教学论文：教育大数据背景下智慧评价的价值探析

一、引言

　　随着移动互联网、教育大数据以及人工智能技术的发展，技术已渗透到教育教学的各个方面，推动传统教育向智慧教育的深刻变革。智能推荐、自适应学习、学习者数字画像等创新应用极大地丰富了师生的教学体验，突破了传统教学实践的时空边界。学习资源不再是教科书中不变的内容，而是学习者共同建构的生成性知识；学生不再局限于物理空间内，还可以通过网络与世界产生广泛的互联；教师不仅是知识传授者，更是信息技术环境下教学的设计者和学生学习的促进者。尽管这些变化的累积尚未形成质的变化，但未来已来的趋势明显。越来越多的教育研究者敏锐地发现，传统教学理论与方法在解释新的教育现象、指导智慧教育实践上显得步履蹒跚，呼吁重建信息技术时代的教育学理论[1]。

　　作为教育理论体系的重要组成部分，教学评价理论是指导教学评价实践，判定教学过程与教学结果价值的基础。在教育大数据的支持下，学习分析技术与教学评价的结合创生出支持多元智能发展的智慧环境，评价实践的对象、内容和方法呈现出一种新的景象。在时空延续、过程参与和交互体验等方面超越了传统评价理论的自洽范畴，为重建智慧教育背景下的评价理论提供了思辨的土壤。然而，主客二分的传统思维对技术在教育中的应用始终抱有警惕，进而呼吁防范技术异化及其对主体生命意义的遮蔽。基于这一传统，批评教育大数据应用“忽视人的发展的内在性、唯一性和完整性”的声音不绝于耳[2]。需要认识到，技术发展引领未来教育的器物、制度和思想之变的新时代朝我们频频招手，基于教育大数据的评价实践理应在方法与价值层面获得合理辩护。
 

 

　　二、教育大数据背景下教学评价的在场形态

　　教学评价实践是在一定的时空环境下，依据群体制定或默认的价值标准，确立利益相关者位置及其相关关系的教学活动。这些活动受到所在场域的影响，其中，不仅包括评价环境，还包括人的行为以及与此相关的许多因素。根据场域的观点，场域是各种位置之间存在的客观关系的一个网络或构型；场域由社会成员按照特定的逻辑要求共同建设，其中充满着不同力量关系的对抗，是有力量的、有生气的、有潜力的存在[3]。智慧教育环境下的教学评价就是这样一种存在，教育大数据的参与重塑教学评价的空间，利益相关者之间的竞合重构评价权力的分配，并推动评价存在于个体内生发展的过程之中。

　　（一）教育大数据促成多维评价空间生成

　　当互联网技术被广泛应用于教育，学习空间从传统的物理空间延伸到网络空间。网络学习从一般意义上“学校教育的补充”，逐步发展为一种广为接受的学习方式。其中的改变不仅在于教学资源的数字化，更在于网络学习空间对经典教学评价理论的接纳。评价方式电子化是传统评价理论在网络环境中的典型应用。电子化评价在应对学生数量增长、不同步调的学习、自适应测验、即时反馈等方面具有显着优势，可以为教学与管理提供更易控制、更快、成本更低的评价支持。然而，随着数字化学科工具及资源与教学活动的结合，教学评价实践一度面临两难境地：当学科教师使用虚拟仿真系统、数据分析包、数据建模等工具开展教学，每个人都使用文字处理器、社会交互平台和电子表格等信息化工具来支持协作和解决问题时，却不使用这些工具开展评价[4]。基于这一反思，数字档案袋、个人学习空间等工具被引入评价系统中，评价从认知性评价拓展到更广泛的能力评价，包括沟通协作能力、问题解决能力和创造能力。然而，由于测验设计、技术标准、数据传输和处理等方面的不足，这些探索尚未超出已有评价理论解释能力的范畴。

　　以教育大数据为基础的学习分析广泛涵盖物理空间、社会文化空间和信息空间内的教学活动，为开展多维空间的教学评价提供了可能。教学过程本身就是一个信息流生成的过程。随着数据采集技术的发展，这些信息会自动沉淀或记录下来，其中，不仅包括学习结果数据，还有多维空间内学习发生的时间、地点、与他人产生的关联等内容数据。数据挖掘、社会网络分析、统计分析等技术的发展将多维空间中的数据连接起来，为评价学习者认知理解、学习风格与行为习惯、社会网络结构与情感表达等提供更多可能。在流淌的时光中，学习分析与评价自身也成为未来评价的依据，为教学评价提供持续的证据支持。

　　多维空间的生成对教学评价理论的发展提出新的挑战：第一，多维空间数据综合建模评价。尽管我们能够方便地采集多维空间内的各类教学数据，但如何建立科学的综合模型以反映学生发展，展示其学业发展、情感与态度、身心健康发展的状态，仍然是评价的瓶颈。第二，教育大数据分析与人的协同关系。在多维空间中，智能系统搜集学习资讯、做决策和反馈都是自动完成的，如何充分发挥这些优势并且不忽视教师的在场特性是多维评价应用的难点。第三，大数据评价的伦理问题。教育大数据试图收集一切与学习有关的数据，包括学习行为、学习互动和学习情境等。这些数据带有鲜明的个体特质，具有隐私性。除了在数据采集与分析阶段确立明确的规则甚至法规，评价边界的确定也是教学评价理论需要关注的课题。

　　（二）教育大数据重构评价权利分配体系

　　教学评价不是一项单纯的价值评判活动，参与其中的利益相关者主动或被动地参与到权力的博弈过程中。传统上，政府及其代理人是掌控评价权力的主体，意在通过评价实现“教育问责”[5]。这种威权模式由政府定义，并与管理诉求保持一致。由此，应然的“促进学生发展”价值让位于实然的“教育问责”。反映在现实教学中，就是作为主体的教师和学生需要严格遵循教材、教参和考试大纲的要求开展教学评价，失去了评价创新的主观能动性。在日益多元化的社会中，主体意识的觉醒要求教学评价摆脱纯粹的行政指令，呼吁评价回归本真形态，关注促进学生学习、支持教师教学、满足社会多元化人才选拔的功能。

　　以数据为核心的智慧教学评价为消弭冲突、重构评价权利分配体系提供了解决方案。这一方案的形成由生动而广泛的评价实践激发，以政府支持的智慧环境建设为驱动。通过数据层面的创新应用，打通评价权利分配流程中决策、参与和监督的藩篱，构建起以教学数据为核心，满足利益相关者发展需求为导向的权利分配体系。这一体系具有以下特征：第一，以共享数据为基础的决策模式。传统上，教育管理、教学优化和学习调节决策是不同群体各自收集并分析相关数据，然后根据规则实施评价。这种分离的数据采集与应用模式容易导致不同利益相关者以自身权利为考量，忽视决策对其他群体权利的侵害。以教育大数据为中心的权利分配模式在源头上避免了这种弊端。所有的决策数据均来自多维空间中的教师和学生，差别在于数据的使用方式。以教学交互数据为例，学生可以通过数据分析，评价自我学习投入表现；教师则以此作为反思教学的依据；在管理层面，这些数据又是评价教师教学能力、制定教师专业发展规划的重要参考。第二，负有责任的共同参与。长期以来，我们的教学评价具有向上负责的传统，这也是“教育问责”模式下的必然结果。这种看似层层递进的关系中，责任主体被动应对更高层级的指令，从而迷失了自我。在以教学数据为核心的体系下，参与评价的责任主体需要通过平等协商确立评价标准，每一位个体都需要为自我行为负责，“促进学习”是各方共同努力的目标，同时也是评价各方价值的尺度。第三，相互制衡的公正监督。传统教学评价是自上而下的，教育管理者对教师进行评价，教师对学生进行评价。这种评价固然有确立的规则，但执行中仍有可能造成较大的偏差。以广泛开展的学生评教为例，学生对教师的评价存在受主观意愿影响的偏差效应。评价高的教师并不都是高质量的教学者，要求严格的教师有可能因为实事求是的评分招致学生的低评。如何做到公正的监督？在大数据环境下，所有关于教师和学生的评价均来自自然的、常规的教学过程，对所有利益相关者而言，评价结论是对过程表现的集中总结。正是基于这一认识，每一位共同参与者必将观省自我行为，同时对他人做出公正的评价。

　　（三）教育大数据背景下的教学评价存在于个体内生发展过程中

　　教育大数据背景下的教学评价将证据分析等需要消耗大量心力的活动从常规活动中分离出来，聚焦于教学本身。从评价实施的主体上看，有“他者”评价和“本我”评价两种形态。在教育大数据的支持下，二者相互转换，统一于个体内生发展过程。

　　有别于传统意义上教师对学生的“他者”评价，智慧学习场域下的“他者”评价凸显出技术推动教育的“器物”之变。首先，教育大数据背景下的“他者”评价是数据建模的过程。数据模型本质是借助智能分析技术，展示人的体悟观察、情感判断与价值尺度，是人的思维。其次，教育大数据背景下的“他者”评价树立起一个学习历史标尺。这一标尺是相似群体的综合状态或是过往学习历程中的“本我”。依据这一标尺，当下与既往的学习联系起来，以证据链的方式展示学习者的发展。

　　“本我”评价是基于证据的反思以及由此生成的潜意识。教育大数据支持的“本我”评价在形成上分为两个阶段。第一阶段是基于证据的自我评价。技术的深度参与让学习者第一次能够利用技术的力量观省自我。例如：基于资源访问路径的分析可以帮助学习者理解个体问题解决的模式，为具体问题解决方案的优化与改善提供支持。第二阶段是数据分析意识与习惯的形成。“本我”评价最终的旨归在于习惯的形成。习惯作为生命力量，与意识密切相关。成熟的习惯不需要意识的参与，但习惯的形成需要意识的重复参与。基于教育大数据的分析与反馈支持学习者持续地开展“本我”评价，从而规范行为，形成模式，优化品质。

　　“他者”是尚未觉醒的“本我”。正如教师在评价学生（“他者”）的同时，也对“本我”的教学进行反思。学生在“本我”评价过程中呈现出的行为改变、认知发展和情感控制又成为“他者”评价的依据。正是由于在数据层面上的持续积累与分析应用，“他者”评价与“本我”评价相互交织转化，促成个体内生发展。

　　三、融合教育大数据的教学评价方法论

　　从“评价即是学习”到“促进学习的评价”，教育理论研究者描绘出一幅幅关于学习性评价的美好图景。然而，当这些理论设想在面对现实的教学实践时往往拿不出切实可行的办法。从评价理念到评价标准，再到评价证据的采集与分析，横梗在教学实践者面前的是通过人力投入难以解决的现实难题。正因如此，“我国基础教育课程与教学评价改革尚未取得实质性的突破”的判断至今仍然适用[6]。如何将学习性评价理念落实到教学实践过程中，使之既可为，也能为？以教育大数据应用为中心，教学评价与教学活动、教学系统以及与人的协同关系三个方面形成了一套自成体系的方法，使“评价即是学习”的理想照进现实。

　　（一）评价融于教学活动过程

　　传统上，教学评价是以“镶嵌”的形式存在于教学活动过程中，“由教师主导和管理，要求所有学生都达到相同的学习目标”[7]。显而易见，这是常规意义上的形成性评价。关于形成性评价促进学生学习方面的重要意义，相关研究已达成广泛的一致[8]。然而，仅将评价嵌入到学习活动之后，并不足以改变传统教学的面貌。“评价即是学习”要求将教学评价融入学习目标分享、教学持续监控、教学活动反思、同伴评价和教学反馈的整个过程中。

　　教育大数据背景下的教学评价融入教学活动过程的每个环节，采用迭代的方式对教学活动进行优化。第一，学习目标列表化。以电子列表的方式为学生展现每个阶段或活动的目标，帮助学生理解活动目标与总体目标的关系，并支持彼此交流成功标准。第二，智能技术联结学习进程。以学习目标为指导，选用不同的智能技术支持教学评价活动，提示、引导学生接近学习目标和成功标准。第三，根据成功标准确立证据类型。确立需要采集的证据类型并定义成功标准。根据活动类型，学习证据包括解释形成的文本、示范与演示的数字作品、问题解决报告等。第四，确定获取证据的方式。根据学习活动类型设计评价活动，采取访谈、测试、考试等方式可以获取学生目标达成的证据。通过不干预学习过程的方式采集学习过程数据，还可以获取反映学生元认知、协作能力等方面的证据。第五，建立模型解释证据。根据学习目标和活动类型，建立情感与认知过程、先验知识与学习策略、社会网络结构与协作水平的多模态分析模型，解释学生学习的进度与层次水平。第六，给予反馈。以可视化的方式提供阶段性的反馈，帮助学习者确立与目标之间的差距或在群体中的位置，并建议下一步学习的方向。第七，行动。根据已有学习者策略模型，为学习者提供适当的支架，支持学习者通过行动弥合差距，提升技能。第八，进入新的循环。根据学习者的学习轨迹，优化前面的七个步骤，为学习者当下的学习提供持续的分析—评价—反馈循环。

　　（二）数据整合教学评价系统

　　如果仅在微观层面强调教育大数据支持的评价与教学活动的融合，评价容易陷入细枝末节的方法讨论，难以体现教育大数据应用对教学评价理论革新的价值。杨开诚认为，教育系统是复杂适应系统，教育大数据不是量的累加，而是教育系统在设计、开发、实施和调节实践过程中的生成性表现[9]。这种生成性是通过对教学系统进行持续的分析与评价实现的。正是由于这一潜在机制的存在，教育大数据应用才能摆脱工程导向，建立以教育教学理论为先导，整合学生发展评价、教师教学评价与教育管理评价的评价体系。

　　第一，以培养负责任的学习者为出发点，构建学生发展评价指标体系与测量方法。在指标体系构建上，不仅关注学生直接表现出来的能力特征（如测评成绩、实践作品），还关注学生学习过程中的潜在特征（如学习风格、跨学科能力特征等）。在数据采集方式上，采用电子档案袋、量规、试题、任务清单等方式获取相关数据，同时记录学生阶段性成长变化的关键证据。在数据分析上，通过持续的分析、反馈与评价帮助学生知道学到了什么以及是如何学习的，在发展过程中成长为负责任的学习者。

　　第二，构建以教学数据为基础的常态化教学反思系统，促进教师教学能力发展。在教学实践中，新手或普通教师并不容易获得专家教师或同行的指导，自我教学反思也会陷入“灯下黑”的窘境。从常态化的教学过程数据中提取反映学生目标达成及其相关影响因素指标。以此为标靶，教师可以从教学目标、教学策略、教学活动设计等方面观省自我教学，开展常态化的教学反思。数据的历时性分析还为教师开展集体研讨以及跨学科协作提供更多的机会。通过分析反映学生能力的数据，教师可以通过研讨清晰地把握自身教学在培养跨学科能力上的定位，制定相互配合的行动计划，研究弥补集体能力缺陷的策略与方法。

　　第三，汇聚学校、政府和社会等多方参与者，形成系统化的教育决策系统。首先，在更长的时间维度上对学生和教师的数据进行筛选处理，抽取反映学生学业成就、教育政策和资源投入绩效的相关数据。其次，协商建立标准。在有利于分享与交流的原则下，从学生、教师、学校、教育管理和社会机构五个方面建立连续的数据分析标准。最后，通过数据分析，为学校教学改进计划、校内或校际比较与经验分享、政府资源配给提供标准的、可比较的、可信赖的证据参考。

　　（三）人机协同成就智慧评价

　　教育大数据技术能够极大地提升评价的效率和品质，然而需要保持清醒的是：评价是人的认知与决策活动，而不是某种计算机算法。在教学评价实践中，需要秉承人机协同的理念，着重发挥智能分析技术的数据处理能力，让智能评价惠及每个层次的利益相关者。我们还要避免量化分析带来的所谓“精准教育”的迷思，始终保持教育思想对智能技术应用的引领作用。只有这样，才能使教学评价从“智能”走向“智慧”。

　　以问题解决为导向，明确教学评价中智能技术与人的角色分工。首先，在确定任务、目标、对象的基础上，制定数据采集规则，规定数据采集的时间跨度、数据类型和数据粒度等指标。其次，应用统计、社会网络分析和数据挖掘等技术开展数据分析，提取有用信息。再次，聚焦教学过程中的主要问题，采用分析、解释、推理等质性研究方法对教学中存在的问题进行诊断评价，为学习调整或教学干预提供清晰的路径。最后，使用针对性的策略，开展针对性的教学活动。简而言之，在应用智能技术支持教学评价上，“把适合机器（智能技术）做的事让机器去做；把适合人（师生、管理者、服务者等）做的事让人来做；把适合人机合作的事让人与机器一起来做”[10]。

　　在教学评价实践中，持续调整教育大数据分析的方向和内容。在快速变化的社会文化情境中，学习者的需求是变化的。因此，没有统一的教育大数据分析方法能够满足多样化的评价需求。根据学习者的发展阶段、学习目标的内涵、学习环境及条件等多种因素，设计灵活的数据分析模块、满足个性化的教学评价需求是未来智能分析的发展方向。在教育大数据分析的内容方面，把握教学评价的变与不变是关键。其中，促进学习者的认知、情感和技能等涉及人的发展方面是教学评价不变的主题，而关于教学情境、策略和方法的有效性评价则是变化的。

　　四、教育大数据背景下智慧评价的价值意蕴

　　仔细辨析教育大数据背景下教学评价实践的在场形态以及方法论，可以发现基于教育大数据的应用与人的智慧相互映照，其价值意蕴自然地显露出来，在驱动教学生态进化、培育主体自觉和价值生成上透出理论光芒。

　　（一）智慧评价驱动教学生态进化

　　从生态哲学的视角，教学环境是生命系统和环境系统在特定空间内的组合。其中，教师和学生是生命体，物质设施和班级文化是环境系统。教学生态系统具有如自然系统一样的整体性、开放性、多样性和共生性特征。教学生态研究关注课堂中师生之间和生生之间的能量流动关系，着重研究课堂生态的结构、功能、形态及其优化和调控。教学活动流转有活力、组织结构良好、恢复动力充足是健康教学生态的直接体现[11]。在有限的时间内，健康的教学生态追求均衡，即维系师生之间良好互动的（能量流转）教学活动的开展是系统的、多样的、有序的。然而，从更长的时段上看，教学生态还需在动态均衡中实现进化，才能适应整体社会与文化生态的演变。

　　技术创新是推动教育生态缓慢进化的外部力量。印刷术、机电技术、计算机技术、互联网技术等的发明推动社会形态从农耕时代进化到工业时代，再进化到计算机时代。“人在发明工具的同时在技术中自我发明”凸显出技术的教育价值[12]。然而，技术在教育中的应用往往伴随着缺乏人性关怀的质疑与批评。可能的原因是绝大多数原创技术并不是以教育为目的，例如：蒸汽机和计算机的发明在于提升生产与管理效率，而不是教育。从这个意义上讲，教育对技术的接纳过程是被动的。尼葛洛庞蒂曾这样形容教育领域变革的迟缓：“如果一个100年前的医生来到今天的医院，他已经不可能再去给今天的病人治病了；但是一个100年前的教师来到今天的学校，掸干净身上的尘土，却同样可以成为今天的教师。”[13]

　　以教育大数据为基础的智慧评价是教学生态进化的内在驱动力。基于数据而开展的科学决策、教学研究成为新常态，开发和评价创新性的学习和教学方式已经成为研究的前沿。以数据为基础的智慧评价连接起教学的过去、现在与未来，为教学生态的进化提供不竭的内生动力。之所以如此，首先教学过程中流转的多维信息有机会被记录下来，成为培育教学生态进化的土壤。师生教学互动发生的上下文情境以及内容记录在信息空间中，可以回顾、分析并且支持分享。其次，数据分析的结果呈现出真实的教学过程、生动的学习生活，是教育中的利益相关者行为、情感与态度的反映。最为重要的是，个性化的教学反馈是面向未来的，即帮助学生更深入地理解学习对于自我成长的意义，支持教师开展常态化的教学观察与反思，帮助教育管理者把握系统要素的关系以及科学决策的方向。由此，教育大数据与人的智慧相结合，迸发出洞察与行动的力量，持续推进教学生态的进化以适应快速发展与变化的社会。

　　（二）智慧评价培育主体自觉形成

　　文化建构观认为，文化建构人，人也建构文化，作为文化主体的人是自觉的、能动的[14]。以此为前提，我们自然地认为主体能够根据自身的学习状况，自觉地开展自我评价和反思。然而，对于成长中的学习者，特别是儿童，主体自觉如同尚在发育的幼苗，需要精心培育。教学评价是培育主体自觉的常用手段。然而，在常态化的教学过程中并不是所有的学习者都能够获得及时的评价反馈，或者具备足够的自省能力。智慧评价因人、因时、因地制宜地采用多样化方法，为唤醒并形成这种主体自觉提供支持。结合认知心理的发展规律，智慧评价培育主体自觉形成的基本原理包含意识激活与习惯养成两个部分。

　　智慧评价激活主体自觉意识。根据弗拉维尔的观点，学习活动经由个体的认知目标、认知活动、元认知知识、元认知经验四种成分交互作用实现，认知主体随着认知活动的展开而产生理性和感性的综合体验与感受[15]。主体自觉意识就是能够感知到认知活动中的这些感受，并能够根据认知目标调整行为模式。在学习过程中，主体意识并不是自觉产生的，而需要一系列的证据帮助它去发现、理解、思辨。显然，常规的教学过程不能给予每一位学习者这样的机会。智慧学习环境下的支持工具将学习者理性和感性的体验以数据化、可视化的方式展现出来，帮助学习者观察自身发展轨迹，比较个体在群体中的位置。以此为基础，学习者自觉反思的意识逐步苏醒，开始察觉自我的进步、策略的效用以及调整的方向。

　　智慧评价作为自觉习惯养成的支架。自觉习惯的形成除了需要主体意识的觉醒，还需要在长期的实践中不断重复，使其形成一种下意识的行为。在习惯形成的过程中，需要外部支持，帮助学习者自觉习惯的发展与成型。教学评价如同花架一般，塑造学生的行为习惯，使之符合学习与社会规范。例如：与人沟通的基本原则与方法，时间管理与自我监控等习惯的形成都需要教师评价的支持。智慧评价以个体学习数据为基础，跟踪学习者学习历程，为学习者提供个性化的评价支持。在时间延绵的学习历程中，学习者逐步建立起具有个体特质的内在评价系统，使学习与生命成长自觉地连接起来。

　　（三）智慧评价推动学习价值生成

　　传统生命哲学对大数据应用持批判观点，认为“大数据应用狭隘地把教育过程、学习行为标准化，导致对教育价值与意义的认知简单化”“人不可按照物化的方式被对待，人的心智、心灵无法被数据估算，人的生命价值不应当被估算”[2]。然而，如果正视教育大数据在培育主体自觉以及促进教育生态进化中的角色，那么我们讨论的就不是“冷冰冰的、武断判决的系统”，而是智慧环境中学习价值持续生成的图景。

　　智慧评价推动“学生中心”向“学习中心”转型。长期以来，我们批评“教师中心”的武器是“学生中心”。但是，在如何凸显以学生为中心的教育价值上，我们却容易陷入将学生抽象化的陷阱。智慧评价的引入不以某一确定主体价值为导向，通过多元化的数据应用方式澄明变化不居的学习条件与师生的即时交互，从而开启多样化的学习结果的可能。由此，评价完成从“学习无涉”到“学习观照”的转向，确立“行动的最高地位”并推动“学习中心”的转型。

　　智慧评价推进“学习测验”向“学习评价”回归。在行为主义学习理论和测量统计学的支配下，学习评价被“科学化”为学习测验。教学评价沦为王策三先生所指出的“教学效果检查”[16]。以外部考试或随堂测验结果为依据开展的学习测验着眼于学习成就的外在价值，是回顾性的。然而，应然的教学评价在于彰显“所欲的学习结果”，既立足现在，又放眼未来。智慧评价不仅关注测验的结果，更关注引起这些结果产生变化的过程性表现。数据分析的结果用于鉴别学生的潜能并为持续的学习过程提供有效的导向。这样，在学习关照背景中，实现从结果测验向学习评价的价值回归。

　　五、结语

　　现代教育必然是数据驱动的，而非纯粹经验主义的实践[9]。以教育大数据为基础的评价是教育现代化的重要标志，其外在表现是通过数据的方式展现个体外在行为，描画其内在价值观念和知识结构，根本目的在于通过基于数据的评价唤醒主体自觉，指明发展方向，推动价值生成。当前，以教育大数据为基础的评价正在进入教育教学的各个层面，孕育教育变革的力量。我们还需要汇聚更多的力量，计算机科学、教育科学、认知心理学，甚至艺术、人文等领域的研究者都应该参与进来，为构建大数据背景下的新教育理论而努力。

　　参考文献