基于大數據技術的課堂教學評價方法研究

譙婧 張迪

（西安歐亞學院 陜西·西安 710000）

1 核心概念界定

教學評價：教學評價是依據教學目標要求，采取合理的評價方式，針對教學過程做出的價值性評估，從而為提升教學質量、改進教學內容提供依據和參照。既是對教師為達成教學目標所開展一系列教學活動而進行的診斷方式，同時也是教師進行自我教學反思和優化教學的重要依據。

數據存儲：是所有數據的集中存放，主要存放各種結構化、半結構化和非結構化的歷史數據、預測數據、匯總數據以及需要共享的數據等。

數據整合：是指通過高質量的數據整合方法，對數據進行加工處理，并在盡可能保留原有語義的情況下去粗取精、消除噪聲，從全局的角度保證數據的一致性和相關性。

2 研究現狀分析

由于計算機技術、編程語言、網絡通信等技術的逐漸發展成熟，相關學者通過引入技術手段的支持，開展了技術支持下的課堂評價方法研究，通過研制開發相關軟件工具，以技術手段降低教學分析方法應用的門檻，提高數據采集與分析的效率，便于教學分析與評測方法的推廣與應用。歐美一些國家開發出了許多網絡教學評價系統，應用于在線課程的評價、學習考評、學生行為分析。具有代表性的如華盛頓大學使用的智能評價軟件IAS，在線教育云平臺基礎上所研發的集智能學習、智能評價、考核認證為一體的在線學習考評系統，能夠智能引導學員自主學習、分析學習行為、智能評析試卷，滿足各類院校、考試認證機構學習考評需求。另外個人發展系統IDEA、加拿大英屬哥倫比亞大學開發的WebCT系統，這些已經實際運用的系統中普遍具備了教學評價的功能。

國內而言，課堂教學評價方面的研究成果主要從為什么進行教學評價，教師教學評價的標準，如何進行教師教學評價，由誰來評價教師教學，教師教學評價的結果如何處理等維度出發，多屬定性范疇。在評價系統的研究方面為了生成能夠進行自動處理的課堂信息，目前主流的方法是采用課堂測試生成測試分數、調查問卷生成等級分數、符號化的課堂觀察、課堂教學場景的編碼等人工生成方法，但這些方法具有人工參與程度高、人工費用高、客觀性難以保障等缺陷，難以實施常態化、規?；?、自動化的教學信息采集。

受技術的限制，目前課堂教學定量評價的應用范圍比較小，課堂評價中定量評價的準確性和精確性取決于數據的維度、量級等幾個方面，數據分析的手段和方法是其關鍵，因此為了對課堂教學進行大規模持久的監測與評價，獲取客觀的教育大數據，實現大地域、多樣本、全過程的課堂評價，發展課堂教學定量評價技術必行。

3 大數據技術下的課堂評價的困境和突破

大數據時代的思維方式為教育評價提供了嶄新的思路，其一，形成發展性教育評價觀。強調以教育評價對象的主體性發展為目的，從學生的需要出發，重視學習過程，學習體驗和師生交流，其二，擴大教育評價范圍。強調教育評價對象不僅僅限于學生，還應涵蓋諸如課程、教師、學校等對教育活動有重大影響的內容。其三，反思對成績的片面追求。強調測試分數不等同于物理測量單位的直觀含義，在教育評價中不能僅憑簡單的數字加以解讀。

在網絡成為人們基本日常的學習平臺的大數據時代，利用數據挖掘、學習分析、內容分析等技術和相關學科的發展，已使以“增量評價”“進步評價”為特征的發展性評價有了技術和方法的保障。

為了保證大數據的可用性，首先必須在數據源頭上把好質量，做好從原始數據到高質量信息的預處理。與傳統教育數據相比，教育大數據的來源更加多樣化，包括業務系統內部數據、互聯網數據、物聯網數據等，數據量龐大、格式不統一、數據質量差異明顯。因此數據采集環節必須規范數據格式并進行初步預處理，以便于后續教育數據的存儲、管理與應用。

3.1 課堂數據獲取的關鍵技術

信息技術與教學的深度跨界融合推動著學習的變革，線上教學、混合式教學、智慧課堂等多種教學方式在應用型高校的教學中得到了廣泛的應用，隨著課堂教學模式、學生學習方式的轉變，教學方式采用翻轉課堂、慕課、微課等形式開展網絡教學，自動留存學生關于學習行為的各種數據，通過數據共享平臺記錄、共享課堂教學大數據成為現實。平臺數據逐步形成學生學習行為數據、課堂教學過程數據。數據共享的實現，為利用數據挖掘、人工智能分析手段進行課堂教學評價提供了數據依據。

通過自建校內專用圖像、通信和定位網絡以及全方位捕捉攝像頭和分布式拾音器采集課堂視頻、音頻等信息。既可以利用自組網技術實現校內高帶寬信息通道和海量數據共享，還能夠實現位置、表情、動作等信息的實時采集。所有的數據都具有海量、多源、時效性強，以及類型多等特點，利用大數據技術進行規整分類，為進一步實現數據的深層次挖掘提供技術基礎。

3.2 課堂數據規整處理的關鍵技術

數據處理主要包括數據選擇、數據清洗和數據轉換，數據選擇的目的就是確定數據挖掘任務所涉及的操作數據對象，根據數據挖掘任務的具體要求，從相關數據源中抽取與挖掘任務相關的數據集。數據清洗包括消除噪聲、遺漏數據處理、消除重復數據和數據類型轉換處理。數據轉換主要是消減數據集合和特征維數，從初始特征中篩選出真正與挖掘任務相關的特征，提高數據挖掘的效率。

課堂數據來源多、海量、時效性強，系統識別中容易出現異常數據與數據分類問題。傳統的固定類別算法無法準確整合數據，完成數據分類，對于結構化的教學信息數據處理主要包括數據過濾、數據分類和統計等，對于半結構化的教學行為數據、學生行為數據處理包括數據轉換、特征提取、數據關聯；對于非結構化的教學視音頻、文本類、資源類數據處理包括語言轉化與分析、文本處理分析、數據反演分析、情感分析。

3.3 課堂數據的分析與呈現

隨著信息化手段不斷的深入課堂，教學活動數據既包括線上的學習，也包含多種教學模式下的線下教學活動。由于學習目標、學習平臺、學習內容的不同，動態生成大量的多模態數據，讓課堂數據的類型更加復雜。借助信息技術手段，基于線上學習平臺的采集的學生學習軌跡數據、導學行為數據、導學測評數據等一系列的課前學習行為數據，應用數據挖掘、學習分析技術，分析學習者的共性與特性，進一步得到學清分析報告，進而為教師改善、調整教學設計、教學方式提供精準的參考，有效的促進教與學。

通過自建校內專用圖像、通信和定位網絡以及全方位捕捉攝像頭和分布式拾音器采集課堂視頻、音頻等信息。對采集數據進行去重、去噪、轉換、處理等預處理后，應用聚類分析、關聯分析、序列分析等技術對學習行為數據進行挖掘，如根據學習者在線學習環境中的學習困難、交互模式等將學習者進行分組，進而挖掘學習者的個性特征，為不同的群組提供合適的學習資源，推送合適的學習活動。利用關系挖掘，探索學習活動與和學習成績的相關關系，構建課堂數據與學生學習效果關聯模型，促進教師精細化的教學和學生個性化的學習。

4 結語

新信息技術快速發展不斷促進課程與教學范式、模式、方式等諸多方面的變革，催生了新教育思維、新課程樣態、新教學模式、新評價范式的更迭與創新，這些變化都為未來的課堂教學評價方式的發展提供巨大的空間和機遇。未來的課堂教學評價結果更趨向于精準性、高效性、多樣性的多元評價。

大數據的深度研究與實踐可為大量的音頻、圖片、行為記錄等半結構化、非結構化的課堂數據進行結構化的處理與分析，從而有效助力課堂教學綜合評價的開展與推進。