基于大数据的智能化学习评价系统设计.pdf

2023 年第 7 期191智能技术信息技术与信息化4 李勇,唐琳,文叙菠.基于区块链的装备数据存储和共享技术研究 J.计算机时代,2022,(10):41-44+50.5 文必龙,陈友良.基于区块链的企业数据共享模式研究 J.计算机技术与发展,2021,31(01):175-181.6 徐磊.基于联盟区块链的医疗健康数据安全模型设计 J.微型电脑应用,2021,37(09):143-145+154.7 张弛,王瑞,程骏超,等.基于区块链技术的海洋数据资源共享应用设计 J.科技导报,2020,38(21):69-74.8 程骏超,张弛,何元安.区块链技术在跨部门海洋数据共享中的应用 J.科技导报,2020,38(21):60-68.9 朱诗生,李朝清,黄仁俊,等.基于区块链的医疗数据安全共享模型与机制J.计算机技术与发展,2020,30(10):123-130.10 薛腾飞,傅群超,王枞,等.基于区块链的医疗数据共享模型研究 J.自动化学报,2017,43(09):1555-1562.11 曹萌,于洋,梁英,等.基于区块链的大数据交易关键技术与发展趋势 J.计算机科学,2021,48(S2):184-190.12 谢卓,张志鸿,李磊,等.基于联盟链的实用拜占庭容错算法的改进 J.计算机科学,2022,49(11).13 SZABO N.Formalizing and securing relationships on public networksJ.First monday,1997,2(9):1-21.【作者简介】徐小梅（1983），女，甘肃礼县人，工学硕士，工程师，研究方向：教育信息化、大数据分析与挖掘等。（收稿日期：2023-04-17 修回日期：2023-06-15）基于大数据的智能化学习评价系统设计张 军1 周 剑1 冯向科1ZHAGN Jun ZHOU Jian FENG Xiangke 摘要 随着移动互联网、大数据时代的到来，在线课程和线上学习发展迅猛，学习方式呈现出碎片化和多样化的特征，同时生成的海量过程性学习数据也需要新的方法和手段进行分析处理，传统的学习评价无法满足其需求。针对以上问题，对大数据技术支持下的智能化学习评价展开分析，设计了由数据采集、数据集成、模型构建和结果分析四个模块组成智能化学习评价系统框架，重点阐述了智能化学习评价模型的构建过程，明确了系统工作流程，旨在为新兴信息技术支撑下的智能化学习评价提供参考和借鉴。关键词 学习评价；大数据；数据分析；学习评价模型；学习评价系统doi：10.3969/j.issn.1672-9528.2023.07.0481.湖南铁道职业技术学院 湖南株洲 412001 基金项目 2020 年湖南省职业教育教学改革研究项目（项目名称：大数据背景下高职在线课程过程性学习评价系统构建研究，立项编号：ZJGB2020019）0 引言2020 年 10 月，中共中央、国务院印发了深化新时代教育评价改革总体方案，方案提出“创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价”1。现代信息技术与教育评价的创新融合，为设计基于大数据的智能化学习评价系统提供了数据环境和技术支持。大数据驱动下的智能化学习评价能够通过对学习者学习过程中所产生的多模态数据进行不断获取、整合和分析，进而实现对学习者学习活动做出观测、解释和反馈，以发现学习中存在的问题，能有效实现学习评价系统应具备的学习诊断、反馈调节和学习导向等功能。20 世纪 90 年代，研究者就已经开始关注到教育数据的收集与利用。随着移动互联网时代的到来，在线课程和线上学习发展迅猛，利用 MOOC 和 SPOC 将课堂教学和线上课程学习有机融合的混合式教学方式得到空前发展，由此带来了学习过程和学习方式的不断革新，同时生成的海量过程性学习数据也需要新的方法和手段进行分析处理，传统的学习评价无法满足其需求。因此，基于大数据技术的智能化学习评2023 年第 7 期192智能技术信息技术与信息化价已成为学习评价研究的一个重要方向。国外学者 Sandra 指出大数据技术可以对过程性数据进行更深入、透彻和高效的分析，而学习者的合作、沟通、学习能力等高阶技能的评价更依赖于过程性数据，大数据为未来发展学习评价的方法提供了新范式2。国内学者杨宗凯从健全学生评价综合指标体系、创新多元化评价方式、开发智能化关键技术和系统、开展应用试点示范等几方面给出大数据技术支持下教育教学评价改革措施3。张立山提出形式化建模与智能技术结合，形成人机协同的课堂评价机制4。王伟毅依据在线开放课程混合式教学理论学习理念，搭建了“课前、课中、课后”三阶段学习实效评价的结构框架以及相对应的评价指标体系5。陈雄辉构建了新技术支持下个性化学习课堂教学评价指标体系，借助层次分析法、Yaahp 软件、专家排序等方法确定了各级指标权重6。综述以上，基于大数据技术的智能化学习评价已经有了一定的研究成果，但依然有进一步探索和提升的空间。一是评价维度和指标体系设计上，现有研究较少关注到学习者的协作能力、交互能力和创新能力等。二是在数据模型构建上，已有研究偏重于采用严格形式化并具有量化分析功能的手段进行计算机模拟和仿真，过多关注收集数据、分析数据和呈现数据的方法和技术，忽略了教育学意义上的分析和描述。本文尝试以教学相关理论为基础，自上而下地进行学习评价理论模型的设计，而后应用大数据技术自下而上地完成理论模型的数据构建，同时给出了系统的架构设计和工作流程，兼顾了理论上的科学性和实践上的可行性。1 智能化学习评价分析传统的学习评价方式侧重于对静态的、且能够量化的学习内容和成果进行评价。例如，在传统课堂教学中，学生的考勤、作业、随堂表现、章节评测、期末考核等是评价学习情况的主要方式和手段，这种方式会导致评价内容过于片面，对学习者的协作能力、创新能力和表达能力关注不够，且存在一定的评价主观性，评价主体过于单一，除客观数据外，其他评价内容基本是由任课教师决定，缺少自我评价和学生互评的环节。同时，随着智能化教学与学习方式的普及，学习者的学习方式呈现出碎片化和多样化的特征，并生成了繁杂的过程性学习数据，这些数据能够实现学习评价的“精准化”和“智能化”，但也需要引入大数据处理和分析的技术和方法。因此，构建基于大数据的智能化学习评价系统，不仅要弥补传统学习评价方式的不足，还应该要体现智能化学习评价的特征。1.1 强调过程评价与增值评价基于大数据的智能化学习评价通过全过程学习数据的采集和分析将评价渗透到学习的各个环节中，对学习者的学习行为轨迹进行跟踪记录，能够对学习者的学习过程进行动态连续的评价。同时，能够从发展性角度评估学生的努力程度、学习绩效等，关注学生在原基础上的进步程度，形成纵向比较，激发学生内生动力。1.2 实现多元化的评价策略基于大数据的智能化学习评价能够有效实现多元化的评价策略。在评价主体方面，不仅能采集到教学者的评价数据，还能关注到学习同伴的互评，以及学习者对自我学习风格和学习行为的内省和自评；在评价内容方面，将非智力因素列入评价的范畴，既重视知识技能的掌握情况，也关注到学习者情感价值的体现；在评价形式方面，可以是诊断性评价，也可以是形成性评价或终结性评价7。1.3 构建智能化的评价模型移动互联网、大数据等新兴信息技术为多空间、多场景和全过程的学习数据采集提供了有效工具，这些数据涉及的信息维度多、模态不一、异构繁杂，在异构数据融合分析技术支撑下将复杂多变的教学与学习过程解构，融入学习评价的相关理论，构建符合多空间数据特征的智能化学习评价模型，是实现智能化学习评价系统的基础和关键。2 系统构建过程2.1 总体架构设计基于大数据的智能化学习评价系统通过对过程性学习数据进行采集、集成、建模、分析，实现多元评价、增量评价、过程评价、学习诊断、反馈调节、学习导向等功能。系统由数据采集、数据集成、模型构建、结果分析四个模块组成。系统总体框架结构如图 1 所示。图 1 基于大数据的智能化学习评价系统框架结构2.1.1 数据采集基于大数据的智能化学习评价系统主要基于在线学习过程性数据，这些数据不仅包含学习者在学习平台所产生的学习行为和交互行为数据，还包括学习者在学习过程中的情感数据，以及教学管理系统中的相关数据。这些数据离散分布在不同的学习平台和教学管理系统中，将这些数据进行有效的采集和汇聚，是基于大数据的智能化学习评价系统的重要基础。2023 年第 7 期193智能技术信息技术与信息化2.1.2 数据集成从在线学习平台和教务教学系统等平台中采集的数据具有多源异构的特点，这些数据的组织结构、存储形式以及数据表示都各不相同，数据间相互独立，存在大量的冗余数据和垃圾数据。需要在充分理解不同教学及学习平台的学习过程和业务逻辑的基础上，对所采集的原始数据进行审查和校验，将异常数据、错误数据和缺失数据进行清洗治理，形成统一格式的标准化数据。进而，这些统一化、标准化的学习数据即可作为模型指标项的数据值或者特征变量，参与模型的计算过程。2.1.3 模型构建在教学与学习数据集成处理的基础上，通过理论演绎和专家访谈等方式，以“知识与技能、过程与方法、情感与价值观”三维教学目标为基础8，结合多场景学习环境的特点，从学习风格、学习成绩、综合能力、学习态度四方面开展学习评价的理论建模工作。同时对教学与学习行为数据进行分析汇聚，明确能够表征相应评价维度的指标，保障指标项的数据支撑，保证模型的科学性和强解释度。2.1.4 结果分析依据对评价模型的数据构建，通过对学习风格、学习成绩、综合能力和学习态度这四个评价维度各级指标的计算和权值分配，应用数据可视化技术将评价过程和评价结果以图形、表格等形式呈现给教学者和学习者。对教学者而言，可以直观地对学习者的整体或个体学习情况进行全面的了解，并可利用评价报告对学习者的学习进程进行有效干预，对学习资源进一步完善，对学习路径进一步优化9；对学习者而言，可以直观地看到学习所带来的积极影响，能够增加学习者的自信心，提高学习积极性。2.2 评价模型构建学习评价模型构建是基于大数据的智能化学习评价系统的核心。主要包括以下两个方面，一是依据教育评价的相关理论，以教学目标作为价值判断依据和准绳，构建符合多场景学习的特点，能够体现过程评价、增值评价和综合评价的智能化学习评价模型理论结构，即评价模型维度指标体系；二是基于大数据治理和分析技术，依据学习平台和教务系统所记录的教学与学习行为数据，完成理论模型的数据构建过程。智能化学习评价模型理论结构主要由评价维度和指标项构成。其中，通过评价维度可以抽象的概括学习评价系统对学习者在某一方面的评价需求，评价维度可以包含多个具体的评价指标项。评价指标项则是对某一评价维度的表征与分解。例如要对学习者的“学习风格”维度进行评价衡量，就可以从“学习序列”“学习规律性”“学习持续性”“资源利用偏好”四个一级指标的计算获得，每个一级指标可包含若干二级指标，也可直接为具体的特征值。本文所构建的智能化学习评价模型主要包括学习风格、学习成绩、综合能力、学习态度四个维度，其基本结构如图 2 所示。图 2 基于大数据的智能化学习评价模型维度结构学习风格从学习序列、学习规律性、学习持续性、资源利用偏好等方面对学习者的学习习惯和学习偏好进行评价，学习风格能在一定程度反映出学习者的认知策略和自主学习能力。学习成绩主要从两个方面来进行衡量，包括过程性章节测验和终结性期末考核，评价学习者对课程关键知识点的掌握情况。综合能力包括学习者的协作能力、创新能力和表达能力，通过学习者在学习过程中的主动提问情况，学习者提交作品创新情况，以及学习者在完成小组任务时的协作情况等过程数据的计算获取。学习态度包括学习者的学习积极性、学习参与度和作业完成度，主要衡量学习者在学习过程中的投入度和主动性，可通过资源学习时长、资源利用率、作业任务完成数、章节知识点学习次数等过程数据的计算获取。进一步，我们依据所设计评价模型的维度结构，开展理论结构的数据构建过程。数据构建的核心工作是将所构建维度指标进一步细化，明确能够表征指标项的特征变量以及计算指标项的数学结构，为模型的数字可视化提供准确且可操作的依据。特征变量从对原始学习数据集成后的标准化数据库中选取，所选取的特征变量要具备与具体评价指标相关且具有较好的数据质量。特征变量是生成评价指标的基础与依据，对于指向明确的指标项，其特征变量可以直接从标准数据库中获取，比如学习者的学习成绩，无论是过程性章节考核成绩，还是期末终结性考核成绩，都可以由学习平台自动计算获得，无需进行特殊处理。也有一些特征变量较为抽象，需要进行一定的计算和数据转换，或者需要进行主观的评价，比如学习者参与讨论的情况、提交作品的创新情况、学习资源利用情况等。归纳起来，特性变量的获取可以采用如下几种方式。（1）指标项指向明确，较为简单，与标准化的具体数据项密切相关，或者经过简单计算即可获得，可直接选取相关数据项作为该指标项的特征变量。（2）指标项需要若干个数据项共同表征，需要将多个数据项进行组合、转换才能生成该指标项的特征变量，如学习规律性，就需要对学习者学习时间段，以及对视频、作业、2023 年第 7 期194智能技术信息技术与信息化测试等学习资源所花费的时间分布进行组合计算。（3）指标项构成较为复杂，其对应因变量的值获取比较困难，可采用数据挖掘的相关算法来对这些指标项进行分析，如针对学习参与度，就需要利用登陆学习平台的次数、观看学习视频的时长、任务点的完成数等数据项，由专家对不同参与水平的学生贴标签，然后再对各类学生进行聚类等各种分析。各指标项的计算方法确定后，由校内专家、企业专家、课程负责人组成专家团队确定各级指标权重，先由各位专家每人设计一套分配方案，形成若干个判断矩阵，然后将判断矩阵进行加权平均，最终得到各级指标的权重10。明确各级指标权重，即可逐步向上聚合，最终完成评价模型的数据构建过程。3 系统工作流程基于大数据的智能化学习评价系统与在线学习过程是紧密相连的，过程性学习数据是评价的基础和依据，在数据采集、数据集成、数据分析技术的支撑下，智能化学习评价系统能够对学习者的学习风格、学习成绩、综合能力、学习态度等方面进行数字化的统计分析，帮助学习者优化学习路径，提高学习效率。基于大数据的智能化学习评价系统工作流程如图 3 所示。具体步骤如下：（1）教师通过在线学习平台发布学习目标、学习资源、测试题库等相关资源，并将资源与知识点建立关联。（2）学习者登陆在线学习平台，学习平台与教务教学相关系统实现对接，学习者建立学习需求和学习计划，形成学习者特征信息库。（3）在线学习平台的智能导学引擎和自适应学习引擎帮助学习者进行快速、高效学习。（4）应用大数据技术将学习者的学习过程数据进行标准化处理，存储至数据库中。（5）应用异构数据融合分析相关技术，自下而上地完成理论模型的数据构建，形成评价结果。（6）学习分析引擎依据评价结果，给予学习者修正学习进度和学习计划的建议，给予教师优化教学资源、完善教学内容的建议。图 3 基于大数据的智能化学习评价系统工作流程4 结语基于大数据的智能化学习评价系统能够实现更精准、更智能的学习评价，能够有效推动信息技术与教育教学评价的融合发展。实施基于大数据的智能化学习评价系统，不仅能大大减轻了教师、学校的评价负担，而且能有效提高评价的科学性和准确性。通过跟踪和记录学生的学习过程并适时发起学习干预，可为教师和学生提供动态、实时的评价反馈,有利于及时改进教学过程，促进“评价-反馈-改进”机制的更好运行，能切实提高实施院校的人才培养水平。参考文献：1 蔡旻君,王心怡,郭婉瑢,等.在线学习者参与评价的理论探讨及实证研究 J.中国电化教育,2021,(03):20-28.2 桑德拉米丽根,张忠华,高文娟.大数据、人工智能与学习评价方式 J.北京大学教育评论，2019,17(04):45-57+185.3 杨宗凯.利用信息技术促进教育教学评价改革创新 J.人民教育,2020,(21):30-32.4 张立山,冯硕,李亭亭.面向课堂教学评价的形式化建模与智能计算 J.现代远程教育究,2021,33(01):13-25.5 王伟毅,顾至欣.混合教学模式下高职在线开放课程学习实效评价指标体系构建与应用实践 J.教育与职业,2020(21):85-91.6 陈雄辉,刘晓,赵丹丹.教育信息化 2.0 时代个性化学习课堂教学评价指标体系的构建 J.广东技术师范大学学报,2020,41(05):28-33+41.7 杜春涛,钟琦,王若宾,等.MOOC+SPOC 混合教学模式下发展性校本学习评价指标体系探索 J.计算机教育,2021,(06):128-133.8 李奕.人工智能背景下高职英语智慧课堂教学模式设计与应用研究 J.科学与信息化,2021,(14):174-176.9 上超望,韩梦,杨梅.基于大数据的在线学习过程性评价设计研究 J.现代教育技术,2018,28(10):94-99.10 邱春红,陈琳.面向在线学习的形成性评价系统的构建J.河北软件职业技术学院学报,2021,(01):54-57.【作者简介】张军（1984），男，河南信阳人，硕士，讲师，研究方向：大数据技术、数据库技术、在线学习与智慧学习。（收稿日期：2023-01-028 修回日期：2023-03-11）