基于大數據與神經網絡深度學習技術的學生評價系統綜述

■張婷婷 汪紅利 劉 黎 周菡曉 嚴斌宇/

四川大學

隨著國家針對人才培養模式改革的力度的不斷加大，高校開始逐漸積極探索新的人才培養模式，學生評價既是人才培養模式創新的重點，也是學校教育評價的重點。學生評價系統的完善，對學生進行公正合理的評價，有利于學生更加全面的發展和成長。在此背景下，構建完善的智慧多維學生評價系統具有重要意義，統計學、信息學、教育學等多個學科基于技術的發展和人與社會的發展從不同視角對這一問題進行了深入研究，本文將對近年來學者對學生評價系統的相關研究進行梳理。主要包括以技術為導向的學生評價系統的發展，大數據背景下不同維度的學生評價，神經網絡深度學習技術在學生評價中的應用。具體包括學生評價系統的設計和實現，智能多維的學生評價系統的完善，以單一學科為切入點進行學生評價系統的構建，基于大數據的多維學生評價系統的研究，高校學生綜合素質評價體系研究，神經網絡算法在學生評價系統中的應用，基于深度學習技術的評價研究。最后進行了文獻評述，提出了現有文獻的研究不足。

一、以技術為導向的學生評價系統的發展

當前，學界關于以技術為導向的學生評價系統的發展主要關注學生評價系統的設計和實現、智能多維的學生評價系統的完善等幾個主要方面。

在學生評價系統的設計和實現方面，相關研究主要從軟件發展的角度，結合先進的計算機技術進行學生評價系統的設計和實現。麻皓東(2018)提出一種基于SVM和笑容強度的笑容有效性的分類算法，幫助確定學生對所學內容的學習興趣程度，在一定程度上對學生的學習狀態進行全程客觀的評判。[1]方建文(2006)使用OLAP技術設計和提供多維概念視圖，實現對學生評價數據的可視化操作，體現了學生評價系統更加以學生為中心的理念。[2]曹帥(2011)借助數據挖掘技術，通過關聯規則，分析高校招生中與生源質量相關的信息進行系統設計[3]，體現出學生評價系統的研究開始注意診斷性評價。

智能多維的學生評價系統的完善方面，相關研究主要從單一性評價轉變為綜合素質評價，從更注重終結性評價轉變為過程性評價為主。王志玲(2018)提出在注重總結性評價的同時也要注重形成性評價，構建教、學、評的有機體。[4]王俐(2006)在設計學生評價系統時對所有通過網絡進行的學習活動進行量化處理[5]，簡化了評價流程的同時實現了自動評價功能。張玉紅(2009)運用“反饋”評價方法，構建了人人都能得到反饋獎勵的激勵評價模型[6]，通過激勵性評價和鼓勵性教育肯定每個學生的個性都能得到充分發展。鄭元君(2013)設計學生評價系統時考慮多方主體，得出了“五位一體”評價體系[7]，指出學生評價應考慮校外在內的多個維度。彭琴斯(2012)使用PHP技術開發了學生綜合評價系統，突出對素質教育的重視，但過程性評價不足。[8]

總的來說，從技術發展角度去設計學生評價系統越加完善，從只注重終結性評價，到注重診斷性評價和過程性評價，再到終結性評價和過程性評價并重體現了教育觀念的轉變，但也存在評價系統設計過于理想化的傾向，評價手段從質性評價為主發展到以量化評價為主，忽視了學生情感變化發展。

二、大數據背景下不同維度的學生評價

當前，學界關于大數據背景下不同維度的學生評價主要關注以單一學科為切入點進行學生評價系統的構建，基于大數據的多維學生評價系統的研究，學生綜合素質評價研究等幾個主要方面。

以單一學科為切入點進行學生評價，相關研究主要涉及有英語、計算機、體育等學科。朱經偉(2017)為培育學生自主學習和合作意識，構建了大學英語寫作的多維評價平臺，體現了終身學習意識開始逐漸納入學生評價的維度之中。[9]張曉艷(2017)在計算機基礎課程教學評價中，考慮學生評價的多主體性和多層面的特點，采用指導性教學，更加注重學生評價中學生的主動性。[10]吳芳(2019)運用大數據對學生采取“自評—組評—教師評”相結合的方式,評價流程包括數據收集、數據分析、結果輸出和結果反饋四大環節，注重學生評價的個性化。[11]

基于大數據的多維學生評價系統的研究，相關研究主要涉及個體評價的智能化。盧錦運、何懷金(2018)通過實時采集學生數據進行常態監控、科學分析，為學生評價從終結性轉變為過程性提供技術支持，實現學生評價的智能化。[12]黃赟茹(2017)分階段地進行學生學習成果評價，并根據評價結果提出針對有效的建議，實現學生的個性化學習和預測性指導。[13]劉佳良(2019)指出傳統的教學評價體系缺少學生在學習過程中的個性化指導。[14]譚林海(2017)通過搜集學生網絡社交平臺的信息，探索和分析其中的規律，考慮學生個性化特點，構建具有針對性的學生評價模型。[15]

高校學生綜合素質評價體系研究主要關注學生綜合素質的評價，具體包括學生成長質量的評價體系，學生誠信評價等。農麗萍、史新華(2018)指出評價體系在激勵學生的同時更要注重其導向性功能。[16]史蕊(2017)通過搜集高校學生海量誠信數據，以此為基礎進行數據分析和挖掘，將誠信評價納入學生評價之中，擴大了學生評價的范圍。[17]

總的來說，近年來學生評價系統越加朝著智能多維的方向發展，在重視綜合素質和核心素養評價的同時也在注重個性化學生評價，過程性成果也得到了相應的評價，智能化學生評價高效有序，但也存在評價過程注重量化，過于死板，靈活性不足，以單一學科設計學生評價系統的參考性不足。

三、神經網絡深度學習技術在學生評價中的應用

當前學界關于神經網絡深度學習技術在學生評價中的應用主要關注神經網絡算法在學生評價系統中的應用，基于深度學習技術的評價研究。

神經網絡算法在學生評價系統中的應用的發展從完善評價維度到探索性評價，具體包括評價系統的自動化，評價維度的多層次，基于神經網絡算法的評價預測化。黃桂斌(2005)通過BP算法分析，根據學生的學習訓練體量和成果進行自動評價，實現對學生能力的預測性評價。[18]厲丹等(2018)提出了基于hopfield離散神經網絡的學生能力評價模型，利用離散神經網絡能夠高效的、公正的評價學生的各方面綜合能力。[19]陳靜(2007)等將神經網絡集成到模糊數學，用專家經驗對大學生信用進行評價。[20]Sebastian等(2015)認為通過教育數據挖掘，使用實時數據集對人工神經網絡進行研究,可以用來預測學生的表現，以便完善學生評價維度。[21]

基于深度學習技術的學生評價研究較少，主要關注學生的過程性評價和表現性評價來診斷和培育學生的深度學習的能力。彭寶玉等(2018)從深度學習的角度闡明，表面的過程性與終結性評價已不足以對學生進行全面評價，師生共同參與，碎片化學習促使學生評價的自動化和深度發展，學生評價要注重學生深度學習能力的培養。[22]周文葉、陳銘洲(2017)認為傳統的學生評價忽略了深度學習過程中基于批判性思維的學生的思考能力、溝通能力、表達能力的提升，通過構建合理的表現性評價可以更好地對學生進行全面評價，實現對學生的深度評價。[23]

基于神經網絡和深度學習技術而設計學生評價系統是現今較為科學的手段，它不是單一的對學生的學業成績進行考察，而是關注到了學生非學術能力的方面，對學生的智力、能力、認知、情感、品行等各個方面進行考察，采用多元交互評價的方式讓學生在關注學生成果的同時，也注重學習過程，促進學生批判性思維與創新意識和能力的發展，在充分關注學生整體發展狀況的基礎上，進行系統全面的評價。但現今對神經網絡和深度學習技術應用于學生評價系統的發展和完善還沒有得到充分利用。

四、文獻評述

總體來看，近年來學生評價系統相關研究較為豐富，從宏觀上來講，既有在大數據背景下對學生評價系統的設計和實現情況及特點的把握，也有依靠科技運用神經網絡深度學習技術進行更加深化、細致的研究。教育學、心理學、計算機科學等多類學科也從各自視角出發對這一問題進行了探究與解釋。從微觀上來講，研究內容不僅對基于技術的學生評價系統的發展進行了較為全面的呈現，也在不同學科對于學生評價系統的構建對比中凸顯差異，學生評價系統設計的指標合理性是重點關注問題，即更加關注個體差異性評價，從以前注重量化分析到定性定量的結合，并且通過技術科學簡化評價過程，將復雜的教育問題簡單化。另外，評價主體的轉變，從只注重教師對學生的評價到重視學生自身的評價和同學、家長、社會等多主體的評價，全方面、多維度的對學生的綜合素質進行考察，關注多種形成性評價方式的科學性和可行性，促進學生全面而有個性的發展。所采用的研究方法多樣，定性與定量均有涉及，研究理論豐富。

但仍然存在幾點研究不足，第一，提出現今學生評價系統的不足，肯定智慧多維評價系統的意義的研究很多，但解決問題或探索解決問題路徑的文獻比較少，很大部分文獻針對學生評價系統的構建或意見建議過于宏觀和理想化。第二，學生評價系統設計的理論性支撐不足，數據收集的效率較低阻礙了系統、科學、及時的評估和優化，缺少面向學生學習成長過程行為的全方位、多維數據的匯聚平臺。第三，在大數據背景下，運用神經網絡深度學習技術的方法進行智慧多維學生評價系統的構建的相關研究較少，缺少個性化人才培養方案的系統研究，就如何構建系統復雜的“信息化”培養機制、高效采集整合各類數據，并在多樣化的培養模式中挖掘出有效的培養方案，使對“個性化學習”這一理念的延伸，變成技術上的完全創新還缺少研究。