基于大數據技術的智慧教學評價模型構建

摘" 要：智慧教育是教育信息化高級階段，是推動教育改革和創新發展的重要手段。隨著智慧教育應用研究范圍不斷擴大，智慧教學評價也成為學界研究中亟需解決的難題。該文針對當前學界智慧教學評價研究匱乏的現狀，提出應用大數據技術解決智慧教學評價的思想，并構建具有數據采集、數據挖掘分析與數據分析結果可視化多重功能的基于大數據技術的智慧教學評價模型。該模型利用大數據更強的決策力、洞察發現力的特點對智慧教學過程中的數據進行采集、挖掘分析和可視化，形成科學全面的智慧教學質量報告，為決策者進行教育決策提供參考和依據，豐富智慧教學評價的研究路徑。

關鍵詞：大數據技術；智慧教育；教學評價；模型構建；數據預處理

中圖分類號：G434" " " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）12-0011-05

Abstract： Smart education is an advanced stage of educational informatization and an important means to promote educational reform and innovative development. With the continuous expansion of the scope of applied research on smart education， the evaluation of wisdom teaching has become an urgent problem to be solved in academic research. In view of the lack of research on wisdom teaching evaluation in academic circles， this paper puts forward the idea of applying big data technology to solve wisdom teaching evaluation. It also constructs an intelligent teaching evaluation model based on big data technology， which has multiple functions of data collection， data mining analysis and data analysis result visualization. The model uses the characteristics of big data's stronger decision-making power and insight to collect， mine， analyze and visualize the data in the process of wisdom teaching to form a scientific and comprehensive wisdom teaching quality report. To provide reference and basis for decision-makers in education decision-making and enrich the research path of wisdom teaching evaluation.

Keywords： big data technology; smart education; teaching evaluation; model construction; data preprocessing

2015年9月國務院發布的《促進大數據發展行動綱要》明確提出要發展教育文化大數據的要求，著力構建關于“用數據說話、用數據決策、用數據管理、用數據創新”的管理機制。充分發揮教學大數據在改革教學方法、促進教育公平及提升教育質量方面的重要作用。從近些年的管理研究趨勢來看，大數據已然成為國家重要的基礎性戰略資源，引領新一輪科技創新。將大數據技術應用到智慧教育的各個環節，尤其是在教學評價過程中，將為學生的個性化學習提供重要支撐。目前有許多學者致力于中小學學科教學評估、高校教育評估和職業教育評估等方面的研究，也有將大數據技術應用到教學質量提升方面的研究，但利用大數據技術進行智慧教學評價的研究相當匱乏，因而本文提出將大數據技術應用于智慧教學評價中，分析智慧教學過程中可能出現的數據，構建基于大數據技術的智慧教學評價模型，為智慧教學評價實踐奠定基礎。

1" 智慧教學評價與大數據技術

2020年10月，中共中央、國務院關于教育評價改革方面的政策——《深化新時代教育評價改革總體方案》出臺，強調扭轉不科學的教育評價導向，堅決克服唯分數、唯升學、唯文憑、唯論文、唯帽子的頑瘴痼疾，并提出，到2035年，基本形成富有時代特征、彰顯中國特色、體現世界水平的教育評價體系[1]。教學評價是教育評價改革的重要組成部分，教學評價事關黨的教育方針全面貫徹落實，事關教育發展方向。我國學者王戰軍[2]認為：“教育評估是按照教育性質與方針所制定的教育目標，對教育活動的實施效果、教育任務的完成情況和學生學習的成績表現依據實現制定的規則進行判斷的活動。”智慧教學評價是智慧教育的重要環節，是一種綜合性評價過程。國內主要提倡采用的是形成性評價和總結性評價相結合的教學評價原則。智慧教育環境下教學評價研究的內容大多集中在課堂教學、學習過程、自主學習、教學模式、教學效果和信息技術的使用等方面，并且各個評價內容之間研究獨立，缺乏嚴密合理的邏輯聯系，缺少科學高效的評價方法，沒有統一全面的評價指標體系。由此可見，我國智慧教學評價體系建設不夠完善。祝智庭提出“智慧學習方式要以多元評價、個性服務為基礎，同時滲透著精熟學習、精準教學、思維教學和創客教育的思想。”因此，對智慧教育環境下的教學評價也要豐富多元，不能僅僅只有教師評價，更要加入學生評價的元素，不僅要對結果進行評價，還要對過程進行評價，同時還要創新評價方法，充分利用現代信息技術的優勢對智慧環境下的教與學進行科學全面的評價。

2011年5月，麥肯錫公司（Mckensey and Company） 在“云計算相遇大數據” 的EMC World 年度大會中首次提到“大數據”的概念，“Big data：The next frontier for innovation，competition and productivity”，解釋了大數據的定義和內涵，強調“大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行采集、存儲、管理和分析的數據集合。[3]”大數據技術是指一系列收集、存儲、管理、處理、分析、挖掘、共享數據信息和可視化技術的集合，其處理流程“基本可劃分為數據采集、數據處理與集成、數據分析和數據解釋4個階段。[4]”早在2012年，聯合國發布“Challenges and opportunities with big data”白皮書，重點強調“大數據時代已經到來，大數據的出現將會對社會各個領域產生深刻影響。[5]”大數據技術應用于教育領域的研究主要分為3個層面：首先，從教學層面，大數據技術追蹤、整合和分析學生學習數據，為學生提供適應性教學支持；其次，從管理層面，通過大數據技術，幫助教育管理者系統化地采集數據、精準地分析數據并且將分析結果可視化，從而實現管理者對教育機構和學校的管理進行綜合性評價和持續性動態監控；在研究層面，通過運用教學大數據技術，可以組織研究者進行群體協作，實現大量多來源多模態數據的采集匯總、挖掘分析和共享決議，并且建立數據模型將研究結果可視化和量化，最終更易發現真實的教育規律。從教學評價的定義和內涵不難看出，大數據技術驅動的教學評價將具有鮮明的時代特色和應用價值，為推動教育質量的飛速提升奠定扎實基礎。而美國早在2010年的《國家教育技術計劃》中便強調過，各級各類教育系統要利用技術來測量、評價學習過程，“教育管理者應該利用技術收集學習過程中的實時數據，為持續改善學習效果提供依據。[6]”大數據技術助推科學變革與教育創新發展的核心價值與作用越發明顯，將成為教育信息化 2.0時代課堂教學模式變革與創新的“助推器”[7]。祝智庭等[8]也指出，教育是大數據實現潛在價值的重點領域之一，正以勢不可擋之勢推動著教育的變革，大數據技術為智慧教學評價提供更科學和有效的支撐。

2" 模型構建

基于大數據技術的智慧教學評價模型由三部分構成。第一部分是智慧教學大數據的獲取，基于CIPP評價模型設計智慧教學評價體系，利用物聯網、云計算和互聯網等技術采集智慧教學過程中產生的大數據，并對智慧教學大數據進行預處理和存儲。第二部分是智慧教學大數據的挖掘和分析，首先對采集來的智慧教學大數據進行基本的評估，然后再利用大數據技術對數據進行挖掘和分析。第三部分是智慧教學大數據分析結果可視化，主要對評價結果進行可視化，形成智慧教學質量報告。圖1為基于大數據技術的智慧教學評價模型。

2.1" 數據獲取與預處理

根據文獻研究發現，CIPP模式是目前應用最為廣泛、成熟的一種教育評價模式，被著名評價專家Scriven評價為“迄今為止闡述最為詳盡、設計最為周密的模式”。本文以CIPP理論模型作為指導，結合智慧教學內涵，從背景評價、輸入評價、過程評價和結果評價分別對智慧教學進行評價，設計了涵蓋建設水平、應用水平、教學效果、資源使用、個性化支持、學業水平、學生能力和教師水平等多個方面的多維立體聯機數據采集模型。該模型中利用物聯網、云計算和互聯網等技術監控智慧教學質量，實時搜集記錄和全方位監管不同種類的信息數據，及時精準地掌握智慧教學運行真實狀態。具體包括：利用物聯網技術采集智慧教育環境基礎設施建設和應用水平數據；利用校園網、移動學習終端等采集智慧教育線上教學與學生學習行為數據；利用攝錄裝置和人工收集等方式采集智慧教學線下教學與學生學習行為數據；利用互聯網和人工收集的方式采集智慧教學產生的包括學生學績、課堂教學、教育效率、教師能力和管理等效益水平數據；利用分布式存儲方式對采集的數據進行分類存儲。

全面采集智慧教學數據之后，利用大數據技術對數據進行合并、清洗、標準化及變換等預處理操作，篩選整合有價值的數據，形成智慧教學主題數據倉庫。圖2為數據獲取與預處理模型圖。

2.2" 數據挖掘和分析

“教育大數據的核心是綜合運用數理統計、機器學習、數據挖掘和模式識別等技術，在對教育數據進行預處理、探索性分析的基礎上，通過分析模型、預測模型的構建，從數據中提取出有價值的信息，以此促進教學過程的優化與教育變革。[8]”數據挖掘與分析是根據智慧教學過程中產生的海量數據，深入挖掘分析、探索發現智慧教學過程中產生大量獨立數據背后所隱含的實用價值和潛在關聯關系，并對智慧教學進行科學全面的評價，這是大數據技術應用于智慧教學評價整個過程中最關鍵的部分。數據挖掘主要分為分類算法，聚類算法和關聯規則三大類，這三類算法基本上涵蓋了目前研究對數據挖掘與分析的所有需求，而這三類算法里又包含許多經典算法。例如，關聯分析算法中的Apriori和FP-growth；分類算法中的C4.5，樸素貝葉斯，SVM以及KNN等；聚類算法中的K-means和EM等。

本研究在對數據挖掘算法的深入理解以及對智慧教學數據進行預處理基礎上，首先基于智慧教學指標體系對采集來的數據進行基本的評價。然后，再利用各種算法的特點有針對性地對智慧教學過程中產生的數據進行詳細的挖掘分析。圖3為本研究構建的智慧教學數據挖掘與分析模型圖。

1）K-means算法是一種迭代求解的聚類分析算法，目的是使域中所有的對象到聚類中心距離的平方和最小。K-means算法流程包括選定初始聚類中心、分配最相似聚類中心、計算聚類中心的距離平方和、判斷聚類中心和距離平方和是否發生改變4個步驟；其中，若聚類中心和距離平方和發生改變則重新分配最相似聚類中心并不斷反復迭代，若不發生改變，則聚類結束。本研究利用K-means算法將大量數據進行聚類分析，分成具有意義表征的智慧教學數據，找到智慧教學環境下活動主體的關鍵行為特征。

2）貝葉斯神經網絡是一種經典的數據統計分類算法。貝葉斯神經網絡的主要特點是其能夠根據較少量的訓練數據進行建模分析，從而得到準確性較高的網絡關系模型，并且能夠計算每一層參數的分布，最終實現整體和各個參數相互之間的關聯關系。除此之外，貝葉斯神經網絡能夠高效處理數據模型的過擬合問題，不但能夠預測建模結果，還能夠高效準確預測建構的模型與實際情況的誤差。本研究通過貝葉斯模型來計算與智慧教學質量相關的各個因素的影響大小，從而確定影響教學質量的重要因素。

3）Apriori算法是目前所有挖掘關聯規則算法中最有影響的算法之一。Apriori算法的原理就是根據每一個頻繁項集性質的先驗知識，使用自底向上的實現方式，k-1項集用于探索k項集。首先，找出頻繁1項集的集合，用于找頻繁2項集的集合，再用頻繁2項的集合找頻繁項的集合……，一直循壞迭代，直到不能找到滿足條件的頻繁k項集。本研究利用Apriori算法，分別對智慧教學產生的各種數據進行挖掘分析，找出數據之間的關聯關系，得到數據背后隱含的深層次信息。

4）決策樹是常見的、應用較為廣泛的、以實例為基礎的基本分類與回歸算法，該算法所構建的模型結構是樹形的，呈現了基于特征對實例進行分類的過程。決策樹學習時根據損失函數最小化的原則利用訓練數據建立模型；決策樹預測時利用決策樹模型對新的數據進行分類。利用決策樹所構建的模型最大的優點就是分類速度快并且具有較為良好的可讀性。本研究利用決策樹算法歸納推理智慧教學質量的發展趨勢，實現對整體智慧教學質量的宏觀、微觀、跟蹤和未來發展的預測。

2.3" 數據分析結果可視化

大數據可視分析是指“在大數據自動分析挖掘方法的同時，利用支持信息可視化的用戶界面以及支持分析過程的人機交互方式與技術，有效融合計算機的計算能力和人的認知能力，以獲得對于大規模復雜數據集的洞察力。[9]”基于大數據技術的智慧教學評價模型在數據分析結果可視化部分采用可視化技術將分析結果直觀呈現，利用多維數據可視化技術建立平行坐標系、散點圖，利用層次數據的可視化建立節點連接圖、樹圖和Andrews曲線法，利用網絡數據可視化構建力導向布局、分層布局和網格布局。通過對數據獲取、分析、過濾、挖掘、表示和修飾，從而實現大數據分析結果可視化，找出影響智慧教學質量的因素，比如在硬件條件方面，基礎硬件設施的建設水平較低、信息化設備覆蓋率不高、教學資源不夠豐富以及缺乏個性化學習環境等；在軟件條件方面缺乏個性化教學方法和條件、教師教學能力不強與學生信息素養不高等。最后，結合基于指標體系的基本評價結果，形成科學全面的智慧教學評價報告。

3" 結束語

目前，世界范圍內正掀起新一輪信息化教育創新和改革的浪潮。作為一種全新的教育形態，智慧教育正在引領我國教育信息化的發展方向，成為技術變革教育時代教育發展的主旋律。當前研究中，對智慧教育模式、教學過程及智慧教育環境的探討和研究比較充分，但對智慧教學評價的研究還比較稀少。針對智慧教學評價研究緊缺的現狀，本文提出利用大數據技術促進于智慧教學評價，構建了具有數據采集、數據挖掘分析與數據分析結果可視化多重功能的基于大數據技術的智慧教學評價模型。該模型首先基于CIPP教育評價模型，利用多種現代信息技術獲取智慧教學相關的數據，并對數據進行預處理和存儲；然后，利用大數據的各種算法對采集來的數據進行挖掘和分析，獲取獨立數據背后蘊含的更深層次關系，有效發揮教育大數據的價值；最后，利用各種可視化技術將智慧教學大數據分析結果進行可視化，形成科學全面的智慧教學質量報告，為決策者進行教育決策提供參考和依據。

基于大數據技術的智慧教學評價模型的構建，豐富了教學評價研究領域的內容，為智慧教學評價的理論研究和實踐應用提供了一些參考和思路。但本文中的模型只是基于文獻研究和實踐調查的理論建構，并沒有在智慧教學實踐中進行驗證，因此，接下來本研究將借用本校的基礎教育階段智慧教學實習基地，深入智慧教學實踐中全面收集關于智慧教學的基礎數據，并將其應用在基于大數據技術的智慧教學評價模型中，通過結果反饋驗證本研究中的模型是否達到預期目標，如果沒有達到預期目標，則再根據驗證結果進行針對性的改進和完善，不斷進行模型的驗證和修正，直到得到較為理想的驗證結果。

參考文獻：

[1] 中共中央國務院印發深化新時代教育評價改革總體方案[N]. 人民日報，2020-10-14（001）.

[2] 王戰軍.學位與研究生教育評估理論及技術研究[D].哈爾濱：哈爾濱工業大學，2001.

[3] MANYIKA J， CHUI M， BROWN B， et al. Big data：The next frontier for innovation， competition， and productivity[J].2013：64-66.

[4] 劉智慧，張泉靈.大數據技術研究綜述[J].浙江大學學報（工學版），2014，48（6）：957-972.

[5] RAWAT， SEEMA. Challenges and opportunities with big data[M]. Routledge，2014.

[6] 周由游，施建國.技術推動學習的新模式：美國國家教育技術計劃的啟示[J].中國電化教育，2011（10）：54-58.

[7] 楊現民，李新，邢蓓蓓.面向智慧教育的教學大數據實踐框構建與趨勢分析[J].電化教育研究，2018（10）：21-26.

[8] 祝智庭，彭紅超，雷云鶴.解讀教育數據智慧[J].開放教育研究，2017（5）：21-29.

[9] 李振，周東岱，鐘紹春，等.教育大數據的平臺構建與關鍵實現技術[J].現代教育技術，2018，28（1）：100-106.