大数据时代学生综合素质评价:方法论、价值与实践导向
作者:杨 鸿 朱德全 宋乃庆 周永平
发布时间:2018/9/11 8:07:26 已经阅读89次

【摘 要】为深入推进学生综合素质评价改革,有效解决学生综合素质评价中的现有问题,文章从大数据的视角探寻学生综合素质评价的改革方略。研究发现,大数据的整体思维、复杂思维和相关思维是方法论的变革,正引领着学生综合素质评价的范式转型。大数据对学生综合素质的全面诊断、精准预测可以促进学生的生命成长,实现教育价值的回归。大数据对学生综合素质评价的全域关照、立体全息和主体增值,可以推进“以学生为中心”智慧评价体系的构建。

【关键词】大数据;学生综合素质评价;方法论变革;价值回归;实践导向

一、方法论变革:大数据思维驱动学生综合素质评价范式转型

维克托•迈尔一舍恩伯格( Viktor Mayer Schon-berger)在《大数据时代》中指出:“大数据的价值就像漂浮在海洋中的冰山,第一眼只能看到冰山的一角,绝大部分都隐藏在表面之下。只要善于、敢于发掘,就会带来无穷的价值。”大数据不是随机样本,而是全体数据,即“样本=总体”。大数据并不要求精确性,而是接受混杂性和模糊性;大数据关注相关关系,不仅仅拘泥于因果关系。由于大数据对数据的规模、规格和关系逻辑有独特的主张,形成了独具一格的大数据思维,并引动了教育评价的方法论革命,驱动着学生综合素质评价范式的转型。

(一)从样本到总体:强调全体数据的整体思维

近代科技革命以来,数据是科学研究的关键要素,搜集数据与分析数据是科学研究的核心工作之一。由于受到数据采集与处理能力的限制,研究者只能借助抽样方法去获取有代表性的样本数据,根据样本数据去推断总体数据的特征。而样本数据往往只能反映事物的部分特征,并不能揭示总体概貌与具体细节,降低了研究的信度与效度。大数据以全样本为研究对象而非小样本。从哲学的观点来看,小样本反映的是强调孤立、封闭、静态的机械论自然观,终结研究对象自身的动态发展与演化过程。全样本反映的是倡导联系、开放、动态的整体论系统观,注重研究对象与环境之间的物质、能量和信息交流,肯定研究对象自身的动态发展与演化的可能性。即,全样本与小样本不仅是数量上的差异,更是整体性与非整体性之间的差异。整体性是研究对象存在的本质特性,只有以整体性思维去关注与把握研究对象,才能真实揭示研究对象的本质与规律,动态把握研究对象的发展与趋势。因此,大数据特别强调全样本的整体思维,重视全体数据的搜集与保存,强调全体数据的挖掘与分析,从整体上把握研究对象。

传统学生综合素质评价的数据采集主要通过抽样间接测量获得,通过监测学生某些方面的表现来推断学生综合素质整体水平。这种评价依据一次性采集的小样本信息,是“以小见大”式评价,其评价依据相对单一,评价结果比较简单片面。基于大数据的学生综合素质评价采用常态化、智能化的数据采集技术,获取的数据从学业成绩拓展为学生每学期、每门课程、每节课、每次作业、每次活动的情况,数据采集场域从课堂延伸到图书馆、食堂、宿舍、家庭、社区等,对评价对象的判断经历了从局部到整体、从表象到本质的持续分析过程,对评价对象的认识是整体的、深刻的,所作出的评价比较准确。当然要获取关于学生综合素质的“全体数据”不现实也不具有实际意义,因为“数据小于某个阈值,问题解决不了;达到某个阈值,就可以解决以前解决不了的大问题;而数据规模超过某个阈值,对解决问题也没有更多的帮助”。在评价分析阶段,大数据学生综合素质评价善于挖掘与分析反映学生的离散的海量数据,分析的目的并不是为了证实或证伪“预设命题”,不是判断学生的好与差,而是在于揭示隐藏在海量数据之间的关系或特点,全面多元地发现与培育学生的优势与特点,准确判断学生的整体素质水平与潜能特质。综合素质评价的对象是综合性、整体性素质,不是多个素质的简单“组装”。大数据学生综合素质评价推崇数据采集的全样本,从整体思维的视角来认识、发现学生,善于在“量大质散”“持续跟踪”的大数据中过滤、挖掘隐含的特点与规律,揭示学生在特定时空中综合素质变化的过程与特征,从而整体把握学生发展过程、发展特点与发展趋势。

(二)从精确到模糊:强调数据来源的复杂思维

随着牛顿经典力学的成功,精确性被确定为自然科学的基本原则之一,这一思想逐渐渗透到哲学及人文社会科学领域。研究者进行随机样本分析时,采用各种办法确保单次抽样尽可能准确,并排除那些“不准确”的样本,减小错误发生的概率。其哲学前提是“单次随机抽样结果越准确,推断结果就越准确。”这样的假设与操作受限于当时的数据采集、储存、传输、分析的技术与工具,数据仅限于精确化、结构化的数据,而大量混杂化、非结构化的数据被抛弃,只能采用“以小见大”的思维进行推理判断,也是精确思维的经典操作范式。然而,大数据时代人们拥有了采集、储存、传输、挖掘、分析混杂与非结构化数据的技术与工具,不同来源、不同类型、不同结构的海量数据成为主要来源,逐渐形成“以大观小”数据分析逻辑。这种“以大观小”的逻辑与技术接受混杂、模糊数据,通过对大量模糊数据进行集约与建模,尝试在数据之间建立联系,从宏观上、整体上把握和判断事物发展的规律以及事物之间的关系,从而揭示研究对象的本质特征与整体规律。

学生综合素质是一个比较复杂的系统,素质众多且结构复杂。多数素质潜藏于内,难以外显,由此评价学生的综合素质情况是极其困难的,很难用明确的评价标准来考量素质的发展水平。在评价的实践上存在评价指标的分解与合成、评价标准的模糊与精确以及评价结果的软参考与硬挂钩等“两难”问题。故而,采用传统的精确测量式评价很难进行量化。如今,借助大数据的模糊思维,在数据采集上完全可以接受和容纳接受混乱和不确定性的各类形态的数据,允许数据来源的纷繁混杂。同时,在数据挖掘分析上,不刻意追求一对一的精确关系,运用复杂思维和模糊思维,从整体上关注学生综合素质的发展和变化。可以预见,这将对学生全面发展与综合素质发展水平作出整体性、科学性的判断,避免出现“只见树木、不见森林”的评价困境。

(三)从因果到相关:强调非线性关系的相关思维

自古希腊哲学家泰勒斯提出“万物源于水”的论断后,哲学家热衷于用有限的理性去思考万物背后的关系,这种事物与事物之间关系的理性追问开启了科学发展史中因果关系探究。科学发展在较大程度上受益于逻辑推理,对事物之间的因果关系进行演绎。这种“大胆假设一小心求证”的由“果”寻“因”的逻辑也存在一定的局限,对于假设的确立常靠猜测或经验,会出现猜测错误与经验不靠谱。大数据提出了“不是因果性,而是相关性”的论点,相关性追求“是什么”而不探求“为什么”。相关性的核心是将两个事物之间的关系用数据的方式进行量化,衡量两个事物之间的变化关系。大数据的相关性分析立足于全样本、大范围、深层次的关联性挖掘,相关分析无须建立抽象的理论模型,完全从数据出发去挖掘事物之间或者事物与环境之间的精确关联,发掘海量数据蕴含的深层价值。当然,大数据强调相关关系并没有否定因果关系,是对因果关系的发展但并不限于因果关系。 传统学生综合素质评价根据学生的某科成绩、某次表现便推断其所具有的素质或能力,尝试建立行为表现与素质水平的简单对应关系,这是因果关系逻辑使然。实际上,综合素质具有内隐性与不可分解性。一种素质很难用几种具体行为来表征,明确具体的评价标准也无法反映内涵丰富、关系复杂的综合素质,数量偏少、类型单一的评价数据难以证实是否达到评价标准的要求。大数据使得广泛采集学生在漫长学习进程中的各类数据成为可能,这些不同结构、不同类型数据形成一个巨大的“数据池”,某些看似互不相关的独立行为与事件,通过大数据技术进行处理、挖掘与分析,就可勾勒刻画出学生的综合素质。因为学生发展的每个历程、每个行为、每个事件是息息相关并相互影响的,对这些历程、行为、事件进行深入挖掘和分析,可以全面了解学生的素质发展情况,从而对学生作出精准的价值判断。由此可见,大数据学生综合素质评价避免把复杂的学生世界抽象化,而是关注学生发展过程与生活世界的丰富性,关注学生具体与个性的发展过程,还原丰富的生活世界,才能实现对学生综合素质发展的观察、记录、分析,从而发现和培育学生的核心素养与良好个性。

二、价值回归:大数据技术推动学生综合素质评价功能革新

评价在本质上是一种价值判断。StufflebeamD.L.的观点,“评价不是为了证明( Prove),而是为了改进( Improve)。”所以,价值是教育评价的生长点,也是学生综合素质评价的生长点。一方面,立足于人之生命存在的意义是学生综合素质评价价值取向的重要基础。因为学生综合素质评价的终极目的是促进学生的当下发展与未来发展,促进生命意义的丰盈与完善。另一方面,学生综合素质评价的基本逻辑是“以评价促发展”,依据评价标准对学生各项素质的优势与不足、对生命发展做出价值判断,及时诊断发展问题与困难,精准预测发展潜力与空间,真正促进学生生命成长。但是,无论是生命价值的再现还是“以评价促发展”的实践,都需要大数据评价技术。而大数据对于学生综合素质评价的价值主要体现在学生发展的三个时域,发展前的全面诊断、发展中的促进生长、发展后的精准预测。

(一)本体价值:全面诊断

综合素质评价原本就具有诊断功能,只是过去对学生的诊断主要基于教师的主观感受与个体经验,大数据技术使得这种诊断从经验走向科学。大’数据学生综合素质评价在海量数据的基础上,依据全面、深入、精细的统计分析,挖掘出有价值的核心数据,判断学生的整体发展,诊断学生存在的问题与困难,分析问题原因与形成机制,进而给予指导建议或预警防范。

大数据学生综合素质评价有完整的数据采集、处理、分析与应用系统,这个系统尤其突出“数据采集一数据分析一数据反馈”三个关键节点。首先,在数据采集时,通过物联网感知技术、视频监控技术、智能录播技术、在线学习与管理平台技术、电子书包、移动APP技术、可穿戴技术、校园一卡通技术、情感识别技术、点阵数码笔技术等记录学生在校园、班级、课程学习、社会实践等多个场域的情况,包括道德品质与公民素养、学习品质与文化素养、身体品质与健康素养、艺术品质与审美素养、实践品质与创新素养等数据。其次,在数据分析时,当学生的各种时空、各种状态、各种类型的数据形成大规模的海量数据时,可以对这些数据进行整合、挖掘和分析,通过相应的挖掘算法可全面分析学生学习态度、学习行为、学习成效,对无数个独立的学习事件进行关联、聚类,可以深刻揭示学生的行为模式、素质发展、发展特点、优势特长。再根据学生个体情况建立相应的诊断模型,诊断出学生在各项素质上的优势与个性、问题与困难。并且可以根据全国行数据设置预警常模,当某一学生的监测数据超过一定的阈值就发出确切的预警信息,提前调控学生的素质发展状况与未来发展态势,及时采取干预措施,促进综合素质达标。再次,在数据反馈时,提供可视化的诊断报告。同时,大数据学生综合素质评价根据学生的学习风格、个性偏好,挖掘潜藏的学习规律与特点,为学生的持续发展提供“智能化处方”,推送系统会推送个性化的发展路径与学习资源,提供问题改进与行为完善的重要依据。

(二)生命价值:促进生长

教育活动是生命生长的沃土,生命是教育活动 的出发点与归宿点。教育活动的起点是为了生命,过程是促进生命生长,结果是实现生命自由超越本质。因此,教育评价的价值观必须充分体现促进生长的生命价值,学生综合素质评价也不例外。从价值追求上,传统学生综合素质评价过度追求功利价值,学生的发展被条分缕析的评价指标体系与统一的评价标准所控制。学生的生命活力在这种控制中逐渐消失,生命的精神追求逐渐衰落,生命的个性特征逐渐消亡,生命在教育场域中严重扭曲。评价逐渐丧失本我的真谛,异化原有的使命,导致教育“太忙碌于现实,太驰鹜于外界”,忽视引导学生唤醒自己的生命意识、启迪自我的精神世界和提升个人的生命价值,最终使学生最终成为“物质上的巨人,精神上的矮子”。所以在实践中,传统学生综合素质评价通常集中在某个时间段进行,一般在学年或者学段结束时进行,所发挥的作用主要在于鉴定学生在某种素质上的等级,而对学生素质发展过程与变化却很少关注。

学生综合素质评价的根本目的是促进学生全面发展与个性发展,发展的核心在于生命的生长。大数据采集的持续性与数据推送的匹配性可持久关注并促进学生的生命生长。大数据可以实时采集与监控学生的学习进度、学习特点与学习效果的情况,关注学生的学习感受与体验,管理者可及时引导学生在感受中体验、在体验中成长,这个过程不仅可以发现和认识学生,还可以持续关注学生生命生长。同时,学校或教师可以根据监控情况适时推送匹配的学习资源,学生可以获得适合的学习内容与发展资源,最大程度地支持学生的按需学习与有效学习。同时,大数据学生综合素质评价可以直观展现学生的成长轨迹,全面记录学生在每个阶段的表现与进步,建立学生发展的坐标轴,实时展现学生的纵向发展轨迹与横向比较差距。可见,大数据学生综合素质评价聚焦于学生生命生长的全过程,不仅可以实时采集与持续关注学生发展数据,及时引导发展方向与适时推送匹配资源,着力唤醒学生的生命意识,启迪学生的生命精神,全程展现成长轨迹,建构学生的生命存在方式,引导学生实现生命价值。

(三)工具价值:精准预测

预测是人类根据事物发展变化的内在联系及规律来推测未知事物或者事物发展趋势的认识活动。大数据预测是通过近似全样本的收集,在分析现象或事件之间相关性的基础上,判断数据之间是否存在某种相关性,挖掘变量之间深层的、潜在的关系,建立变量之间的数学表达式与模型,预测变量的发展趋势与未来走向。其方法论意义在于,从“已知”的现实发现“未知”的可能,从“未知”的可能发现问题与规律。大数据学生综合素质评价的核心价值在于挖掘与预测学生的潜在发展与未来方向。

大数据预测可提高学生综合素质评价预测资源的支持度和预测结果的精准度。从预测资源看,大数据时代学生综合素质评价的数据来源广泛、类型多样、实时持续、客观真实。从覆盖时空看,数据可覆盖学习与成长的全过程、全时域,数据更具有实时性与持续性。数据可以通过传感设备实时、持续地获取与追踪,对发展的过程与轨迹、各项素质的表现与变化进行实时、持续采集。从数据宽度看,数据可展现学生的每个课堂、每门课程、每个学期的过程表现数据,数据颗粒度更精细与更微观。学生在学校场域会留下无数痕迹,各种数据采集器会存储多种形态的、零散的数据碎片,当这些存储无数痕迹的数据碎片被整合、关联与挖掘,学生的生活轨迹、发展动态与行为模式便会呈现。从数据质量看,大数据提供学生学习与发展过程的全景式记录、全息性数据,数据更具有真实性与客观性。从预测结果看,在整合与挖掘学习者多维度信息的基础上,如:认知、情感、意志、行为、态度、动机、个性等,深度研究数据变量之间的关系,深入探索学生综合素质过程变量与结果变量之间的关系,深刻挖掘过程变量与过程变量之间的关系,建立学生综合发展模型,预测其未来的发展态势与发展走向,其精准度与细致度有强大的数据基础与模型支撑。

三、实践导向:大数据技术引领学生综合素质评价智慧运行

大数据正在推动着教育行业的深度变革,基于大数据的综合素质评价改革势在必行。然而,改革不仅仅是思维与观念的转变,更是实践的探索。大数据时代的学生综合素质评价最核心的实践在于实施“以学生为中心”的智慧评价,智慧评价体现全域关照、立体全息和主体增值的导向。“以学生为中心”的智慧评价的主要表征在于:一是数据采集的智慧性。具有类型多样、能力强大、常态运行的评价数据采集技术与工具,实时采集学生日常学习与生活的全样本、混杂数据,确保评价数据的真实性与丰富性,这是智慧评价运行的“源头活水”。二是数据处理的智慧性。具有存储容量大、速度快、质量高的数据处理平台,可以有效清洗、集成、转换与归约庞杂的数据,为智慧评价过滤良好的“数据类”与筛选相关的“数据群”,确保数据处理的快速高效。三是评价实施的智慧性。具有处理多个评价主体深度参与和多种评价方法的深度融合的机制与能力,有效解决评价主体“只是形式上参与而实质上应付”和评价方法“各自为阵”的问题。四是数据分析的智慧性。具有智能化的数据挖掘分析技术与方法,可以横向关联与纵向挖掘各类数据,这是智慧评价的关键。五是评价结果的智慧性。具有智能化的评价决策力与判断力,可以自动作出评价诊断与预测,进行科学的价值判断,这是智慧评价的核心。六是评价反馈的智慧性。具有智能化的评价反馈指导能力,能够提供个性化的评价诊断报告与精准化的发展潜能预估。

(一)全域关照:学生综合素质大数据评价改革实践的目标导向

学生综合素质不是某个方面、某个时段的局部发展,不是此时此刻的静态发展,而是所有领域的层次性与共同性发展,所有过程的动态性与持续性发展。因此,“以学生为中心”的智慧评价是整体性评价,是全域关照的评价。整体性发展是学生综合素质评价的内在要求,在实践操作上要将学生的各方面发展看作一个整体,在方法论与方法层面确立整体性思维与整体性原则,要整体把握学生综合素质发展的不同阶段、重点内容、关键支撑与有效评价,按照学生发展的整体规律去引领与完善,真正满足学生主体发展的需要。全域关照的核心在于全局性、可持续性、辩证性地认识与推动学生综合素质的发展,关键在于真实、客观、全面、具体、本质地促进学生的全面发展与全程发展。大数据学生综合素质评价建立统一的数据采集交换平台,各类采集终端将学生在各个场所的数据连接起来,采集全样本、混杂、海量的数据,形成一个立体化的智能“网络”,实现学生综合素质的全域关注与监测,引领学生生命的整体生长。

(二)系统全息:学生综合素质大数据评价改革实践的过程导向

“以学生为中心”的智慧评价有强大的技术支撑,实现评价过程的系统全息。一是评价数据的全息,即“全数据”。评价数据涉及学生发展的各个场域,从课内到课外,从食堂到教室,从体育场到图书馆,从学校到社区,数据采集范围包括学生在学习、生活、运动等多个场域的各类信息,这些场域的片断信息反映着学生综合素质的整体情况。评价数据涉及道德品质与公民素养、学习品质与文化素养、身体品质与健康素养、艺术品质与审美素养、实践品质与创新素养等。二是评价内容的全息,即“全面”。学生综合素质评价的评价内容涉及学生发展的各方面,不仅反映学生的学习习惯、学习方式、学习进度、学习状态、学习效果和兴趣爱好、个性特征、情绪情感、意志品质,还展现学生的身体素质、运动习惯、运动技能、运动水平,甚至包括心理素质、心理状态、心理品质,全面描述学生素质发展轨迹、展现学生素质发展状态、评价学生素质发展水平和预测学生素质发展趋势。三是评价过程的全息,即“全程”。“全程”是指支撑学生发展的每天、每学期、每学年的课堂、实践活动、体育运动、社区服务等都可成为评价的时空,真正实现全时空的采集与监测。四是评价人员的全息,即“全员”。“全员”是指参与或影响学生发展的各类人员,如校长、班主任、学科教师、社区人员、家长、学生等都可作为评价主体,甚至由大数据技术演变而来的“大数据专家”也成为重要的评价主体。

(三)主体增值:学生综合素质大数据评价改革实践的结果导向

增值评价不仅仅强调对学生的发展结果的客观再现,还特别关注评价过程给学生带来其他的促进作用,实现过程赋值与结果增值。基于我国经济社会发展整体转型的需求与教育改革深入推进的要求,学生综合素质评价的功能也从单一鉴定性转型为主体的全面增值性。“以学生为中心”的智慧评价能有效地实现主体增值,这种增值既指学生学业水平的进步,也指学生学习方法、学习习惯、学习行为等各方面的改善;既指认知上的进步,也指非认知上的发展;既指学生共性素质的发展,也指学生个性素质的发展。强调主体增值的“以学生为中心”的智慧评价有以下几个变化:一是评价标准的变化,从设定“统一性标准”到“开放性表现”。标准的表述从明确具体的要求到概括性、模糊性的要求,并呈现主要经历、典型行为与关键事件。评价结果从重“输出”到重“增量=输出一输入”,主要考查学生在过程中所取得的无数进步与变化、所获得的诸多成绩与成就。二是评价角度的变化,从“针孑L式评价”到“全域式评价”。由于数据采样从“样本”扩展到“总体”,学生在日常学习与生活中的任何一个事件、行为都可能成为评价要点,而不是只考察特定时期的特定表现。三是评价主体的变化,从“单主体”到“多主体融合”。大数据使得教师不再是学生评价的唯一主体,每类主体基于各自对评价对象的了解进行适度评价。尤其对于学生来说,他们既是评价对象,又是评价主体,不仅可以深入了解他人是如何学习如何发展的,更可以反思自己的缺陷与不足,增强自主发展的意识与能力。

(来源:《中小学教育》2018.05)