首页 >> 教育学 >> 教育技术学
上超望等:在线学习过程性评价系统研究
2018年11月27日 14:03 来源:《中国电化教育》 作者:上超望 韩梦 刘清堂 字号
关键词:大数据;在线学习;过程性评价;系统设计

内容摘要:在互联网技术和教育的交汇融合下,教育数据增长迅猛,教育大数据的时代已经悄然到来。

关键词:大数据;在线学习;过程性评价;系统设计

作者简介:

  原题:大数据背景下在线学习过程性评价系统设计研究

  作者简介:上超望,华中师范大学教育信息技术学院副教授,博士,研究方向为远程教育原理,智能知识服务,scw@mail.ccnu.edu.cn;韩梦、刘清堂,华中师范大学教育信息技术学院。武汉 430079

  内容提要:在互联网技术和教育的交汇融合下,教育数据增长迅猛,教育大数据的时代已经悄然到来。文章通过分析大数据支持下的在线学习评价,对大数据背景下在线学习过程性评价的特征进行了总结,探讨了在线学习中过程性评价的内容,设计了大数据支持下的在线学习过程性评价系统模型,并给出了该系统的工作流程。该文研究成果可以为在线学习评价提供新的视角和参考,为精准和个性化的在线学习服务研究添砖加瓦。

  关 键 词:大数据 在线学习 过程性评价 系统设计

  标题注释:本文系中央高校基本科研业务费项目“大数据环境下教育信息的隐私保护与安全评估机制研究”,湖北省技术创新重大专项“互联网+精准教育关键技术研究与示范”(项目编号:2017ACA105),教育部—中国移动科研基金项目“信息技术支持下的区域教研模式研究及试点”(项目编号:MCM20170502)研究成果。

  文章编号:1006-9860(2018)05-0090-06

  中图分类号:G434 文献标识码:A

  近年来,随着教育信息化建设进程的不断推进,在线教育平台在开放教育教学中得到大范围应用,数字学习数据快速海量增长,教育大数据时代已经悄然来临。国务院2017年印发的《国家教育事业发展“十三五”规划》明确提出要“积极发挥大数据在数字学习空间应用方面的重要作用,探索未来教育教学新模式,为推动个性化学习和针对性教学提供支持”[1],大数据与在线教育的深度融合已成为必然趋势。

  过程性学习评价(Process Evaluation)是建构评价时期的产物。与传统目标取向的发展性评价和形成性评价等方法相比,这类评价从关注教育的目标转向关注教育的过程,强调知识学习与建构过程中反馈的及时指导性[2],关注学习、评价和教学的有机结合和指导者与在线学习主体的过程互动,将评价的过程与学习者个体学习的过程紧密融合在一起。

  在线学习依托于互联网平台进行学习内容传播,具有丰富的学习活动与交互形式,可将学习者学习行为数据完整系统地跟踪与记录。大数据赋予人们崭新的洞察力和过程优化能力,利用大数据进行在线学习的过程性评价,有助于帮助学习者及时找出在线学习过程中的问题与不足,引导、改进和优化学习者在线学习体验,促进更加有效的学习。文章通过大数据背景下在线学习过程性评价的特征和内容分析,设计了在线学习过程性评价系统模型,并给出了系统的工作流程,以期为在线学习评价研究提供新的视角和有益的借鉴。

  一、大数据支持下的在线学习评价

  作为“人类世界的下一个自然资源”,大数据(Big Data)具有体量巨大(Volume)、种类多(Variety)、处理速度快(Velocity)、应用价值大(Value)和较强的复杂性(Complexity)的“4V+1C”的特点,致力于寻求大量数据背后的隐含关系和价值[3]。

  在线学习过程中,学习者在学习时间、学习空间和学习内容上有较大的自由度,学习的进程管理和个人的自我监控能力显得至关重要。开展大数据支持下的在线学习评价,可以挖掘出更多的隐性数据与关联性,推动在线学习评价从“经验”走向“数据”,从宏观的群体性评价走向微观的个体性评价。大数据为在线学习的评价提供了有力的支持和帮助。

  (一)有助于降低在线学习评价的成本

  大数据将在线学习评价从基于小样本数据或片段化信息的推测转向基于全方位、全程化数据的证据性决策。通过大数据对学习者在线学习过程数据集中各个数据项的采集、分析和展示,满足学习者个性化的在线学习需求,更好地解决了在线学习评价活动中评价信息不对称的难题,大大降低了在线学习评价的成本。

  (二)有利于提高在线学习评价的质量

  大数据技术能够深入分析和发掘隐藏的学习需求,及时准确地反映在线学习者的学习情况,为在线学习评价提供真实客观的数据来源,有利于全面发挥评价的鉴定、导向、诊断和激励等功能,改变传统的主观评价、经验评价,使评价的层次更加深入,提高在线学习评价的质量。

  (三)有效提高在线学习评价的效率

  在线学习方式的不断推进,导致在线学习数据呈爆发式增长。通过实时采集、批处理和流处理等大数据技术,能够实现海量在线学习数据的快速采集、处理和评价,并将评价结果及时反馈、可视化展现给教学者和学习者,有效提高了在线学习评价的效率[4]。

作者简介

姓名:上超望 韩梦 刘清堂 工作单位:

转载请注明来源:中国社会科学网 (责编:毕雁)
W020180116412817190956.jpg
用户昵称:  (您填写的昵称将出现在评论列表中)  匿名
 验证码 
所有评论仅代表网友意见
最新发表的评论0条,总共0 查看全部评论

回到频道首页
QQ图片20180105134100.jpg
jrtt.jpg
wxgzh.jpg
777.jpg
内文页广告3(手机版).jpg
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们