大数据支持下学生综合素质评价模型的构建研究.docx

大数据支持下学生综合素质评价模型的构建研究

方远豪章赛凤罗力强王晶晶韩孟羽

摘要：综合素质评价应用于教育场景虽然在一定程度上变革了教育评价的方向，但在实践中也存在一些困境，如数据采集单一、评价结果割裂、评价缺乏立体化与整体性等。为突破这一困境，本文结合大数据技术，构建立体全面的中小学生综合素质评价体系，从整体性出发对学生的素质发展进行综合评价。

中图分类号：G434?文献标识码：A?论文编号：1674-2117（2024）10-0071-05

1.学生综合素质评价指标体系研究现状

研究表明，中小学综合素质评价体系主要包括中国特色的综合素质评价体系和源自联合国经合组织的核心素养评价体系。我国学者对核心素养评价体系进行本土化后，面向我国中小学生发布了《中国学生发展核心素养框架》。学生综合素质评价的研究存在三个阶段：①研究之初，以学生的学业成绩作为学生综合素质评价的主要内容。②随着素质教育理念的深入，开始聚焦于五育体系或核心素养体系单一视角的评价。③随着学生综合素质评价研究的深入，学术界开始关注两者融合的复合型视角评价，即构建既能体现学生五育水平，又能考核学生未来发展基本素养的评价指标体系。

2.学生综合素质评价范式的研究现状

对于如何精准评价学生的综合素质，讨论集中在两个方面：①数据采集方式。在评价实践中，存在着数据维度不全面、采集方式主观化的问题，其表现为关注总结性评价，忽视发展性评价；注重主观性评价，忽视客观性评价。实践表明，综合素质评价数据采集体量较为庞大，数据采集渠道较为复杂，因此对数据采集方法提出了更高的要求。②评价方式的探讨。刘志军等指出综合素质是分项评价还是综合评价，需要在认识层面进一步思考。[1]其原因在于对综合的概念存在争议，一种观点认为综合是融合了各种能力与素养的复合体，另一种观点认为综合属于一种可测量的能力。综合素质评价目前仍处在探索的初级阶段，因此其概念没有得到明确的定义。[2]综上所述，本研究认同第一种观点，即综合素质评价应是面向学生全面能力的评价，因此需要挖掘不同评价维度间的内在关系，对学生的发展进行立体化评价。

学生综合素质评价指标体系的基本框架

1.数据采集模型

目前，综合素质评价实践的数据采集局限于学生的学业成绩、体测成绩以及量表采集，数据采集的覆盖面较小，无法精准评价学生的综合素质。教育大数据可以实现外显数据的采集，通过模型转换，完成内隐数据的分析。然而，我国大部分学校虽然已经建设了智慧校园，但已有的基础设备尚无法实现所有数据的智能化采集与分析，且基于外显数据的采集无法全面分析学生的心理状态，因此需要使用间接采集与伴随式数据采集相结合的方式全面采集学生的行为与心理数据。伴随式数据采集即通过系统、设备对学生的行为数据进行采集；间接采集则是通过测试、量表、同伴评价、教师评价等方式采集信息。综上所述，本研究构建了学生综合素质的数据采集模型，如图1所示。

2.综合素质评价模型

综合素质和核心素养都是时代发展对学生发展提出的要求，其结果均是为了推动学生全面而个性化地发展。[3]从两者内涵来看，综合素质（以“五育融合”为代表）聚焦于学生在学习成长过程中的基本能力与学业表现，是学生成长发展中的基础性成分；核心素养聚焦于学生在未来发展的重要能力与必备品质，是学生自我发展中的必要性成分。[4]因此，从内容复杂度而言，核心素养比综合素质更全面。此外，核心素养聚焦于学生的能力，无法给出直接的评价，需要采集学生在不同维度的行为表现构建相应的评价模型，对学生的核心素养进行赋值评价。[5]综上所述，本研究在中国学生发展核心素养框架的基础上，融合五育评价采集的数据模型，从教育实际出发，构建了核心素養视域下的综合素质评价体系，具体内容如上页图2所示。

指标体系的权重计算

1.层次分析法

计算科学合理的指标权重是对学生综合素质进行评价的关键前提。权重的计算方法包括熵权法、层次分析法、均值法等。学生综合素质评价是一个多目标决策问题，因此需要将各子维度数值通过一定的算法转化成为综合的数值，由此从多目标决策问题转变为单目标决策问题，而层次分析法融合了量化分析与质性分析，多目标决策问题转化为不同层次的单目标决策问题，质性问题转变为量化计算问题[6]，适用于综合素质评价指标权重的计算。

2.问卷调研

本次调研的对象均为教育学类研究生，包括中小学一线教师、大学教师、教育系在读博士、教育科研机构（如教育科学研究院、教育技术中心等）研究人员。

（1）专家积极性系数

专家积极性系数反映调研对象对本次调研的积极性。学术界普遍认为量表回收率70%以上代表专家积极性系数达到了较高的水平，本次调研共发出量表30份，收回量表30份，回收率为100%，表明专家积极性系数较高。

（2）专家权威系数

相关领域内权威专家给出的结论一般具有较高的