基于可视化数据分析英语学习形成性评估.docVIP

基于可视化数据分析英语学习形成性评估 　　摘 要在英语学习理论和实践的发展历程中，形成性评估的引入和发展起着举足轻重的作用。与其他类型评估不同的是，形成性评估的主要目的是“为学习”，即通过评估为学生学习和课程管理提供“反馈―矫正”。为达此目的，就必?首先把形成性评估所收集的各种信息转化为数据，再把数据转化为知识。知识的呈现有很多不同的方式，其中可视化分析是近年来人们为将数据转化为知识所进行的有益尝试。 　　关键词可视化 数据分析 英语学习 形成性评估 　　近年来，我国英语教学改革的成就之一就是引入了形成性评估的概念，并逐渐确立了其在整个英语课程体系中的地位。英语教学指南进一步指出，要处理好形成性评价与终结性评价之间的关系，实现“对学习结果的终结性测试”与“促进学生学习的形成性测试”的有机结合。终结性评估的目的之一是对学生的学习结果进行测量，形成性评估更侧重对学生学习过程的关注。从实质上来说，形成性评估的最终目的是“为学习”，即通过评估为学生学习提供及时而积极的反馈。要实现形成性评价的多重反馈功能，就必须让评估所产生的信息或数据真正发挥作用。数据能够被人们使用的前提是首先要转化为知识。近年，有信息化领域的学者提出采用可视化分析的方法，以改善数据知识呈现的效果。基于此，笔者尝试将可视化分析的方法引入到英语学习形成性评估，以检验其在获取知识的程度和改善数据阅读体验等方面的效果。 　　一、英语学习形成性评估及其数据属性分析 　　目前，英语学习形成性评估还存在一些问题，其中较为突出的一点，是相对于终结性评估的得心应手，理论中的形成性评估有效反馈在实践中很难实现。这其中最为重要的原因之一，是通过形成性评价所收集的信息或所产生的数据，已经具备“大数据”的4V属性，即volume（体量巨大）、variety（类型繁多）、velocity（时效性强）和value（价值密度分布差异较大）。 　　1.体量 　　关于多大体量的数据才能算是“大数据”这个问题，很难以量的绝对值来衡量。但无论如何，现实中很多形成性评估的原始信息和所产生的数据已经远远超出了英语教师和管理者的可控能力，同时，这些信息和数据又产生了大量的衍生数据。一个直接的结果是导致大量的评估信息未被记录，或者虽有记录但未能转化为数据，或者虽有记录信息或数据，但未对数据进行分析，也未基于数据对教学产生及时有效的反馈。 　　2.类型 　　英语学习形成性评估所产生的信息或数据的类型是极为复杂的。这是因为英语学习从学习内容、学习模式或者情境到评估对象、反馈途径和原始信息的载体形式等都是多样复杂的。不同类型的数据给记录、归类、转换和分析等过程带来了不可想象的困难，要求我们用科学的方法，既保证原始数据的真实性，又要最大程度地发挥数据的作用，使数据产生意义和知识，最终还要把意义和知识转化为有效反馈。 　　3.时效性 　　评估信息和数据有着很强的时效性，如果这些记录的信息未转化为数据，或者数据未进行及时的进一步挖掘和分析，更没有据此做出反馈，那么，这些数据就只能是“死数据”，根本不可能发挥形成性评估应有的促进学习的功能。 　　4.价值密度 　　形成性评估数据的前两个属性，即体量巨大和类型繁多，就决定了其价值分布是低密度、不均匀的。因此，人们很难将这些未经挖掘和分析的数据转化为知识，很难发现这些数据背后的规律，很难对英语课程的管理和学生的管理提供积极有效的反馈。 　　二、可视化数据分析的基本概念与应用简述 　　可视化分析是一种通过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的科学与技术。数据的可视化分析，通俗来说，就是一方面对数据进行自动分析挖掘，一方面利用支持信息可视化的用户界面以及支持分析过程的人机交互方式与技术，将计算机的计算能力和人的认知能力有机融合起来，以获得对于大规模复杂数据集的洞察力。可视化领域的国际顶级年会“可视分析科学与技术”（简称IEEEVAST）自2006起开始举行至今。在这10年的时间里，人们将可视化数据分析的理论与实践在互联网、社会网络、城市交通、新闻广播、商业智能、气象变化、经济与金融等各个领域进行了广泛的研究与探索。 　　三、英语学习形成性评估数据的可视化分析探索 　　1.评估数据简单汇报的局限性 　　在形成性评估的过程中，数据报告是一个非常重要的环节，因为数据的报告形式直接影响到反馈的效果。数据报告的形式多种多样，但在实际教学实践中，大多数教师或教育机构大多采用Excel表格这种简单的数据报告形式来显示学生们各分项和总分的得分情况，有的甚至连各分项得分都没有在Excel表格中得以体现。 　　我们以某班某次英语考试成绩的Excel表格为例，该表格在听力、阅读、写作、口语和总分五个维度对学生们的本次英语成绩进行分析报告，不难发现，