牟智佳 俞显

【摘 要】 人工智能、学习分析与教育大数据之间的相互融合使得学习评价由数字化的学习测评走向数据化的智能测评。从智能测评技术发展视角对国内外相关平台进行梳理和分析，发现智能测评平台存在测评目的异化、测评数据采集单一、测评分析缺乏深度、测评结果可视化水平低和测评反馈智能化薄弱五方面问题。本文从智能测评研究视角对国内外现状进行内容分析，把握研究态势与不足；在此基础上对智能测评发展的理论与技术趋向、目标导向进行阐释；最后提出智能测评服务模式，即以支持个性化学习为目标导向，以基于学习能力的学习练习智能匹配、基于内容掌握的个性化学习路径规划、基于活动参与的个性优势识别以及基于测评结果的知识地图描绘为服务支持，为将来智能测评发展与研究提供有益的启示。

【关键词】 教育大数据；智能测评；学习分析；机器学习；个性化学习

【中图分类号】 G642.0 【文献标识码】 A 【文章编号】 1009-458x（2018）5-0055-8

一、学习测评发展的现实困境与突破口

当前学校教育中对学习的测评侧重学习结果的显性表现，如测评得分、题目正确率、成绩排名等，对学习者的隐性行为关注较少，如对学习内容的掌握程度、协作学习活动内容的贡献度、达到学习目标的层级水平等。学习评价专家保罗和迪伦（Paul & Dylan， 1998）认为如果一个评价仅仅用于评定分数，内容上没有提供进一步的学习机会，评价就不是真正形成性的，只有评价揭示了学生思维的具体方面，借助这些方式才能进一步开展有效教学，并且运用所揭示的诊断性信息为学习者提供额外的学习机会。……