付丽琴

摘要：对学生的综合职业能力培养是高职教育的目标，而学生只有在体验中才能培养能力提高自己，因此教育教学的效果评价必须把学生的体验作为评价依据。对学生体验数据的分析，有助于实现真正的因材施教，提高教育教学质量。大数据时代的来临，为我们提供了强大的技术支持和丰富的数据源，使倾听学生成为了可能，我们可以对学生在教学过程中产生的个性化数据进行分析处理。本文探讨了大数据时代基于学生体验数据实施教学质量评价的特点。

关键词：教学评价；学生体验；大数据；云计算

中图分类号：G712 文献标志码：A 文章编号：1674-9324（2016）12-0219-02

一、引言

教学评价的主要目的是对教学过程和结果进行监控，了解课程执行情况和教师的教学效果，以改进教学实施。联合国在2012年发布的大数据白皮书“Big Data for Development：Challenges & Opportunities”中指出大数据时代已经到来，大数据的出现将会对社会生活的各个领域产生深刻影响[1]。大数据时代为我们对数据的分析应用提供了全新的思维和方式[2，3]，为客观全面的教学质量评价提供了强有力的支持，使得我们可以对教学活动中形成的数据进行全面分析和正确解释。合理使用评价结果，一方面有利于教师随时调整教学参数、提高教学质量，另一方面也便于管理者总结经验，找出影响教师教学质量的关键因素。

高职教育的目标是培养工作在生产、服务与管理第一线的高素质技能人才，因此其教学模式应注重学生的主体参与意识、情境体验感悟和实践操作能力，要综合利用模拟、互动和启发等体验式教学手段来帮助学生理解教学内容、提升职业能力。“数据驱动学校，分析变革教育”的大数据时代的来临，为海量数据的存储和分析提供了技术支持。作为教育工作者，如何获取巨量的学生体验数据、利用先进的数据分析技术，客观评价教育教学质量，适时调整教育方法、完善教学设计、为学生提供个性化辅导，是迫切需要解决的问题。

二、评价内容的设计

1.高职教学评价的特点。用人单位对高素质技能人才提出了越来越高的要求，要求我们培养的学生不仅具备从事职业活动的专业能力，还要具备可持续发展的能力。学生培养的能力目标应当包括：技术应用能力（或业务能力）、各种社会能力、工作方法能力、学习能力以及包括观察力、想象力等在内的基本能力。教学评价就是要评价包括教学的各个要素和环节在内的教学系统对学生能力目标的影响，分析其在培养学生职业综合能力方面的优势和缺点。

首先，利用大数据对学生的发展进行多元评价，既发现学业成绩背后的原因，也关注学生情熵等各个方面的成长。利用大数据，更全面地看待学生的发展，发现成绩所反映不了的发展问题。

其次，利用大数据实现过程性评价，发现学生的在各个学段、不同模式、不同课程学习中的情感状态，吸收知识的能力和技能提高的程度，进而完善教学设计、改进教学模式。

再次，教师通过课堂观察，记录学生的发言质量、作业完成情况、课堂纪律等，促使自我反思，并进行改进。

最后，随着MOOC、微课程和翻转课堂等的兴起，信息化教学前移已成为趋势，该种形势下，教学职能的重心转变为设计、组织、帮助与指导学生的学习。在课堂、工作坊或实验实训场合，教师通过对学生学习数据的分析，及时发现学生困惑，并介入个性化指导，真正做到因材施教。

2.评价的内容和数据。反映学生综合职业能力的要素包括知识掌握的程度、知识应用的能力、口头与书面表达的能力、独立制订计划的能力、创业能力，以及观察力、想象力、记忆力、读写能力、社会能力和社会责任意识等。

学习是学生与学习内容、教师、合作同学和学习环境之间的复杂交互过程。学习体验是指学生在学习过程中对学习内容、任务安排、教学环境等的感受，以及对学习成果的满意度等。对学生学习的评价数据包括能力目标数据和体验数据两种。体验数据包括学生学习过程的统计描述，例如学习时间的投入（如学生在某个知识点上花费的时间）、学习活动的频次（如学生对某个知识点浏览的次数）、学习资源浏览（如学生对教学视频中某个片段浏览的次数）等。学习者学习的途径包括学习者提问、回答相关问题和师生交流（如师生交互行为分析、师生发帖的内容分析、师生交互的社会网络分析），学生对学习过程各阶段的感受，对实习、实训等环境的适应情况，以及学生对自己学习成果的满意程度，等等。能力目标数据包括学生在学习不同模块时的阶段性成绩和课堂观察结果，以及专题调查与测试的结果。

3.评价数据采集。体验数据是学生在学习活动及知识应用过程中即时产生的，要了解学生真正的体验，需要用到大量的源数据，以及更方便的数据采集方式。主要数据采集手段包括调查问卷方式、实时数据采集以及其他方式。

调查问卷的方式是将教学评价的调查问卷以网页的形式发布到Web服务器，学生通过登录相关的页面，根据页面显示的内容，输入相关信息，这些数据将被录入数据库中。

实时数据的采集主要依赖于传感器、射频识别技术或专门软件等。例如，我们可以利用图像传感器捕捉学生在观看教学视频时的视线移动，用专门软件跟踪记录学生学习时长和完成习题检测的全过程，包括读题的时间、做题的顺序、做题时间、解答过程等；为了研究学生的学习与心理动态，可以在线采集他们的行为踪迹、交友网络和微博等半结构或非结构数据；为了了解学生的价值、态度和道德养成，可用软件记录学生对学术活动和社交活动的参与情况等。其他方式包括文件、档案记录、深度访谈、参与式观察等采集手段。

三、数据分析和结果反馈

评价数据中既有结构化的数据，又包含非结构化的数据。将结构和非结构化的学习数据及时存储到数据中心是实现数据访问和实时分析的必要前提。传统数据存储的方法需要解决数据的异构性问题，如采用联邦式、基于中间件模型和数据仓库等方法。云存储技术不但能够兼容不同结构的数据，而且屏蔽了数据丢失、病毒入侵等问题，是安全可靠的数据存储中心。云计算开源平台Hadoop提供了分布式文件系统（HDFS）、分布式数据库（HBase）以及数据分析处理等功能模块在内的完整生态系统，现已经发展成为目前最流行的大数据处理平台[4]。采用Hadoop对教学评价过程中采集的海量数据进行处理，具有高度的扩展能力和容错性能，除了结构化与半结构化数据外，也可对文本文档、对话数据、音频视频等传统数据仓库无法应付的非结构化数据进行合理解释，最终得到对教学各个环节的效果评价。教学评价的结果是发现各教学要素和学生个性与能力目标的关系。

利用评价结果，教师和教育研究者可以通过分析总结学习者特征等数据，预测学习者下一步所需要的教学内容和形式，然后根据学生的现有水平和能力量体裁衣、因材施教地为学生制订教育计划。例如设计适应学生水平和能力的教学内容、对于学习有困难的学生进行干预、提供反馈等，并向学习者推荐下一步的学习策略（包括学习环节的顺序和形式、学习内容的难度等）。

四、结论

大数据时代为我们提供了强大的技术支持与数据源，以供教师与教学管理者分析学生体验数据。基于海量学生体验数据的教育质量评价，通过适时记录反馈学习者在学习过程中的各类体验，分析学生培养的能力目标和教学要素，学生体验数据之间的关系，并及时反馈给相关人员，大大方便了教学环节和要素的改进，必然会带来教育质量的提升。

参考文献：

[1]MANYIKA J，CHUI M，BROWN B，et al. Big Data：The next frontier for innovation，competition，and productivity[R/OL].Las Vegas：The McKinsey Global Institute. [2013-07-24].http：//www.mckinsey.com/insights/business_technology/ big_data_the_next_frontier_for innovation.

[2]World Economic Forum. Big data，big impact：New possibilities for international development [EB/OL].[2013-07-24].

http：//www.weforum.org/reports/big-data- big-impact- new-possibilities-international-development.

[3]Big Data for Development：Challenges & Opportunities[R/OL].[2014-05-10].http：//www. mckinsey .com/insights/business_technology/

big_data_the_next_frontier_for_innovation.

[4]陈曦，陈华钧，顾珮嵚.一种基于Hadoop的语义大数据分布式推理框架[J].计算机研究与发展，2013，50（Sippl.）：103-113.