王君黛

摘 要：学业诊断旨在帮助教师了解学生学习掌握情况，从而及时发现教学中存在的不足，并有针对性地进行教学补偿。然而传统诊断模式下，对学生学习的诊断不仅耗时耗力，而且无法详细获取每位学生的知识缺陷。为了提高学业诊断的准确性，应当借助大数据分析技术，以实现对每位学生进行个性化的学业诊断。而好分数平台作为大数据领域的一项新生事物对传统的学业诊断模式产生了巨大的冲击，本文将以基于好分数平台的个性化学业诊断为主要探讨内容，详细阐述如何利用好分数平台进行学业诊断，以期为中小学的学业诊断提供一定的参考与借鉴。

关键词：好分数；大数据；个性化；学业诊断

中图分类号：G424.7 文献标志码：A 文章编号：1673-8454（2018）17-0030-04

一、引言

随着新课程改革的不断推进，培养学生的全面发展成为重中之重，这对人才的评价方式也提出了新的要求。[1]然而受传统学业诊断方法的影响，大部分教师仍然采用手改试卷、人工统计作答情况的方式，这样不仅耗时耗力，而且难以做到针对每个学生的精确统计。在大数据应用开发纳入国家战略规划的背景下，教育领域的大数据应用也成为当前研究的热点方向，技术与教育的深度融合也在促使教育的创新与变革。大数据在教育中的应用，也将推动教育教学从基于经验的直觉判断向基于数据的精确分析转变。[2]好分数平台的出现则有效突破了中小学学业数据统计分析的技术瓶颈，使教师可以客观准确地了解每个学生的学习情况，并且采取有针对性的措施来有效改善教学，从而激发学生学习的动机和兴趣。因此本文将结合好分数平台详细阐述基于教育大数据的个性化学业诊断方法，从而为中小学的学业诊断提供参考。

二、好分数平台概况

好分数是北京修齐治平科技有限公司研发的一款基于大数据的个性化学业诊断平台，其创始人为林仕鼎先生。这位1979年出生的前百度云大数据首席架构师，先后供职于微软和百度长达12年之久，随后在2014年5月宣布辞职，投身于互联网教育创业的浪潮之中。三个月后，林仕鼎和他的团队就推出第一款云教育产品，[3]旨在借助云计算和大数据的技术提升基础教育行业的教学水平和管理水平，从而确保多元化、平等化和个性化的教育得以实现。[4]好分数平台不仅可以让教师在电脑上流水化阅卷，而且通过智能化采集学业数据并且进行分析诊断，使每个学生都能及时了解自己的个性化学业分析诊断报告，从而对自己薄弱的环节进行有针对性的有效练习，以达到提升学习成绩的目的。与此同时，教师也可以利用平台的分析数据及时了解每个学生学习中存在的问题，从而进行有针对性的一对一辅导。[5]目前，公司已经为全国100多个区域、4500多所学校、600余万名学生搭建了区域学业诊断评价与提升平台，并且建立了区域性学业诊断大数据中心。实现了数据采集、数据仓库、分析诊断、个性化教与学等功能模块，有效地将信息技术与基础教育进行了深度融合。[6]

三、好分数平台兴起的背景

1.学业诊断对优化教学意义重大

学业水平考试作为标准参照性考试，其目的在于检验学生经过一段时间的学习之后，知识水平和能力结构是否达到学科要求的标准。[7]同時学业水平考试所提供的信息可以作为学业诊断的重要依据，对优化教学具有重大意义。从宏观角度来讲，学业诊断是教育主管部门监测区域或者学校教学质量的重要手段，是发现区域或者学校教学薄弱环节的精细化管理举措，是优化区域或者学校资源配置、课程管理、师资培训等措施的重要依据。从微观角度来讲，学业诊断是提出改进教与学建议的一种举措，是教师对教学各个方面进行分析、反馈、调节的过程，也是学生对学习过程进行分析、反馈、调节的过程。[8]因此，必须非常重视学业诊断，并且对学业诊断所反映出的问题进行及时反馈。

2.传统学业诊断模式存在严重缺陷

传统学业诊断需要教师花费大量的时间和精力来对学生的作业及试卷进行批改，然后凭借个人经验粗略统计每道题的错误人数。[1]对于错误人数较多的题目进行重点讲解，对于错误人数较少的题目不讲或者少讲。这种人工统计不仅耗时耗力，而且统计精度较低。对于每个学生来说，教师无法实现错题与学生的一一对应，因此考试分数成为评价学习情况的唯一指标。然而仅凭分数只能部分反映学生在某一阶段的学习结果，并不能发现背后学生在学习中存在的问题，更难以体现学生在某些方面潜在的能力和优势。[9]由于学生个体间存在差异，学业诊断结果也应随之不同，采用的教学方法也应因材施教。但是现今这种“大锅饭”的诊断方式，忽视了学生的“最近发展区”规律，并没有发挥出学业诊断对学习的激励功能。[1]

3.技术变革促使学业诊断模式变革

近年来以互联网、大数据、人工智能为代表的新技术迎来了蓬勃发展，人类也由工业化时代迈进了信息化时代。一方面，科技的进步为教育的变革奠定了坚实的技术基础；另一方面，教育理念的改变为教育的变革奠定了坚实的理论基础。[10]技术和理论叠加在一起，推动教育研究从客观群体逐渐走向微观个体，使追踪和研究个体学生的学习成为可能。[11]通过大数据技术对数据采集方式、数据分析方式以及数据呈现方式的改进，可以快速精准统计每个学生的学习情况，并且发掘分数背后更深层次的教与学影响因素。[12]因此，传统的学业诊断模式已经不能适应时代发展的需要，基于大数据的个性化学业诊断成为多方研究的热点。

四、好分数平台系统架构

好分数学业诊断平台主要由智能组卷模块、数据采集模块、数据处理模块、数据分析模块以及数据反馈模块组成，其系统架构如图1所示。

1.智能组卷模块

智能组卷模块充分发挥了云端存储的优势，里面搜集存储了海量的题库，内容涵盖了全国基础教育范围内各个学段、各个学科、各版教材以及各个年级的知识点。模块主要包含四个功能选项，分别为从试题库组卷、从试卷库组卷、智能组卷以及用户组卷记录。教师可以根据自己的需要选择相应的组卷方式，题目选中之后单击加入试题篮按钮即可完成题目的添加。同时，题目的顺序以及题目的分值也可以根据需要进行调整。组卷完成之后系统会结合专业考试研究院的分析标准给出组卷分析，教师可以快速直观地了解这份试卷考察的知识点有无遗漏、难易题目分布是否合理等重要信息，从而在宏观上对试题进行精确调控。此外，为了使教师从繁杂的试卷排版中解放出来，组卷模块还设置了自动排版功能，组卷完成之后系统自动完成主标题、副标题、密封标识、装订线、考生输入框的排版设置，教师只需下载试卷即可拿去批量印制。（见表1）

2.数据采集模块

数据采集模块主要由佳能、松下、柯达这些主流扫描仪及基于深度学习的图像识别软件构成。目前可以识别出市场上98%左右的各样答题卡，同时可以满足AB卷、附加题、选做题等各类题型的考试。除此之外，系统也提供自制答题卡功能，教师只需简单操作就能自制标准答题卡。电源接通后，将答题卡放入扫描仪，待扫描仪与好分数阅卷软件连接成功之后，点击扫描答题卡按钮即可快速实现试卷信息的批量采集录入。

3.数据处理模块

数据处理模块提供了两种阅卷模式，分别为线上阅卷模式和先阅后扫模式。线上阅卷模式即教师无需接触纸质答题卡，直接在网上对扫描的答题卡图片进行批阅，批阅结束后系统自动对分数进行统计并生成成绩报表。先阅后扫模式则保留了教师传统改卷习惯，即教师手工批阅主观题之后再将答题卡扫描上传，系统自动批阅客观题并采集主观题分数，从而实现分数统计及成绩报表的生成。除了在电脑上进行阅卷之外，系统还支持移动终端阅卷，突破了时空对教师阅卷的限制，确保教师随时随地都能阅卷。同时，云端数据存储则完整地保存了每个学生的学业信息，从而为个性化学业诊断积累了宝贵的资源。

4.数据分析模块

数据分析模块主要面向学校领导、教务人员、班主任、科任教师、学生及家长等用户，系统将采集到的学业信息用数据报表、数据分析报告以及可视化数据视图的形式呈现出来，从而为教学安排、教务管理、政策制定等教学事务的开展提供依据。数据分析模块主要包含三方面的分析，分别为考试质量分析、教学学情分析以及学生学业诊断。教师可以从中了解班与班之间的成绩对比、班级的分数段分布、班级重点学生分析、每个学生成绩明细以及成绩分析报告，学生也可以从中了解自己的班级与年级名次、考试知识点与试题分析、强项与不足分析等信息，同时系统会根据每个学生的具体情况对原卷进行题目切割处理，自动帮助每个学生整理汇总成电子错题本，从而为学生考后查漏补缺提供参考。（见图2）

5.數据反馈模块

数据反馈模块主要将学业诊断信息反馈给教师、家长以及学生，这三种用户可以通过电脑及手机移动终端两种方式便捷获取诊断反馈信息。每一个学生都能实时查看自己的全科以及单科诊断分析报告，并结合系统整理的个人错题本进行有针对性的有效练习，从而达到精准提高学习成绩的目的。同时每一个教师也可以通过系统反馈的数据及时了解每个学生的强项与不足，从而进行有针对性的个别化辅导。家长也不再需要通过电话询问教师了解自己孩子的学习情况，直接通过好分数APP即可马上获得孩子薄弱知识点及优劣势学科分析，从而主动参与到孩子的学习过程之中，与教师一起推动孩子的学业进步。

五、利用好分数平台进行考后反馈

1.结合数据进行教与学诊断

云端阅卷结束之后，教师即可登录好分数平台查看这次考试的情况分析。教师所教班级的整体情况分析、个别情况分析、试题分析以及知识点与能力分析都会以可视化图表的形式呈现出来。通过班级平均分对比，教师可以快速了解所教班级在同年级班级中所处的位置。（见表2）通过与同年级其他班级的试题作答情况对比，教师可以准确判断哪些题目及相关知识点需要详细讲解。同时，通过对精细到知识点、能力、难度等维度的分析，教师可以精准掌握每一个学生对知识的学习、理解及应用能力。[13]

学生通过电脑或者手机APP即可登录好分数平台查看本次考试成绩分析报告，学生考试的整体情况分析、各学科情况分析、强项弱项分析以及错题情况分析同样以可视化图表的形式呈现出来。（见图3）通过层次排名对比，学生可以快速了解自己在年级中的位置以及与自己处于同一层次的人数。通过学科优劣势分析，学生可以明确哪些科目需要继续保持、哪些科目需要努力赶上，从而帮助学生实现学科均衡发展。同时，伴随着学业数据的不断积累，系统还会将多次考试数据关联起来对学生的学业变化趋势进行分析，从而帮助学生及时做出调整，以便争取更大的进步。

2.结合数据进行试卷讲评

教师结合学业诊断报告可以快速了解试卷中每道题的错误人数及高频错误选项等信息，同时系统会根据得分率将错题用不同颜色加以区分，得分率低于45%的题目用红色进行标注，得分率介于45%至75%的题目用黄色进行标注，得分率在75%以上的题目用绿色进行标注。对于每道选择题的讲评，系统会以条形图的形式显示选项分布，教师可以直观了解高频错误选项，点击每个选项即可实时显示查看选择该选项的学生名单。（见图4）结合数据进行试卷讲评，使教师可以高效、精准定位讲评重点，极大提高了讲评效率及讲评质量。[14]

3.结合数据定制专属练习

针对每个学生在考试中所暴露出的薄弱环节，教师可以通过好分数平台一键定制专属练习。系统根据每个学生考试中做错的题目在海量题库中进行相关性分析，然后将知识点及难易程度相关的题目推送至每个学生，以确保班上每个学生都将同步接收一份自己专属的个性化习题。结合数据定制专属练习，使不同认识水平的学生无需再做没有针对性的同步练习，每个学生都能在专属练习中精准查漏补缺，从而达到提升学习成绩的目的。

4.结合数据线上个别辅导

除了传统的课堂面对面讲评以外，教师还可以在好分数平台对学生进行远程学习指导。通过直播课模块，教师可以突破时间与空间限制进行线上专题讲解，家长和学生可以在电脑上或者手机移动终端观看学习。此外，教师还可以将试题讲评视频以微课的形式录制上传，并与对应试题或者相关知识点建立关联。学生在考后自我反思总结的时候，不仅可以查看电子错题本中的答案及解析过程，而且还可以便捷观看该试题对应的微课视频，从而获得“自我错误作答-标准答案解析-视频总结提升”的连贯体验。[15]

六、总结与展望

学业诊断的本质是反馈学生一段时间内通过学习所掌握的学科知识情况。目前越来越多的教育工作者及家长都认同诊断结果不能仅为一个分数，还需要客观、全面、准确、及时地反馈教与学情况，从而帮助教师优化教学内容及方法，同时帮助学生分析总结以指引下一阶段学习的开展，真正实现“学业诊断-诊断反馈-教与学优化”的良性循环。

参考文献：

[1]陈丽仪.基于自适应学习的学业诊断研究[D].上海：上海师范大学，2017.

[2]烟台市教育局.烟台教育大数据发展论坛暨教育部教育信息技术“十三五”规划课题烟台实验区开题会议召开[EB/OL].http：//www.yantai.gov.cn/art/2017/7/26/art_4366_790762.html.

[3]新华网.“云校”校长林仕鼎：填平教育鸿沟也许我可以[EB/OL].http：//www.xinhuanet.com/local/2015-10/31/c_1117000273.htm.

[4]多知网.林仕鼎给团队的一封信：我们在做一件怎样的事情？[EB/OL].http：//www.duozhi.com/company/20140618/1553.shtml.

[5]中国教育裝备采购网.烟台市与爱云校战略合作共建学习平台[EB/OL].http：//www.caigou.com.cn/news/2016120729.shtml.

[6]爱云校官网.爱云校等36家企业入选“中关村前沿技术企业”——积极抢占全球技术创新和产业变革制高点[EB/OL].http：//www.aiyunxiao.com/news/5a7c5213000012aa7488e49c.

[7]张青华.浅谈高中学业水平考试评价的功能[J].中国考试，2011（4）：61-64.

[8]周彩莺，沈启正.基于学业水平标准的学习结果分析[J].中国教师，2012（6）：38-41.

[9]颜晓雅，来燕利，李雪玲.以评价促诊断 以诊断促发展——大关中学学业分析系统的构建和应用[J].中小学信息技术教育，2017（3）：69-72.

[10]周洪宇，易凌云.大数据时代教师教育的变革[J].教育研究与实验，2017（1）：7-12.

[11]孔兴隆.运用学业质量检测数据，诊断与改进学生的学习[J].考试研究，2016（3）：62-67.

[12]冯艳艳.从判断性评价到专业化诊断[J].中小学信息技术教育，2017（10）：9-11.

[13]爱云校官网.北京“新高考”新高一期末考试，十一学校的老师如何开展考后教学？[EB/OL].http：//www.aiyunxiao.com/news/5ad712590000121d61f3737b.

[14]沈志斌，王玉家.大数据如何颠覆学业诊断[N].中国教师报，2016-10-26（004）.

[15]张星昌.基于大数据环境下的学业分析与诊断系统的实现[J].读写算（教育教学研究），2015（3）：429-430.

（编辑：王天鹏）