外语教学形成性评价策略分析

导语：外语教学形成性评价策略分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

为了实现“办人民满意的教育”的目标，必须对传统的教育评价进行改革。从个人层面来看，教育评价的目的在于了解学习者的发展情况，对学习者的学习情况进行客观总结、对教师的教学质量进行评估；从宏观来看，评价的目的更在于促进教育改革，提高整个国家的教育质量。《国家中长期教育改革和发展规划纲要（2010-2020年）》指出:“要改进教育教学评价，根据培养目标和人才理念，建立科学、多样的评价标准。开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学习者成长记录，完善综合素质评价，探索促进学习者发展的多种评价方式。”然而，尽管中小学教师在实际教学中积极尝试形成性评价，并积累了一定的经验，但是必须承认，不少教师对于形成性评价仍存在模糊甚至片面的认识，维能充分发挥形成性评价的作用。因此，本文拟梳理形成性评价的意义、分析目前的困境及其原因，并探讨大数据对于推进形成性评价的作用。

一、形成性评价的意义与困境

（一）形成性评价的起源与意义。上世纪六十年代，斯克里温（MichaelScriven）最早提出了形成性评价的概念。他建议将评价分为形成性评价和终结性评价，前者“在方案持续改进过程中具有重要的作用”；后者“评价过程可以帮助管理者分析方案效果，也就是评判已实施的课程方案是否取得了充分、显著的进展，以证明学校系统各种支出的合理性”。随后，著名教育学家布鲁姆（BenjaminBloom）将形成性评价一直到学习评价领域。他认为，“形成性评价可以在教学过程中的任一阶段给学习者提供反馈和纠正。”，“如果它与评分过程分离开来，主要用作教学的辅助与支持，那么它就是一种更为有效的形成性评价。”形成性评价的核心是关注过程，通过过程上的改进促进结果的达成，本质特点是评价所收集的信息主要用于改进。它对于学习的促进主要体现在以下几方面:1.导向作用。引导学习者集中精力、关注重点。2.诊断作用。在过程中分析学习者表现的优势与不足，为后续学习奠定基础。3.反馈作用。让教师和学习者了解学习的动态水平，为教学改进提供依据。4.激励与强化作用。让学习者所取得的进步得到欣赏，激发其成就动机，培养自信心，并有机会进一步通过练习巩固学习成果。（二）形成性评价的困境与原因。尽管形成性评价对于教学有着显著和积极的作用，然而在实际教学中，占主导地位的仍然是终结性评价。以外语教学为例，形成性评价的应用主要存在一下问题:1.数据与内容不足。理想的形成性评价数据应包括教学过程中学习者个体数据、学习过程数据以及学习环境数据。这些数据能够客观反映学习者状态、方法以及学习态度。然而在实际教学中，教师往往将形成性评价等同于单纯的平时成绩的记录，关注的仍然是学习者的阶段性学习结果，即分数，而不是对学习过程本身的分析与改进。2.反馈延迟。形成性评价注重过程性，然而目前的教师缺乏评价技术和信息技术的支撑，难以实现实时的反馈互动，造成延时，进而影响了形成性评价对于学习者学习的激励和对于教学的改进作用。

二、大数据的发展

与教育技术在实践中的举步维艰形成鲜明对比的是，信息技术在近年来取得飞速发展，尤其是随着大数据技术在各个领域逐渐得到应用，其价值得到了广泛的认可。大数据的核心价值在于4V:①Volume:规模性。②Vareity:多样性。③Velocity:高速性。④Value:价值型。大数据不仅代表了海量数据，而且也是一种新型的解决问题的思维方式，即数据驱动决策（Date-DrivenDecisionMaking）。

三、基于大数据的形成性评价策略

教育大数据包括整个教育活动过程中产生的以及根据教育需要采集到的一切数据集合。教育大数据是在教学过程中自然而然产生，不受主观影响的原生态数据，并且通过信息技术即时采集，这种客观性和即时性保证形成性评价的科学性原则。（一）基于大数据的形成性评价理念。基于大数据的形成性评价是一个复杂的价值判断过程，强调评价者需要主动掌握学习者学习过程中的完整数据，依靠数据分析的多样化结果提高评价的科学性和有效性。学习者学习过程中的数据类型多、复杂程度高，形成性评价需要基于两个重要的基本理念。1.结果数据与过程数据相结合。美国学者Fox在建构数据模型时将教育数据分为三种:人口统计学数据、过程数据和结果数据。人口统计学数据包括学习者的背景情况，用于对学习者进行分组分析。过程数据指学习者在学习过程中产生的一系列数据。2.量化数据与质性证据相结合。在形成性评价中，评价者收集到的数据可分为量化的数据与质性的证据。前者呈现明显的结构化特征。评价者一方面要充分收集学习过程中的数据；另一方面需要用质性证据弥补量化数据的不足，从而使得形成性评价更科学与全面。（二）创新教学模式大数据时代的形成性评价对教学模式。提出了更高的要求，从实践来看比较合适的是混合式学习。混合式学习是由迈克尔•霍恩（MichaelB.Horn）和希瑟•斯特克（HeatherStaker）提出，是一种将学校课堂学习与线上自主学习整合在一起的新型教学模式。线上丰富的工具可以帮助评价者尽可能全面地搜集数据。讲外语与混合式学习相结合的途径有以下几种:1.利用移动学习平台操练知识点。外语教学中涉及到大量的词汇点和语法点，传统模式下主要以纸笔练习的形式进行。有时会借助答题卡等设备统计选择题的得分情况，但主要关注的是班级或年级层面的学习，对个体学习者无法提供更有效的评价。在混合式学习模式下，学习者借助网络平台和移动APP进行答题。题库中对每道题事先进行知识点标注，统计学习者的答题情况，包括用时、准确率等。2.智能阅读跟踪。语言学习离不开积累，而阅读是积累语言素材与培养有关的有效方式。由于传统课堂时间限制，难以在课堂上有组织地进行阅读活动，而课后的阅读又存在着缺乏监管的问题，无法实现教学目标。在混合式学习模式下，网络平台和APP可以全面记录学习者的阅读活动。比如阅读文章的主题、阅读时长、所圈画和查阅的词汇，再结合一定的阅读练习，教师就能掌握包括学习者阅读兴趣、阅读习惯、阅读方法等各方面信息。3.课堂内转型混合式学习敦促着课堂教学转型，教师需要将课堂还给学习者，重新认识学习者的学习主体地位。在外语教学中，教师不再是照本宣科，需要根据形成性评价的结果有针对性地对重点和难点进行加强。（三）深入数据分析。在采集到丰富的教育大数据后，评价者需要运用数据挖掘和分析技术来提取有效的教学信息，以便进行评价。大数据时代常见的分析技术分为以下两种:1.聚类分析。聚类分析主要针对结构性良好的数据，比如学习者答题情况。若聚类结果发现部分学习者多次解答难度高的题目能够保持正确，而难度低的题目错误率较高，可能这部分学习者是因为粗心造成，可以对其答题注意力状态进行辅导；部分学习者若长期聚类在同一知识点答题正确率起伏较大的区间，则可能这部分学习者存在抄袭或者随意选择的情况，可以进一步关联其它数据对其进行分析和诊断。2.可视化分。析可视化分析则用于非结构性的信息，比如学习者的交互行为、批阅批注、阅读习惯等。评价者可以借助诸如树形结构或者放射性圆环结构来展示文本结构、文本相似度等，还可以借助可视化分析工具对学习者在外语学习中的知识点和知识体系进行评估，便于迅速了解学习者的掌握情况和个人外语知识体系的发展状态。

四、展望

教学大数据为教学带来巨大变革，提供给教师更好地实施形成性评价的技术和手段。不过这也为一线教育者提出了更高的要求，必须提高自己的信息素养和数据处理能力，更好地适应时代的发展和教育的需要。同时，基于大数据的形成性评价体系自身还有待完善，如缺乏有效评价指标作支撑。不过，教育已经走向了智慧教育，如何促进智慧学习，进一步推进形成性评价的实施，其研究空间非常大。

作者:宋浩杰 单位:同济大学职业技术教育学院