外語教學形成性評價策略分析

導語：外語教學形成性評價策略分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

為了實現“辦人民滿意的教育”的目標，必須對傳統的教育評價進行改革。從個人層面來看，教育評價的目的在于了解學習者的發展情況，對學習者的學習情況進行客觀總結、對教師的教學質量進行評估；從宏觀來看，評價的目的更在于促進教育改革，提高整個國家的教育質量。《國家中長期教育改革和發展規劃綱要（2010-2020年）》指出:“要改進教育教學評價，根據培養目標和人才理念，建立科學、多樣的評價標準。開展由政府、學校、家長及社會各方面參與的教育質量評價活動。做好學習者成長記錄，完善綜合素質評價，探索促進學習者發展的多種評價方式。”然而，盡管中小學教師在實際教學中積極嘗試形成性評價，并積累了一定的經驗，但是必須承認，不少教師對于形成性評價仍存在模糊甚至片面的認識，維能充分發揮形成性評價的作用。因此，本文擬梳理形成性評價的意義、分析目前的困境及其原因，并探討大數據對于推進形成性評價的作用。

一、形成性評價的意義與困境

（一）形成性評價的起源與意義。上世紀六十年代，斯克里溫（MichaelScriven）最早提出了形成性評價的概念。他建議將評價分為形成性評價和終結性評價，前者“在方案持續改進過程中具有重要的作用”；后者“評價過程可以幫助管理者分析方案效果，也就是評判已實施的課程方案是否取得了充分、顯著的進展，以證明學校系統各種支出的合理性”。隨后，著名教育學家布魯姆（BenjaminBloom）將形成性評價一直到學習評價領域。他認為，“形成性評價可以在教學過程中的任一階段給學習者提供反饋和糾正。”，“如果它與評分過程分離開來，主要用作教學的輔助與支持，那么它就是一種更為有效的形成性評價。”形成性評價的核心是關注過程，通過過程上的改進促進結果的達成，本質特點是評價所收集的信息主要用于改進。它對于學習的促進主要體現在以下幾方面:1.導向作用。引導學習者集中精力、關注重點。2.診斷作用。在過程中分析學習者表現的優勢與不足，為后續學習奠定基礎。3.反饋作用。讓教師和學習者了解學習的動態水平，為教學改進提供依據。4.激勵與強化作用。讓學習者所取得的進步得到欣賞，激發其成就動機，培養自信心，并有機會進一步通過練習鞏固學習成果。（二）形成性評價的困境與原因。盡管形成性評價對于教學有著顯著和積極的作用，然而在實際教學中，占主導地位的仍然是終結性評價。以外語教學為例，形成性評價的應用主要存在一下問題:1.數據與內容不足。理想的形成性評價數據應包括教學過程中學習者個體數據、學習過程數據以及學習環境數據。這些數據能夠客觀反映學習者狀態、方法以及學習態度。然而在實際教學中，教師往往將形成性評價等同于單純的平時成績的記錄，關注的仍然是學習者的階段性學習結果，即分數，而不是對學習過程本身的分析與改進。2.反饋延遲。形成性評價注重過程性，然而目前的教師缺乏評價技術和信息技術的支撐，難以實現實時的反饋互動，造成延時，進而影響了形成性評價對于學習者學習的激勵和對于教學的改進作用。

二、大數據的發展

與教育技術在實踐中的舉步維艱形成鮮明對比的是，信息技術在近年來取得飛速發展，尤其是隨著大數據技術在各個領域逐漸得到應用，其價值得到了廣泛的認可。大數據的核心價值在于4V:①Volume:規模性。②Vareity:多樣性。③Velocity:高速性。④Value:價值型。大數據不僅代表了海量數據，而且也是一種新型的解決問題的思維方式，即數據驅動決策（Date-DrivenDecisionMaking）。

三、基于大數據的形成性評價策略

教育大數據包括整個教育活動過程中產生的以及根據教育需要采集到的一切數據集合。教育大數據是在教學過程中自然而然產生，不受主觀影響的原生態數據，并且通過信息技術即時采集，這種客觀性和即時性保證形成性評價的科學性原則。（一）基于大數據的形成性評價理念。基于大數據的形成性評價是一個復雜的價值判斷過程，強調評價者需要主動掌握學習者學習過程中的完整數據，依靠數據分析的多樣化結果提高評價的科學性和有效性。學習者學習過程中的數據類型多、復雜程度高，形成性評價需要基于兩個重要的基本理念。1.結果數據與過程數據相結合。美國學者Fox在建構數據模型時將教育數據分為三種:人口統計學數據、過程數據和結果數據。人口統計學數據包括學習者的背景情況，用于對學習者進行分組分析。過程數據指學習者在學習過程中產生的一系列數據。2.量化數據與質性證據相結合。在形成性評價中，評價者收集到的數據可分為量化的數據與質性的證據。前者呈現明顯的結構化特征。評價者一方面要充分收集學習過程中的數據；另一方面需要用質性證據彌補量化數據的不足，從而使得形成性評價更科學與全面。（二）創新教學模式大數據時代的形成性評價對教學模式。提出了更高的要求，從實踐來看比較合適的是混合式學習。混合式學習是由邁克爾•霍恩（MichaelB.Horn）和希瑟•斯特克（HeatherStaker）提出，是一種將學校課堂學習與線上自主學習整合在一起的新型教學模式。線上豐富的工具可以幫助評價者盡可能全面地搜集數據。講外語與混合式學習相結合的途徑有以下幾種:1.利用移動學習平臺操練知識點。外語教學中涉及到大量的詞匯點和語法點，傳統模式下主要以紙筆練習的形式進行。有時會借助答題卡等設備統計選擇題的得分情況，但主要關注的是班級或年級層面的學習，對個體學習者無法提供更有效的評價。在混合式學習模式下，學習者借助網絡平臺和移動APP進行答題。題庫中對每道題事先進行知識點標注，統計學習者的答題情況，包括用時、準確率等。2.智能閱讀跟蹤。語言學習離不開積累，而閱讀是積累語言素材與培養有關的有效方式。由于傳統課堂時間限制，難以在課堂上有組織地進行閱讀活動，而課后的閱讀又存在著缺乏監管的問題，無法實現教學目標。在混合式學習模式下，網絡平臺和APP可以全面記錄學習者的閱讀活動。比如閱讀文章的主題、閱讀時長、所圈畫和查閱的詞匯，再結合一定的閱讀練習，教師就能掌握包括學習者閱讀興趣、閱讀習慣、閱讀方法等各方面信息。3.課堂內轉型混合式學習敦促著課堂教學轉型，教師需要將課堂還給學習者，重新認識學習者的學習主體地位。在外語教學中，教師不再是照本宣科，需要根據形成性評價的結果有針對性地對重點和難點進行加強。（三）深入數據分析。在采集到豐富的教育大數據后，評價者需要運用數據挖掘和分析技術來提取有效的教學信息，以便進行評價。大數據時代常見的分析技術分為以下兩種:1.聚類分析。聚類分析主要針對結構性良好的數據，比如學習者答題情況。若聚類結果發現部分學習者多次解答難度高的題目能夠保持正確，而難度低的題目錯誤率較高，可能這部分學習者是因為粗心造成，可以對其答題注意力狀態進行輔導；部分學習者若長期聚類在同一知識點答題正確率起伏較大的區間，則可能這部分學習者存在抄襲或者隨意選擇的情況，可以進一步關聯其它數據對其進行分析和診斷。2.可視化分。析可視化分析則用于非結構性的信息，比如學習者的交互行為、批閱批注、閱讀習慣等。評價者可以借助諸如樹形結構或者放射性圓環結構來展示文本結構、文本相似度等，還可以借助可視化分析工具對學習者在外語學習中的知識點和知識體系進行評估，便于迅速了解學習者的掌握情況和個人外語知識體系的發展狀態。

四、展望

教學大數據為教學帶來巨大變革，提供給教師更好地實施形成性評價的技術和手段。不過這也為一線教育者提出了更高的要求，必須提高自己的信息素養和數據處理能力，更好地適應時代的發展和教育的需要。同時，基于大數據的形成性評價體系自身還有待完善，如缺乏有效評價指標作支撐。不過，教育已經走向了智慧教育，如何促進智慧學習，進一步推進形成性評價的實施，其研究空間非常大。

作者:宋浩杰 單位:同濟大學職業技術教育學院