前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數據下在線課程增值評價設計淺議范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：基于大數據的在線課程增值評價是發揮大數據的技術優勢，對在線課程評價方式進行變革的重要途徑。本研究分析了大數據支持下的在線課程增值評價特點，并對在線課程增值評價的評價內容、評價程序和評價情境進行了整體設計。

關鍵詞：增值評價；在線課程；大數據技術

增值評價是一種縱向評價方式，強調教育投入帶來的學生學習“增量”，能夠反映學生學業的進步程度和學校在人才培養中的努力程度[1]。傳統的評價方式主要以考試和分數作為衡量教育質量優劣的標準，這樣的評價方式忽略了生源差異、學校辦學資源差異等因素的影響，難以衡量學校和教師在人才培養中的努力水平。增值評價通過跟蹤記錄學生在一段時間內的學習過程和學習結果，來描述學生在知識、能力和素養等方面形成的“增量”，并以此精準分析教師和學校在學生學業變化中產生的具體影響，進而對學校或教師的效能進行科學、客觀的評價[2]。大數據技術的發展為在線課程的增值評價提供了強有力的技術支持，為全面分析學生的學習增量提供了科學的數據支撐，成為提高在線學習質量的關鍵因素。本研究分別從評價程序、評價內容和評價情境三個方面，進行基于大數據的在線課程增值評價框架設計，以期為大規模在線課程評價方式改革提供參考。

一、大數據支持下的在線課程增值評價的特點

在大數據支持下，在線課程增值評價主要體現出評價范圍的廣泛性、評價主體的多元性、評價內容的科學性和評價效果的交互性四個特征。（一）評價范圍的廣泛性大數據支持下的在線課程增值評價具有評價范圍廣泛性的特點。評價對象是每一位在線學生。借助在線學習平臺自動記錄學生的學習行為，跟蹤統計每一位學生學業進步產生的“增值”，真正形成“一生一案”。

（二）評價主體的多元性

在線課程增值評價模式具有評價主體多元性的特點。既注重教師和學習同伴等客體對學生的評價，也注重學生主體的自我評價。既考核教學目標的達成度，也考核學生學習目標的達成度。

（三）評價內容的科學性

與傳統的以結果為導向的橫向評價方式不同，在線課程增值評價更加注重學生學習過程和學習結果的統一，是一種縱向評價方式。根據在線課程學生在一段時間里的學習表現數據，描畫其學習成長曲線。通過挖掘評價數據內涵，分析影響其學習成長的智能和非智能因素，從而為教學策略的調整提供科學的數據支撐。

（四）評價效果的交互性

設置合理性的增值評價內容，在線學習的學生可以通過學習平臺實時觀測自身的學習增量，從而主動反思和改進自己的學習過程。教師則根據海量的評價大數據，跟蹤觀察學生的學習成長過程，科學調整教學策略，充分發揮增值評價的診斷、引導、改進和激勵等功能，在評價結果與教師的教、學生的學之間形成良性的反饋機制，實現從“助考性”評價向“助學助教性”評價模式的轉變。

二、基于大數據的在線課程增值評價程序設計

開展基于大數據支持的在線課程增值評價，實際上是應用大數據處理技術和互聯網思維對在線課程進行交互設計。通過在線課程平臺全流程采集學生的學習數據，在教師、學生和課程平臺之間形成數據的雙向流動，通過數據挖掘和分析，得出增值評價結果，進而為教師制定教學策略和學生制定學習規劃提供科學的數據支持。評價流程如圖1所示，具體為：①教師對在線課程進行整體設計，制作課程資源，并發布于在線課程平臺，設置課程數據采集點。在線課程大數據分析系統記錄并形成課程的初始課程資源檔案；②學生申請加入課程學習，完成學習基礎測試和學習背景的調查，形成學生初始學習檔案數據庫；③學生根據自身學習需求，對課程資源進行個性化學習，生成初始學習檔案；④大數據分析系統通過收集學生初始檔案和初始學習數據并進行分析，為學生提供智能推送、自動評價、智能預警等服務，并記錄學生的學習成長數據，構建學習過程檔案；⑤教師根據群體性的成長曲線和個體性的成長曲線，調整教學策略，針對學生個體進行精準輔導、靶向糾錯，并完善課程資源，系統生成教師的課程管理過程檔案；⑥學生在智能導學系統和教師的引導下，逐步完成課程學習和測驗等，系統自動生成學生學習結果檔案；⑦課程結束，教師對學生的學習大數據進行進一步挖掘和分析，進一步優化課程結構，系統記錄生成教師的課程優化檔案。通過在線課程大數據分析系統，生成教師投入曲線和學生的增值曲線，并通過在線課程平臺實時呈現給教師端和學生端，從而為在線課程的診斷和優化提供數據支撐。

三、基于大數據的在線課程增值評價內容設計

相較于傳統的結果導向評價方式，在線課程增值評價不僅關注學生的學期“起點”，也關注學生在一段時間內的學業進步情況。作為一種橫跨整個教學過程的動態評價機制，增值評價內容既包括了智力因素，也包括各種和學習相關的非智力因素，強調評價結果的“助教助學性”。

（一）在線課程智力因素評價

學習智力因素是各種認知能力的綜合體現，能夠影響學生對知識與技能的掌握速度和深度。增值評價既記錄學生的學習基礎情況，也跟蹤記錄學生階段性的學習成效，包括學習過程中的思辨能力、分析能力、創新能力和協作能力等智力因素的提升情況，借助大數據分析系統分析描畫其各項能力的增值曲線，從而動態考核學生在一個學習時段產生的知識、技能和素養的增量情況。根據考核記錄，借助智能導學系統對學生進行針對性的學習引導。所以說，增值評價對于學生智力因素的評價更多的是一種診斷導向機制，引導學生不斷調整學習方向，從而提高學習效率。

（二）非智力因素評價

學生的學業成績不僅與學生的學習基礎、學習智力因素有關系，還與學生的學習態度、學習方法、興趣和努力程度等非智力因素緊密相關。在線課程不同于傳統的課堂教學，學生大多是自發地加入課程，學生的學習基礎和學習動機各不相同。因此相較于傳統教學，非智力因素在在線課程學習效果中占有更大的比重。基于大數據的在線課程增值評價需要將學生的學習動機、學習習慣、情感態度和價值觀等因素列入考核評價范圍，并借助課程平臺及時反饋給學生，引導學生進行自我反思和調整。

四、基于大數據的在線課程增值評價情境設計

大數據技術的發展為增值評價實施提供了可能。在線學習平臺自動記錄和分析教師的“教”和學生的“學”形成的大數據，科學全面分析教師的“投入”以及學生的“投入”和“產出”，能夠為教學診斷和教學改革提供數據支撐。基于大數據的在線學習增值評價情境設計如圖2所示。

（一）增值評價數據采集

在線學習數據是增值評價的基礎。在線學習平臺分別自動記錄各個端口的數據，既包括教師端產生的資源制作、教學管理和課程優化的數據，也包括學生端學習基礎、學習目標、學習偏好、學習投入和學習結果等數據。當學生利用移動終端加入課程并進行學習時，課程平臺按照一定的規則自動獲取學生的瀏覽時長、資源偏好、學習時段、測試結果等數據信息，同時記錄教師在課程建設、課程管理和后期優化階段的操作數據，并對數據進行一定的預處理，為后續的數據分析提供可靠統一的數據格式。

（二）增值評價數據分析

在數據分析階段，首先要建立可靠的數據分析模型。接下來在數據處理與集成階段，要對收集來的數據進行格式化和降噪等技術處理，去除無效數據，并保證數據結構上的統一。進一步借助數據挖掘工具，根據應用需求對海量的課程大數據進行針對性篩選，在此基礎上再運用專業的數據分析軟件對數據進行深度分析，得到可靠的結果。最后，運用數據可視化技術將數據分析結果進行可視化處理，將隱藏于數據中間的關系、趨勢和規律等以直觀的圖表等形式呈現在課程平臺的前端，方便教師端和學生端實時、直觀形象地讀取數據分析結果，從而更好地進行教和學的調整。

（三）增值評價結果和反饋

課程平臺通過大數據分析系統形成教師投入報告、學生投入報告和學生增值報告。教師根據平臺自動記錄的動態教學投入數據和對應的學生學習增值情況，分析自身投入的效能值。根據學生的整體學習效果，進行宏觀教學策略和管理方式的調整。根據學生的個體學習情況，進行精準輔導，真正將教學經驗逐步轉化為教學技能的提升。學生根據平臺記錄的動態學習投入數據和增值數據，在平臺智能學習系統的引導和教師的積極幫助下，調整教學進程，優化學習方法。在大數據技術支持下，在線課程增值評價系統能夠真正實現“以評促教、以評促學”，為在線課程的發展提供源源不斷的動力。

五、結語

本研究提出了基于大數據的在線課程增值評價框架。后續將依托精品在線課程資源開展實踐研究，結合教師和學生的反饋，進一步完善增值評價框架，為在線課程的評價模式改革提供新的思路。

參考文獻:

[1]岳偉,陳俊源,胡祥恩,等.從TVAAS到IndividualGrowth:美國田納西州增值性教師評價發展新趨勢[J].現代教育管理,2019(9):69-77.

[2]辛濤,張文靜,李雪燕.增值性評價的回顧與前瞻[J].中國教育學刊,2009(4):40-43.

作者:余琴 楊陽 單位:安徽職業技術學院紡織服裝學院 安徽職業技術學院