大数据支持下师范生学习评价模式探究.docxVIP

大数据支持下师范生学习评价模式探究.docx

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

??

?

??

大数据支持下师范生学习评价模式探究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要:本文通过分析学习评价的现状,找到传统学习评价的典型问题,提出全流程学习评价体系,通过实例研究形成了基于大数据支持的师范生学习评价模式。文章最后还提出了需要进一步研究的方向与问题。

关键词:大数据;师范生;学习评价

中图分类号:G434?文献标识码:A?论文编号:1674-2117(2019)22-0105-04

学习评价的现状与问题

近年来,随着国家教育信息化的不断推进、智慧教学环境与在线学习平台的搭建,学习过程中的行为数据海量增加,这也标志着教育大数据时代的来临。

学习评价是根据学习目标、学习内容对学习过程及结果进行价值判断并对学习活动现时的或潜在的价值作出判断的过程。“积极开展学生学业质量评价,不仅是顺应教育改革与发展趋势的内在要求,也是提升与改善学校教育教学质量、促进学生全面可持续发展的现实诉求,具有重要的意义”。[1]传统的学习评价存在如下问题:①评价主体单一。目前,师范生学习评价在实施过程中仍然是以教师的评价为主体,评价主体的单一化使得其与评价对象之间的互动反馈不足,评价结果也不够客观与全面。②评价方式单一。传统的学习评价往往采用纸笔测试的总结性评价为主,仅仅关注试卷成绩,对学生的高阶思维能力没有办法有效评估。③评价内容单一。在学习评价的过程中往往只注重认知目标的达成度评价,而忽略能力目标、情感目标等评价。仅以认知目标来评价并不能反映出学生的真实学习能力水平。针对现有问题,笔者提出,可利用大数据构建全流程学习评价体系,对学生学习进行全流程评价,并最终形成基于大数据支持的师范生学习评价模式。

大数据支持下的全流程学习评价体系

学习评价的目的一方面在于全面了解学生的学习情况,另一方面在于为之后的学习活动指导提供依据。“大数据支持下的学习评价是将现代信息技术嵌入学习全过程,对学习活动的信息流与运行轨迹作出观测、解释和反馈,并利用描述性反馈信息实现教学相长和学生发展的过程”。[2]大数据支持下的学习评价应贯穿于整个学习生态过程,因此,笔者提出“课前—课中—课后”全流程的学习评价体系(如下页图1),即课前预测驱动有效教学,课中监测实现个性化学习,课后检测加强学习效果,以期让大数据支持下的学习评价在不同的学习活动开展阶段达到不同的效果。

1.课前预测

课前预测即课前学情分析。在大数据支持下,教师对学生的前置学习情况进行判断,并通过分析数据调整教学内容与教学策略来有效提升学生的学习效率。可以说,课前预测是教师在教学设计阶段的重要依据,也是开展针对性教学的关键。

2.课中监测

课中监测是学习评价中的核心环节,也是实施过程性评价的关键。根据MargaretHeritage设计的评价环模型——“明确学习进程—描述学习目标—提出成功标准—获取学习证据—解释证据—诊断差距—给予反馈—教学调整—搭建支架—缩小差距”[3],学习过程评价最重要的是能够实现以“数据重构课程生态”,教师能够根据数据适时调整教学,同时以“数据生发个性学习”,根据每位学生的学习数据推送个性化学习资源,帮助学生有效提升学习效率。

3.课后检测

课后检测即学生学习结果评价,它是“教师探究学生学习需求、改进教学方法与策略、提升教学效率的重要手段,其终极目标是将评估结果用于改进后续的学习和教学,是质量认证标准中不可或缺的内容”。[4]综合运用多元回归分析、关系挖掘、多层模式分析、可视化等技术对海量的学习数据进行分析处理,不仅能直观呈现全体学生的学习情况,还能对学生的学习发展进行预测与建议。

大数據支持的学习评价模式建构

通常来看,在教育中有两类教育大数据,一类是数据挖掘,另一类是学习分析。其应用领域主要包括学生个人信息建档、学生的学习行为和学习路径建模、学生的专业知识建模、学生的学习趋势分析等。因此,笔者从成都师范学院教育教学与信息技术融合的实际情况出发,以2017级师范生为研究对象,尝试建构大数据支持下适合所在学校师范生的学习评价模式。

1.研究对象

本次研究对象为成都师范学院2017级师范生,参与学生数1257人,班级数12个。

2.学习数据与类型

学习数据包括研究对象从大一到大二的所有学习数据,如考试、平台作业、课堂参与、互动讨论等(如下表)。通过采集学生的相关学习数据,构建学生的个人学习档案,通过数据分析学生的认知特点,以期提供个性化的学习方案,促进有效学习。

3.建立学习评价模型

成都师范学院大数据中心通过与网络教学平台数据库集成,实时获取师生教学过程中的行为数据;利用网络阅卷中心、教育大数据中心开展学习评估、测量与诊断。由于师范生培养的特殊性,笔者建立了基于大数据支持的师范生学习评价模型(如上页图2),主要采集、分析学生的教学行

您可能关注的文档

文档评论(0)

177****5771 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档