网站地图 原创论文网,覆盖经济,法律,医学,建筑,艺术等800余专业,提供60万篇论文资料免费参考
主要服务:论文发表、论文修改服务,覆盖专业有:经济、法律、体育、建筑、土木、管理、英语、艺术、计算机、生物、通讯、社会、文学、农业、企业

高校英语精准评价的实施背景、路径及意义

来源:原创论文网 添加时间:2021-11-08

  摘    要: 大数据与教育的融合应用可为形成性评价提供观念上的指导、方法上的创新和技术上的支撑,助力形成性评价进一步优化成为行之有效的精准评价。阐述了精准评价的实施背景,探讨了大学英语形成性评价精准实现的路径及其应用意义。

  关键词 :     大数据;英语学习;形成性评价;精准评价;

  随着外语教学理念从“学生中心”转变为“学习中心”,促进学习的评价成为英语教学评价改革的重点。基于大数据的英语精准教学能清晰地呈现数据背后蕴含的教学意义及价值,进而辅助教师更精准地“教”、指导学生更精准确地“学”,实现结果更精准确地“评”。形成性评价是实现“以评促学”的关键,而精准评价又是有效促学的前提。作为有力的助推器,大数据应用于教学评价将助力形成性评价的精准实现。

  一、精准评价实施背景

  (一)大学英语精准教学的内在要求

  随着外语教学理念从“学生中心”转向了“学习中心”,大学生英语能力的评价也应实现从“关于学习的评价”(Assessment of learning)向“促进学习的评价”(Assessment for learning)转变[1]。从关注学习结果的评价转变为关注学习过程的评价,从经验判断型评价转变为数据分析型评价是智慧教育时代英语教学评价的新范式。作为一种典型的先进生产力大数据技术不仅成功助力精准教学重现活力,而且成为推动形成性评价精准实现的强有力工具,为大学英语精准评价的实施提供了理论指导和技术支持。

  (二)实现学生个性化发展的必要环节

  《国家中长期教育改革和发展规划纲要(2010-2020年)》明确提出:“关注学生不同特点和个性差异,发展每一个学生的优势潜能。”[2]关注个体差异、重视个性发展离不开个性化评价,评价的依据源于学生个体微观数据的差异和职业规划的不同。微观数据的差异体现在知识层面(知识结构、学习需要、优势短板)、过程层面(学习能力、认知风格、智力类型)和情感层面(兴趣爱好、个性气质、学习态度),通过大数据的全样采集、深度挖掘、智能分析、高效处理、可视化呈现等众多先进技术的综合分析,刻画出学生英语学习的个性化精准画像。这些个性化的微观数据贯穿于精准教学的全过程。因此,基于大数据的英语学习评价是一种全员、全过程、全方位的个性化精准评价。大数据及其包含的各种先进技术与教学评价的融合应用,成为实现学生个性化精准评价的有效助推器。
 

高校英语精准评价的实施背景、路径及意义
 

  (三)大数据助力形成性评价优化的必然结果

  《大学英语教学指南》提出要加强形成性反馈实现从传统的“对学习的评测”向“促进学习的评测”转变,这一转变只有在形成性评价中才能实现[3]。

  形成性评价的核心是关注学习过程,强调持续的数据收集,本质是用于改进,通过过程上的改进促使学习目标的达成。持续进行的形成性评价与跟踪学生学习过程以达成教学目标的要求密切一致。形成性评价的有效实施得益于教育大数据的支持,鉴于过程性评价的复杂性,在小数据时代大学英语过程性评价在实际应用中多流于形式,数据采集只限于学生出勤、课堂问答、课后完成习题情况等简单环节;缺乏对学生课前准备“过程”、课中参与合作“过程”、课后自我提升“过程”等的动态监测,未能真正实现“过程性考核”的实践意义[4]。

  大数据的5V特性(Volume,Variety,Veracity,Value,Velocity)使形成性评价更加全面、客观、精准。容量大、种类多的特性可体现评价的多元性,真实度高的特性可保证评价的客观性,速度快、价值高的特性可保证评价的即时性和准确性,整体上确保了评价的有效性与科学性。

  二、精准评价实施路径

  评价是以教学目标为依据,按照科学标准,运用一切有效的技术手段,对教与学的过程及结果进行测量,并给予价值判断的过程[5]。基于大数据的英语精准教学理念、模式、流程等一系列变革必然带来评估方式的革新,“以评促学”的观点已被国内外学者广泛认同。崔允漷指出,“促进学习的评价”正在成为学习评价的主流[6]。学习评价是教学评价的核心部分,可细化为学习起点评价、学习过程评价和学习结果评价。从评价的实施时间和功能角度分别对应诊断性评价、形成性评价和终结性评价;各自在教学活动开始之前、过程之中与结束之后进行[7]。各类评价的有效实施依赖于评价工具的开发与应用,大数据这种先进的评价工具可助力教学评价全面升级优化为高效的精准评价,从技术上使评价实现从模糊判断到精准促学。大数据支撑下的英语学习精准评价可从以下三个方面得以实现。

  (一)学前诊断性精准评价

  诊断性评价主要用于调查学生在英语知识储备、方法运用和学习态度等关键层面的基础信息。每个学习者都是一个数据源,学习者的每个层面、每一属性都可通过大数据的分析技术进行逐步解构并以数据和映像的形式呈现,从而生成个体的精准画像。通过定量分析精确评判学生已有的知识结构、能力水平、关键需求、突出优势、明显短板等具体层面,通过定性分析精准诊断学生的个人心理状态、活跃程度、学习风格、兴趣爱好、学习期待等抽象方面。

  大数据的综合分析技术使得情感态度价值观等以往只能凭借教师经验评判的抽象层面,实现从"非量化"到"可量化"的愿景。只有实现学生学情整体群像和个体画像的精准诊断和评判才能为下一步精准定位差异化、层次化、个性化的教学目标提供客观依据。差异化学习需求的精准诊断与评估是个性化学习资源的精准推荐及精准决策的前提。

  (二)学中过程性精准评价

  形成性评价又称过程性评价,是针对学习过程不同阶段、不同水平开展的多次连续评价。学习过程评价是在全面收集并分析个体学习过程中产生的多元微观数据的基础上,对学习质量进行的事实性检验和价值性评判,二者的共同点聚焦于关注学习过程从而有效地改进学习。大数据及其智能分析技术既可保障评价的形成性又可实现评价的精准性。

  过程数据的精准收集促进评价的形成性,即时、动态的自动化反馈体现评价的形成性。大数据及其依赖的各类智能系统能够精准采集,并全程记录学生的英语学习行为数据,如英语微课播放次数、访问时长、提问次数、参与讨论多少、同伴互动频率、任务点完成时间、任务点完成率、与教学同步率、学生所做习题耗时、答题正确率、错误纠正率,等等,这些外显的行为数据被持续跟踪并形成贯穿始终的数据流。多维度的学习轨迹精细地反映了学生的学习过程全貌,自动化测量统计分析为教师进行精准评价提供了便利。

  差异化的数据分析体现评价的精准性,个性化的数据挖掘确保评价的精准性。大数据的智能学情分析技术(如知识图谱技术、认知诊断技术及协同过滤技术)使得传统上难以测量的内隐情感状态可量化为相应的数据,从而成为评价学习表现的要素。比如,英文资源的选择使用数据可用来精准评价学生的学习兴趣与风格,主观活动的参与度与投入度可用来精准评价学生学习过程中的认知深度和思维活跃程度,互动日志、互评记录、求助记录、作业提交质量等可用来精准评价学生的学习动机与态度。

  通过深入挖掘各维度的历史学习表现数据,可精准判断学生学习行为的潜在规律和特点,从而精准预测学生未来的学习表现。英语学习过程精准评价通过数据的全样本采集、高密度挖掘、多元化分析和可视化传送实现了对学生学习过程中的学习行为、认知建构、情感体验、思维变化、学业表现等各层面的全过程、多维度、个性化的动态监测与评估来助力学生改进学习方法,提升学习效果,有效促进个性化发展。

  (三)学后终结性精准评价

  终结性评价是以测试的形式对学习者一段时期内的学习效果进行总体评判。传统的终结性评价以总分、平均分、优秀率、合格率等简单结果数据进行粗放统计和单维度呈现,大数据支撑的结果评价则聚焦于学习结果与教学目标达成的契合度的精准匹配和多维度精准呈现。例如,一个学生的考试成绩为85分,这个看似简单的成绩数据是一系列元数据的集合体。这些元数据涉及学习内容、学习资源、学习行为、学习基础、学习能力、学习态度、学习方法、学习策略等多个维度。只有通过大数据挖掘技术才能精确解读这个结果数据的真正含义。学习结果精准评价不仅是学生个性化成长的助力器,还能为其未来学习趋势做出精准预测提供客观依据。

  三、精准评价意义

  (一)弥补形成性评价不足

  形成性评价是对学生的学习过程进行的即时、动态、多次评价。鉴于其即时性、动态性和持续性特征,真正有效的形成性评价离不开有数据支撑的平台,一个完整的学习过程,实时跟踪和适时反馈的技术等条件。作为先进生产力的大数据能轻松弥补传统形成性评价在数据、内容、反馈等方面的缺陷,从而为形成性评价的精准实现提供便利条件。海量数据充实了形成性评价的资源,改变了数据样本小、收集方式单一的局面,多元数据丰富了形成性评价的内容,增加了除成绩数据之外的行为数据、认知数据和情感数据等。高效反馈提高了形成性评价的反馈速度,优化了师生交互的效果。深度挖掘分析实现了形成性评价的预测功能,激发了学生积极向上的学习品质[8]。总之,大数据驱动的形成性评价不仅有利于教师了解教学效果、反思并调整教学策略,也有助于学生改进学习方法,提升学习绩效,实现评价“有效地促进学习”的宗旨。

  (二)助力形成性评价精准实现

  1.评价对象

  学情精准是评价精准的前提,课前利用大数据精准勾勒“学生画像”十分必要。学生画像即通过对学生的基础水平、学习兴趣、学习风格、学习习惯、学习期待等数据的多维采集与挖掘分析,真实、全面、客观地勾勒出学生的个体画像和群体全貌。立体的“学生画像”有助于教师准确、快速了解学生英语学习的优势与短板、偏好与期待等重要信息,从而准确识别学生的共性特征与个性需求。多元化、个性化、原生态的学情数据的精准采集和精确诊断确保了评价对象的精准性。

  2.评价内容

  内容的精准与学习资源的精准投放和学习过程的多维监测密切相关。鉴于形成性评价内容的复杂性,标准的多层次性,数据的多样性,小数据时代有限的数据处理能力无法对繁杂的数据进行深入的挖掘与分析。在大数据情境下,评价内容不仅仅局限于知识获取与构建、迁移与应用,还包括学习兴趣与风格、学习动机与态度、学习参与度与投入度、学习目标达成度,学习效果满意度等维度。以上内容维度在大数据技术的支撑下以不同类型的数据呈现(过程数据、结果数据、量化数据、质性数据、外显行为数据、内隐行为数据),从而实现精准评测。

  3.评价方式

  基于大数据的精准教学模式下庞大的数据,以多种不同方式呈现,从多个侧面展示英语学习过程。师评、自评、互评体现了评价主体的多元化;定性评价与定量评价相结合,实现了评价方法多样化。大数据的分析挖掘技术和数据可视化技术能够依据不同的学习内容,以不同类型的图表如柱状图、饼形图、雷达图、散点图、交互图、帕累托图等方式对各类数据进行全方位、多角度呈现,生成具有个人特色的学习报告和班级学情分析报告。多样化、立体式的数据呈现方式确保了评价的精准性。

  参考文献

  [1]杨满珍,刘建达基于形成性评价的大学英语教学实践探究[J].外语电化教学, 2019(6) : 97-102.
  [2]中华人民共和国教育部国家中长期教育改革和发展规划纲要(2010-2020年)4].2010-07-29.
  [3]王班仁《大学英语教学指南》要点解读[J]外语界, 2016(3) : 79-82.
  [4]霍娜,龙浩教育大数据下大学英语精准教学中精准”考评模式研究[J].辽宁科技学院学报, 2019 , 21(12): 63-65.
  [5]张京鱼,玺大数据对英语教学的影响一论在英语教学中大数据的应用[J]. 当代教师教育。2016(3): 43-47.
  [6]崔允椁促进学习:学业评价的新范式([J]教育科学研究, 2010(3): 11.
  [7]丁念金学习过程评价的理念[J].当代教育科学, 2012(12) :3-6.
  [8]周洁如.基于大数据特征的教学形成性评价策略探析[J].广西广播电视大学学报, 2018 , 29(2) : 38-41.

重要提示:转载本站信息须注明来源:原创论文网,具体权责及声明请参阅网站声明。
阅读提示:请自行判断信息的真实性及观点的正误,本站概不负责。