中小學校數據驅動的精準化學習評價機制與方法綜合素質評價是深化教育改革、落實立德樹人根本任務的必然要求。信息技術賦能教育教學過程，使得傳統教育評價機制向數據驅動的精準化學習評價方向邁進。數據驅動的精準化學習評價是一種不斷獲取、整合、分析學習過程中的多模態數據，對教學和學習活動的信息流與運行軌跡作出觀測、解釋和反饋，以發現教育中存在的問題，輔助課堂教學干預的評價方法，包含多場景數據采集、多空間數據融合、精準分析模型構建、分析結果可視化四個關鍵組成部分。多場景數據采集為學習評價提供數據來源和量化手段支撐，多空間數據融合為學習評價提供統一數據標準，精準分析模型為學習評價提供數據驅動的學習分析與評價方法，分析結果可視化為學習評價提供反饋和應用服務。數據驅動的精準化學習評價框架，應以區塊鏈技術為基礎，融合人工智能、云計算、學習分析、情境感知等新興技術，在多維時空尺度上全面采集學習過程中的多元海量數據，通過全面、系統的統計分析和數據挖掘，從學習者的內在動機到認知發展、情感表現，再到社會綜合交互能力，多維度、及時、準確地評估學生的學習狀況。當前，探索數據驅動的精準化學習評價，可從構建符合多空間數據特征的綜合素質評價框架，完善過程性數據的采集與共享機制，突破情感、認知、動機與社交評價的關鍵技術，以及研制數據驅動的學習評價平臺等方面入手。2020年10月，中共中央、國務院發布《深化新時代教育評價改革總體方案》，將“改革學生評價，促進德智體美勞全面發展”列為重點內容，提出“促進學生全面發展的評價辦法更加多元”的改革目標。構建多元、全過程、全要素的學生綜合評價，需要改革傳統的以紙筆測試為主的學業評價，充分利用信息技術，探究以多種教學場景為背景，基于學生學習行為、認知建構、情感體驗、思維變化、學業表現等多模態數據，實現教學相長的精準化學習評價方式。一、信息時代的學習評價現狀學習評價經歷測量、描述、價值判斷時代，逐步向意義建構發展。傳統以紙筆測試為主的學業評價，往往側重測試學生認知方面的知識記憶與理解程度，對學生高階認知能力如創造力的重視不夠，效果也不佳（田愛麗，2020）。對非認知能力如學生的盡責表現、情緒調節、合作能力、思想開放、社會交往等（OECD，2019）的發展情況，傳統的紙筆測試更是顯得無能為力。而且囿于數據和技術的雙重缺失，傳統學習評價與反饋結果呈現出模糊性和延時性等特征，這制約了其價值實現。隨著信息技術與教育的深度融合，學習環境、學習內容、學習交互方式發生翻天覆地的變化，學習評價也隨之發生變化。二、數據驅動的精準化學習評價機制數據驅動的精準化學習評價是對多空間、多場景、多時段、多過程的數據進行記錄、采集、加工、處理，使得數據在平臺間流轉累加，實現“1＋1＞2”的能效的一種評價方法。它由多場景數據采集、多空間數據融合、精準分析模型構建、分析結果可視化等要素組成。多場景數據采集為學習評價提供數據來源和量化手段支撐，多空間數據融合為學習評價提供統一數據標準，精準分析模型為學習評價提供數據驅動的學習分析與評價方法，分析結果可視化表達為學習評價提供反饋和應用服務1.多場景數據采集學習空間是開展學習活動的基礎環境，也是教育數據產生、應用與迭代流轉的重要場所。由于信息技術的介入，學習空間從傳統單一的教室實體學習空間向物理空間和網絡空間高度融合的融合式學習空間變遷。學習者無論在何種學習空間開展學習活動，都會產生相應的教育場景數據。相較于單維學習空間，融合式學習空間場景較為多元，不僅包括圖書館、教室、閱覽室等物理環境，同時也包括角色分配的社會環境以及思維意識介入的認知情境。由于傳統教學場景如學校、圖書館的數字化與智能化水平相對滯后，教學場景中的學習數據采集，主要依賴于人工觀察和用戶自報告等手段，采集到的數據往往不夠全面，且具有一定的主觀性。隨著可穿戴技術、物聯網與人工智能技術的興起，傳統教學場景中的多元化數據得以采集。研究者可以利用數據感知技術、一卡通、視頻監控、智能移動終端、穿戴設備、二維碼、無線網網絡設施等，隨時感知與測量學習者的學習數據、生理數據、行為數據、管理數據等并對其進行記錄和存儲。2.多空間數據融合在評價中，已獲取的教育數據并非在同一時刻被分析處理，而是依據評價目標、評價對象，選擇不同場景、不同時間節點、不同頻次、不同時長、不同維度的數據進行綜合分析，因此數據的采集可能會出現數據不統一、噪聲干擾、數值缺失等問題。為了將獲取的數據轉變為計算機能夠識別并處理的結構化、半結構化、非結構化數據，為下一步數據建模做準備，需要對已獲取的數據進行規范，涉及的關鍵步驟包括數據清理、數據集成、數據規約和數據變換。值得注意的是，一些數據既可以用于建模，也可以用于分析，如學習投入度的評價可采集學習者觀看視頻時回答問題的頻次與中斷視頻的頻次，也可以依據學習者面部表情與坐姿進行分析；而面部表情同樣也可作為學習興趣的分析方法。3.精準分析模型構建分析建模是精準化學習評價過程中至關重要的一步。其實質是首先依據評價目標的不同，構建相應的評價指標體系；然后對評價指標體系中的評價維度進行數據化表征，采集多源數據；最后基于機器學習、深度學習、自然語言處理、數據挖掘、計算機視覺等技術，對所獲取的規范化數據進行建模，最終獲得分析結果。分析建模主要包括學習者畫像、預測模型與預警模型三類。學習者畫像通過采集到的基礎信息、學業數據、學習資源等實時數據，基于文本挖掘、自然語言處理等方法，對學習者的學習特征與個性特征進行描述，幫助教學利益相關者了解學習者學習情況。預測模型是基于學習者持續變化的學業數據、心理數據與生理數據，通過語義關聯及相關性分析方法，診斷學習狀態并預測未來變化趨勢。預警模式建立在預測模型的基礎之上，是預測的下一個階段，對預測的結果進行預警。構建預警模型的主要方法是關聯規則、K-means算法等。4.分析結果可視化計算機構建的分析模型較為抽象，不易理解。如果計算機內部自動分析與判別，然后為教師或學習者提供相關學習資源，其分析結果則不需要進行可視化呈現。然而，人在教育中的作用是無法取代的。無論空間如何融合，最終學習數據及學習分析結果都需要方便教師使用。因此精準分析建模后需將分析結果轉變為人們易于理解的圖形、圖像，即將分析結果可視化。可視化分析工具的設計是“數據驅動教學”的核心。當前應用較多的學習儀表盤，被定義為“為了支撐和改進學習和表現，對學習分析結果進行可視化和直觀顯示的學習分析工具”（Yooetal.，2015）。它能夠直觀地呈現學習者學習的相關信息，如學習者對知識點的掌握程度、學習進展情況、登錄次數等。知識圖譜（KnowledgeGraph）是另一個可視化工具，用于繪制、分析和顯示學科或學術研究主體之間的相互聯系，是揭示科學知識發展進程與結構關系的可視化工具。還有社會網絡，能夠將學習者群體中溝通與交流的路徑可視化，找出意見領袖、邊緣人物等。三、數據驅動的精準化學習評價方法改進教學和學習的目的，對學習評價的及時性和精準性提出了很高的要求。為了滿足新型教育情境下精準評價需求，需要對現有的教育評價理論以及關鍵技術進行深度剖析，構建數據驅動的精準化學習評價新模式。針對傳統的教學場景，新課標提出了“知識與技能、過程與方法、情感與價值觀”的三維教學目標。針對在線教學場景，Fredricks等（2004）提出了行為、認知、情感三維學習評價指標體系；王敏娟構建了以學習者參與為核心的Cybergogy模型，提出學生在線學習效果應涉及認知、情感和社會三個領域的因素。然而，以上評價框架都忽略了學習動機對學習成就的影響。學習動機是推動學習者學習的直接原因和內部動力，是激發、指引和維持學習行為的心理過程，因此，學習評價首先需要對學習者學習動機進行評價。其次，無論是在傳統的物理學習空間，還是在線的云學習空間，學習者的學習情況主要是通過認知與情感變化來體現的，故二者是學習評價必須關注的重要指標。最后，傳統的行為指標在云學習空間中顯得過于籠統，在物理空間與云空間相融合的學習空間中，學習者的社會交互行為等社會因素對學習者的學習成就有非常重要的影響，因此，社會因素分析也是學習評價的重要方面。四、發展展望與政策建議目前，數據驅動的學習評價研究在我國仍處于起步階段。但隨著教育與信息技術的深度融合，大數據背景下的學習評價研究呈快速發展趨勢。未來，在政策的指引及技術的支持下，探索數據驅動的精準化學習評價大有可為。1.構建符合多空間數據特征的綜合素質評價框架智能教育時代，智能感知技術為多空間、多場景和全過程的學習數據采集提供了有效的工具，使得學習過程數據的全面采集成為可能。從數據空間來看，通過智能感知設備，我們不僅可以獲得在教室等物理空間學習時的課堂交互數據，同時也可獲得在網絡學習空間中的在線學習數據。這些數據覆蓋課程、作業、生活、社交等多個學習場景，各個場景有各自的評價標準。同時這些學習數據具有多模態特性，包括視頻、語音、文本和圖片等，亟需歸一化標準和通用的評價框架。因此，精準化學習評價亟需建立符合多空間全數據的綜合評價框架和指標體系，用于匯聚來自不同場景、不同模態的學習評價數據，為后續大數據精準分析做好準備。2.完善過程性數據的采集與共享機制學生綜合素質的評價需要全面采集學生德育、智育、體育、美育、勞動教育等多維過程性數據，數據來源場景多樣、涉及的信息維度多、模態不一。因此，完善國家、區域、學校和班級等多級資源與數據的采集與共享機制，是實施數據驅動的精準化學習評價的前提。人工智能技術與感知設備的快速發展為完善過程性數據的采集奠定了技術基礎。研究者可以通過多種傳感器設備實時記錄學生行為數據，同時，結合觀察、訪談、資料分析等不同方法，多維度、多層次地采集學習者的學習結果數據和學習過程數據。如可以通過手環等傳感器設備來實時感知學生的運動、位置、睡眠狀態等生理數據，通過攝像機等設備自動采集學生課堂學習行為數據，通過個人檔案、問卷調查等方式記錄學生綜合發展數據，通過階段性測評與診斷性測評采集學生學業數據等等。同時，研究者還要注意完善真實的情景化任務、成果、行為等多源、異構、多模態、不連貫語義的海量數據的共享。不同教育機構的數據與資源共享機制是保證學習評價大數據的完整性與全面性的基礎。3.突破學習評價中情感、認知、動機和社交評價方面的關鍵技術當前學生的綜合素質評價大多采用填報與統計方式，其評價的效度和真實性受到質疑。而傳統的評價模型側重學習者的知識掌握情況，忽略了更高層次的知識遷移能力、學習方法、情感態度和社會交往能力的發展情況。這既是重結果、輕過程的評價理念所致，同時也受到評價技術的制約。要實現精準化的學習評價，必須在情感、認知、動機和社交評價的關鍵技術方面有所突破，通過采集文字、語音、圖像、視頻等包含認知、情感、注意力等的多模態數據，利用自然語言處理、圖像識別、情感、計算等深度學習技術和統計建模方法，分析學習者的學習過程、學習內容、知識遷移、情感獲得、交流互動等，以此對學生綜合素質進行全面、精準、多維度的評價與反饋。4.研制數據驅動的學習評價平臺，加快學習評價在教育教學中的應用數據驅動的學習評價平臺需要云計算、數據倉庫、數據挖掘等技術和應用的配合，實現低成本的大規模分布式存儲、及時響應的用戶體驗，以及更加綠色節能的新一代數據中心。即在有效面對大數據處理需求的同時，實現最大化資源利用率、最小化系統能耗的目標。為此，數據驅動的學習評價平臺需要為教育大數據的匯集融合、海量存儲、高效計算、深入分析挖掘以及教育應用的開發與運行提供基礎支撐。基于這個原理搭建教學、管理與學習的全生態應用平臺，構建不同業務系統共享數據中心的數據聚合型平臺。在規范化的數據基礎之上構建特色型分析模型滿足分析需要，為管理者、教師、學生、家長以及合作學校提供智能服務。學校需將校內與校外、課內與課外、線上與線下、網絡空間與物理空間產生的數據匯集到學習評價平臺中，通過數據不斷的流轉迭代，幫助管理部門、教師、學生、家長等利益相關者了解學生的學習情況，開展精準的教育干預與輔助。教師應不斷提升信息化教學能力與數據素養，能夠對學習者不同學習時段產