高中数学学习的过程评价，增值评价和结果评价及其相依性--以“概率与统计”模块为例.pdf

摘要

摘要

随着大数据、人工智能等现代信息技术和先进的考试评价技术的不断发展，

充分挖掘数字化的学习数据并剖析数据背后蕴含的具有教育价值的丰富信息，是

克服现有评价方式在具体实践中暴露的弊端的理性探索。利用新技术挖掘数据背

后的意义和本质不仅越来越受到教育工作者的重视，而且成为了教育管理者所瞩

目的对象。因此，了解如何有效地挖掘数据的丰富内涵，使得结果能够更加全面

真实地反映学生的学习状况，更精细地描述刻画学生的能力和素质，已经成为教

育评价改革至关重要的突破点。本研究以“概率与统计”模块为例，应用数据挖

掘技术和教育测量模型，给出这部分内容的三种学习评价方式：过程评价、增值

评价和结果评价的方法和实例，并对过程评价、增值评价和结果评价之间的相依

性进行分析和解释。

在过程评价部分，以马扎诺教育目标分类理论为基础，构建了高中数学学习

过程评价指标体系，接着利用模糊聚类分析和粗糙集理论对评估指标的关联性和

冗余性进行分析，筛选出相互独立且对评价结果有显著影响的指标，最终计算保

留指标的客观权重，并提取学生的过程学习特征因素和学习效果间的推理规则，

作为学生的过程评价依据。从所给出的具体实例中可以看到，本文建构的学习过

程评价模型包含了关键学习特征因素分析和学习效果评估规则的挖掘，可以确定

影响学习效果的关键因素并依据学生的学习特征组合发现评估学习效果的规律性

知识。结果可作为教师辅导学生的参考，也可作为学生的学习表现反馈。

在增值评价部分，本研究聚焦高中数学课程标准对“概率与统计”模块的要

求，将学生认知水平划分为提取、理解、分析和知识运用四个层级，开发了两份

由“锚题”链接的学生认知水平测评试卷，并根据Rasch模型对测评工具进行信、

效度检验，随后正式实施测试，采用Winsteps5.6.4软件将学生的2次测试成绩垂

直等值处理，获得学生“概率与统计”认知的能力值和题目难度估计值。在测试

结束后，给出了个人能力增值分析、整体比较分析和认知水平维度上的增值分析

I

摘要

作为对学生个体增值、总体增值和不同能力维度上的增值状况的反映。

最后，作为结果评价，本研究给出了一种常模参照性质的考试分数解释法，

百分位等级。评价结果可以直观简明地读出学生个体能力表现在学生整体中的相

对位置。由此，学生可以发现自己的优势和不足，为后续的努力明确方向。此外，

为了从数据量化分析角度厘清过程评价、增值评价和结果评价三者之间复杂的相

依关系，本研究选用非参数性质的Spearman秩相关系数来分析刻画三个变量之间

的相依性。分析结果可以明确三种评价之间是相互促进又互为补充的依赖关系。

关关关键键键词词词:数学学科教学;学习评价;粗糙集理论;Rasch模型;相依性分析

II

Abstract

Abstract

Withthedevelopmentofmoderninformationtechnologysuchasbigdata,artifi-

cialintelligenceandadvancedexaminationevaluationtechnology,wecanfullyminethe

digitallearningdataandanalyzetherichinformationwitheducationalvaluebehindthe

data,itisarationalexplorationtoovercomethedisadvantagesoftheexistingevaluation

methodsexposedinconcretepractice.Usingnewtechnologytominethemeaningand

essenceof