为纵深推进教育数字化战略行动，深入发展智慧教育，促进智慧教育领域经验总结和互学互鉴，加强优秀案例分享和国际传播，在教育部科学技术与信息化司指导下，“智慧教育示范区”创建项目专家组秘书处与教育部教育信息化战略研究基地（北京、华中、西北）开展了智慧教育优秀案例征集活动。

经过申报或推荐、案例撰写培训和修改、专家遴选、公示等环节，共确定324个智慧教育优秀案例，其中区域发展类74个、学校实践类226个、解决方案类12个、研究成果类12个。

本期为您带来解决方案类智慧教育优秀案例：以“融”促“改”，连接无限可能——让教育评价数字化转型在学校软着陆

 

原文标题：以“融”促“改”，连接无限可能——让教育评价数字化转型在学校软着陆

原文作者：许硕、上海皑顿信息技术有限公司

基于教育评价数字化转型实践面临的共性挑战，围绕“场景”和“数据”两大核心要素构建解决方案，以现代信息技术赋能教育评价场景的宽度；基于评价模型体现数据治理的深度。坚持“改进结果评价，强化过程评价，探索增值评价，健全综合评价”的教育评价改革目标为导向，是当前教育数字化转型背景下，育人模式的变革与创新。

一、总体架构与功能

（一）数字评价生态

数字评价生态是基于一线（学校、教师）评价场景的需求，结合人工智能、大数据等现代信息技术共创的数字化评价应用，各应用承接、解决对应评价场景需求，如计算机自适应测验、五育过程性评价等。

数字评价生态解决的核心需求是“场景”，挖掘哪些评价场景中具有潜在价值、但以往未意识到或受限于技术无法获取的信息。各评价场景数据经过“数据沉淀”进入下一个生态—数字智慧生态。

（二）数字智慧生态

数字智慧生态是“教育评价智慧大脑”，各应用的数据经过模型标准化处理后汇集，形成大数据库。经过进一步的建模、分析，不仅将各场景的评价数据清晰展现，而且实现不同场景下评价数据的联通整合，将结果表征为可视化的数据画像，学生数字画像、学校数字画像、区域数字画像等。

数字智慧生态解决的核心需求是“数据”，把指向学生、教师和学校在不同评价场景下的数据进行整合，进而输出全方面、有逻辑的可视化结果。这意味着数字智慧生态下的“智慧大脑”不单单存储各应用数据，还可以实现基于数据联通、组织加工的高阶分析，进而输出学生、教师、学校、区域数字画像，赋能数字育人生态。

（三）数字育人生态

画像经过数据反馈，输出具体的结果和建议。反哺赋能学生发展、教师教学和学校管理的管理决策，以人为本，真正实现教育活动基于数字化赋能的创新与变革。而不断被重塑模式的教育活动，又对数字应用生态提出新的数据挖掘诉求。

数字育人生态解决的核心需求是“如何基于数字画像的结果和建议，对教育场景提供全要素、全业务、全领域和全流程转型的方向”。这些成果对各个教育场景又提出新的转型需求，回流到下一个生态—数字应用生态。

二、基于评价场景的数字化应用

构建教育评价数字化平台。包括五大模块：评价指标体系、过程性评价（即时评价）、表现性评价、阶段性评价和结果行评价（增值评价）。

图1 教育评价数字化平台

（一）以学生为中心的评价指标体系

教育评价数字化不仅是技术工具的数字化转型，更是评价标准的数字化转型。数字化赋能评价场景，除了考虑以学生全面发展为中心、融合学校个性化的育人理念，还应兼顾评价时间过程化、评价内容多元化、评价方式多样化、评价主体自主化、评价结果增值化、评价功能诊断化。评价指标体系结合三大理论基础。人本主义理论以学生为中心，关注学生发展。是构建评价指标体系的出发点；自我决定理论和五育融合思想指导构建、丰富指标体系的内容。

（二）强化过程性评价

过程性评价的开展突破，需寻求多样化的评价手段。重点解决两个难点：一是过程性数据的采集和管理难度大。过程性评价需要收集多样化的评价信息，包括考试成绩、作业情况、课堂表现等方方面面，仅靠人力很难收集到较为全面的数据，不同类型的数据也给整理工作带来一定难度。二是过程性评价的功能发挥有限。过程性评价的目的在于帮助教师提升教学效果，促进学生的学习过程。但作为学习主体的学生，其主体性并未得到很好体现，教师仍然占据评价主体中的重要比重，评价仍注重学生测评而教师教学优化不足。

以学生综合素质评价为例，其围绕学生日常在德智体美劳方方面面的过程性表现，通过数字化应用实现即时评价。以“改进结果评价，强化过程评价，探索增值评价，健全综合评价”为目标驱动，是当前教育数字化转型下，育人模式的变革与创新。

基于信息技术与学生评价场景的深度融合，“以教师为中心，帮助教师减负增效”。在不改变教师教学习惯和节奏的前提下，高效、无感化开展学校日常的评价工作，形成“师师皆评，时时能评，处处可评”的评价新生态。即时采集学生五育过程性评价数据，定期生成评价报告，对学生学习发展进行数字化记录。

其中，评价指标体系融合学校个性化的育人理念，渗透在德、智、体、美、劳五大块面，从底层搭建校本特色的评价体系；评价过程简单快速，一张卡片、一次点击，转瞬之间即可完成评价；评价方式创新落地，教师根据不同评价场景的需求，灵活选择卡片评价、手机评价、课堂评价方式；学生评价信息一键同步家长，孩子成长点滴家长不错过，贯彻家校共育的育人理念；评价结果数字化，基于学生过程性评价数据，通过大数据、AI技术输出学生数字画像，可视化呈现学生学习发展轨迹。

实现了“鼓励肯定，正向评价，发展有温度的智慧教育”的高度；“拓展并探索具有潜在价值、但以往未意识到的评价场景”的宽度；“挖掘评价数据背后的教育意义，以始为终，让评价服务于孩子发展”的深度。

（三）强化表现性评价

表现性评价是指教师让学生在真实或模拟的生活环境中，运用先前获得的知识解决某个新问题或创造某种东西，以考查学生知识与技能的掌握程度，以及实践、问题解决、交流合作和批判性思考等多种复杂能力的发展状况。以游园会为例，游园会是学校面向低年级学生进行表现性学业评价的常用方式。传统的游园会组织存在诸多痛点：筹备时间长；活动设计烧脑；跨学科融合难落地；评价相对主观；评价数据难以量化留存；学情诊断提供信息不足。

数字化赋能的游园评价提供两方面的强力支持：游园主题活动设计及评价标准；数字化游园评价工具。游园会评价基于新课标，以核心素养为导向，结合教育测量理论和技术，从知识、能力和态度等维度搭建游园评价体系，利用信息化技术实现教育数据的采集和分析，精准生成学生成长报告，助力学校科学高效地开展游园活动。

（四）创新阶段性评价

阶段性评价是对一个学段、一个学科教学的教育质量的评价，目的是对学生阶段性学习质量的做出结论性评价。以学生数字成长档案为例，是过程性评价的积累和总结，以过程性评价生成的事实材料为依据，既能体现出量化等级和质性评语的使用，又重视典型事例和突出表现的事实描述，同时还包括对学生某一单元或某一阶段学习内容的检测结果。

（五）改善结果性评价

结果评价是教育教学、学习结果等的效果评价，结果评价一般以目标为导向，用统一的标准来衡量具有个性化特征的人，以较为单一的指标来框定复杂个体。过去的结果评价涵盖的内容都尚未全面，主要表现为：数据数量较少，所收集的评价内容局限于小规模抽样数据或部分数据，在基础教育阶段表现为学生对学科知识的测评，只评价大纲内的内容忽视其他非考试性知识。

结果评价的改进需要全面的评价内容作为支撑，片面的评价内容会削弱结果评价的客观性和科学性。以学习素养测评为例，其以课程教学目标为中心，从学科、能力两大维度构建测评体系，而非以往纯知识性的考察。测评聚焦学业成果阶段性检测，评估学生各学段课业成果的达成情况，为教师教学、教学考评等提供支持；在此基础上，关注学生核心素养，评估学生在真实生活情境中解决问题的能力。

三、数据赋能教育评价数字化转型

大数据为新时代教育评价数字化转型发展提供了重要机遇，促进大数据与教育评价融合创新是深化新时代教育评价改革的必然要求。

（一）数据海量驱动结果评价更客观

大数据具有数据量大、类型多、处理速度快、真实性强等特点，利用大数据海量特征可以获取并挖掘更多自然状态下大量真实可靠的教育评价数据信息，极大地拓展了教育评价的内容。

首先，大数据拥有巨大数据量，丰富了教育评价数据来源。多样化数据来源可以支撑教育评价的进行，建立班级、年级、学校、区域的各级各类教育数据系统，为教育评价的数据获取提供依托。

其次，大数据拥有丰富的数据类型，能容纳多种类型评价数据。教育评价活动不仅会产生许多能直接存储于数据库的结构化数据，也会产生大规模非结构化数据，例如师生互动的音频、视频等，这些都是教育评价的重要内容。通过语音识别、图片识别等技术将非结构化数据转换成结构化数据，将非结构化数据纳入到评价内容之中，使评价内容更加充实。

最后，大数据具有真实性，可提供真实教育评价数据。与传统方式获取的“当前结果”相比，大数据可以获得实时、真实的信息，如学生在各种传感器上留下的学习、生活等活动信息及时间分配等，真实性的数据驱动结果评价更加客观。

（二）数据功能驱动过程评价更立体

数据是过去、现在和未来的连接，有助于了解过去、把握现在、预见未来。

其一，大数据总结过去，便于成果总结。过程性评价数据分散在教育各个环节，需要及时整合。过往的过程性评价大多是在某个学习过程完成之后进行评价，这在很大程度上降低了过程性评价的即时性，大数据的及时反馈功能能够对学生的学习过程及时监测和反馈，提高了过程评价效率。

其二，大数据驱动现在，激励学生学习。课堂教学是过程评价的重要评价内容，通过大数据技术对学生学情实时监管与监测，督促学生按时打卡。通过大数据技术支持学生的自主学习，教师需充分利用相关技术，安排学生阅读课外读物、观看课外学习视频，通过对学生在线学习时间、答题准确率等进行过程性评价，及时了解学生薄弱之处，提供反馈建议，驱动学生自主学习。

其三，大数据预测未来，优化评价工具。预测是大数据的重要功能，过程性评价量表是过程性评价的重要工具，利用大数据技术开发电子学档，不仅可以记录学生学习的全过程，更可以通过对相关指标的分析，预测学生学习倾向，在评价的同时摸清前进方向。

（三）数据技术驱动综合评价更有高效

大数据技术由诸多技术组成的一个组合体，基于大数据的基本处理流程，产生了数据采集技术、存储技术、分析处理技术以及可视化技术等，在综合评价中运用大数据技术能极大提升效率。

首先，大数据采集技术提高数据的真实性。大数据无损采集技术将为综合评价提供真实可信的评价内容，与以往采集不同之处在于可以在教育评价过程中采集数据。例如基于精准教学构建了整合学生数据与教学数据的大数据采集分析平台，为整合教育数据、促进全面学情分析做出贡献。

其次，大数据处理技术提升数据质量。综合评价数据的采集通常有多个数据源，由于端口不同可能会出现数据缺失、冲突等问题，大数据处理技术能对这些尚待完善的数据预处理、清洗、集成以及转换，提升评价数据的总体质量。预处理技术可以将异构性评价数据转化为标准化格式以达到快速处理的目的。大数据清洗可将评价中无关紧要的数据和错误的干扰性数据去除，从而得到有效的评价数据。

最后，大数据可视化技术使评价数据更为直观。可视化技术有助于分析和探索大规模复杂评价数据，对公众理解和发现教育规律起到极大作用，是教育价值最直接的呈现形式。借助文本可视化技术对学生的知识点和学生知识体系进行评估，能帮助教师了解学生知识掌握情况和个人知识体系的发展状态。

 

作者：许硕

来源：2023年度智慧教育优秀案例