幼儿园课件：世界教育评价发展趋势对教育的影响(1).ppt

增值评价应用举例：多层线性分析 分为学生层面和班级层面两层。 通过调查问卷等形式，得到影响学生成绩的因素：学生的基础、学习方法、学习态度、学习习惯（统称学习力）。 班级层面：基础平均分和学习力平均分。 使用软件SPASS和HLM处理，方差检验。 得出学生学习力的等级、班级间的差异。 增值评价应用举例： DTE 教育数据技术DTE（Data Technology for Education）。 教育数据挖掘（Education Data Mining）是DTE的重要应用。综合运用数理统计、人工智能与机器学习、数据挖掘等技术与方法，对教育原始数据进行分析处理，构建数据模型，对学习者的学习结果与学习内容、学习资源和教学行为等变量进行相关分析，从而有效地发现学习者学习中存在的问题，提供支持和解决方案，实现高效学习。 增值评价使用中遇到的问题 增值评价不考核绝对的教育质量而考核质量的增值，生源好的重点学校在增值评价中没有优势，对此积极性不高。 地方主要领导若注重“升学率”放在第一位，就不会用增值评价。 增值评价对数据的准确性和完整性有很高的要求，需要收集大量数据并采用统计分析方法，数据残缺或错误造成结论不准，统计分析需专业人员，实施困难。 对增值内涵如何界定 什么是增值，什么的增值，内涵与边界增么确定。增值=输出-输入。 方法论层面的理论框架问题需要解决。 “增值”一词的广泛传播必然出现分化，持不同教育观的人看法不同。 六、 综合利用AI技术、第三方与增值教育评价 AI紧跟教育评价理论前沿 教育评价的重心由学校向学生转移，由资源占有向资源使用和学生学业成就转移，更加关注教育质量生成过程以及学生学业成就。 突出对学生学习产出的测量，兼顾诊断性、形成性、终结性评价。 充分理解评价在学生进步过程中所起的作用。将学生评价作为中心环节。 第三方教育评价充分使用增值评价理论和AI 技术 增值评价对推进教育公平有很高价值，由于数据的准确性和完整性有很高的要求，需要收集大量数据并采用统计分析方法，应用受到局限。 第三方评价需要先进的理论和技术。 用AI完善增值评价，提高其使用的便捷性，有助于促进良好教育生态形成，为学生健全成长开辟多样性发展空间。 共勉： 用评价促进良好教育生态形成，为学生健全成长开辟多样性发展空间。 谢谢！欢迎讨论。联系方式： Chu.zhaohui@163.com  各国使用增值评价的共同趋势1 由重视国家、区域宏观规划（1960年代）资源配置转向重视学校布局设计。 将教育评价的重心由学校向学生转移，由资源占有向资源使用和学生学业成就转移，更加关注教育质量生成过程以及学生学业成就。。 美联邦有关法律明确指出：学校应该对学生学习成就负主要责任。 各国使用增值评价的共同趋势2 突出对学生学习产出的测量。 在评价的方法上，可以是诊断性的、形成性的或总结性的。 学生评价的实施者应当由“充分理解评价在学生进步过程中所起的作用”的人士担任。 学生是教育质量的最终体现者，因而学生评价是教育质量保障的中心环节。 三、 人工智能（AI）推动教育评价的发展 AI给教育评价带来的隐忧 一些人恰是利用网络的特性由“人灌”变为“网灌”，变为“人工智能灌”。 人工智能在评价上可能成为部分人控制学习者更为强大有效的工具。 AI是教育评价的工具，教育评价因此的改变也源于工具的改变。 教育评价需要有态度地利用AI 不要以控制的思路来使用AI。 依据利、害；适合与不适合的标准由教育当事人自主选择、利用互联网、大数据、人工智能和虚拟技术。 在教育评价中如何用、用多少、何使用人工智能要尊重教育当事人的自主选择，避免强推损伤教育的自主性和自生动力，要避免变成绑架、控制。 AI可更好实现教育评价与教育过程的融合 在教育过程中实现即时评价。 教育评价结论即时转换为学习决策的参考依据，矫正学习方向。 扩展评价的育人空间，在AI的支持下，未来教育评价的育人功能可能远远超越选人功能。 AI可实现教育评价结构化数据与非结构化数据的系统处理 AI使用之前教育评价基本使用的是结构性数据，非结构化数据无法获取、更无法分析、使用。 AI之后可以将网络日志、社交媒体数据、文本和图像、传感器数据、电子标签等非结构化数据用于教育评价，与结构化数据一起分析处理。 AI可能推进综合评价上台阶 现有评价过多关注学生的知识和能力，对学生的情感，性格特征缺乏科学的评测技术与手段。 AI可以实现从更多方面获取评价对象的情感、态度、价值观等方面的实证依据，以作为进一步实现对人的综合评价的基础。 AI为项目反应理论（Item Response Theory, IRT）提供更大施展空间 经典测量理论（Classical Test Theor