大數據賦能新時代教育評價轉型：技術邏輯、現實困境與實現路徑

張志華 王麗 季凱

[摘? ?要] 大數據為新時代教育評價轉型發展提供了重要機遇，促進大數據與教育評價融合創新是深化新時代教育評價改革的必然要求。據此，文章立足于新時代教育評價轉型的多維訴求，厘清大數據賦能新時代教育評價轉型的技術邏輯：數據海量驅動結果評價更加客觀、數據功能驅動過程評價更為立體、數據關聯驅動增值評價更具發展、數據技術驅動綜合評價更富效率。剖析賦能過程中數據統籌、共享、人才培養和倫理上的現實困境，并提出具體實踐路徑：樹牢數據治理思維，增強大數據助力教育評價轉型緊迫感;夯實數據資源，注重大數據支撐教育評價轉型客觀性;完善數據標準，提高大數據服務教育評價轉型精準度;提升數據效用，推進大數據賦能教育評價轉型智慧化。

[關鍵詞] 大數據; 教育評價; 技術邏輯; 現實困境; 實施路徑

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 張志華（1970—），男，四川大竹人。教授，博士，主要從事教育信息化研究。E-mail：zhangzh@njupt.edu.cn。

一、引? ?言

教育改革方向的把握和教育成果的檢驗都離不開教育評價。作為一項有效的教育質量監督管理手段，教育評價在推進我國教育現代化過程中取得了諸多成績，但同時也表現出與新時代教育事業內涵式發展和高質量建設不相適應的問題，教育評價轉型和改革勢在必行。2020年10月13日，中共中央、國務院印發了指導教育評價改革的綱領性文件——《深化新時代教育評價改革總體方案》，首次明確提出“堅持科學有效”導向，將改進結果評價、強化過程評價、探索增值評價和健全綜合評價的“四個評價”作為改革重點，為促進新時代教育評價轉型提供了良方[1]。與此同時，伴隨著新一代信息技術的創新發展，大數據的研究和應用也滲透到教育領域，高質量教育體系的構建依賴于教育數字化轉型[2]。新時代教育評價的轉型發展迫切需要先進技術支撐，而大數據為教育評價轉型提供了重要技術邏輯和實踐方向。

二、新時代教育評價轉型的多維訴求

（一）改進結果評價：呼喚全面的評價內容

結果評價是教育教學、管理服務和學習結果等的效果評價，主要側重于學生學習效果、教師教學質量和學校管理服務水平的最終評判。結果評價一般以目標為導向，用統一的標準來衡量具有個性化特征的人，以較為單一的指標來框定復雜個體。較長時期以來，我國對學生學習效果評價上多以標準化測試分數作為主要標準，以鼓勵競爭、重視選拔、區分優良為顯著特征，一定程度上忽視人的個性化發展，片面的結果評價無法促進教育系統良性發展[3]。在教師教育質量評價上多數評價標準雖綜合了“德、能、勤、績”等維度，但實際操作中，教學成績仍占很大比例。在對學校的評價上往往依據升學率、平均分、就業情況等將學校分為三六九等。無論是對學生、教師還是學校的評價上，過去的結果評價涵蓋的內容都尚未全面，主要表現為：數據數量較少，所收集的評價內容局限于小規模抽樣數據或部分數據，在基礎教育階段表現為學生對學科知識的測評，只評價大綱內的內容忽視其他非考試性知識;數據類型單一，受技術限制，采集數據多為以分數、等級等易保存的書面材料為主，對于教師教學過程中生成的視頻、音頻等非結構化數據獲取較少;在時間上，以片段化、階段性數據為主，無法獲取連續性數據;在空間上，采集非自然狀態以及物理空間的數據，數據獲取過程的科學性難以保證。結果評價的改進需要全面的評價內容作為支撐，片面的評價內容會削弱結果評價的客觀性和科學性。

（二）強化過程評價：訴諸立體的評價手段

過程性評價是指在一段時間內對學生及教學活動執行情況進行多次、連續性評價，對學生情感、態度等非認知因素的形成性評價，對教師的教學效果進行評價，其主要特征是關注學習過程、重視非預期結果。自布萊克與威廉提出過程性評價以來[4]，對于過程性評價的實施引起了人們極大的關注。陳秋仙從社會文化視角分析了我國以應試為導向的評價文化和儒家傳統尊卑觀念導致過程性評價實施的適切性較弱[5];曹明指出了思想政治課中過程性評價的目的難統一、標準難界定，開展難持續等問題[6];邵朝友認為大量資金與研究人員的需要、較長的評價周期等因素限制了過程性評價的開展[7]。面對過程性評價的多重困境，需要尋求多樣化的評價手段突破其發展的瓶頸期。以往過程性評價難以深度發展的原因在于：一是過程性數據的搜集和管理難度大。過程性評價需要教師收集多樣化的評價信息，包括考試成績、作業情況、課堂表現等方方面面，僅靠教師一人力量很難收集到較為全面的數據，不同類型的數據也給教師的整理工作帶來一定難度。二是過程性評價的功能發揮有限。過程性評價的目的在于幫助教師提升教學效果，促進學生的學習過程。但作為學習主體的學生，其主體性并未得到很好體現，教師仍然占據評價主體中的重要比重，評價仍注重學生測評而教師教學優化不足。三是過程性評價的工具自身存在缺陷。隨著越來越多新奇評價工具的出現，其質量參差不齊、穩定性較差、耗時過長等問題也日益顯露。

（三）探索增值評價：渴盼開闊的評價思路

增值性評價是指向學習結果的評價，但它不只是注重對當下考試成績的評定，而是更關注學習的原有起點和進步幅度，多應用于以學生成績的變化程度衡量學校效能和教師績效。增值評價作為一種尚在不斷發展中的新評價，自身仍有不足，主要體現在：第一，評價指標選擇問題。評價指標是否科學有效一直是增值性評價的一個爭議點，即基于增值模型計算出的數值是否真實代表了包括學生教師在內評價對象的進步程度。有研究者從統計模型本身出發，認為常用的增值評價模型無法破解優秀學生因增值空間有限而較難獲得較大進步的天花板效應[8]。第二，評價內容窄化問題。目前大多數的增值評價仍是基于考試成績的模式，缺乏對學科成績外其他能力的分析，如學生的表達能力、社交能力等。有學者指出，為了提高評價的精確度，應加大對歷史、語文等科目客觀題的考察，但這可能無法測出該學生在該學科的關鍵能力[9]。第三，評價結果認可問題。由于增值評價多基于統計模型，它不如平均分、升學率等指標清楚明了。比如對教師效能的增值評價，公眾對其含義、計算過程、是否可信等理解存在一定的難度。

（四）健全綜合評價：尋求多樣的評價技術

綜合評價是用多個指標對教育行為進行的整體性評價，采用較為規范、系統的方法綜合考查學生的考試成績、平時成績以及綜合素質評價等內容，以此作為升學的重要依據。具體實施過程中，綜合評價逐漸暴露出相關問題。其一，評價數據質量難保證。綜合評價的評價內容包含大量要素指標，不僅要測量學科知識，還要測量學科背后的學科素養，綜合素質評價成了打破“一考定終身”，優化高考的重要方式，但在高中階段的綜合素質評價中質性評價仍以鼓勵表揚形式為主，重復的夸贊語言很難讓人了解語句背后蘊藏的真實含義，對數據質量是否可靠，也很難深究。其二，評價等級難界定。對于學生個人品質及學科成績的等級評定比較模糊。比如，存在不同辦學水平學校用同等比例劃分等級的問題。其三，評價手段難客觀。在具體的評價環節中，雖然施評者依照一定的評判指標或標準進行評價，但仍存在對評價指標或標準理解主觀性，不同施評者會基于主觀理解或自身經驗做出自認為客觀的主觀評價等問題。

三、大數據賦能新時代教育評價轉型的技術邏輯

（一）數據海量驅動結果評價更加客觀

大數據具有數據量大、類型多、處理速度快、真實性強等特點，利用大數據海量特征可以獲取并挖掘更多自然狀態下大量真實可靠的教育數據信息，極大地拓展了教育評價的內容。首先，大數據擁有巨大數據量，豐富了教育評價數據來源。教育大數據的源頭有很多，但主要還是來源于教育過程中的人和物，人包括教師、學生、管理人員等，物包括信息系統、校園網站、服務器、多媒體等各種教育設備[10]。多樣化數據來源可以支撐教育評價的進行，例如美國就建立了國家級、州級、學區級，以及校級的各級各類教育數據系統，為教育評價的數據獲取提供了基本的依托[11]。其次，大數據擁有繁多數據類型，能夠容納多種類型教育數據。教育活動是個復雜的過程，不僅會產生許多能夠存儲于數據庫的結構化數據，也會產生大規模非結構化數據，例如師生互動的音頻、視頻等，這些都是教育評價的重要內容。通過語音識別、圖片識別等技術將非結構化數據轉換成結構化數據，將非結構化數據納入到評價內容之中，使評價內容更加充實。再次，大數據便于高速處理，有利于獲取多狀態評價數據。隨著移動網絡的發展，人們對數據的時效性應用需求更加普遍，傳統靜態數據已經不能完全滿足人們的需求，大數據可獲取的動態數據能夠在教育平臺上為學習者提供及時的反饋。最后，大數據具有真實性，可提供真實教育評價數據。與傳統方式獲取的“當前結果”相比，大數據可以獲得實時、真實的信息，如學生在各種傳感器上留下的學習、生活等活動信息及時間分配等，真實性的數據驅動結果評價更加客觀。

（二）數據功能驅動過程評價更為立體

數據是過去、現在和未來的連接，將其特有功能運用于過程評價中，將有助于師生了解過去、把握現在、預見未來。其一，大數據總結過去，便于成果總結。過程性數據分散在教育系統的各個部分，需要教師及時整合。過往的過程性評價大多是在某個學習過程完成之后進行評價，這在很大程度上降低了過程性評價的及時性，大數據的及時反饋功能能夠對學生的學習過程及時監測和反饋，提高了過程評價效率。其二，大數據驅動現在，激勵學生學習。課堂教學是過程評價的重要評價內容，教師應重視對課堂教學這一重要渠道進行把握[12]。通過大數據技術對學生學情實時監管與監測，督促學生按時打卡。通過大數據技術支持學生的自主學習，教師需充分利用相關技術，安排學生閱讀課外讀物、觀看課外學習視頻，通過對學生在線學習時間、答題準確率等進行過程性評價，及時了解學生薄弱之處，提供反饋建議，驅動學生自主學習。其三，大數據預測未來，優化評價工具。預測是大數據的重要功能[13]。過程性評價量表是過程性評價的重要工具，利用大數據技術開發電子學檔，不僅可以記錄學生學習的全過程，更可以通過對相關指標的分析，預測學生學習傾向，幫助師生在評價的同時摸清前進方向。

（三）數據關聯驅動增值評價更具發展

“大數據”不僅指數據集本身的絕對大小，還指數據集內部的復雜性和相關分析的復雜性[14]。增值評價是一種基于大數據的發展性教育評價模式，大數據從精確性到復雜性、從樣本到全體、從因果關系到相關關系的思維模式可以為增值評價帶來新的評價思路。一是擁抱混雜性，回歸人的自然發展。增值評價是一種基于模型分析的量化評價方式，對于模型的選擇有著極高要求。但在現實情景中很難構建有超高精準性的模型，因此，我們必須接受數據的混雜性，允許不精確的數據存在，嘗試利用簡單易懂的增值模型，減少等值換算的難度。例如，英國就已經開始放棄復雜的增值模型開發，轉而采取了更加方便簡單的均值計算方法[15]。同時，對于有差異的增值也要予以關注。學習本身就不是線性發展的，增值評價過程中可能會出現非線性、不連續性等特點，為避免不公平現象出現，增值評價應關注差異化的增值。二是關注海量特點，盡可能獲取全體數據。以往由于技術的限制，增值評價的內容較為單一，人們只能利用隨機抽樣獲得少量的教育數據，而大數據采用所有數據的方法，從宏觀到微觀，及時了解、把握評價對象的整體情況，可以獲得較為全面的評價內容。三是放下對因果關系的深究，利用相關關系“發聲”。增值評價中線性的因果關系評價思維和主觀的經驗判斷影響了增值評價的科學發展，由于教育的復雜性，單純的因果分析很難發現結構性不強的數據，利用大數據的優勢，通過對相關關系的分析，可以提高人們對事物之間聯系的敏銳度，人們可以比以前更容易、更快捷、更清楚分析事物。利用相關關系的“發聲”捕捉學生的最新動態，構建個性化學生數字畫像。

（四）數據技術驅動綜合評價更富效率

大數據技術是由諸多技術組成的一個組合體，基于大數據的基本處理流程，產生了數據采集技術、存儲技術、分析處理技術以及可視化技術等。毛剛等學者認為教育大數據技術能夠極大地提高評價的效率和品質[4]，在綜合評價中運用大數據技術也將在很大程度上提高效率。首先，大數據采集技術提高數據的真實性。大數據無損采集技術將為綜合評價提供真實可信的評價內容，與以往采集不同之處在于可以在教育現象發生過程中采集數據，具有及時性和準確性的特點。為了更加精準地采集到教育數據，畢夏安等學者面對精準教學構建了能夠整合學生數據與教學數據的大數據采集分析平臺[16]，為整合教育數據、促進全面學情分析做出貢獻。其次，大數據處理技術提升數據質量。綜合評價數據的采集通常有多個數據源，這些數據源由于端口不同可能會出現數據缺失、數據沖突等問題，大數據處理技術能對這些尚待完善的數據預處理、清洗、集成以及轉換，提升評價數據的總體質量。預處理技術可以將異構性評價數據轉化為標準化格式以達到快速處理的目的。大數據清洗可將評價中無關緊要的數據和錯誤的干擾性數據去除，從而得到有效的評價數據。再次，大數據可視化技術使評價數據更為直觀。可視化技術有助于分析和探索大規模復雜評價數據，對公眾理解和發現教育規律起到極大作用，是教育價值最直接的呈現形式。借助文本可視化技術對學生的知識點和學生知識體系進行評估，能幫助教師了解學生知識掌握情況和個人知識體系的發展狀態[17]。劉海等對“師大云課堂”在線教育平臺進行可視化技術分析，發現大數據可視化技術可以幫助學生進行自我評估[18]，對英語測試進行可視化分析，幫助學生找出失分題型。

四、大數據賦能新時代教育評價轉型的現實困境

（一）數據統籌規劃不充分

當前，教育領域相關的大數據運用統籌規劃尚不充分。一方面，數據驅動教育評價轉型的思維尚未真正確立。在教育評價的轉型過程中，教師沒能像其他行業那樣擁護數據驅動的理念，這將導致教師無法全面認識并充分發揮大數據思維在教育評價中的價值。另外，輕視數據與數據萬能的觀點依然存在。另一方面，數據驅動教育評價結果的解讀也有誤區。主要體現在兩點：一是只重視評價最終結果，忽視評價結果產生的機制。數據解讀是復雜的非線性過程，數字排名不能代表絕對結果，數字大小不能看出相對意義。二是以最終評價結果為終點，缺乏進一步數據挖掘。教育領域中不同主體對于數據解讀的需求不同，學生想通過數據解讀了解學習成效，家長想通過數據解讀了解學生學習狀態，教師希望了解教學效果，這些都需要精細化的評價結果解讀來實現。學校、教師未能對評價結果進行充分挖掘將影響數據驅動功能的發揮。

（二）數據共享機制不完善

首先，數據孤島仍然存在。現有教育數據挖掘與分析往往僅限于特定的系統和平臺，數據來源單一，尚未構建跨系統、跨平臺的“教育大數據”，各類數據分布零散，彼此孤立，形成數據孤島。比如實行增值評價大多需要類似中、高考這種具有高度可比性的測試成績，但這些數據多由教育考試機構管理，教師、學校的數據又由相關機構管理，完整獲取這些來自不同數據庫的評價數據難度較大。其次，信息資源利用程度較低。數據雖多，利用程度卻較低。譬如，招生考試中的大量數據因為隱私性、安全性等原因無法公開使用，教學中的活動數據因為量多雜亂也少有人問津。再次，采集技術尚未突破，造成信息缺失。現有的采集技術無法滿足對教育全場景數據采集的需求，造成了信息缺失，制約了教育大數據采集的廣度和深度。比如，線下教育需全面記錄和刻畫教學過程，需要實現對教學主體的自動識別、對物理空間中交互對象的信息和其內涵的信息提取，以及對交互過程的智能感知和準確描述，這對數據采集的技術要求更高。

（三）數據人才培養跟不上

首先，精通大數據與教育評價的人才稀缺匱乏。一方面，社會對大數據人才的需求顯著增長。根據人力資源和社會保障部于2020年5月份發布的數據顯示，預計2020年中國大數據行業的人才需求規模將達到210萬，2025年前大數據人才需求仍將保持30%～40%的增速，需求總量在2000萬人左右[19]。另一方面，不同行業的供需不平衡。賽迪智庫報告顯示大數據人才在行業層面分布不均勻，主要集中在互聯網、政府、金融和電信行業，而在教育領域中，大數據人才缺口巨大。其次，人才總體上結構性不合理。一方面，結構性缺失。相關人才和初級人才多，高層次高水平人才、領軍型人才稀少。另一方面，人才結構不合理。計算機、金融等前沿行業是人才的聚集地，大數據產業的發展也需要高層次、高水平人才來保障，然而，目前從全國范圍來看，大數據人才中本科學歷占比達到67%，碩士及以上學歷占比僅22%[20]，這不利于形成可信的、完整的或者較好的大數據解決方案團隊。再次，人才培養計劃和方案亟待優化。近些年來，人們對大數據人才以及應該具備的技能和素質缺乏統一認知，導致人才培養計劃和方案模糊不清。對于掌握教育學、數學、統計學、數據分析等多方面知識的綜合性人才，能夠培養的院校或者培訓單位不足以滿足用人單位的需求。

（四）數據隱私和倫理面臨挑戰

勞拉哈基米等提出了教育大數據的四大主要倫理問題類別：隱私、知情同意和數據所有權;數據和算法的有效性和完整性;道德決策和采取行動的義務;以及治理和問責制[21]。研究發現，大數據的采集、存儲、使用的過程中都可能產生隱私泄露等問題。首先，多方位的數據收集可能會存在泄露安全隱患。精準化的學習推薦建立在大量數據分析的基礎之上，教學過程中產生的數據是否都可以被分析，理論上要獲得評價對象的同意，但現實情況是評價對象為了獲得個性化服務而不得不以犧牲個人隱私為代價，本該從大數據中獲益卻也因此丟失人格尊嚴[22]。其次，數據處理可能會導致數據完整性和有效性的缺失。當數據被捕獲時，許多數據需要廣泛的過濾、分類和標準化來將數據轉換為數據庫，以及復雜的數據表示方式，不同機構不同的處理方式和處理技術，可能影響數據的有效性、完整性。再次，數據解讀可能增加對某些學習群體的偏見和歧視。一些學者認為，算法決策可能會造成某些特殊群體處于不公平的不利地位。例如，如果色盲或從事課外體育運動的兒童在計算機任務上表現不佳，如果算法預測對他們不利，這可能不利于他們的教育前景。

五、大數據賦能新時代教育評價

轉型的實現路徑

（一）樹牢數據治理思維，增強大數據助力教育評價轉型的緊迫感

大數據作為驅動教育改革的新動力在教育領域備受重視。《加快推進教育現代化實施方案（2018—2022年）》中提出要重視數據對教育治理的作用，開展數據支撐下教育治理模式的創新與變革。聚焦到教育評價領域，新時代教育評價轉型涉及多個主體、多個流程、多個維度，同樣需要各個主體樹牢數據治理思維，利用數據驅動評價轉型。一方面，數據治理思維必然加速大數據與教育評價的融合。《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》中高度肯定了大數據的重要功能，強調數據治理和數據要素潛能的釋放。大數據與各行各業融合已成為不可逆轉的趨勢，在教育評價中，大數據從理論上重構了教育評價的權利分配體系，在實踐中開發利用眼動儀等設備捕捉學生的好奇、乏味等情緒[23]。無論是社交數據、生理數據還是視頻音頻數據都從不同維度助力了大數據與教育評價的深度融合。另一方面，數據治理思維將倒逼教育評價轉型和改革進程。新時代教育評價改革的任務重、要求高、阻力大，不能以固化的評價思維去看待新時代教育評價，需要樹牢數據治理思維倒逼教育評價本身轉型升級，因為數據治理思維在改進教育評價工具，促使評價工作更加準確、快捷的同時，還將進一步優化教育評價管理，助力全過程自動化評價。

（二）夯實數據資源，注重大數據支撐教育評價轉型的客觀性

首先，加強基礎設施建設。目前，在基礎設施建設上，各地區建設水平存在一定差異，加強薄弱地區基礎設施建設勢在必行。基于數據驅動的教育評價基礎設施包括專用網絡、專用數據庫以及數據采集設備等多種類型，只有搭建夯實數字底座，才能助力教育評價更好轉型發展。其次，共享資源消除數據孤島。既需要制定正確的管理和監控策略，開發有效的架構和流程，科學分析和維護數據，比如，為解決地域間數據不平衡的問題，積極開展“東數西算”工程，進一步優化數據中心布局，又需要基于有效工具拓展數據源，構建允許多元主體可以從中獲取和輸入數據的“通用池”[24]。先選擇一個試點區域來建立互聯的教育大數據系統，開展教育評價，在試點成功的基礎上再逐步推廣。再次，確保科學評價依據。加強工具開發隊伍的專業性， 確保工具開發的科學性， 提高評價目標、評價工具、評價結果的一致性， 從而以客觀、公正的依據來進行價值判斷。

（三）完善數據標準，提高大數據服務教育評價轉型的精準度

數據標準體系的建設是教育信息化建設過程中的重要一環，能夠有效支撐和保障數據應用，并提高大數據服務教育評價轉型的精準度和可信度。首先，加速大數據標準化建設。借鑒國際教育大數據相關標準制定思路并參考我國其他行業大數據標準制定規則，建設教育領域的大數據標準化體系。既要包括教育數據采集標準、處理標準以及安全保障標準等，也包括教育評價中的學習分析類型的標準、可視化的標準以及參與者的使用標準等，以標準為行動框架，促進精準化評價措施落地。其次，加強教育大數據標準宣傳推廣。一方面通過各種宣傳途徑廣泛宣傳，讓參與教育評價的各個主體了解到制定數據標準的重要性;另一方面通過加強對大數據標準的宣傳推廣，有助于吸引更多的教育工作者參與到需求調研、研究編制等工作中。再次，推動大數據標準的國際化進程。標準是國際大數據競爭的重要戰場之一[25]。承辦或參加相關國際化的教育大數據活動、會議，學習其他國家數據驅動教育評價的經驗，加強我國與數據標準化組織的聯系，努力完善教育大數據標準。

（四）提升數據效用，推進大數據賦能教育評價轉型的智慧化

首先，基于數據做到“真用”。各級部門、各類評價主體應在評價方案、指標體系中體現大數據使用情況，明確客觀數據的使用比重，對可以使用的數據做到“真用”。其次，培養人才做到“會用”。一方面，優化人才培養目標和措施。通過通識培養、專項培養、按需培養、跨學科培養以及聯合培養等多種培養方式，根據初級、中級、高級等不同等級培養目標和市場需求，培養大數據教育評價的復合型人才;另一方面，整合包括高校、企業、科研院所在內的相關資源，推動創新人才和創新環境的培育，建立強大的數據科學基礎，注重多學科的交叉培養模式，切實培養“會用”教育大數據的相關人才。再次，科學評判做到“善用”。一方面，要明確教育大數據并不能等同于真實完整的教育世界，大數據所展示的思維方式和以前的各種思維方式相比并不是替代性、萬能的，只是對原有認識方式的補充和豐富。在利用數據驅動教育評價轉型時，需要把握好使用的“度”，避免對數據的過度推崇，讓教育評價的價值回歸到育人的價值而不是片面的工具價值。另一方面，在充分挖掘大數據對教育評價轉型價值提升的前提下，通過建立教育大數據倫理文化共同體等方式，善用大數據驅動教育評價轉型，在正確質量觀的引領下，通過數據采集、分析挖掘、問題診斷、研究細化、反饋改進等路徑，將數據驅動教育教學改進行為落實到實踐中，并形成常態機制。

六、結? ?語

教育評價是教育的重要構成要素，是對教育活動及其現象做出的價值判斷，發揮著導向、鑒定、調控和反饋等一系列功能。在新時代里，我國的教育事業向著更高的階段邁進，對教育質量有著更高的要求，改革是教育發展的內在動力，而教育評價又對整個教育事業的前進方向起著導向作用，深化新時代教育評價改革無論是在理論建設還是教育實踐中都具有深遠的意義。“四個評價”即改進結果評價、強化過程評價、探索增值評價、健全綜合評價為新時代教育評價改革指明了方向，每個評價的具體落實都離不開智能技術的支持，厘清大數據賦能新時代教育評價轉型的技術邏輯，強化人們在教育評價中的數據治理思維，對構建精準、個性、靈活的教育服務體系意義深遠。但在利用智能技術賦能教育評價時也須認識到任何技術的雙面性，要利用技術謀福利賦動能，做到真正為“人”服務。

[參考文獻]

[1] 龔方紅，劉法虎.彰顯類型特征的職業教育評價新藍圖——《深化新時代教育評價改革總體方案》解讀[J].國家教育行政學院學報，2020（11）：26-33.

[2] 祝智庭，胡姣.教育數字化轉型的實踐邏輯與發展機遇[J].電化教育研究，2022，43（1）：5-15.

[3] 劉志軍，徐彬.教育評價：應然性與實然性的博弈及超越[J].教育研究，2019，40（5）：10-17.

[4] 毛剛，周躍良，何文濤.教育大數據背景下教學評價理論發展的路向[J].電化教育研究，2020，41（10）：22-28.

[5] 陳秋仙.論形成性評價在中國的文化適可與挪用[J].山西大學學報（哲學社會科學版），2016，39（3）：80-90.

[6] 曹明.過程性評價的應用困境及對策[J].思想政治課教學，2020（3）：81-84.

[7] 邵朝友.基于學習進程的形成性評價：難為與可為[J].教育發展研究，2013，33（20）：41-45.

[8] 楊志明，彭麗儀，李洋.增值評價中的天花板效應及其破解思路[J].教育測量與評價，2020（12）：3-7.

[9] 邊玉芳，孫麗萍.教師增值性評價的進展及在我國應用的建議[J].教師教育研究，2015，27（1）：88-95，112.

[10] 鄭燕林，柳海民.大數據在美國教育評價中的應用路徑分析[J].中國電化教育，2015（7）：25-31.

[11] 陳明選，王詩佳.測評大數據支持下的學習反饋設計研究[J].電化教育研究，2018，39（3）：35-42，61.

[12] 維克托·邁爾—舍恩伯格.大數據時代[M].盛楊艷，周濤，譯.杭州：浙江人民出版社，2013.

[13] 沈忠華.新技術視域下的教育大數據與教育評估新探——兼論區塊鏈技術對在線教育評估的影響[J].遠程教育雜志，2017，35（3）：31-39.

[14] CLAYTON M， HALLIDAY D. Big data and the liberal conception of education[J]. Theory and research in education， 2017，15（3）： 290-305.

[15] 尤錚，王璐.英格蘭基礎教育增值評價的實施與效用探究[J].外國教育研究，2019，46（7）：42-53.

[16] 畢夏安，邢兆旭，胡溪，周雯燕.面向精準教學的教育大數據采集分析平臺設計[J].軟件工程，2021，24（9）：48-50，54.

[17] 李葆萍，周穎.基于大數據的教學評價研究[J].現代教育技術，2016，26（6）：5-12.

[18] 劉海，李姣姣，張維，張昭理，易澤順.面向在線教學平臺的數據可視化方法及應用[J].中國遠程教育，2018（1）：37-44.

[19] 中華人民共和國人力資源和社會保障部.新職業——大數據工程技術人員就業景氣現狀分析報告[R/OL].（2020-04-10）[2022-01-04].http：//www.mohrss.gov.cn/SYrlzyhshbzb/dongtaixinwen/buneiyaowen/rsxw/202009/t20200923_390933.html.

[20] 中國大數據產業生態聯盟.2021中國大數據產業發展白皮書[R/OL].（2021-07-28）[2022-01-24].https：//www.bdinchina.com/article/1379/196.html.

[21] HAKIMI L，EYNON R，MURPHY V A. The ethics of using digital trace data in education： a thematic review of the research landscape[J]. Review of educational research，2021，91（5）：671-717.

[22] 龐茗月，胡凡剛.從賦能教育向尊崇成長轉變：教育大數據的倫理省思[J].電化教育研究，2019，40（7）：30-36，45.

[23] 駱方，田雪濤，屠焯然，姜力銘.教育評價新趨向：智能化測評研究綜述[J].現代遠程教育研究，2021，33（5）：42-52.

[24] 方海光.教育大數據：邁向共建、共享、開放、個性的未來教育[M].北京：機械工業出版，2016.

[25] 中國電子技術標準化研究院.大數據標準化白皮書（2020版）[R/OL].（2020-09-21）[2022-01-24].http：//www.cesi.cn/202009/6826.html.