遠程教育中學習者行為的學習評價策略

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了遠程教育中學習者行為的學習評價策略范文，希望能給你帶來靈感和參考，敬請閱讀。

［摘要］隨著大數據、人工智能等技術的快速發展，教育智能化也逐步應用到遠程教育中，遠程教育中對學習者進行有效的學習評價是保證教育健康發展的有效措施。該文通過對目前遠程教育中對學習者學習評價所存在的問題，以學習者在線學習行為為基礎，從學習者主動性、積極性、學習效果等方面給出了基于學習者的學習評價策略，為遠程教育學習評價提供了新的參考。

［關鍵詞］遠程教育;學習評價;評價指標

一、背景

隨著信息技術的快速發展，以互聯網、云計算、大數據、物聯網、人工智能等為代表的信息技術在教育領域中的應用越來越廣泛，教育行業由傳統的面授模式逐步向智能化、自動化和數字化轉變，慢慢形成了“時時可學、處處可學”的特質。其中，又以遠程教育為代表，它推進了人才模式培養的創新，使得教育更大眾化、廣泛化，讓更多的人能夠學習知識，不斷提升自我，成了成人教育的主要形式之一。伴隨著遠程教育的長足發展，越來越多的人參與到遠程教育和成人教育中。在遠程教育中對學習者進行有效的學習評價是保證教育健康發展的有效措施。學習評價不光是對學習者課程最終成績的評價，也是激勵學習者學習，促進學習者在學習過程中不斷自我完善的重要依據。遠程學習與傳統學習最大的區別在于，學習者可以根據自己的時間隨時，隨地進行自主學習，教師與學習者處于不同地理環境，教學分離，在方便了學習者的同時，也對學習者的自主學習能力提出了考驗，在純粹在線的環境下，如何對學習者的學習進行綜合全面的評價是在新技術環境下對學習評價提出的新課題。目前的遠程教育，成人教育在學習評價方面還存在著以下問題。(一)參與人數多，但學習效果不佳。目前四川廣播電視大學開放教育學生達18萬多人，隨著普通高校網絡學院招生規模逐步縮減，開放教育學生人數還會逐年增多，但課程通過的人數兩極分化比較嚴重。學期伊始，注冊課程的學習者很多，但有部分學習者因為種種原因，沒有堅持學習，最終未完成該課程。(二)重結果，輕過程。目前的評價體系仍然沿用傳統教學中的考核方式，主要對期中，期末考試結果按一定比例輔以平時成績的評價形成總評成績。平時成績中加入上線情況，形成性作業及任務完成情況。這種方法只看了結果，對學習的過程缺乏必要的監控和評價，有的學生在學習伊始遇到問題，或者重視程度不夠，導致學習進度較慢，但這樣的情況未得到及時的發現，導致因為學習吃力或者學習時間不夠，最終放棄課程。(三)沒有符合遠程教育，特別是針對成人群體的學習評價標準。目前的學習評價標準主要參考了傳統教學的評價方式，不太符合在線教育的現狀。在線教育多為學生自主學習為主，但同時教學的效果是需要一個長期的跟蹤和監控，學習的評價也應該是一個階段性的工作。學習評價不僅是對學習者學習課程的一個評價，同時也為學習干預提供了重要依據，通過對學習者各階段的學習效果評價，學習者可以根據不足，調整自己下一階段的狀態，同時教師可以根據學習者的學習狀態予以及時的干預，從而增強學習者學習興趣，提高學習質量。此外，目前對于學習者的學習評價大多都集中在學習效果中，但學習者的學習態度，學習能力等多方面因素都應該考慮到評價中，從而有利于對學習者進行多方面綜合的評價。在傳統教學活動中，由于老師面對面講授，學習者的平時學習狀態可以通過出勤、發言、上課聽講狀態，課堂練習，作業等形式得知，教學效果也可以從試卷得分中得到，但在線環境下，老師與學習者是分離的，學習者的學習狀態，學習效果只能通過在線平臺的學習行為數據得知。但隨著學習分析技術的發展，能獲取這些基本數據，通過整理，分析加以人工智能技術，能得到關于學習者較全面的學習評價。本文就在此基礎上，針對前述問題提出了基于學習狀態的學習評價策略。

二、學習評價策略模型

(一)分階段評價

評價不是目的，而是手段，通過對學習者學習的評價使得學習者在自身改進和教師教學干預的情況下對學習進行不斷完善，同時，也有助于教師調整教學內容，教學形式，教學資源，從而最終達到整體教育效果的提高。因此，評價需要貫穿在學習者的整個學習過程中，根據學習者學習狀態效果的綜合評價對學習者學習進行監測和適時干預，減少學習者臨時抱佛腳的情況，同時有利于對學習者的狀態進行調整，激勵初學者堅持學習。通常情況下學習評價可以以月為單位劃分階段。

(二)評價指標的確定

1．數據來源和選擇

多元化的在線學習平臺給數據收集提供了基礎，利用計算機，移動終端的在線學習平臺，能記錄學習者的行為，這些行為從不同方面反映了學習者的學習狀態和效果。記錄的多種不同的行為為總結學習者的不同學習狀態和效果提供了重要的數據支持，使得評價更為立體。在從學習平臺中收集了學習者的學習數據后，需要對數據進行清理。數據清理是指對數據重新審查和校驗，清除異常數據、糾正錯誤數據和統一數據格式，實現數據的一致性。數據集成能把多個數據源中的學習數據整合起來，統一存儲到數據倉庫中，減少數據冗余行為。在在線環境下的學習評價中，特征的選擇也很重要，特征選擇(屬性選擇)是進行關聯分析，分類，預測等操作的基礎。但如果將每一個學習行為數據都作為一個特征進行評價判斷，也會造成不必要的冗余和計算的復雜性。在眾多特征數據中選擇哪些數據參與評價呢?可以根據經驗，或者找到該領域懂業務的專家，給出目標評價所需要的特征，再在平臺中尋找是否有合適的數據可以對應。或者可以通過統計學的方法來對相關特征進行篩選。選擇與制定評價目標相關度高的數據作為特征，這樣的特征選擇方法有很多，例如在weka中使用filter(過濾法)按照發散性或者相關性對各個特征進行評分，設定閾值或者待選擇閾值的個數，選擇特征。或者使用皮爾遜系數，通過計算各個特征對目標值的相關系數以及相關系數的P值，得到衡量相關性，但這類相關性只能衡量線性關系的相關性。例如:在目前實施的國家開放大學的學習平臺或我校現有的學習平臺中，按照多元化評價的目標，從現有系統中首先不需要加入評價的數據指標，例如:“是否停用”“下載次數”“學習中心標號”“課程名稱”等數據，同時，使用過濾法和經驗結合，最終選擇了“在線時長”“學習時間”“作業次數”“作業分數”“發帖數”“回帖數”等數據作為學習評價的指標。

2．評價指標的考量

按經驗和相關性的反復驗證，我們擬定從學習效果，學習主動性，學習自主性三個方面來對學習者進行評價。學習效果即為常見的階段性成績，包括作業分數，半期成績，期末成績等指標，由于是按階段給予學習者評價，若該階段進行了半期成績則記錄半期成績，若該階段有期末成績則記錄期末成績，若只有作業分成績，則將作業成績的平均值作為該階段的學習效果值;學習主動性是指是否該階段學習者積極主動參與到學習中的程度，主要反應在答疑和論壇上，學習的主動性用活躍度(activity)來表示，可以看作是發帖和回帖的線性關系。學習自主性主要參考學習者在線時長、學習時長、完成作業次數等指標。通過對得到的主動性，學習效果，積極性三個數據的標準化操作，得到該階段該學習者的評價度(線性關系)。

3．模型構建

學習者評價模型的構建。其中包括數據來源，數據分析，評價結果展示，評價結果反饋四個部分。在某一個階段先從學習平臺手機學習者相關行為數據，通過數據預處理，按不同的評價指標，得到該階段該學習者的評價值。評價的結果和相關數據以報告形式展示和反饋給學習者和教師，學習者可以根據評價值調整自己的學習狀態，教師可以根據評價值給需要干預的學習者予以適當的教學干預，包括調整下一階段進度，對上一階段不足處增加練習和學習的時間等。各階段的評價值通過加權線性關系在最后一個階段，得到最終評價值，此時的權重需要考慮學習積極性，學習主動性，學習效果的所占比例，以及各評價信息點的分值轉換進行設定，以幫助多方評價主體對學習者參與的在線學習活動質量進行全面分析和評價。

三、小結

本文所提出的針對學習者行為的學習評價策略，從學習的整個過程分階段對學習者各個方面進行評價。通過評價，能夠發現問題，及時調整，使得學習者能堅持學習，優化學習進程，提高學習質量。學習者評價的反饋，有利于學習者的自我改進，對學習者自主學習能力提高提供了指導。在接下來的工作中，將具體量化該評價策略，將其應用到目前的遠程教學平臺中。目前整個學習評價采取的都是顯性特征，在后續研究中將加入學生學習動機等隱性特征，多渠道挖掘可供進行過程評價的指標，改進模型，使其真正能反應學習者的學習成果，同時有效地改善學習者學習效果。

參考文獻:

［1］洪宣容，洪濤．成人在線學習的研究現狀與發展趨勢［J］．成人教育，2019(2)．

［2］王濤濤，毛晨蕾．基于學習分析的在線課程學習效果評價研究［J］．中國成人教育，2018(17)．

［3］廖詩艷．當代遠程教育學習績效評價探索［J］．中國成人教育，2018(16)．

［4］郭瑩，李繼梅，吳莎莎．遠程教育學生學習激勵機制現狀與優化研究———以北京開放大學為例［J］．高教學刊，2019(3)．

［5］上超望，韓夢，楊梅．基于大數據的在線學習過程性評價涉及研究［J］．現代教育技術，2018，28(10)

作者：王力洪 徐維 王祖儷 單位：四川廣播電視大學 成都信息工程大學