田麗紅 牛彥敏

(重慶師范大學(xué),重慶 401331)

2021年10 月,國家對職業(yè)教育提出了新要求,強(qiáng)調(diào)“職業(yè)教育是國民教育體系和人力資源開發(fā)的重要組成部分”[1],推動了現(xiàn)代職業(yè)教育的高質(zhì)量發(fā)展。高職階段的公共基礎(chǔ)課程是高職院校落實(shí)人才培養(yǎng)目標(biāo)、保證人才培養(yǎng)質(zhì)量的重要支撐和保障[2]。如何對高職階段的公共基礎(chǔ)課程學(xué)習(xí)效果進(jìn)行數(shù)據(jù)測評分析并評價成為現(xiàn)代職業(yè)教育的重要研究課題。目前使用的測評方法,如以經(jīng)典測量理論為指導(dǎo)的傳統(tǒng)測驗(yàn)的焦點(diǎn)是分?jǐn)?shù)的高低,測驗(yàn)結(jié)果局限在對考生宏觀層面的能力評價[3]。學(xué)生的認(rèn)知、技能及心理加工過程容易被忽視,這不利于學(xué)生提升自我認(rèn)知及教師了解學(xué)生具體知識點(diǎn)掌握情況。而以認(rèn)知心理學(xué)和心理測量學(xué)為理論基礎(chǔ)的認(rèn)知診斷,把學(xué)生的測驗(yàn)結(jié)果作為診斷數(shù)據(jù),從中挖掘?qū)W生的認(rèn)知結(jié)構(gòu),對學(xué)生的認(rèn)知變化進(jìn)行分析與評價。同時,認(rèn)知診斷作為學(xué)習(xí)數(shù)據(jù)測評的一種有效實(shí)施方法,能夠?qū)σ詼y輔學(xué)的教學(xué)機(jī)制[4]給予可視化的教學(xué)診斷和評價反饋。本研究以高職學(xué)生公共基礎(chǔ)課程“計算機(jī)基礎(chǔ)”為例,使用認(rèn)知診斷來測評高職學(xué)生的學(xué)習(xí)效果,進(jìn)而幫助教師精準(zhǔn)掌握學(xué)生學(xué)習(xí)情況并評價學(xué)生的認(rèn)知水平,從而為高職教育測評提供新思路。

一、認(rèn)知診斷

在教育心理測量學(xué)中,人們通常把對個體認(rèn)知過程、加工技能或知識結(jié)構(gòu)診斷評估統(tǒng)稱為認(rèn)知診斷[5]。Leighton 等[6]指出,認(rèn)知診斷用于測量個體特定的知識結(jié)構(gòu)和加工技能。不同于以往授課老師在上課過程中的主觀感知來了解學(xué)生對知識或技能的學(xué)習(xí)情況的方法,認(rèn)知診斷通過觀察學(xué)生在一組試題中反應(yīng)的作答數(shù)據(jù),使用認(rèn)知診斷模型對作答數(shù)據(jù)進(jìn)行認(rèn)知結(jié)構(gòu)分析,探討被試學(xué)生經(jīng)過作答過程反應(yīng)出來的潛在知識結(jié)構(gòu),進(jìn)一步客觀了解學(xué)生對題目的屬性掌握情況,分析學(xué)生對當(dāng)前知識的理解程度。更不同于傳統(tǒng)標(biāo)準(zhǔn)測驗(yàn)理論會出現(xiàn)學(xué)生的分?jǐn)?shù)結(jié)果相同或相似的情況而無法挖掘隱藏在分?jǐn)?shù)里更深層次的信息,認(rèn)知診斷模型可以挖掘影響分?jǐn)?shù)的潛在客觀因素,如掌握情況、技能水平等。通過這些潛在客觀因素進(jìn)行查漏補(bǔ)缺,能為教師在整個教學(xué)過程的知識追蹤提供精準(zhǔn)、詳盡的個性化教學(xué)指導(dǎo)。通過文獻(xiàn)總結(jié),認(rèn)知診斷模型可分為離散型和連續(xù)型兩種類型,其中最具代表性的分別是項(xiàng)目反應(yīng)理論(IRT)模型[7]和決定性輸入噪音與門模型(DINA)模型[8]。IRT 模型主要作用是宏觀上將學(xué)生的潛在特質(zhì)和認(rèn)知狀態(tài)描述成離散的能力值;章滬超[9]以此方法劃分層級屬性,根據(jù)學(xué)生作答試卷的反饋,進(jìn)行綜合分析評價。王欣瑜[10]采用IRT 垂直等值方法對小學(xué)階段進(jìn)行數(shù)學(xué)能力的認(rèn)知診斷分析,為制定整體補(bǔ)救教學(xué)方案提供參考。而DINA 模型是適合處理0-1 評分?jǐn)?shù)據(jù),并結(jié)合Q 矩陣?yán)碚撌褂靡唤M涉及多維知識點(diǎn)的向量來描述學(xué)生實(shí)體[11],輔助教師提高教學(xué)效率。陳雁莊等[12]分解生物學(xué)“減數(shù)分裂”認(rèn)知屬性,運(yùn)用DINA 模型和Q 矩陣?yán)碚搧碓\斷學(xué)生對各認(rèn)知屬性的掌握情況,從而給予教師采取針對性的補(bǔ)救措施建議。

二、基于認(rèn)知診斷的學(xué)習(xí)測評設(shè)計

本研究以職業(yè)教育中高職學(xué)生的學(xué)習(xí)作為測評的數(shù)據(jù)來源。按照認(rèn)知診斷步驟和職業(yè)教育教學(xué)目標(biāo)來劃分認(rèn)知屬性與關(guān)系,并通過Q 矩陣?yán)碚摻傩耘c測試題目關(guān)系的各矩陣,從而編制相應(yīng)的學(xué)習(xí)測評試卷。

(一)測評知識屬性分類及關(guān)系劃分

在教育知識系統(tǒng)中,大多數(shù)知識點(diǎn)不是單一存在的,而是依托于一定的分布規(guī)律、邏輯順序或?qū)蛹夑P(guān)系來展現(xiàn)的知識脈絡(luò),知識可以通過認(rèn)知屬性的方式劃分。通過這種表現(xiàn)形式,采用屬性層級模型(AHM)[13]反應(yīng)屬性之間的關(guān)系。本文以教育部頒布的《高等職業(yè)教育?？菩畔⒓夹g(shù)課程標(biāo)準(zhǔn)(2021 版)》和《高職高專教育專業(yè)人才培養(yǎng)目標(biāo)及規(guī)格》作為藍(lán)本,選取高等教育出版社出版的《信息技術(shù)基礎(chǔ)》教材中第一章第二節(jié)“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)。該部分主要包括各進(jìn)制的表示以及進(jìn)制之間的相互轉(zhuǎn)換,對于理解計算機(jī)如何計算和存儲數(shù)據(jù)等知識點(diǎn)至關(guān)重要,幫助學(xué)生形成正確的計算機(jī)理論概念,是幫助學(xué)生提升信息技術(shù)能力的重要一步,也是幫助學(xué)生邁向信息素養(yǎng)的關(guān)鍵一步,是推動高職教育信息化的重要環(huán)節(jié)。以此為知識點(diǎn),邀請相關(guān)學(xué)科專家和三位一線教師,根據(jù)以往學(xué)生對計算機(jī)基礎(chǔ)知識的了解情況和知識的重要程度來進(jìn)行篩選,從而確定“數(shù)制及其轉(zhuǎn)換”的認(rèn)知屬性及其層級關(guān)系,最終確立了7 個認(rèn)知屬性,具體劃分描述如表1所示。

表1 “數(shù)制及其轉(zhuǎn)換”的認(rèn)知屬性及具體知識點(diǎn)

為了進(jìn)一步檢測層級劃分的合理性和可行性,檢驗(yàn)教學(xué)的可行性,本文同時采用了口語報告法,讓學(xué)生口頭表述解題思路,根據(jù)學(xué)生的解題思路作相應(yīng)的記錄,與之前各位老師確立的屬性及層級關(guān)系進(jìn)行比較,兩者是具有一致性的,僅A2屬性有爭議,其他關(guān)系都是兩者相互印證的。這說明“數(shù)制及其轉(zhuǎn)換”屬性劃分是合理的,經(jīng)過反復(fù)研討后得到的“數(shù)制及其轉(zhuǎn)換”的認(rèn)知屬性關(guān)系如圖1所示。

圖1 “數(shù)制及其轉(zhuǎn)換”的認(rèn)知屬性關(guān)系

(二)構(gòu)建Q 矩陣

Q 矩陣[14]對于教學(xué)中測試編制、學(xué)習(xí)測評和認(rèn)知診斷分析具有重要意義,是描述測驗(yàn)項(xiàng)目與屬性間關(guān)系的矩陣,可將課堂中不可觀察的認(rèn)知屬性轉(zhuǎn)化成可觀察的項(xiàng)目反應(yīng)的模式,從而捕獲題目與作答情況和屬性的對應(yīng)關(guān)系[15]。其確定需要經(jīng)過以下四個步驟的演化。

第一,從可以反映知識點(diǎn)認(rèn)知屬性和屬性層級的關(guān)系中找到可以反映屬性間直接關(guān)系的鄰接矩陣(A 矩陣),即在確定Q 矩陣之前,要根據(jù)圖1“數(shù)制及其轉(zhuǎn)換”的認(rèn)知屬性的直接關(guān)系確定相應(yīng)的A 矩陣(見圖2左)。以圖1為例,A1 是A2與A3 的先決屬性,A2 是A4、A5 與A6 的先決條件,A3 是A6 與A7 的先決條件,他們之間具有直接關(guān)系,其余均無直接關(guān)系。

第二,在A 矩陣的基礎(chǔ)上,再去判斷屬性間的直接關(guān)系、間接關(guān)系和自身關(guān)系,從而得到能夠反應(yīng)各個屬性關(guān)系的可達(dá)矩陣即R 矩陣(見圖2右)。以圖2為例,“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)構(gòu)建的A 矩陣和R 矩陣,其中,“0”表示屬性間不存在關(guān)系,反之“1”則為存在關(guān)系。

圖2 “數(shù)制及其轉(zhuǎn)換”知識點(diǎn)的A 矩陣和R 矩陣

第三,羅列符合知識點(diǎn)相關(guān)邏輯的所有的理想掌握模式IRP?！皵?shù)制及其轉(zhuǎn)換”知識點(diǎn)共有7 個屬性,則被試所有可能的掌握模式種類共27=128種,作為確定Q 矩陣的途徑和指導(dǎo)認(rèn)知診斷測驗(yàn)的編制,而且還應(yīng)遵循以下原則:確保診斷每個認(rèn)知屬性;確保多次觀察、測量每個認(rèn)知屬性[16],避免偶然。

第四,根據(jù)計算機(jī)學(xué)科的知識邏輯體系和學(xué)科規(guī)律,考慮測量屬性與測試項(xiàng)目之間的關(guān)系,刪減去全0 模式且確保每一個屬性至少測量3 次。在經(jīng)過上述步驟后,得到了符合要求的22 種考核模式的“數(shù)制及其轉(zhuǎn)換”的認(rèn)知診斷Q 矩陣,如表2所示。通過認(rèn)知診斷Q 矩陣,能夠有效地獲得測量參數(shù)并能更好地區(qū)分和診斷每個屬性的層級。

表2 “數(shù)制及其轉(zhuǎn)換”的Q 矩陣

(三)測評試卷的編制

試卷是教師考核學(xué)生是否掌握教學(xué)內(nèi)容以及達(dá)到教學(xué)任務(wù)的重要標(biāo)準(zhǔn)。在認(rèn)知診斷測驗(yàn)編制理論指導(dǎo)下,試卷遵循已確定的認(rèn)知屬性、層級關(guān)系和Q 矩陣劃分的認(rèn)知屬性分類,實(shí)現(xiàn)測試內(nèi)容到知識點(diǎn)屬性的對應(yīng)。由3 位教師反復(fù)修改、測試和審閱,確定測試卷題型均為選擇題,題目數(shù)量為22 道。

三、基于認(rèn)知診斷的學(xué)習(xí)測評實(shí)施

在教學(xué)考試環(huán)節(jié)中應(yīng)用認(rèn)知診斷開展學(xué)習(xí)測試,學(xué)生完成相關(guān)試題后,根據(jù)測評的實(shí)證數(shù)據(jù)驗(yàn)證知識劃分的合理性并檢驗(yàn)測評試卷的質(zhì)量。最終選擇恰當(dāng)?shù)恼J(rèn)知診斷模型實(shí)現(xiàn)學(xué)習(xí)測評數(shù)據(jù)的有效解釋。

(一)測評對象

測評對象為某市某高職一年級的184 名學(xué)生,經(jīng)過兩個課時的“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)的學(xué)習(xí)后,第三個課時統(tǒng)一讓學(xué)生進(jìn)行測試,測試時間為30 分鐘。本測試卷采用0-1 計分的方式,答對記1,答錯或未答記0,發(fā)放紙質(zhì)試卷為184 份,收回有效試卷184 份。

(二)測評知識層級關(guān)系的檢驗(yàn)

試卷采用層級一致性指標(biāo)(Hierarchy Consistency Index,HCI)[17]進(jìn)行層級關(guān)系的實(shí)測數(shù)據(jù)的驗(yàn)證,檢驗(yàn)統(tǒng)計表達(dá)式為:

其中HCI取值區(qū)間一般在[-1,+1],其值越趨于+1,則表明擬合的程度越好;反之,值越趨于-1,則表明擬合的效果越差。根據(jù)HCI的參考指標(biāo),HCI值在0.60 以上表示模型對數(shù)據(jù)的擬合較好。根據(jù)一致性指標(biāo)公式,計算得出本測試卷的HCI平均值為0.689,說明“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)的屬性及劃分的7 個層級關(guān)系基本合理。

(三)測評試卷質(zhì)量分析

測試作為教學(xué)評價的重要方式之一,試卷質(zhì)量分析也是度量試題質(zhì)量優(yōu)劣的重要途徑。使用SPSS 平臺對信度(α)、難度(P)、區(qū)分度(D)三個試卷質(zhì)量分析指標(biāo)進(jìn)行數(shù)據(jù)統(tǒng)計與分析。

信度[18]指標(biāo)直接揭示了試卷的可靠性,是評判試卷是否可行和可信的重要依據(jù)。信度的系數(shù)分布在0 到1 之間,對于測驗(yàn)理論與能力的試卷,其信度應(yīng)在0.70 以上較為合適。本試卷的信度結(jié)果是采用Cui 等人提出的基于認(rèn)知診斷的信度分析方法,得到的屬性平均信度數(shù)值均大于0.7,說明試卷具有可靠性。信度分布如表3所示。

表3 Cui 等人信度分布表

難度系數(shù)是判定試卷出題難度是否合適的指標(biāo),評判試卷是否具有可用性,對區(qū)分度指標(biāo)有直接的影響。試卷難度一般范圍控制在0.3～0.7,本試卷求得的平均難度為0.693,基本符合難度指標(biāo)。

區(qū)分度指標(biāo)反應(yīng)題目對不同屬性掌握模式的被試的區(qū)分能力[19]。根據(jù)CTT 標(biāo)準(zhǔn),區(qū)分度一般在0.4 左右較好,本試卷的平均區(qū)分度為0.397,各題區(qū)分度具體數(shù)值如表4所示。

表4 各題區(qū)分度

結(jié)果顯示,本次試卷的平均信度、平均難度和平均區(qū)分度基本符合指標(biāo),說明本試卷是具有較高的穩(wěn)定性和可信度,這對后續(xù)的模型擬合、選擇和分析奠定了基礎(chǔ)。

(四)選擇測評模型

常見的三種認(rèn)知診斷模型分別是DINA 模型、G-DINA 模型和DINO 模型。本文通過使用R語言中的CDM 包對測驗(yàn)結(jié)果數(shù)據(jù)進(jìn)行三種模型擬合。三種模型的擬合信息準(zhǔn)則指標(biāo)如表5所示。通過綜合偏差、AIC 值、BIC 三值可以發(fā)現(xiàn),相較三種模型,擬合結(jié)果數(shù)據(jù)顯示最優(yōu)的是DINA模型。因此,選擇DINA 模型對“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)進(jìn)行認(rèn)知診斷分析更適合。

表5 三種模型的擬合信息準(zhǔn)則指標(biāo)

DINA 模型[20]的數(shù)學(xué)表達(dá)式為:

其中有兩個重要的參數(shù):失誤參數(shù)sj和猜測參數(shù)gj。前者是表示由于粗心失分的概率;后者是猜對得分的概率。通常,兩參數(shù)值均小于0.4可判定為有效診斷。將學(xué)生成績、Q 矩陣作為輸入數(shù)據(jù),使用R 語言CDM 包中的DINA 模型對輸入數(shù)據(jù)進(jìn)行擬合,得到猜測參數(shù)、失誤參數(shù)和代表模型擬合指標(biāo)RMSEA。當(dāng)RMSEA 小于0.06 時擬合效果較好。通過計算得出猜測參數(shù)和失誤參數(shù)基本都小于0.4,且RMSEA 均值為0.064,進(jìn)一步驗(yàn)證本文所選模型的有效性,且通過該模型實(shí)現(xiàn)后期的認(rèn)知分析,為精準(zhǔn)反饋評價提供一定參考。

四、學(xué)習(xí)測評診斷結(jié)果分析

通過認(rèn)知診斷的實(shí)施得到的測評數(shù)據(jù)、診斷結(jié)果揭示學(xué)生在學(xué)習(xí)測評中反映出來的認(rèn)知掌握模式、個人掌握概率雷達(dá)、學(xué)生認(rèn)知屬性掌握概率等信息,并以多樣化的方式進(jìn)行認(rèn)知分析和評價反饋。

(一)測評個體結(jié)果分析

在以往教學(xué)測試中,一般是通過分?jǐn)?shù)來判定學(xué)生的學(xué)習(xí)情況,但大多數(shù)時候,學(xué)生呈現(xiàn)一種“同分異學(xué)”現(xiàn)象,即相同或相近的測驗(yàn)分?jǐn)?shù),但學(xué)習(xí)效果和學(xué)習(xí)情況截然不同。本測試隨機(jī)選取了部分被試學(xué)生的認(rèn)知掌握模式,如表6所示。其中,作答反應(yīng)模式反映了測驗(yàn)的作答結(jié)果(1 為答對,0 為答錯);掌握模式反映了試卷中題目相應(yīng)認(rèn)知屬性的掌握情況(1 為掌握該屬性,0 為未掌握)。

表6 部分學(xué)生的認(rèn)知掌握模式

以3 號和5 號學(xué)生為例,他們的測驗(yàn)成績相同且都為14 分,但3 號學(xué)生的認(rèn)知屬性模式為1110011,未掌握A4、A6 屬性;5 號學(xué)生模式為1110110,未掌握A4 和A7 屬性;而2 號未答對全部試題,17 題和20 題答錯,卻掌握了全部屬性。再如1 號和7 號的認(rèn)知屬性模式均為1110110,但1 號的分?jǐn)?shù)為12 分,7 號的分?jǐn)?shù)為17 分,兩者相差5 分。在實(shí)際高職教學(xué)課堂中,教師時常面臨知識點(diǎn)多、學(xué)生多且基礎(chǔ)不一等復(fù)雜的情況;此外,知識點(diǎn)的學(xué)習(xí)并非一蹴而就,連續(xù)的知識輸入容易造成知識堵塞。高職學(xué)生的學(xué)習(xí)主動性和自律能力略顯欠缺,根據(jù)此類情況,教師可以通過該表認(rèn)知診斷的數(shù)據(jù)進(jìn)行后續(xù)的個性化追蹤教學(xué),幫助高職教學(xué)的進(jìn)一步發(fā)展。

每個學(xué)生都是獨(dú)立個體,學(xué)生對于信息接受、加工處理的能力也有差異。從被試學(xué)生中選取了2 名學(xué)生(編號1 和53),根據(jù)學(xué)生作答情況和認(rèn)知診斷劃分的屬性,形成掌握概率雷達(dá)圖,如圖3和圖4所示,經(jīng)對比發(fā)現(xiàn),2 名學(xué)生對屬性的掌握程度各不相同。圖3同學(xué)對于屬性2 的概念知識掌握情況不佳;相反,圖4同學(xué)對屬性1 的概念沒有理解到位。由于兩位被試同學(xué)對于知識點(diǎn)的基本概念掌握有所區(qū)別,導(dǎo)致其他相關(guān)應(yīng)用分析的緊后屬性的掌握情況也有所不同。從學(xué)生學(xué)習(xí)和做題情況反饋來看,學(xué)生對進(jìn)制的邏輯算法和算術(shù)運(yùn)算的概念區(qū)分有一些混淆,需要教師在教學(xué)時注重兩者在概念上的區(qū)別,加強(qiáng)學(xué)生的學(xué)習(xí)理解能力。

圖3 被試1 掌握概率雷達(dá)圖

圖4 被試53 掌握概率雷達(dá)圖

(二)測評整體結(jié)果分析

對于整體的教學(xué)測評分析,使DINA 模型的被試alpha 選擇最大后驗(yàn)概率估計(MAP)方法來對學(xué)生的認(rèn)知掌握模式進(jìn)行歸類。若得到的掌握屬性的概率大于0.6,判定為已掌握該屬性;若概率小于0.4,判定為未掌握該屬性[21];若掌握該屬性的概率在0.4 到0.6 之間,需要做進(jìn)一步判定。通過計算結(jié)果顯示,97.36%的掌握模式實(shí)現(xiàn)歸入,只有一個掌握模式為0111011 學(xué)生的掌握模式未歸入,說明知識點(diǎn)的屬性結(jié)構(gòu)關(guān)系與學(xué)生學(xué)習(xí)路線一致,再次驗(yàn)證屬性結(jié)構(gòu)關(guān)系的可信。

學(xué)生主要的認(rèn)知屬性掌握模式所占比例如表7所示,其中學(xué)生主要集中在1110110、1100100、1101100 這三種模式上,其中模式1110110 最多,為25.82%,1101100 次之,說明大部分的學(xué)生都能掌握A1、A2、A3、A5 這幾個概念性的屬性。但對于1111111 模式的掌握情況只有6.51%,說明學(xué)生掌握認(rèn)知屬性結(jié)構(gòu)單一,在實(shí)際學(xué)習(xí)情況中,不僅包含了數(shù)制的概念知識,還需要學(xué)生對數(shù)制轉(zhuǎn)換規(guī)則進(jìn)行深度理解,這使得學(xué)生要有綜合運(yùn)用知識點(diǎn)的能力。

表7 學(xué)生認(rèn)知掌握模式比例

如圖5所示,在整體被試學(xué)生對于“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)的認(rèn)知屬性掌握概率中,A1 的掌握概率高達(dá)0.9,A2、A3、A5 的掌握概率均大于0.6,說明大部分學(xué)生知識掌握情況屬于中上水平。其余3 個屬性均低于0.5,A4 是對于二進(jìn)制相關(guān)運(yùn)算的屬性,掌握概率也僅有0.4,說明學(xué)生對于二進(jìn)制中或、與、非邏輯運(yùn)算的相關(guān)概念掌握不夠充分,教師需加強(qiáng)對于邏輯運(yùn)算和算數(shù)運(yùn)算兩者的異同點(diǎn)進(jìn)行著重講解。其中,屬性A7 掌握情況最差,關(guān)聯(lián)屬性A6 也掌握較低。A6 和A7是二進(jìn)制與其他進(jìn)制之間的應(yīng)用轉(zhuǎn)換,需要學(xué)生在了解理論的基礎(chǔ)上,進(jìn)行內(nèi)化和吸收。這也反映了在高職教學(xué)中需充分考察學(xué)生綜合運(yùn)用能力和知識遷移的能力。

圖5 學(xué)生認(rèn)知屬性掌握概率

綜上所述,基于認(rèn)知診斷展開學(xué)習(xí)測評,選用DINA 模型實(shí)現(xiàn)的“數(shù)制及其轉(zhuǎn)換”認(rèn)知診斷測試結(jié)果分析,不僅可以幫助教師從宏觀上整體把握整個高職教學(xué)課堂情況,充分了解學(xué)生總體的認(rèn)知掌握模式比例情況,突破教學(xué)重難點(diǎn),及時調(diào)整教學(xué)計劃,促進(jìn)學(xué)生內(nèi)化知識的結(jié)構(gòu),輔助高職教學(xué)的結(jié)構(gòu)化,進(jìn)一步推進(jìn)計算機(jī)基礎(chǔ)知識向信息素養(yǎng)轉(zhuǎn)化,而且還為教師對學(xué)生個性化補(bǔ)救、追蹤教學(xué)提供參考。除此之外,學(xué)生也可通過診斷結(jié)果清楚自身認(rèn)知結(jié)構(gòu)水平并進(jìn)行自我反思,尋求幫助并及時調(diào)整。這些診斷分析和評價使得學(xué)生學(xué)習(xí)和教師教學(xué)得到及時反饋,從而推動以評促學(xué)、以評促教。

(三)反饋評價

如今的學(xué)習(xí)評價理論發(fā)生著改變,在以知識為核心的認(rèn)知診斷理論指導(dǎo)下,逐漸用精準(zhǔn)的個性化反饋評價替代以往的單純檢測成績來決定知識掌握情況的局面,并且認(rèn)知診斷可幫助教師和學(xué)生得到個性化反饋報告,充分發(fā)揮精準(zhǔn)評價的作用。同時,反饋評價是教學(xué)過程中的必要環(huán)節(jié),也是實(shí)現(xiàn)學(xué)生教學(xué)行為改變和教師教學(xué)計劃調(diào)整的前提條件。為更好實(shí)現(xiàn)對學(xué)生的個性化反饋評價,本文根據(jù)認(rèn)知診斷數(shù)據(jù)生成學(xué)生測評反饋報告,包括基本信息、知識點(diǎn)技能定義、作答情況、掌握情況和分析評價及學(xué)習(xí)建議5 個部分。第1 部分是學(xué)生與班級學(xué)號基本信息;第2 部分是對知識點(diǎn)分解出來的認(rèn)知進(jìn)行技能定義,從理解、記憶、分析、應(yīng)用技能目標(biāo)中選擇適合認(rèn)知的技能;第3 部分提供了該學(xué)生對于本次測試的作答情況,包括每一測試題目對應(yīng)的分值、得分、考察屬性、答對率、總分和平均分;第4 部分根據(jù)學(xué)生作答數(shù)據(jù)的診斷結(jié)果形成掌握概率雷達(dá)圖,可以清楚看出該生的目前技能掌握及差距;第5 部分對被試學(xué)生已掌握的屬性給予了鼓勵或者贊賞的評價,并針對未掌握的屬性提供了改進(jìn)提高建議。

在認(rèn)知診斷的幫助下,根據(jù)已掌握的學(xué)習(xí)測評數(shù)據(jù)精準(zhǔn)分析學(xué)習(xí)狀態(tài)、知識技能掌握程度和認(rèn)知能力水平,并生成學(xué)生測評反饋報告,有效記錄學(xué)生的學(xué)習(xí)過程。不僅可以多元化地呈現(xiàn)測評數(shù)據(jù)、信息包括知識,通過恰當(dāng)?shù)厥褂帽砀?、雷達(dá)圖和柱狀圖等可視化方式進(jìn)行直觀、精準(zhǔn)地反饋,更好地幫助學(xué)生分析存在的學(xué)習(xí)誤區(qū)和盲點(diǎn),而且也可以幫助教師客觀有效地進(jìn)行個性化評價。

五、結(jié)語

科學(xué)且客觀的學(xué)習(xí)測評有助于高職教育的人才培養(yǎng)。新一代認(rèn)知診斷通過挖掘教學(xué)過程中測評數(shù)據(jù)的價值,實(shí)現(xiàn)數(shù)據(jù)—信息的轉(zhuǎn)換,解釋學(xué)習(xí)者的學(xué)習(xí)認(rèn)知狀態(tài),幫助教師發(fā)揮引導(dǎo)者的教學(xué)角色并及時調(diào)整教學(xué)。本研究以“數(shù)制及其轉(zhuǎn)換”知識點(diǎn)為測評內(nèi)容,劃分符合學(xué)生的認(rèn)知加工過程的層級屬性;構(gòu)建恰當(dāng)充分的Q 矩陣,編制測試并實(shí)施應(yīng)用認(rèn)知診斷DINA 模型分析掌握模式的情況來觀測學(xué)生的學(xué)習(xí)情況,比以往單純用分?jǐn)?shù)來衡量學(xué)生理解知識的方法具有客觀意義。這種學(xué)習(xí)評價與測量方法能更準(zhǔn)確地觀察出學(xué)生的學(xué)習(xí)效果,反饋學(xué)生學(xué)習(xí)情況,從而促進(jìn)教師進(jìn)行教學(xué)反思和改進(jìn),從宏觀上提升整體教學(xué)效果。此外,針對高職教育中存在的“同分異學(xué)”現(xiàn)象的學(xué)生進(jìn)行個性化的跟蹤教學(xué),根據(jù)知識屬性掌握情況,輔助學(xué)生吸收并消化薄弱的知識點(diǎn),有效采取個性化的精準(zhǔn)教學(xué)和指導(dǎo)措施,幫助實(shí)現(xiàn)個性化教學(xué)與反饋評價。進(jìn)而推進(jìn)高職計算機(jī)課程教學(xué)與學(xué)生信息素養(yǎng)的充分融合,提高職業(yè)教育中公共基礎(chǔ)課程地位,助力職業(yè)教育理論體系的養(yǎng)成并不斷加強(qiáng)個性化教學(xué)的發(fā)展。