以OMO模式促教學質量評估改革

孫震丹

OMO模式擴展了教學質量標準的監測領域，基于數據事實對教學質量風險進行全方位的篩查與預警，并不斷通過機器智能深度學習來增強教學反思。應大膽實踐，運用OMO模式改革傳統的教學質量評估標準與評價體系，探索并引領教學質量評估改革的方向。

近期，中共中央、國務院印發了《深化新時代教育評價改革總體方案》，明確整治教育評價亂象，提出具體改革指導方向，同時要求健全評價體系、創新評價工具，利用人工智能、大數據等現代信息技術，探索各類教育評價全面推進。

教學質量評估是教育評價的重要組成部分，是衡量教育機構辦學能力的尺度，更是驅動教育高質量發展的內核。無論是基礎教育、高等教育領域還是繼續教育領域的教育機構，建立成熟的教學質量評估標準和評價體系，都是其實現教學監控與質量保障的重要支撐。

一般來說，質量評估結構由三個方面構成，一是對教師的學術業務水平、教學方法、教學態度進行評價;二是對課堂教學、教案、作業批改、學生成績與學習過程進行跟蹤;三是對教學效果、學生素質與學習態度實施測量。隨著信息技術的發展，教學質量評估加速改革，信息技術在教學質量評估中的應用日益深化。大部分學校都建立了涵蓋教學目標、教學信息采集、教學評價及診斷等內容的信息系統，最后通過考核組織、交流經驗并達成共識，以形成教學質量的主客觀評價。近年來，隨著在線教育的發展，以及OMO模式的悄然興起，教學質量評估迎來了新的改革之風。

OMO模式促進教學質量評估改革的優勢

OMO模式與教學質量評估息息相關。與利用管理系統開展教學質量評估信息化改革的方式不同，OMO模式是基于“數據驅動”推進教學質量評估改革。一方面，OMO模式將線下的辦學業務拓展到線上，以全面提升教學效率，加強教學的精細化管理能力，為教學質量評估的數字化轉型提供了創新與探索方向;另一方面，OMO模式通過互聯網、人工智能、云計算、大數據、區塊鏈等信息技術手段，構建強大的智慧中臺，運用大數據與人工智能算法工具，不斷豐富大規模教學條件下因材施教的手段，滿足教學減負與人工教學經驗提升的實際需求，為提升教學質量助力。

OMO模式的優勢在于通過線上參與教學活動，為教學質量改革提供了信息采集、學情診斷、教學干預、教學效果優化的全棧數字化解決方案，由于其評估數據來源可信，分析基于客觀數據事實而非人為主觀判斷，因而極大地提升了教學質量評估的可信度與公正性。應該利用OMO模式線上與線下融合的優勢，把控教學質量監測與優化呈現覆蓋全教學領域、線上化、無斷點、數據化、智能化、個性化與精準化特征，讓OMO模式為教學質量評估提供更多的實踐機會。

從學習者角度看，OMO模式將跟蹤監測每一位學習者的學習掌控能力，自動實現學習者學能分層，為實施個性化學習提供基礎支撐。從教師角度看，OMO模式能反映教學目標中的知識圖譜與學習者知識點的關聯與掌控關系，減輕教師課堂、課后的課業檢查負擔，幫助教師分析教學質量風險，識別篩選低質量學習者，從而有利于教學質量動態監測與教學干預響應。從教育行政部門角度看，在“統一標準”條件下，探索從“數據驅動”到數據價值的新型教學質量發展模式，推動教學質量評估改革，保障有質量的教學活動自適應展開。

筆者呼喚OMO模式促進教學質量評估改革，原因有三：其一，OMO模式提倡“數據驅動”，強化了教學質量標準系統性覆蓋，教學質量監測的數據來源具有覆蓋全面、信息連續、過程完整、內容保真的特點;其二，OMO模式依據的數據可信，提升了教學質量風險評估洞察力與科學性，改變了教學調查總結反映的集體主觀評價，使教學評估建立在以大數據為事實依據的基礎之上;其三，OMO模式擁有分析智能，使得師生教學行為改進要依賴算法而不是人為經驗，推動教學質量評價體系不斷循環與自我優化。

落實關鍵環節，推動教學質量評估改革

要真正以OMO模式推動教學質量評估改革，提升教育質量，必須在三個環節上做好落實。

一是實施精準教學。精準教學要求，將系統性教學內容繪制成知識圖譜，對每一個圖譜節點即知識點建立測試題目，然后對每一位學習者的知識點掌握情況執行自動化測評，以確認其對相關知識點的掌握程度。考試與批閱是自動化的，既為教師批閱減負，也改變了全員統一化的題海戰術，并針對學習者的知識點薄弱環節自動補課、推題。精準教學正在擴展教學質量標準，將學習者、教師、課程設計、評測體系、數字學習資源、學習服務支持全部納入監管范圍，使得教學反饋一目了然，為進一步細分教學做好了準備。

二是敏捷課程資源開發。一方面，面對不同學習者群體的學習能力差異，同樣一個知識點需要多位教師以不同的教學風格與教學方法進行解讀，以便適應學習者對教師授課風格的喜好，強化學習帶入感;另一方面，OMO模式會根據評測數據分布特征，動態診斷每個學習者的學情問題與差異，因而，教學案例、課件、教輔、題庫等學習資源的開發，需更快捷與更具針對性，以提升教學質量。

三是實施教學行為干預。OMO模式能夠建立師生之間的學習模型、內容模型、教學模型，并用大數據可視化技術呈現學習表現分析、教學效果衡量、教學能力測量等結果，展示學習者最優化的學習路徑、分析學習行為特征、底層能力對學習效果的影響，實現教學模型預測與風險評估;另外，提供AI個性化轉化干預設計方案，包括對學習者意志力、自控力、好奇心、主動性、注意力等基本素養和認知能力的調整，以及對數字資源、題庫、作業、論文、課件和學習支持服務的優化建議，并智能推送至學習者，形成整個教學質量評估與優化的核心閉環。

責任編輯：夏英