李法平，陳海珠

（重慶電子工程職業(yè)學(xué)院1.圖文信息中心；2.人工智能與大數(shù)據(jù)學(xué)院，重慶 401331）

2020年6月30日，習(xí)近平總書記主持召開中央全面深化改革委員會第十四次會議，審議通過了《深化新時代教育評價改革總體方案》，明確提出：“堅持科學(xué)有效，改進結(jié)果評價，強化過程評價，探索增值評價，健全綜合評價，充分利用信息技術(shù)，提高教育評價的科學(xué)性、專業(yè)性、客觀性。”[1]隨著教育信息化工作的穩(wěn)步推進，信息技術(shù)與教育技術(shù)的深度融合，以大數(shù)據(jù)為代表的新興技術(shù)促進了信息技術(shù)與學(xué)科內(nèi)容、學(xué)生學(xué)習(xí)、學(xué)校管理以及教學(xué)能力的融合，提供更全面的學(xué)生行為畫像與分析服務(wù)，為探索學(xué)生過程性、精準性評價提供了有效支撐。

1 大數(shù)據(jù)技術(shù)在學(xué)生評價上的應(yīng)用綜述

1.1 智能化無感采集技術(shù)健全數(shù)據(jù)多要素采集

智能化無感技術(shù)是指使用智能采集設(shè)備，感知學(xué)生在校園內(nèi)各種應(yīng)用場景的數(shù)據(jù)，產(chǎn)生大量的、異構(gòu)的和格式各異的數(shù)據(jù)，形成學(xué)生綜合評價定量指標的數(shù)據(jù)源。吳濤提出構(gòu)建體質(zhì)健康數(shù)據(jù)采集系統(tǒng)[2]，應(yīng)用智能手環(huán)等穿戴式智能設(shè)備對佩戴者運動、睡眠等數(shù)據(jù)進行全方位實時采集。人臉識別、步態(tài)識別等技術(shù)的發(fā)展，為校園學(xué)生身份、行為、疫情管控的建設(shè)提供了新的方向[3-4]。

在課堂教學(xué)數(shù)據(jù)采集方面，綜合應(yīng)用人臉識別、視頻流分析、語言識別等技術(shù)，結(jié)合現(xiàn)有的在線學(xué)習(xí)平臺、圖書管理系統(tǒng)、教務(wù)系統(tǒng)、評教系統(tǒng)等采集學(xué)生在課前、課中、課后的相關(guān)數(shù)據(jù)。虞菊花等開發(fā)了程序設(shè)計類課程學(xué)生課堂行為數(shù)據(jù)采集系統(tǒng)，在編碼實訓(xùn)過程中無感采集學(xué)生有效輸入代碼的行為數(shù)據(jù)，對學(xué)生的學(xué)習(xí)活動進行過程性的客觀評價[5]。

智能化無感技術(shù)在校園的大量應(yīng)用，為數(shù)據(jù)中心提供了海量的學(xué)生在校數(shù)據(jù)，結(jié)合學(xué)校自身的業(yè)務(wù)系統(tǒng)，為解決學(xué)生數(shù)據(jù)采集提供了技術(shù)支持。

1.2 大數(shù)據(jù)關(guān)聯(lián)分析技術(shù)強化評價方法

大數(shù)據(jù)技術(shù)通過處理分析已有的大量數(shù)據(jù)內(nèi)部的關(guān)聯(lián)特性，不斷挖掘數(shù)據(jù)背后所蘊含的一般性規(guī)律。黎德森提出建立細化的評價指標，對數(shù)據(jù)進行采集、篩選、預(yù)處理和變換，采用分類算法、聚類算法和關(guān)聯(lián)規(guī)則等算法，對教學(xué)質(zhì)量進行可視化的評價展示[6]。周蓉等采用第三方平臺大數(shù)據(jù)分析方法，對人才培養(yǎng)質(zhì)量進行評價，對全國各專業(yè)的人才數(shù)據(jù)進行清洗和整理，建立分專業(yè)評估的人才質(zhì)量評價模型，分析具體人才培養(yǎng)質(zhì)量的能力指標[7]。美國普渡大學(xué)早期采用大數(shù)據(jù)挖掘和深度學(xué)習(xí)相關(guān)技術(shù)，通過收集學(xué)生在課堂活動中的各項數(shù)據(jù)來建構(gòu)學(xué)習(xí)預(yù)警機制[8]。朱錦龍?zhí)岢隼弥腔坌@平臺累積的大數(shù)據(jù)，將數(shù)據(jù)進行清洗和標簽化后，對學(xué)生的綜合行為進行畫像，從學(xué)習(xí)、三餐習(xí)慣、作息習(xí)慣、社交關(guān)系、消費水平和上網(wǎng)習(xí)慣等方面進行分析評價。

1.3 跨領(lǐng)域大數(shù)據(jù)挖掘分析助力學(xué)生智能評價

學(xué)生的行為數(shù)據(jù)具有大規(guī)模、多源異構(gòu)、跨領(lǐng)域、跨媒體、跨語言、動態(tài)演化、普適化等特征。因此學(xué)生評價的關(guān)鍵在于跨領(lǐng)域大數(shù)據(jù)挖掘分析。鄭婷一提出一種基于高校學(xué)生用戶多數(shù)據(jù)融合的智慧校園分析模型[9]，通過應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的計算方法，利用用戶多源高維數(shù)據(jù)實現(xiàn)學(xué)生用戶畫像。潘文宇等人提出基于“用戶畫像”的視頻精準推薦系統(tǒng)[10]，將抽象的用戶信息標簽化，精準快速地分析用戶行為特征，形成標簽畫像。

學(xué)生評價需要運用物聯(lián)網(wǎng)、大數(shù)據(jù)和云計算等互聯(lián)網(wǎng)新技術(shù)，將學(xué)生在校生活、教學(xué)、管理和環(huán)境等各個方面深度融合，逐步開展多要素分析，為學(xué)生、教師及管理人員提供信息數(shù)據(jù)分析和智能推薦服務(wù)，為學(xué)校決策提供科學(xué)依據(jù)。

2 高職院校學(xué)生評價平臺建設(shè)的問題

學(xué)生評價對提升高職院校教學(xué)管理、完善人才培養(yǎng)質(zhì)量方案、實現(xiàn)精準就業(yè)，優(yōu)化學(xué)生職業(yè)發(fā)展規(guī)范具有重要意義。學(xué)生在不同的學(xué)習(xí)階段對其評價的體系也有所不同，對高職院校學(xué)生應(yīng)綜合評價其在校期間的學(xué)習(xí)、品德、勞動、人文、美育、創(chuàng)新創(chuàng)業(yè)等多方面的表現(xiàn)，為學(xué)生自我認知提供依據(jù)并優(yōu)化職業(yè)發(fā)展規(guī)劃。構(gòu)建學(xué)生評價信息化應(yīng)用，需要建立以數(shù)據(jù)為核心、以綜合評價為抓手、以智能決策為重點的應(yīng)用體系，然而當(dāng)前評價應(yīng)用體系的構(gòu)建在數(shù)據(jù)、評價、決策支持等三方面還存在難題。

2.1 數(shù)據(jù)采集難，學(xué)生全面評價的數(shù)據(jù)源缺失

目前對高職院校學(xué)生評價主要側(cè)重于對學(xué)生學(xué)習(xí)與創(chuàng)新能力的評價，對學(xué)生學(xué)習(xí)能力、實踐能力有相對全面的數(shù)據(jù)進行分析評價，但在公民道德、審美與表現(xiàn)、運動健康等指標下尚無法采集到精確的數(shù)據(jù)，對此類定性評價指標往往采用自評、互評、師評等主觀評價，無法通過全過程、全方位、多層面地對學(xué)生的跨領(lǐng)域數(shù)據(jù)進行合理分析并得出全面、準確的評價，其評價結(jié)果較為主觀，缺乏數(shù)據(jù)分析支撐。亟待通過技術(shù)突破，解決當(dāng)前校內(nèi)對學(xué)生數(shù)據(jù)的采集數(shù)據(jù)量不夠、數(shù)據(jù)種類不夠多樣、采集使用手段傳統(tǒng)且單一等問題，進一步提高數(shù)據(jù)采集效率，提升數(shù)據(jù)真實性，為評價提供相對全面、真實的數(shù)據(jù)源。

2.2 過程評價難，成長過程的形成性評價缺失

近年來，學(xué)校學(xué)生評價已經(jīng)大范圍實施，但在如何幫助學(xué)生認識自我、規(guī)劃人生、個性化發(fā)展等方面，因過程評價的缺失，導(dǎo)致學(xué)生在成長過程中無法實時把握個人發(fā)展現(xiàn)狀與問題，如采集學(xué)生體能數(shù)據(jù)、常態(tài)化疫情防控監(jiān)測等數(shù)據(jù)后，由于缺乏跨領(lǐng)域多維大數(shù)據(jù)的實時動態(tài)評價，未能發(fā)揮期望的效果。需要通過技術(shù)突破實現(xiàn)對學(xué)生成長過程的形成性評價，通過評價助力學(xué)生發(fā)展，促進學(xué)生成長成才。

2.3 決策支持難，個性化成長的智能輔助缺失

一方面，當(dāng)前學(xué)生綜合評價大部分結(jié)果僅進行簡單的數(shù)據(jù)統(tǒng)計，評價結(jié)果的展示形式比較單一，評價結(jié)果主要呈現(xiàn)為評價分數(shù)、等級（優(yōu)秀、良好、中等、合格、不合格等）、參評率等基礎(chǔ)指標，沒有對評價結(jié)果進行分析；另一方面，學(xué)校各類業(yè)務(wù)系統(tǒng)由部門主導(dǎo)完成，缺少技術(shù)及功能的長期規(guī)劃，比如一卡通、教務(wù)管理等系統(tǒng)在建設(shè)時沒有進行良好對接，使得系統(tǒng)集成度不高，導(dǎo)致各個系統(tǒng)生成、采集的數(shù)據(jù)繁雜，無法形成統(tǒng)一數(shù)據(jù)管理，數(shù)據(jù)的分散不足以支撐智能決策的建立，無法形成數(shù)據(jù)輔助決策。

3 大數(shù)據(jù)技術(shù)對高職院校學(xué)生評價平臺構(gòu)建的應(yīng)用

針對當(dāng)前普遍存在的數(shù)據(jù)采集難、過程評價難及智能輔助決策難等問題，設(shè)計了一套學(xué)生評價平臺構(gòu)建方案，如圖1所示。該平臺基于高職院校學(xué)生評價指標體系，采取AI+大數(shù)據(jù)技術(shù)，應(yīng)用智能化采集技術(shù)，建設(shè)身份識別、行為監(jiān)測、疫情監(jiān)測等功能的校園智能感知系統(tǒng)；并在標準統(tǒng)一、共享開放的校本數(shù)據(jù)中心基礎(chǔ)上，打造學(xué)生智慧評價平臺，促進學(xué)校及學(xué)生管理與服務(wù)水平提升，實現(xiàn)學(xué)生教育生涯智能導(dǎo)航，助力學(xué)生全面成長成才。將此方案落地，需要攻克以下關(guān)鍵技術(shù)：全多維度學(xué)生評價指標體系、時空多場景應(yīng)用的智能采集環(huán)境、統(tǒng)一開放的校本數(shù)據(jù)中心、學(xué)生綜合成像、智能輔助決策。

圖1 高職學(xué)生評價平臺構(gòu)建思路導(dǎo)圖

3.1 重構(gòu)學(xué)生評價指標體系

針對校園存在龐大的多域異構(gòu)數(shù)據(jù)問題，以校本數(shù)據(jù)中心為基礎(chǔ)，通過人工智能及大數(shù)據(jù)技術(shù)，基于中國學(xué)生發(fā)展的六大核心素養(yǎng)，結(jié)合高職院校學(xué)生的群體特征，將校園的客觀數(shù)據(jù)、主觀數(shù)據(jù)的各個指標的重要程度進行分析，基于跨領(lǐng)域數(shù)據(jù)挖掘技術(shù)，針對動態(tài)環(huán)境下學(xué)生評價指標進行重要性預(yù)測，從而建立動態(tài)多目標智能決策分析模型，構(gòu)建包含“公民道德、科學(xué)文化、身心素質(zhì)、職業(yè)技能素養(yǎng)、創(chuàng)新創(chuàng)業(yè)”等一級評價指標模型，形成一套可量化、可操作、可復(fù)制的高職院校學(xué)生評價體系。

表1 高職院校學(xué)生綜合評價指標表

續(xù)表1

3.2 構(gòu)建全時空多場景應(yīng)用的智能采集環(huán)境

基于物聯(lián)網(wǎng)技術(shù)、圖像識別技術(shù)、生物基因技術(shù)、互聯(lián)網(wǎng)技術(shù)、邊緣云技術(shù)等技術(shù)手段，構(gòu)建全時空、多場景應(yīng)用的智能感知環(huán)境，有效解決校園存在龐大的多域異構(gòu)數(shù)據(jù)等問題。通過對學(xué)生的成長背景、日常行為表現(xiàn)、學(xué)科考試成績、心理測評結(jié)果、認知診斷結(jié)果、生理健康指標等各項數(shù)據(jù)進行高效采集，實現(xiàn)數(shù)據(jù)全過程、全方位、多層面融合，并以學(xué)生評價指標觀測點關(guān)聯(lián)數(shù)據(jù)進行解構(gòu)與重構(gòu)，形成觀測指標量化采集全覆蓋。

（1）定性評價指標的量化采集

在現(xiàn)有評價體系中，如身心健康一級指標下存在部分觀測點往往由評價者進行主觀等級評價（優(yōu)秀、合格、不合格等）；針對此類指標采集，可采用增量式聚類方法將定性評價數(shù)據(jù)按照屬性進行類別劃分，以形成不同屬性在時間維度上的數(shù)據(jù)集合。以某個指標活動事件采集為例，例如通過對學(xué)生參與課外活動的數(shù)據(jù)按照時間維度對頻次、熱度等屬性進行聚類分析，如果該事件在某個階段被多次使用，表明該事件受到的關(guān)注度高，影響也較大。

（2）智能無感知數(shù)據(jù)采集

智能無感知數(shù)據(jù)是由一系列具有時間序列的活動或事件組成，且無感知過程性數(shù)據(jù)具有更強的實時性、連貫性、全面性和自然性等特征。校園學(xué)生無感知數(shù)據(jù)大致包含學(xué)生校園活動過程中的疫情防控、健康管理、學(xué)習(xí)活動過程以及行為數(shù)據(jù)等，可從工作流、學(xué)習(xí)流與學(xué)習(xí)活動流、環(huán)境變化流等不同角度生成。針對智能無感知數(shù)據(jù)的采集，先要構(gòu)建相對完整的數(shù)據(jù)源，覆蓋學(xué)生、家長、教研機構(gòu)、學(xué)校、教育行政部門、教師、社會相關(guān)人員等多元主體，再需要綜合應(yīng)用智能化技術(shù)采集泛在學(xué)習(xí)、校園活動、運動健康、睡覺質(zhì)量、疫情防控等相關(guān)信息，最后需要按照相關(guān)的數(shù)據(jù)標準，把不同來源的異構(gòu)數(shù)據(jù)采集合并成統(tǒng)一式，支撐跨平臺捕獲和數(shù)據(jù)交換分析。

3.3 健全統(tǒng)一開放的校本數(shù)據(jù)中心

校本數(shù)據(jù)中心是整合資源提高數(shù)據(jù)供給效率的主要手段。高職院校學(xué)生評價改革應(yīng)以大數(shù)據(jù)智能化為引領(lǐng)，構(gòu)建信息融合統(tǒng)一、開放共享、安全可控的基礎(chǔ)集成中樞，為校內(nèi)管理、教學(xué)、科研、生活與服務(wù)領(lǐng)域數(shù)據(jù)互通、流程協(xié)同提供標準、開放、靈活、可擴展和可維護的校本數(shù)據(jù)中心，達成校園“一卡通”“一賬通”“一表通”“一碼通”及“一臉通”，便捷校園信息化服務(wù)。

圖2 高職學(xué)院校本數(shù)據(jù)中心框架圖

高職院校各業(yè)務(wù)系統(tǒng)存儲了大量的人員、學(xué)習(xí)、活動、生活等實體數(shù)據(jù)，在構(gòu)建高職院校校本數(shù)據(jù)中心時，通?；诮逃繑?shù)據(jù)標準體系和地方政府頒布的數(shù)據(jù)標準體系，結(jié)合院校自身的實際情況，構(gòu)建便于組織和管理的標準化數(shù)據(jù)模型體系。例如針對學(xué)生評價，按照評價指標體系，則應(yīng)構(gòu)建涵蓋學(xué)校、教師、學(xué)生、教學(xué)、科研、行為、健康、疫情等數(shù)據(jù)元的標準模型；再利用大數(shù)據(jù)技術(shù)構(gòu)建支撐不同指標的計算模型，用于動態(tài)生成指標數(shù)據(jù)集市。

在校本數(shù)據(jù)中心工具集方面，應(yīng)以全校各類業(yè)務(wù)系統(tǒng)、智能終端數(shù)據(jù)、手工和外部數(shù)據(jù)源為整合基礎(chǔ)，實現(xiàn)數(shù)據(jù)標準化、統(tǒng)一數(shù)據(jù)模型管理，并提供數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)管理、數(shù)據(jù)供給、數(shù)據(jù)挖掘分析、可視化分析等功能，為各類應(yīng)用提供強有力支撐。

3.4 構(gòu)建學(xué)生綜合成像體系，提供智能輔助決策

圍繞學(xué)生、教師、家長、學(xué)校、政府、社會等多元主體，針對學(xué)生的個性化差異及綜合素質(zhì)的全面性，構(gòu)建學(xué)生綜合評價平臺，實現(xiàn)學(xué)生校園常規(guī)管理、學(xué)生日常辦事服務(wù)、學(xué)業(yè)水平監(jiān)測預(yù)警、身心健康監(jiān)測預(yù)警、運動智能推薦、校園安全監(jiān)測預(yù)警、家?；ネāW(xué)生個性化智能輔學(xué)、學(xué)生（個體/群體）精準畫像、智能輔助決策等核心功能。

（1）評價“伴隨”預(yù)警功能分析

在學(xué)生評價預(yù)警監(jiān)測層面，學(xué)生全時空多要素數(shù)據(jù)的采集、分析、處理是評價得以“伴隨”預(yù)警的關(guān)鍵。因此，開展評價之前，有必要先根據(jù)數(shù)據(jù)流程，追蹤數(shù)據(jù)變化，摸清其生成與流動的路徑，再根據(jù)評價模型閾值，實現(xiàn)實時高效的伴隨式過程預(yù)警。以智慧課堂教學(xué)為例，在智慧課堂中，采集、處理并分析流動的學(xué)習(xí)數(shù)據(jù)，為評價的“伴隨”預(yù)警提供著牢固的現(xiàn)實基礎(chǔ)，如資源瀏覽時長、師生互動次數(shù)等進行動態(tài)預(yù)警。

（2）評價智能推薦分析

在評價過程中，針對崗位、學(xué)習(xí)、健康、體質(zhì)、行為軌跡等要素開展綜合分析，正確把握學(xué)生在學(xué)習(xí)、身心健康、行為等方面的主體特點，基于背景因素、知識結(jié)構(gòu)等深度挖掘分析學(xué)生個性化發(fā)展需求，構(gòu)建智能推薦和輔助決策模型，形成策略個性化智能推薦算法，實現(xiàn)更加精準的個性化發(fā)展推薦，更好地輔助學(xué)生成長成才。以職業(yè)崗位能力分析為例，通過動態(tài)獲取海量的互聯(lián)網(wǎng)就業(yè)數(shù)據(jù)，通過人工智能算法形成職業(yè)崗位能力庫，結(jié)合當(dāng)前學(xué)生個人學(xué)習(xí)情況，綜合生成學(xué)生學(xué)習(xí)推薦路徑，更好地服務(wù)于學(xué)生學(xué)習(xí)。

圖3 高職學(xué)生評價平臺框架圖

4 結(jié)語

以大數(shù)據(jù)為代表的新興技術(shù)促進了信息技術(shù)與學(xué)科內(nèi)容、學(xué)生學(xué)習(xí)、學(xué)校管理和教學(xué)能力的融合。針對當(dāng)前普遍存在的數(shù)據(jù)采集難、過程評價難及智能輔助決策難等問題，設(shè)計了一套基于大數(shù)據(jù)分析高職院校學(xué)生評價平臺構(gòu)建方案，促進學(xué)校管理與服務(wù)水平提升，實現(xiàn)學(xué)生教育生涯智能導(dǎo)航，助力學(xué)生全面成長成才，為人才培養(yǎng)質(zhì)量評價提供有力支撐。