教育评价新视野.docVIP

教育评价新视野 | 龚春燕等：大数据评估促进教育决策科学化 　　　中小学管理 　　导读 　　如何让大数据为教育管理和决策服务？2009年以来，重庆已监测义务教育学校1955所，师生约40万人次，获取了数亿数据，构建了系列模型；综合素质电子化平台已被全市258所高中采用。重庆教育评估院龚春燕院长亲自为您讲述重庆大数据的来与往。 　　大数据评估促进教育决策科学化/龚春燕 何怀金 贾玲卢锦运 　　教育监测评估的最终目的是为了改进教育教学，提高教育质量，为学生提供更适合的教育。但目前多数地区和学校依然采用对考试原始分数进行简单排序的方法来进行教育评估，其评价方式单一、评价指标和内容窄化、评价结果被误用和滥用，给学生身心发育和教育发展带来了诸多不利影响。 　　如何在理念、方法、技术上对教育质量监测评价进行改革？大数据具有体量大（Volume）、类型杂（Variety）、速度快（Velocity）、价值高（Value）和真实性强（veracity）的“5V”特点，必将在教育评估中扮演重要角色。重庆市自2009年首次开展基础教育质量监测以来，已经逐渐形成了一套较完整的大数据采集、模型处理、结果使用的技术和方法，促进了学校管理的改进与区域教育的科学发展。 　　一优化方式：建构大数据采集平台 　　1. 建立信息化监测评价平台 　　2009年，重庆市教育评估院在教育部基础教育质量监测中心和北京师范大学“认知神经科学与学习”国家重点实验室的帮助下，首次实施了重庆市基础教育质量监测。此后，为提高监测效率与科学化水平，我们建立了重庆市基础教育质量监测数据库，将日常评价与大规模监测相结合，自主研发了信息化监测评价平台（见图1）。 　　 　　图1：重庆市基础教育质量监测信息平台架构图 　　2. 研发数据分析软件平台 　　我们广泛调研了不同类型、不同层次的学校，选取了不同经济发展水平的三个区县和20所学校作为测评实验基地。通过对这些实验基地的教育质量监测与评价的实践和追踪，研发了用于全市监测评价的软件平台，提高了工作效率，实现了分析及报告生成自动化，主要解决了以下几方面问题： 　　（1）采用图像识别技术，实现纸质数据采集自动化 　　我们针对相关软件售价太高，无法实现对题卡合一问卷的自动化识别的情况，采用图像识别技术，自主研发了网上阅卷扫描识别系统，实现了监测所需的多题本合一、题卡合一、主观题分段评分的特殊功能。 　　（2）采用网络问卷填答，实现教师数据采集有序化 　　基于纸质问卷填答方式受填答时空限制、后期处理复杂、使用成本高的不足，我们研发了易于操作使用并与后台数据分析清理相结合的网络问卷系统。 　　（3）采用人工智能技术，实现超量数据清理精准化 　　我们通过研发监测数据清理软件，将原本借助于其他软件需要由20余人一个月完成的清理工作，缩短为1人一周就能够完成。 　　（4）构建常用分析模型，实现分析生成报告自动化 　　为了确保评价结果的针对性和准确性，需要有科学的分析方法和完善的指标体系。我们通过挖掘和提炼采集到的数据，构建了一系列分析模型，并在此基础上编写分析软件，自动生成近千份学校和区县报告、数十万份学生综合素质报告。 　　这些模型包括：义务教育均衡系数测算模型、城乡一体化教育资源配置模型、基于IRT项目反应理论的量尺分数合成模型、多维教学评价模型、学校办学规模测算模型等。例如：通过构建“学生学习进步增值评价模型”，对学校或学生的进步程度进行量化评价和价值判断，促使学校关注每一个学生的进步和发展。 　　3. 构建科学的监测工具库 　　工具是评价的基础，我们的工具研发专家团队按照国际通行的程序，召开了150余次研讨会，最终研制出了八类60余套教育教学质量评价工具。 　　二明确方向：确定大数据采集范围 　　六年来，我们共监测义务教育阶段学校1955所，师生约40万人次。2011年、2012年、2014年、2015年，我们在全市范围内选择100所不同层次的学校进行监测，每次涉及学生约8000名，参与学校的所有校长、干部、教师全员参测，每次约６000人。2010年、2013年全市40个区县的1400余所学校、1400余名校长、12000余名学校管理干部、23000多名教师、14.5万名学生参加了监测，同时还对四个区县的所有学校约150所学校进行监测,获取了数亿的数据。 　　1. 采集师生日常教育教学数据 　　我们通过日常数据采集系统，采集教师日常教育教学信息、学生日常学习与生活的关键信息、学生的成长记录，了解每个学生的过程性发展情况。 　　2. 采集多元评价主体的评价数据 　　我们通过构建学生、家长、教师、学校管理者参与的综合素质评价电子平台，形成多主体共同参与的“评价联合体”，实现了评价主体的多元化，建立了良好的“多方协作的互动关系”，改变了已往由教师