评价方式的改革不是从大数据开始的。早在2002年，教育部出台的《国家基础教育课程改革纲要（试行稿）》中就指出当时评价的问题是“过分强调评价的甄别与选拔功能，忽视促进学生发展的功能；评价指标单一，基本以书本知识为核心，忽视对实际能力、学习态度的综合考查……过于注重量化，学生基本处于被动地位；过于关注对结果的评价，忽视对过程的评价等”“上述问题严重制约了素质教育的推进，也影响亿万青少年身心健康发展”。进而指出：“对中小学评价与考试制度的改革已成为十分紧迫的任务。”并明确提出开展“成长记录袋”“学习档案袋”评价方式的研究与实验，为记录式评价方式的兴起提供政策依据。新时期教学评价体系，从以下几方面进行改革探索：
（1） 立足过程，促进发展
新一轮国家基础教育课程改革颠覆了过去陈旧的观念，提出全新的教育理念，在课程的功能、结构、内容、实施等诸多方面都作了重大的调整和改变，要“改变课程过于注重知识传授的倾向，强调形成积极主动的学习态度，使获得基础知识与基本技能的过程同时成为学会学习和形成正确价值观的过程”。决定课程改革成功与否的关键之一，是如何建立科学合理、与之相适应的教学评价体系以适应新课程改革发展的需要。
《基础教育课程改革纲要（试行）》中明确提出“改革课程评价过分强调甄别与选拔的功能，发挥评价促进学生发展、教师提高和改进教学实践的功能”。这一提法的根本目的，是提高教育效率、促进学生的全面发展。《基础教育课程改革纲要（试行）》中倡导“立足过程，促进发展”的教学评价，不仅是评价体系的外在形式改变，而且是更深入、触及灵魂、动摇传统思维根基的评价理念、评价方法、评价手段和评价实施过程的转变。
因此，随着课程功能的颠覆性转变，评价功能发生根本性转变。新的评价功能不只是检查学生掌握知识、技能的程度，而且是重点关注学生掌握知识和技能的过程与方法，还要关注与学习过程、方法相生相成的学生的情感态度与价值观的形成。简单地说，评价的目的不是选拔和甄别所谓的“好学生”，而是让评价产生激励作用，通过分析指导以改进学习计划，促进学生健康全面和个性化发展。
（2） 指标体系的设计
指标体系的设计，与理念有关，与大数据有关，而且随着时代的发展指标会不断有新的改进。根据《国家基础教育课程改革纲要（试行稿）》，目前的指标体系一般含有指标框架、评价标准和综合指数等内容。
下面结合国内某学校建立的教育质量综合评价体系来谈其与大数据的关系。（需要说明的是，该校指标框架中的评价内容、关键指标等或许已经不合适，但本节谈的是体系而非具体指标，并不涉及评价内容的设计，主要是谈大数据如何反映内容和指标，所以与评价内容及指标关系不大。）
指标框架含评价内容、关键指标、主要观测点和评价方式等。表4.1是某校教育质量综合评价指标框架表。
表4.1 某校教育质量综合评价指标框架表
（续表）
如果没有互联网和大数据技术，这个指标体系设计得还是可以的。制作者应该花费了相当的时间和精力。然而，有了互联网和大数据，这个指标体系执行起来非常累，大幅度提高教师的工作量，效率难以提升，难以达到最终普及的目的。
例如，评价方式一栏中的“资料查询”“现场观察”“问卷调查”的部分工作可以由电脑和互联网完成，但是数据输入和检索等须由人工完成。人工环节多，工作效率会受影响，数据的准确性和客观性也难以保证。所以，靠人工是无法获取大数据的。大数据和云计算技术的运用，就是要去人工化，把繁重的工作交给云计算来完成。那么，怎样才能在评价体系的建设中最大限度地去人工化？(www.xing528.com)
只有改变思维，根据互联网、大数据的特征来重构指标体系。指标框架中的“评价内容”和“关键指标”在此不作讨论，而“主要观测点”和“评价方式”则需要全面改变。
例如，要想获取评价内容“品德发展水平”指标中的第一项关键指标“理想信念”，前述指标框架表中的“主要观测点”是“进行人生规划、优秀传统文化认同”，“评价方式”为“资料查询、现场观察、问卷调查”。在大数据和云计算背景下的人生成长评估体系中，“进行人生规划”根本不需要观测，每个人的电子档案中都有规划；而对“优秀传统文化认同”的观测，通过被评估人在图书馆借书的类型和次数、在网上下载歌曲和视频的类型和次数、网上读书的类型和次数、进影剧院观看音乐会和其他剧目的类型和次数等，可以全面、客观、准确地获取并自动存入个人档案中，连作弊的可能性都没有。
再看“品德发展水平”指标中的第二项关键指标“行为习惯”。“主要观测点”是“礼貌待人、作业与考试诚信、爱护课本可循环使用、节粮节水节电、参与环保活动”，“评价方式”依然是“资料查询、现场观察、问卷调查”。在大数据和云计算背景下，“礼貌待人”通过日常聊天的语言、处理互联网上各种关系的方式等就可以自动获得；“作业与考试”原本就可以移到互联网上进行，诚信更不成问题；“爱护课本可循环使用”就免了，因为将来可能没有纸质课本；“节粮节水节电”完全可以从购物记录、用水用电记录中获取数据；至于“参与环保活动”，一般都是在网上发起、网上相约出发的，至少在移动互联网上会有相关记录。
（3） 学习分析
尽管现在各地学校都重视综合素质分析，但在现行教育体制和以考试为唯一评价方式的背景下，学科学习分析依然是重点，所以这里以学习分析为例探讨大数据在教育中的应用（综合素质分析原理和技术运用同理）。
教育大数据学习的具体应用体现在评估、预测和干预。评估功能是基本统计分析及其可视化、发现问题学生、学生社交网络的分析与应用等；预测功能是学生分类、学生模型的构建、预测学生成绩；干预的目的是对教师的教学提供改进意见。大数据在学习分析中还有其他应用，如表4.2所示。此外，还包括学生分组与协作、社交网络分析、开发概念图、课件制作、规划和调度等。
表4.2 大数据在学习分析中的应用
（续表）
学习分析是通过收集学生在学习、生活和其他活动中产生的数据，分析计算数据模型，以发现信息和学习者之间的关系，用于预测和指导学习。在学习分析平台上，数据仅仅是信息的载体和原始形态，信息是数据所显示出来的价值即有效的数据，而知识则是通过对信息的甄别分析所发现的内在规律。不过，当学习分析由表及里，进一步深入学科教学，从而演化出深层的学科学习分析技术时，则需要实现三个步骤：一是有数据；二是有分析；三是可视化呈现。
前面说过，数据的来源不能局限于频繁的测验或偶尔的调查问卷。这些原始数据是否准确、客观和全面，对后面的评价结果及对学生的发展指导至关重要，所以它必须是在学习过程中多个维度被记录下来的数据，包括练习情况、兴趣爱好、课外活动、行为习惯、网络社交等大量信息。
对教师来说，即使有了大量的数据分析，仍然还要面对复杂大量的分析结果，其工作量和工作强度依然难以承受。这就需要依赖技术可视化呈现，才能真正有助于教师在教学中有效使用。
新的教学评价体系的构建正是基于大数据技术的发展，让评价多元、形象，满足现实教育发展的需要。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
