的生成貫穿于整個學習過程。

“三明治”型階段分層評價與“蛋糕”型動態(tài)融合評價的主要差異是：在“三明治”型評價中，教學與評價在時空上是分離的，作用時間存在一定的滯后性；而在“蛋糕”型評價中，教學與評價緊密耦合，即時進行反饋調(diào)整，作用時間沒有延遲。傳統(tǒng)測試由于受評價技術(shù)、數(shù)據(jù)處理能力等因素的限制，通常以“三明治”型為主。而隨著大數(shù)據(jù)、云計算、學習分析等技術(shù)的快速發(fā)展與普及應用，測試評價逐漸從“三明治”型向“蛋糕”型轉(zhuǎn)變，如圖2所示。

圖2 “三明治”型評價向“蛋糕”型評價的轉(zhuǎn)變

圖3 教學測試數(shù)據(jù)的應用展望

2 教學測試數(shù)據(jù)的應用案例

（1）實施自適應評估

基于測試數(shù)據(jù)的自適應評估可以檢測學生的進步情況，為自適應學習提供數(shù)據(jù)依據(jù)。目前，國外針對不同年齡層和不同學習需求的學生，研發(fā)了大量基于測試數(shù)據(jù)的自適應評估工具，如表1所示。其中，ALEKS是加州大學歐文分校根據(jù)腦神經(jīng)測試和數(shù)學算法，針對數(shù)學教育而研發(fā)的一款自適應評估工具，目前已在美國公立小學中被普遍應用。ALEKS運用“知識空間理論”（Knowledge Space Theory），利用人工智能的手段，通過少量的問題便可以快速準確地測評學生對所學數(shù)學知識的掌握程度，并提供自適應指導[5]。Imagination Station公司研發(fā)的Istation工具則為全美和其它國家400萬K-12階段的學生提供了閱讀和寫作的線上測評，學生以可視化和游戲的方式完成課程、活動和測試，之后系統(tǒng)將自動生成評估報告并將其發(fā)送給老師和家長[6]。

表1 基于測試數(shù)據(jù)的自適應評估工具

（2）支持實時監(jiān)控干預

培生集團開發(fā)的全球少兒英語旗艦課程引入在線學習輔導系統(tǒng)（My English Lab，MEL），將測試數(shù)據(jù)應用于決策干預領(lǐng)域。MEL應用大數(shù)據(jù)技術(shù)，全程實時分析學生個體和班級整體的學習進度，實現(xiàn)對學習過程和結(jié)果的動態(tài)管理，為教學設計和教學活動的動態(tài)調(diào)整提供數(shù)據(jù)依據(jù)。MEL以學生為中心，按照教、學、測三個環(huán)節(jié)組織線上學習內(nèi)容與教學過程，最終實現(xiàn)對學生學習過程的實時監(jiān)控與干預。而布里奇沃特學院通過對比來自Edexcel、OCR（Oxford Cambridge and RSA Examinations）等第三方機構(gòu)授權(quán)的源于全國其它學校學生的測試數(shù)據(jù)，獲得進行本校學生學情監(jiān)控干預的數(shù)據(jù)依據(jù)，并將數(shù)據(jù)分析結(jié)果呈現(xiàn)給教師，從而實現(xiàn)對本校學生的干預，使本校學生在擁有相似入學水平的全國學生中取得更好的平均成績[7]。

（3）開展學情預測與分析

在利用測試數(shù)據(jù)實現(xiàn)學情預測方面，斯坦福大學的Piech團隊提出了基于深度神經(jīng)網(wǎng)絡的學生知識點追蹤（Deep Knowledge Tracing，DKT)模型。DKT模型采用深度學習中的RNN算法，利用其在時間上的“深度”，對海量學習數(shù)據(jù)進行訓練學習，不斷完善算法模型。Piech團隊在用DKT模型訓練學習了可汗學院47495名學生所做的140萬道數(shù)學題及解答數(shù)據(jù)集后，預測學生所做習題正確與否的預測精度（即AUC值）達到0.86，遠高于基于貝葉斯網(wǎng)絡的學生知識點追蹤（Bayesin Knowledge Tracing，BKT）模型預測的精度（AUC值=0.69）[8]。

（4）助力個性化學習

個性化學習已經(jīng)成為當今教育的研究熱點，各類支持個性化學習的測評方式不斷涌現(xiàn)[9]。2017年，由美國最大的教育測評機構(gòu)——西北測評協(xié)會（Northwest Evaluation Association，NWEA）研發(fā)的個性化測試方法（Measures of Academic Progress，MAP）的學生使用人數(shù)已達到700多萬。在MAP測試過程中，測試內(nèi)容、測試題目均可以依據(jù)學生的實時答題情況進行個性化調(diào)整，最終穩(wěn)定在學生的最近發(fā)展區(qū)；同時，MAP針對收集到的測試數(shù)據(jù)，為每一個學生提供精準、個性化的評估結(jié)果[10]。美國的個性化學習平臺Summit Learning Platform中的學習測評系統(tǒng)利用測試數(shù)據(jù)進行深度分析后，可以精準評估學生在7大方面中36個不同認知技能的具體掌握程度[11]，并能精確、具體地呈現(xiàn)每個學生的認知發(fā)展程度，據(jù)此向?qū)W生提出清晰的學習目標，為學生的個性化學習提供支持。

（5）輔助決策服務

測試數(shù)據(jù)在教育服務、教育決策方面也發(fā)揮著巨大的作用。依據(jù)測試數(shù)據(jù)，教育管理者可以發(fā)現(xiàn)問題、找尋不足，由此規(guī)劃未來的教育決策與方針。2017年，英孚教育在上海發(fā)布全球非英語母語國家的英語水平排名，此排名依據(jù)的是80個非英語母語的國家地區(qū)、逾100萬人的測試數(shù)據(jù)[12]。這些測試數(shù)據(jù)有利于教育管理者了解全球各地區(qū)英語水平的掌握情況，經(jīng)數(shù)據(jù)分析后得到英語水平高低與各地區(qū)的經(jīng)濟競爭力、社會發(fā)展、創(chuàng)新能力之間的關(guān)系。同時，深度分析測試數(shù)據(jù)背后的含義，教育管理者可以據(jù)此提出一系列提高英語水平的可行性建議，從而更加科學合理地制定未來的教育方針。

三 教學測試數(shù)據(jù)的應用展望

隨著教育信息化進程的不斷推進，教育領(lǐng)域的數(shù)據(jù)量呈指數(shù)化增長，教育測試的“大數(shù)據(jù)”時代正在來臨。這些數(shù)據(jù)除了來自于學校測試數(shù)據(jù)系統(tǒng)（周練、月考、期中、期末等），還來自于各階段測試數(shù)據(jù)系統(tǒng)（中考、高考、研究生考試等）、各類在線課程測驗數(shù)據(jù)系統(tǒng)（MOOC、網(wǎng)易公開課等）等。未來，這些采集后進行了深度加工的測試數(shù)據(jù)，經(jīng)過各種數(shù)據(jù)挖掘技術(shù)與機器學習技術(shù)的處理與分析，可以為教育決策者和師生在學情預測、學習預警、決策分析、自適應學習、個性化推薦、學習效果評測、學情監(jiān)控和可視化等方面提供精準、及時、科學的數(shù)據(jù)支持，具體如圖3所示。

1 學習預警與預測

在教育教學過程中，學生學情的分析和學習效果的預測是學生了解自身學習情況、改變學習策略、調(diào)整學習狀態(tài)以及教師實施教學調(diào)整與干預的基礎，對教育教學具有十分重要的作用。教師實時了解學生即時的學習狀態(tài)，可以進行精準的教學調(diào)整和干預，從而在提升教學效果的同時減少學生的認知負荷，提高學生課程的成功率。如Pardos提出的學習預測模型能夠利用已有的各類測試數(shù)據(jù)對學生未來的考試成績進行預測，并提供具體的行動支持和相應的解決方案，從而為學生的個性化學習和教師的有效干預提供支持[13]。未來，各類學習系統(tǒng)可以對學生的日常作業(yè)進行自動批改并向教師提供及時反饋，教師可以利用這些測試數(shù)據(jù)對學生進行實時的學習預警，向?qū)W生發(fā)送將會導致輟學和學習成績表現(xiàn)不良的警告性信號，同時進行精準的教學調(diào)整和干預，以提高學生課程學習的成功率。

2 精準教育決策

在“互聯(lián)網(wǎng)+”環(huán)境下，教育領(lǐng)域每天生成海量的學情數(shù)據(jù)，這些數(shù)據(jù)可以幫助教育管理者更加全面、準確地了解教育現(xiàn)狀，故為相關(guān)教育決策的制定提供了數(shù)據(jù)依據(jù)。在測試數(shù)據(jù)方面，傳統(tǒng)的分析方式（如總分、平均分、排名）已經(jīng)不能滿足精準決策的數(shù)據(jù)支持需求。因此，研究者需以管理科學、運籌學、教育科學、心理學等學科為理論基礎，以數(shù)據(jù)挖掘技術(shù)、機器學習技術(shù)和可視化技術(shù)為手段，針對教育問題，利用分析模型分析教育測試數(shù)據(jù)，為教育管理者提供備選方案，并提供支持精準、及時、科學決策的數(shù)據(jù)依據(jù)，使教育決策從模糊走向清晰、從猜測走向證實，最終提高教育決策的質(zhì)量。

3 個性化學習服務

個性化學習是“互聯(lián)網(wǎng)+”環(huán)境下未來教育的熱點，滿足每個學生獨特的學習需求，讓每個學生以最高效的個性化方式學習是未來教育的必然發(fā)展趨勢[14]。深入挖掘?qū)W生的各類測試數(shù)據(jù)，教學測試系統(tǒng)可以得到每個學生獨特的學情信息，為學生提供個性化定制的錯題本、診斷報告、個性化學習包、學業(yè)信息檔案和學科內(nèi)容評價報告單等，從而形成學習和行為的相關(guān)方案，為學生的個性化學習提供支持。如Alt School的學生畫像（Learner Profile）由系統(tǒng)學習進度（Learning Progression）、項目清單（Playlist）、基本信息（Basic Info）、文檔（Documents）和筆記（Notes）構(gòu)成。其中，系統(tǒng)學習進度通過綠色（已學完）和黃色（學習中）對學習進度進行區(qū)分，且綠色/黃色會隨著學習的推進而逐漸加深，由此繪制出多維度、全方位的學習者個性畫像[15]。

4 自適應測試與認知診斷

隨著“互聯(lián)網(wǎng)+”時代測試手段和評價觀念的轉(zhuǎn)變，測試不再只是測量學生成績的一個終結(jié)性評價工具，而成為了學習過程的一部分，使得以促進學生學習為目的的認知診斷評估技術(shù)得到快速發(fā)展[16]。認知診斷是對傳統(tǒng)測試和評價的一種改進與完善，而認知診斷理論是認知心理學和心理測量學的結(jié)合。運用認知診斷評估技術(shù)，得到被試者精準、及時的知識狀態(tài)和認知結(jié)構(gòu)，有助于教師在隨后的教學過程中采取相應的補救或調(diào)整措施。近年來，認知診斷模型不斷發(fā)展，如認知診斷技術(shù)和計算機自適應測驗相結(jié)合，可以實時獲得學生知識習得與能力提升的演變軌跡。所以，如何利用測試數(shù)據(jù)對學習者進行更加精準、高效的認知診斷，將成為測試數(shù)據(jù)未來分析研究的重點方向[17]。

四 結(jié)語

借助大數(shù)據(jù)獲取、大數(shù)據(jù)分析、大數(shù)據(jù)可視化等技術(shù)的發(fā)展與應用，測試數(shù)據(jù)在教學評估、學情預警、認知診斷等領(lǐng)域展現(xiàn)出巨大的應用價值。本研究分析了傳統(tǒng)環(huán)境下和“互聯(lián)網(wǎng)+”教育情境下測試數(shù)據(jù)的來源、采集、分析與呈現(xiàn)環(huán)節(jié)的異同，梳理了目前國內(nèi)外運用測試數(shù)據(jù)在自適應性學習、實時監(jiān)控干預、學情預測與分析、個性化學習及輔助決策服務等領(lǐng)域的典型應用案例，對測試數(shù)據(jù)在學習預警、教育決策、個性化學習、認知診斷等場景的應用進行了展望，以期為精準教學模式下教學測試數(shù)據(jù)的分析與應用提供借鑒。

[1]楊現(xiàn)民,唐斯斯,李冀紅.教育大數(shù)據(jù)的技術(shù)體系框架與發(fā)展趨勢——“教育大數(shù)據(jù)研究與實踐專欄”之整體框架篇[J].現(xiàn)代教育技術(shù),2016,(1):5-12.

[2]楊現(xiàn)民,王榴卉,唐斯斯.教育大數(shù)據(jù)的應用模式與政策建議[J].電化教育研究,2015,(9):54-61、69.

[3]DeepTech深科技.美國陸軍發(fā)布20項重大科技趨勢,將在未來30年改變世界![OL].

[4]呂永峰.讀圖時代可視化及其技術(shù)分析[J].現(xiàn)代教育技術(shù),2015,(2):19-25.

[5]王碩爍,馬玉慧.國外典型自適應學習平臺的基本框架及其關(guān)鍵技術(shù)分析[J].開放學習研究,2018,(1):48-54.

[6]Istation. About us[OL].

[7]中國教育網(wǎng)絡.大數(shù)據(jù)在英國高校的應用案例[OL].

[8]劉勇,李青,于翠波.深度學習技術(shù)教育應用:現(xiàn)狀和前景[J].開放教育研究,2017,(5):113-120.

[9][14]孔晶,郭玉翠,郭光武.技術(shù)支持的個性化學習:促進學生發(fā)展的新趨勢[J].中國電化教育,2016,(4):88-94.

[10]360百科.MAP測試[OL].

[11]黃劍橋.Facebook個性化學習平臺,有多個性?[OL].

[12]中國教育網(wǎng).英孚英語熟練度指標全球排名中國人英語水平五年達新高[OL].

[13]李香勇,左明章,王志鋒.學習分析的研究現(xiàn)狀與未來展望——2016年學習分析和知識國際會議述評[J].開放教育研究,2017,(1):46-55.

[15]Robert老師. Alt School個性化學習系統(tǒng)揭秘[OL].

[16]趙茜,辛濤,劉雨甲.我國基礎教育質(zhì)量監(jiān)測與評價的現(xiàn)狀與趨勢——第二屆“中國基礎教育質(zhì)量監(jiān)測與評價”學術(shù)年會綜述[J].教育研究,2017,(9):154-159.

[17]張瑾.1:1數(shù)字環(huán)境下師生行為特征的比較研究[J].現(xiàn)代教育技術(shù),2016,(8):49-54.

The Evolution, Application and Prospect of Teaching Test Data

ZHU Ke YANG Bing

Teaching Test data is an important part of the big data in education, which is of great significance to reveal the features and structural relations of teaching status. Based on this, the paper firstly compared the teaching test data in the traditional environment and the “Internet +” environment from the dimensions of data sources, collection techniques, analysis techniques and presentation methods, and further summarized the evolution of teaching test data in the two environment. Then, the transformation of the test evaluation was analyzed, and the typical application cases of teaching test data at home and abroad in the aspects of adaptive evaluation, real-time monitoring and intervention, learning situation prediction and analysis, personalized learning and auxiliary decision-making service were introduced. Finally, the application of teaching test data was forecasted, excepting to provide reference for the analysis and application of teaching test data in the pricise teaching model.

“Internet +”; teaching test data; teaching evaluation; education application

G40-057

A

1009—8097（2018）07—0018—07

10.3969/j.issn.1009-8097.2018.07.003

本文為河南省哲學社會科學研究項目“河南推進新型城鎮(zhèn)化進程中均衡配置城鄉(xiāng)教育資源的方法、路徑與績效評價研究”（項目編號：2014CJY030）、河南省教育廳2018年度教師教育課程改革研究項目“互聯(lián)網(wǎng)背景下中小學教師專業(yè)成長的生態(tài)模型及行動路徑研究”（項目編號：2018-JSJYYB-018）的階段性研究成果。

朱珂，副教授，博士，研究方向為學習分析技術(shù)理論與應用，郵箱為ezhuke@qq.com。

2017年11月28日

編輯：小米