大数据、云计算成为不可阻挡的发展力量。CFP供图

    在大数据时代，考试数据分析尤其是海量考试数据挖掘利用开展评价工作，是未来教育考试实现向专业化考试评价服务转型的关键。海量教育考试数据资源和强大的数据挖掘技术将为教育改革提供坚实的技术基础，对教育考试数据的分析、挖掘与应用，可以为人才的培养与选拔提供科学评价、量化分析的手段，使得“因材施教”的个性化教学成为可能，从而推动实施素质教育。同时，它也对多元化考试的评价功能提出了新的标准，实现对人的全面的个性化、多样化、社会化评价。

    ■游忠惠

    在义务教育和高中教育过程中，各个年级、各种类型的考试积累了大量的信息，但是这些信息由于数量巨大，缺少现代高科技技术，无法盘活为高校选拔适合其培养目标的人才服务，只能长久沉睡在存储器里。进入大数据时代，这种情况彻底改观了。教育考试数据资源的挖掘分析、有效利用变成现实，使我们能够建立起科学的考试评价体系，最大效率地为高等学校招生服务，对于促进教育均衡、全面提高教育质量，培养综合素质强的人才具有重要意义。

    量化教育过程——

    促进专业化考试评价

    教育改革的根本目标是为国家发展输送人才，如何量化教育过程变得非常关键，而考试大数据就是量化的关键节点。将经年积累的考试数据有效利用起来，就成为我们准确描述教育成果的曲线，有了这些数据才能快速推进招生考试改革的进程。

    考试是教育评价的主要工具和手段，是测量应试者知识和能力、素质和潜力的量尺，是检查学习情况和教学效果的重要手段。同时，考试作为学业评估的重要方式之一被包含在整个教育评价体系中。

    考试数据分析尤其是海量考试数据挖掘利用、利用考试资源开展评价工作，是未来教育考试实现向专业化考试评价服务转型的关键。海量教育考试数据资源和强大的数据挖掘技术将为教育改革提供坚实的技术基础，对教育考试数据的分析、挖掘与应用，可以为人才的培养与选拔提供科学评价，量化分析的手段，使得“因材施教”的个性化教学成为可能，从而为真正实现素质教育提供可能。同时，它也对多元化考试的评价功能提出了新的标准：实现对人的全面的个性化、多样化、社会化评价。

    如何在教育领域、在人才使用领域充分运用海量教育考试信息，是这个时代的重要技术课题之一。比如“网上评卷”技术在各类考试中的广泛运用，如全国高考、中考、学业水平考试、大学英语四六级考试、基础教育监测、期中期末监测等，为国家和地区积累了大量系统、完整的考试数据。计算机智能考试在英语人机对话考试、资格证书考试等多类考试中的逐步应用，使得考试数据的采集更为高效、便捷、准确、客观、全面。而教育大数据远不止于此，它贯穿于教育全过程，与学生学习与成长、教师教学、教育管理者决策乃至学生家庭教育息息相关。

    新的教育考试评价体系从原来的注重结果的终结性考试转化为注重诊断性的过程性评价，为考生提供的不再仅是一个分数，还包含考生不同知识、能力、特长和潜质模块的分项报告，并最终形成“学生学业评价报告单”。同时通过采集大量非学业数据实现对教育过程质量的监测与评价，探索数据背后隐藏的教育发展规律、学生成长轨迹、人才培养模式等，必将对学生的学习、教师的教学、教育政策的制定产生重大的影响。

    考试大数据外延——

    实现人才培养多元评价

    从教育全过程角度来看，教育管理、教学方式、学习行为、考试评价等，无不受到大数据的影响。教育大数据的产生为教育发展的预测、教与学参与人员行为调整、身心健康发展提供了重要依据，考试数据的挖掘应用成为提高教育管理水平和教学质量的重要方式。

    国内外研究与实践证明，考试数据挖掘应用对学生、教师、教育管理人员以及教育研究人员均具有重要价值：

    1.对学生而言，通过对考试数据的挖掘可以从学生行为角度了解学习过程的发生机制，并用来优化学习，以基于学习行为数据的分析为学习者推荐学习资源，开展适应性学习。

    2.对教师而言，教师是教学计划的执行者，他们需要了解学生已经掌握什么和没有掌握什么，教学的薄弱环节以及学生存在的问题是什么，通过考试数据挖掘，教师能准确地了解教与学中的问题，从而改进教学。

    3.对于教育管理人员来说，借助于考试数据的挖掘，决策者能清楚地了解教育的现状和存在的问题，有目的地调整教育决策，对人力和财力进行更合理地布局。

    4.对于研究人员而言，考试数据挖掘可作为研究学生个性化学习与研究网络学习过程和效用的工具。

    在大数据时代，教育政策的制定、教与学方案的形成与评价方式的确立等，都将发生革命性变化。信息专家预测，“基于数据的学习与评价”和“学习分析技术”将在未来几年成为主流技术。它将通过对学生学业考试与非学业调查以及日常生成的海量数据的分析和解释，评估学生的学习进展，预测未来的表现，并发现潜在的问题。

    如，国际教育评价协会（IAEA）、国际经济合作组织（OECD）分别在其组织的大型国际测试项目TIMMS、PIRLS、PISA中充分利用其组织的知识、素养测试与针对学校、教师、学生、家长的调查问卷数据结合进行深度挖掘，分析影响各国教育的主要因素。英国在其评价项目中引入了学习档案袋，结合计算机技术建立了形成性评价。美国教育考试服务中心（ETS）在其组织的考试项目的每个环节都对数据进行了有效应用，使它能从容地应对每年面向全球及国内的200多种、数千次的考试，并对考生进行相对科学合理的评价。美国大学入学考试中心（ACT）通过分析考生数据中所反映的考生兴趣、能力属性，研究确定考生适合学习的专业和适合报考的学校，并为考生将来就业倾向提供建议。总之，通过考试数据挖掘与利用，很容易了解学习者学习的现状，包括主要特征、学习特点、学习行为的影响因素及其所带来的学业结果，从而有助于学习者掌握学习规律，优化学习过程，改进学习效果，提升教育质量。

    提供科学决策——

    公平公正选拔人才

    建立科学的教育评估和用人体系，关系到国家人才培养和选拔的公平公正。目前，最为迫切的问题在于如何有效地进行挖掘与利用。除了一些国家、国际组织在利用各种测试数据进行教育评价方面作了积极探索外，国内相关教育部门以及一些企业也对教育考试数据的挖掘与应用进行了诸多有益的尝试。据悉，教育部已经建立了较为完整的国家基础教育质量数据库和多级数据采集网络。上海作为试点区域早在2011年开始建立了“上海市中小学生学业质量绿色指标”体系，在收集学生学业水平数据的基础上，收集了有关学生家庭背景、学习动机、学业负担和师生关系以及教学方式和校长领导力等信息，及时向区县和部分学校反馈评价结果，从而引导教育管理、教学指导、教与学的行为建构在科学数据分析基础之上。

    通过对学生学业和非学业发展进行关联分析，可以为教育管理提供参考，实现区域内教育质量的均衡。如深圳市教育部门与海云天公司合作展开的调查分析表明，在该区域内90分以上的优质生群中，从表面上看其成绩结果是相等的，但实际上在关联数据这个“显微镜”下，发现这些学生在各自的知识、能力、情感价值以及所在学校的师资配备、学习环境等情况有着巨大差异。再进一步分析，发现每个个体都存在一定的规律和个性。通过关联分析，该市福田及南山两区的教育行政部门得到一个清晰答案，逐渐明确了教改思路，这一情况的发现极大地帮助两个地区教育管理机构和教师及早地提供有针对性的教学管理和教学方法，帮助学生群体弥补不足，从而实现福田区、南山区域内教育质量提升后的优质均衡。

    深圳市福田区在教育改革和发展“十二五”规划中提出“构建区域性教育质量监测体系，用3年到5年的实践，建立一支具备科学工作理念、掌握先进质量监测技术的专业队伍，提高对基础教育质量的监测、反馈和矫正能力。要制定科学的基础教育质量监测与评价制度，借鉴国内外先进的教育质量检测方式和手段，建立起有利于学生素质全面发展的质量监测与评估机制。”深圳市福田区教育局开展的基础教育评价中，通过对学业与非学业的数据挖掘发现学生保证每天睡眠时间8-9小时学习效果最好。因此，对学生的学业数据和非学业数据进行挖掘分析，能够让我们更全面地看待学生的发展，发现考试成绩所反映不出来的问题。

    通过考试和其他教育数据的挖掘利用可以实现过程性评价，随时可以反映学生的表现，从而探索出良好的课堂教学模式。教师通过课堂观察的终端，可以随时记录学生的课上反应、作业完成情况、课堂纪律等，在期末时教师将这些数据汇总起来，很容易针对每个学生进行评价，并对学生的发展提出建议。同时，这些数据也可以促使教师反思，改进自己的教学。

    考试数据的挖掘和利用可以帮助我们实现多年教学效果的对比与学生学习轨迹的积累。大数据可以记录每个学生每天的学业、非学业数据，这样不但非常快捷，而且还积累下了非常有价值的数据。深圳南山区在过程评价中，开展了历次考试数据对比分析和向考生提供个人成绩报告工作，取得了较好的社会反响。