基于学业质量评价的县域大数据平台建设的几点思考

中小学信息技术教育

现状分析‍‍

1

“自下而上”的功能扩展——当前一些大数据系统的先天缺陷

县域内，综观当前较为流行的一些大数据学业质量评价系统其产品前身为学生考试系统，该系统先从校内学生日常考试分析做起，后扩展到区域性联考，故其基本功能架构皆以学生考试为核心，数据字典及相关定义、数据流程等局限于考试系统。现今大数据流行后，学校及教学管理部门的需求发生变化，已不满足于仅获得学生考试数据评价，而是希望对整个教育教学管理进程，教师、学生等教学个体，家庭、社会等教育支撑环境进行整体融合，从而获取改善、提升教育教学质量的决策性建议。所以，为了适应需求，快速地推出适用产品，系统开发企业对原来的 “考试系统”进行功能扩展和系统升级成为最快的捷径，这种“自下而上”的系统更新和功能扩展带来了一系列的问题，如系统的整体协同性、数据定义的规范性、数据流转的科学性、用户使用的便捷性都受到影响。

2

数据采集的“功能性缺位”，形成数据源的完整性缺失

基于大数据的学业质量评价系统需要大量的、各种类型的数据，如学校管理的过程数据、教师教学行为数据、学生学习过程数据、学生考试成绩数据、教学个体心理数据、家庭及社会环境数据等，当前一些大数据系统对上述部分数据的采集缺少有效的途径与办法，如无法有效地获取教师教学行为数据、教学个体心理数据，对家庭及社会环境数据也没有合适的采集途径，这些数据采集的“功能性缺位”，导致数据源的完整性缺失，最终影响整个大数据系统综合数据链的形成，从而导致“只能描述群体，不能微观个体”和缺少分析的“深度与角度”，限制了大数据系统的数据分析功能，无法给教学主管部门或教学个体带来有效的决策性建议。

3

“知识图谱”尚不健全，丧失精准的“知识”诊断功能

在基于大数据的学业质量评价系统应用过程中，无论是课堂教学行为、学生练习诊断、阶段性测试与综合性联考评价与分析，“大数据”系统都要能自动形成较为精细和精准的诊断报告和分析评价，如何精细与精准，这与“大数据”系统中各学科的“知识图谱”的精细与精准与否有很大关系。在这里，我们可将学科“知识图谱”理解为各学科知识体系、知识点、能力点所构成的网络。综观当前大数据系统，“知识图谱”的构建还处于 “初始”阶段，有的系统仅对学科课标及知识点进行录入，有的组织了一批专家进行试卷知识点圈点，但对于使用者来说，这远远不够。譬如，一道数学综合题，对学生的答题要点、表达方式、能力要素、得分依据等方面的评断，使用者希望系统能给出精细及精准的分析报告，告之答题错误类型及答题错误方式、答题能力缺陷，甚至答题错误习惯等，但依据当前的学科“知识图谱”显然不能满足要求，从而在源头上丧失了精准的“知识”诊断功能。

4

“分析‍‍与挖掘”能力不足‍‍，不能提供精确的决策建议

影响学生学业质量的因素很多，学生自己的学习过程固然重要，但教师的教学行为、学校的教学举措、学生心理状态和社会及家庭等因素也不容小视，大数据系统就是要融合这些主、客观因素进行分析，提供有效且精确的决策服务。而当前的一些大数据系统提供的最主要服务是“学生考试数据的分析与服务”，即根据学生平时作业、阶段性测试、区域联考等考试数据，进行设定的指标分析，如平均分、优秀率、升降排名等，也提供针对学生个体的“知识点”漏缺分析，推送错题供学生练习等。但如前所说，决定学生学业质量的因素不独为“学生考试行为”，还有其它综合因素。综合多种因素的大数据分析与挖掘，提供多层次、多维度的有效、精确决策服务与建议才是大数据系统的用户需求，仅从学生成绩来分析挖掘，是偏颇的、不全面的。

5

“数据孤岛”现象普遍，难以形成整体的个性评价

县域范围内，所谓“数据孤岛”，我们认为是各类教育教学主体、个体或一些社会团体在教育教学管理及社会实践过程所积累的各类数据资源独立依存，不能形成区域范围内的有效联接与共享。近年来，随着信息技术及信息化应用能力的发展，各类教育教学主体、个体或一些社会团体积累了大量基础性或过程性数据，这些数据或在单位内部单独使用，或采集后尘封不动，形成了事实上的“数据孤岛”。

当前，大数据学业质量系统并没有实现对这些“数据孤岛”的有效联接整合，譬如，评价学生学业发展趋势，这是一些“大数据”系统的必备功能，但事实上这些功能是微弱或不精确的。它只能采集学生当前或某个阶段的学业成绩，对学生成长的每个阶段的学业数据无法获知，更不用说学生的心理发展变化及其他社会环境影响等数据。因此难以形成整体的、个性化的、有效的学生学业评价。

思考与建议

1

“整体设计，架构先行”，构建科学、全面的学业质量评价平台

我们认为，县域学生学业质量是教育质量的重要组成部分和重要标志，主要包括学生学业发展水平、身心发展水平、兴趣特长养成、学业负担状况、师生关系、教师教学方式、学校教学管理、教学主管部门教学指导等维度，因此，基于县域的“大数据”学业质量管理系统的服务对象应是县域教育主管部门、学校、教师、学生等主客体对象，它不是孤立地评价学生个体学业状况，还要综合评价教师教学、学校教学管理、县域主管部门教学指导等多方因素对学生学业质量的影响与贡献，并提出精准的决策建议。正是基于多对象、多层次、多维度的综合分析，县域大数据学业质量管理系统必须从整体上思考，明确需求，进行系统目标规划，详细设计各功能模块，定义统一、规范的数据字典，有序流转各模块数据流，融合各类数据分析形成精准的报告策略。譬如，形成教师教学行为与学生学业成绩的分析决策，系统先要从整体上思考教师教学与学生学习层次性关系，分解成多种联系，通过数据建模，融合教师教学行为数据与学生学业数据，分析得出相应的决策报告。

2

“多维度、多途径”的数据采集，构建大数据评价系统数据基础

县域大数据学生学业质量评价管理系统中，其数据源的构成是 “多维度、多层次”的，采集对象包含学校、教师、学生、教学主管部门、社会实践团体等一切能提供有助于分析学生学业质量数据的主客体，而就其中一个对象而言，采集的维度又是多重的。譬如学生个体的数据采集，包含个体成长记录、学业考试成绩、学习过程、心理状态、家庭及社会背景等多维数据。而有些数据的采集并不容易，比如平时学习进程数据、心理状态数据等，所以，系统必须要能提供采集此类“多维、多层”数据的方法与措施。

我们认为，系统采集数据的途径可从以下3个方面入手：

1

传统手工采集

县域内学校分布较广、条件各异，不是所有学校的所有数据都以电子档案形式存在，所以对尚未形成电子信息的数据，还需通过手工方式采集，系统要有针对此类数据的采集接口。

2

集群化自动采集

集群化数据采集可针对一些现已存在，由各学校或其它单位单独存储并管理的电子数据，系统可结合实际需求，打破不同终端、不同网络、不同设备、不同系统之间的数据壁垒，实现数据流转，从而进行多用户、集群化采集。

3

过程数据实时采集

针对教师教学、学生学习考试所产生的过程性的、实时性的数据，系统应能提供相应的采集手段，如通过摄影或摄像设备捕捉师生教学过程中的实时数据信息并进行实时采集，通过扫描系统获取学生考试时的作答数据、成绩信息等。

3

专业与人工智能相结合的知识图谱构建，是大数据评价系统的核心要素

大数据系统要提供精细和精准的诊断报告和分析评价，必须具备几个条件，一是所采集数据的精准性，二是评价标准的精准性，三是分析建模及相关算法的精准性，其中，评价标准的精准尤为重要。在县域大数据学业质量评价系统中，各学科“知识图谱”的精准并精确应用成为评价标准的核心，如何构建“知识图谱”并精准应用，我们认为需要：

1

县域学科专家参与

县域学科专家是县域内各学科处于教学一线且经验丰富的教学人员，他们对县域内学科教学状况和学生学情了如指掌，作为大数据系统的使用者，让他们参与学科知识体系及知识点、能力点的构建更有利于系统使用的本地化、精确化。

2

探索人工智能参与

现阶段，构建“知识图谱”最主要的方式还是通过人，但有时知识点之间的联系并不是一对一或一对多那么简单，而能力点的构建可能更为复杂，即使是经验丰富的教学人员及领域专家也不可能面面俱到，如果通过系统能加入人工智能，进行深度学习，或许能将“知识图谱”构建得更为成熟、完美。

作者单位：江苏如东县教师发展中心