數據賦能的未來教育評價

摘要： 教育評價事關教育發展的方向。構建以核心素養為導向、促進德智體美勞全面發展的教育評價體系是新時代的重要課題。文章歸納當前教育評價改革進程中面臨的問題與挑戰，分析了基于教育大數據破解問題的思路，最后指出教育大數據賦能未來教育評價變革的方向，為教育評價的數字化轉型提供了借鑒。

關鍵詞：教育評價;教育大數據;智能技術;未來教育;全面發展

教育評價事關教育發展的方向。為全面貫徹黨的教育方針，落實立德樹人根本任務，系統推進教育評價改革，發展素質教育，培養德智體美勞全面發展的社會主義建設者和接班人，中共中央、國務院于2020年印發《深化新時代教育評價改革總體方案》，明確提出“改進結果評價，強化過程評價，探索增值評價，健全綜合評價，充分利用信息技術，提高教育評價的科學性、專業性、客觀性”。面對當前教育評價變革的發展趨勢，如何利用信息技術構建以核心素養為導向、促進德智體美勞全面發展的教育評價體系，成為新時代教育者需要努力探尋的課題。我們應積極探索指向學生核心素養的教學與評價路徑，充分挖掘人工智能和大數據技術變革教育評價的潛力，破解當前教育評價存在的難題，實現學生的全面發展。

一、當前教育評價面臨的問題與挑戰

“‘五育’并舉，全面發展素質教育”是我國教育改革發展的一個基本方向。發展素質教育，必須從根本上解決教育評價指揮棒問題。然而，當前教育評價中仍然存在著一些較為突出的問題，嚴重阻礙了素質教育的落實。這些問題集中體現在以下方面。

（一）評價目標聚焦知識與技能，忽視學生的關鍵能力和核心素養

傳統的教育評價以紙筆測試為主，只考查學生對知識與技能的掌握情況，忽視對學生在真實世界中解決復雜問題的能力、團隊協作能力和創新思維等高階能力和綜合素養的評價。長此以往，以知識為中心的評價將導致學生只會死記硬背書本知識，進行淺層次學習，而不會主動思考與探究，不利于深度學習的發生和高階思維能力的提升。

（二）評價功能過度注重甄別和選拔，不利于以評價促進學生發展與提高

當前，我國仍以考試成績作為獲取升學資格和進行人才選拔的唯一標準或主要參照依據。這種“一考定終身”式的教育評價，導致教師、學生和家長過度追求考試成績，出現“重分數輕能力”“重知識輕素養”等現象。這種評價導向與我國一直以來倡導的重視學生德智體美勞全面發展，培養學生高階能力的創新教育理念背道而馳，不利于發揮評價對促進學生發展與提高的作用。

（三）評價標準過于統一，難以滿足多元化人才需求

傳統教育評價以解決書本問題為導向，評價內容封閉有限、答案固定統一，不利于多方面、多角度地發現和培養人才，也嚴重遏制了學生個性特長的發展。“多一把衡量的尺子，就會多出一批好學生”。未來教育評價的標準應該更加靈活，能夠根據評價任務和評價對象定制多元化評價標準，實現個性化評價，做到“不拘一格降人才”。

（四）評價過程缺乏及時反饋，難以實現面向過程的發展性評價

當前的評價主要以靜態評價、事后評價為主，教學活動開展后才對學生的表現進行評價，缺乏貫穿于整個教育教學過程的、實時的動態評價，難以呈現連續時間段內學生能力水平的發展變化，加上評價反饋嚴重滯后，無法為教師診斷教學問題、進行教學干預提供有效的參考信息。

（五）評價主體較為單一，導致評價結果片面化和主觀化

目前，評價主體仍以教師為主，自我評價和同伴評價較為缺乏，教師最終決定學生的評價結果。由于缺少過程性材料和數據的支撐，教師僅從自身單一視角對學生的表現做出簡單評判，容易忽視學生在人際交往、思想品德、社會參與、道德情感等方面的發展。這種片面化和主觀化的評價不利于學生進行正確的自我認知，也不利于學生全面發展、健康成長。只有借助包括同伴、家長、社會等多重角色參與的多視角過程性數據，才能確保對學生形成立體化的認識與了解，評價結果才會做到全面和客觀。

二、大數據變革教育評價的機遇

隨著教育信息化實踐的扎實推進，大數據對促進教育教學改革和發展的獨特價值日益凸顯。教育大數據，指的是教育活動過程中面向全員、全過程、全領域所產生的各種類型（結構化、半結構化或者非結構化）的數據集合^[1]。教育大數據不僅是一種技術，更是一種能力。它能夠幫助學校從海量的、結構復雜的數據中找到有價值的規律和模式，是進行教育決策和教學干預的重要出發點。因此，數據將成為智能時代每所學校最重要的無形資產。教育大數據的發展將為推進教育變革和促進學生全面發展注入新的動能，主要體現在以下方面。

（一）揭示學生的學習過程和心理世界，發現共性背后的個性

只憑考試分數推斷學生的學業水平，容易忽視其個性發展。例如，成績相同的兩名學生，可能有著完全不同的個性特征。教育大數據不僅表現為數據體量龐大，還特別強調獲取學生全樣本、全過程和全方位的數據。不同來源、不同類型的數據能夠記錄下學生多方面的綜合表現和個性特征，如認知水平、情緒狀態、心理變化等，立體化揭示學生在學習過程中的一系列內外部活動和變化。這便于教師從多元視角觀察學生的個性特征與心理變化，發現共性背后的個性。

（二）洞察學生真實的學業表現，有利于實施個性化教學

傳統教育評價只能周期性、階段性地獲取學生的學業數據。這些數據往往主要用來分析群體的學業表現水平，只能粗線條地反映出學生個體在群體中的相對位置。教育大數據則可以實時采集每個學生的各類學業數據，如學生的學習路徑、知識掌握情況、學科能力表現、不同階段的核心素養水平等，幫助教師從微觀層面洞察學生真實的學業表現，為后續實施個性化教學和干預提供科學依據。

（三）發掘內部規律和影響因素，提供精準的個性化服務

教育大數據能夠細致刻畫學生的微觀表現，并基于學生的行為表現探究其學習過程的發展機制，優化學生的學習體驗。主要包括：基于學習分析為學生提供及時的評價反饋，幫助其更好地自我調節和有針對性地改進;可為學生量身定制更有效的學習推薦方案，如推薦適合其個性特征的最佳學習路徑。教育大數據還能深入到教與學的微觀層面，大幅度提升教學的針對性和有效性。通過數據清晰還原教學過程，教師能夠精準定位教育教學問題，及時發現關鍵薄弱環節及其影響因素，從而為學生提供適切的學習服務。這將大大有利于實現適應性學習和自我導向的學習^[2]。

（四）發現教育共性問題，促進教育質量改進的協同

基于大量的個體數據分析，更容易甄別出一些共性問題和盲區，教育管理者得以超越個體的局限，擁有更為宏觀、動態的視野。通過對教育教學過程的全局性掌控，教育管理者能夠得到更有針對性、更加迅速的反饋，充分調動起學生、家長、教師、校長、教研員等教育質量控制關鍵角色的力量，促進不同角色間的信息流通和協作。這種從系統性視角改進教育質量的方式，有利于消除教學干預的滯后性和孤立性。

（五）聚合智能技術，實現面向全過程的多維高效評價

當前，5G、物聯網、智能感知、腦電和仿真等新技術的發展為教育評價變革提供了新的方向，也為智能化的數據采集、數據建模、可視化分析、個性化反饋等提供了有力支撐。例如，智慧筆可以采集學生學習過程中的書寫數據，數字化記錄學生日常的練習和測試數據，結合學生的課堂學習行為表現，提供個性化的評價和學習分析診斷;5G和物聯網技術可實現人機物互聯，為采集多維的過程和環境數據提供了可能;圖像識別、語音識別等智能感知技術可以智能識別學生的動作行為、表情等信息，為教育評價提供客觀的、過程性數據;基于人工智能的物體識別、姿態識別、認知推理和自然語音處理等技術，可采集自然狀態下的真實數據，實現心理健康、繪畫書法、認知能力等多維度的測評;腦電技術、腦成像技術可以采集認知過程數據，有助于分析學生的注意力、記憶和情感等內部心理機制，深層次揭示學習過程，為評估認知過程提供理論依據;VR/AR/MR技術能夠Op/QaT7o/tjLd+e/T7KrDA==創設類似真實問題解決的環境，并采集學生問題解決過程中的探究、決策等行為數據，支持開展模擬真實生活場景下的高階能力評估。

可見，通過對教育教學過程中數據的持續采集、深度挖掘、多元分析和動態反饋，教育評價得以從依據個人經驗的主觀判斷，轉向基于過程數據的客觀決策;從面向知識掌握的總結性、選拔式評價，轉向面向個性化發展的過程性、動態化評價;從關注書本知識習得的單一性評價，轉向重視關鍵能力和核心素養發展的綜合性評價;從耗時、滯后的人工評價，轉向高效、及時的自動化評價。可以說，大數據為破解教育評價難題，重塑未來教育評價體系提供了難得的機遇。

三、數據賦能的教育評價變革

在當前深化新時代教育評價改革的時代背景下，我們應該積極抓住大數據變革教育評價的機遇，用數據賦能教育評價的升級轉型。具體可從以下方面著手探索。

（一）評價依據從評價者的主觀經驗轉向客觀理性的數據

借助教育大數據分析工具，教師可以采集學生在學習過程中的全部過程性數據。通過對數據的分析和挖掘，教師還能夠對學生的學科知識、學科能力、核心素養等做出準確和定量的評價。這使得教育評價不再依賴于教師的個人主觀經驗，轉而基于客觀數據進行科學理性的決策^[3]。在挖掘和分析數據的基礎上，評價系統平臺還可形成針對不同角色、不同時間段、不同評價標準的可視化報告。這些報告會幫助教師發現學生的個性特征，幫助學生更加全面地了解自己，發現優勢和不足，幫助家長客觀認識自己孩子的表現。基于教育大數據獲取的學生各方面表現，系統平臺還可以生成多維度的評價報告，包括知識結構、能力素養、心理素質、體質健康、情緒狀態等，更加真實、立體地刻畫每個學生。

（二）評價方式從關注總結性評價到關注過程性評價

借助教育大數據工具，學校可多主體、多渠道地采集學生在教育教學活動過程中的數據，如通過考試、檔案袋、綜合活動調查、交互類認知活動等，聯合學校、社會、家庭等多方力量共同參與評價過程。采集的數據不僅包括學習結果，還包括學習行為、認知過程和心理變化等大量過程性數據，實現定量評價與定性評價相結合。這就扭轉了過往以結果為導向的總結性評價，更加關注學生的學習過程。評價報告的內容也將更加豐富，不再過分強調橫向比較學生間的差異，轉而突出學生的個性化發展，弱化評價的甄別和選拔功能，凸顯評價對教育教學的診斷和促進功能，最終將評價過程與教學過程相融合，實現面向教學過程的發展性評價（如圖1）。

（三）評價主體由單一教師主導轉向自我評價、同伴評價以及利益相關主體共同參與

教育大數據支持多元主體共同參與評價，包括任課教師、學生個體、同伴以及利益相關者，從而分散教師在評價中的絕對權力，使得評價結果不再只依賴于教師個體的主觀判斷。通過多元主體的共同參與，還能夠從更多視角反映個體的綜合表現，如優點、特長、個性和缺點等，使評價結果更為全面客觀。此外，讓學生、家長、社會等多個角色參與到評價過程中，將更有利于系統、協調地推進教育評價的變革。學生參與評價的過程本身就是一個學習過程，在參照評價標準對同學作業（或作品）進行評價的過程中，他們會更加了解自己的學習過程和同伴表現，從而激勵自己更好地學習。教師可將評價活動設計為教學的一個環節，實現以評促學。如芬蘭的某所高中讓學生根據學習過程中的數據進行自我評估和同伴互評，從而使學生真正了解了自己，促進了他們的學習。由北京師范大學未來教育高精尖中心開發的基于大數據的STEM測評系統也實現了多元主體參與評價，學生每節課的表現都基于自主評價、同伴評價和教師評價。基于該系統，教師將評價作為教學活動，通過學生的自評及時了解學生存在的問題與不足，并采取及時的干預措施^[4][5]。

（四）評價內容從關注學科成績轉向關注個體全面發展

教育評價應關注學生德智體美勞全面發展，不僅包括學生的學業表現，還更強調學生關鍵能力和核心素養的培育。教育大數據技術可采集學生在課堂活動、作業練習、在線學習、體質鍛煉、人際交往等全學習過程中產生的數據，并采用定量評價和定性評價相結合的方式，形成全面的發展性評價報告，包括認知能力、學習風格、注意力、情感情緒、學習軌跡、知識狀態、知識誤區、學科素養等。這類報告通常包含多個評價指標，類似于醫院的體檢報告，能夠全面了解學生的發展狀況。例如，北京師范大學未來教育高精尖創新中心開發的“智慧學伴”平臺，可實現全學習過程數據的采集、知識與能力結構的建構、學習問題的診斷與分析、學科優勢的發現與增強。平臺中設計了300多項指標的個體能力建構框架，從學科領域核心知識、學科核心素養、通用心理和認知能力、體質健康四個方面刻畫學生的個性特征，實現學生非智力因素、核心素養、學科能力等多方面表現的綜合評價^[6][7]。再如，美國的Mastery Transcript Consortium（簡稱MTC）組織提出的MTC綜合素質評價模型，強調從分析與創意思維、溝通能力、領導力和團隊合作能力、數字和定量研究素養、全球視野、適應性、獨創性和冒險精神等八個維度，采集學生在學習過程中的學業成績數據、教師評價數據、同伴互評數據、學生作品以及個人檔案袋中的數據，再通過量化和質性數據的分析，得到學生包含八個維度表現水平的整體分析報告，并以此作為大學錄取的依據^[8]。

總體來看，未來會越來越強調德智體美勞全面發展的評價。美國21世紀技能不僅關注學生學到的知識，還強調學生協作解決問題的能力和信息素養。協作解決問題的能力是目前CPS（Collaborative Problem Solving）國際考試重點關注的內容。CPS考試采用人機結合的方式，用計算機模擬代理與學生協作完成任務，學生要與模擬代理交流各自了解的信息、知識與問題，協商制訂計劃，分工協作，共同解決問題^[9]。對交互數據流的分析可形成可視化協作能力報告，用以判斷學生協作解決問題的能力。

（五）評價手段從人工評價轉向智能化評價

隨著各類智能技術的發展，評價手段變得愈加數據化、自動化和智能化，如計算機支持的普通話水平測評、英語口語測評等已趨于常態化。基于智能技術的評價系統不僅可自動判別主觀題，還可自動批改問答、論述、證明、作文等開放性試題。例如，批改網的英文作文批改，為學生提供評價報告的詳細程度和認真程度甚至遠超部分外語教師。系統還可以自動采集學生在線的各類點擊流數據和會話數據，并通過對數據的自動化處理和分析，實現面向過程的表現性評價。例如，北京師范大學未來教育高精尖創新中心開發的問題解決能力測評系統（簡稱PSAA）就創設了交互式的問題場景，能夠自動采集學生探究問題和解決問題過程中的一切行為表現，并基于過程性數據自動生成學生解決問題的風格、策略、思維和態度等報告，以此綜合判斷學生的問題解決能力（如圖2）。此外，高精尖創新中心有一個專門的團隊正基于智能感知工具自動采集的學生運動中的生理數據，建立學生耐力、運動加速度等方面的常模，自動分析學生體質類型和健康狀況，并根據各方面表現水平對學生體質健康進行個性化干預。因此，未來基于各類智能技術實現智能化評價將成為教育評價發展的主流。

（六）因人而異的適應性評價將成為未來重要的發展方向

基于教育大數據實現評價過程與學習過程的無縫融合，并根據學生個體的過程性表現實時調整評價目標、評價方案和學習路徑，將成為未來教育評價的重要發展方向。也就是說，學生在開始學習時，評價目標與評價標準并不是確定的，而需要根據學生在學習過程中的表現定制個性化評價方案，并通過診斷性數據的反饋，不斷動態調整和改進評價方案，從而為學生規劃出最佳的學習路徑并提供適應性學習服務。例如，美國醫學考試中心在評價醫生時，使用動態代理技術在系統中創設問題情境，不同的學生根據專業選擇內科或外科后，系統會根據科室為醫生分配一個模擬病人。這個模擬病人隨后會出現各種癥狀，醫生利用所學的知識判斷病情，決定應做的檢查項目。檢查單發出后，醫生會得到不同的數據反饋。醫生需要判斷這些數據是否正常，如果不正常，還要確定采取哪些干預措施。采取的干預措施正確，病情會好轉，反之，病人狀況會變差，直至死亡。該系統對擁有不同背景的學生采取不同的評價方案，實現了因人而異的個性化評價。該評價不僅給出一個成功與否的量化指標，還對學生的個性化學習提供有效的反饋與支持^[10]。又如，美國的電子閱讀器系統，它能在學生閱讀的過程中深入了解學生的學習行為和習慣，如學生通過查看“閱讀特征文本所花的時間”以及“學習目標實現程度”更好地調整閱讀節奏。另一個案例是美國高校入學申請平臺。由于美國高校的錄取是非常個性化的，如果申請人不了解高校的特點和自己的個性特征，會出現較高的失敗率。為此，很多公司提供了利用人工智能輔助學生規劃成長和發展的服務。其基本思路是：基于學生成長過程中的各類數據，得到學生的個性特點、學業水平、能力表現等信息，再與不同高校專業的特征、錄取風格等進行比對，幫助學生進行個性化的職業生涯發展規劃，使之獲得適應性、個性化的發展。

四、小結

大數據技術的發展有力地推動了教育評價的變革，未來教育評價必將實現從傳統的紙筆評價邁向數字化評價。上述六個方面是智能化數據采集、自動化數據分析和可視化數據呈現等技術賦能評價的未來發展方向與趨勢。未來教育評價將具有以下核心特征：一是評價過程隱性化，未來評價的過程將嵌入學習過程之中，評價是過程性、實時性和適應性的;二是評價項目開放化，未來評價的項目不再面向某個特定的群體，而更多地兼容平等性、特殊性和通用性，使得人人可以參與評價項目;三是評價主體多元化，參與評價的主體變得多元，提供更豐富的評價信息;四是評價路徑個性化，評價路線絕不是單一的、固定的，而會根據個體差異進行適應性調整，不同學生個體擁有不同的評價方案;五是評價反饋及時化，評價反饋將是動態實時的和伴隨式的，及時幫助學生調整學習進度;六是評價試題情境化，未來的評價具有技術增強性，能基于各類技術創設真實的問題情境，采集學生在認知活動過程中的各類數據^[11]。

數據蘊含著教育教學過程中的重要信息，科學合理地運用數據，使之服務于教育教學具有重要的意義。大數據技術為突破傳統教育教學理念和方法帶來了全新的思路，我們應借助大數據技術積極探索和創新教育評價理念，重塑教育評價系統，讓學生德智體美勞全面發展，更好地為未來做好準備。

（本文根據余勝泉教授在融合信息技術賦能高質量教育創新論壇上的主旨演講整理而成。）

參考文獻

[1] 楊現民，田雪松，余勝泉.中國基礎教育大數據[M].北京：電子工業出版社，2016.

[2] Johnson L， Adams S， Cummins M， Estrada V， Freeman A， Ludgate H. NMC horizon report： 2013 higher education. Austin， Texas： The New Media Consortium，2014.

[3] 楊現民，唐斯斯，李冀紅.發展教育大數據：內涵、價值和挑戰[J].現代遠程教育研究，2016（1）：50-61.

[4] 余勝泉，吳斕.證據導向的STEM教學模式研究[J].現代遠程教育研究，2019（5）：20-31.

[5] 周宣辰.證據導向的STEM教學模式設計與實踐研究[D].北京：北京師范大學，2019.

[6] 余勝泉，李曉慶.基于大數據的區域教育質量分析與改進研究[J].電化教育研究，2017（7）：5-12.

[7] 李曉慶，余勝泉，楊現民，陳玲，王磊.基于學科能力分析的個性化教育服務研究——以大數據分析平臺“智慧學伴”為例[J].現代教育技術，2018（4）：20-26.

[8]Mastery Transcript Consortium. Key Features of the MTCMastery Transcript? [EB/OL].[2021-04-16]. https：//mastery.org/what-we-do/mastery-transcript.

[9] OECD. Draft PISA 2015 Collaborative Problem Solving Framework [EB/OL]. [2020-11-12].https：//www.oecd.org/pisa/pisaproducts/Draft%20PISA%202015%20Collaborative%20Problem%20Solving%20Framework%20.pdf.

[10]Erin W， Johnson L， Ganeshan R. Pedagogical agents on the web[C]// Proceedings of the third annual conference on Autonomous Agents， Seattle， USA，1999：283-290.

[11]Office of Educational Technology. Future Ready Learning： Reimagining the Role of Technology in Education[EB/OL].[2021-04-16]. https：//tech.ed.gov/files/2015/12/NETP16.pdf.

（作者系國家基礎教育信息化教學指導委員會副主任，北京師范大學教育學部未來教育高精尖創新中心執行主任，博士生導師）

責任編輯：牟艷娜