論人工智能化數據分析在學業質量監測中的應用
來源:用戶上傳
作者:
【摘要】深圳市龍華區自2017年開始，對全區中小學教學質量進行統一動態監測和評價，用教學視導、學業質量監測、師生發展狀況專項調研等措施，在義務教育階段對學校教學質量監測與評價方面進行了大膽的實踐與探索，并逐步形成了具有該區特色的中小學教學質量監測與評價體系，建立了相應的規章制度。實踐證明，這一探索對于區公、民辦學校學生的學業質量能實行有效的監測、診斷和反饋。
【關鍵詞】人工智能化；數據分析；學業質量；監測與評價
深圳市龍華區自2017年開始，對全區中小學教學質量進行統一動態監測和評價，為了科學、客觀、及時、全面地了解和掌握該區中小學校的教學質量及其發展狀況，促進區域內義務教育均衡發展和優質發展，動態地了解每個學校的教學質量變化，甚至從各個維度細化到每個年級、學科、備課組和每個學生在每個學期中的教學質量和成績的變化過程。學業質量動態監測系統是龍華區在全區公、民辦學校中全面推廣的基于全面詳實的教育大數據。通過專有的“自適應測試”專利技術和“Ra-sch”分析模型，系統能高效精準地為區域教育與學校教學診斷出教育教學中存在的問題，為學生的學習診斷出學習盲區與知識漏洞，并自動生成全面精準的診斷報告，為教育教學的調整與學習的改進提供決策依據。
一、每學期考試成績及教學質量分析中存在的問題
首先，以往每次學校期中考試和期末考試后，各年級各班都會統計學生成績分數，進行質量分析討論。這雖然達到了一定的效果，但細細梳理下來，沒有具體的數據對比，對于每一個學生在某個知識點的掌握程度上無法具體了解；對于每一個知識點來說學生掌握的整體程度也是無法具體了解。另外，學校教務部門對于每次考試中每科的知識點和得分點的掌握情況比較凌亂和分散，無法準確掌握科任老師在不同學期的教學效果以及準確分析科任老師教學過程的針對性和有效性。
二、人工智能化數據分析在學業質量監測中的應用
學業質量動態監測系統采用絕對評價、相對評價和個體內差異評價相結合的評價標準，配以基于常模參照測驗和基于標準參照測驗以及綜合測量相結合的方式，全面地應用教育統計學、教育測量與教育評價學的理論和方法，實現與計算機及網絡技術的有機結合和對基礎數據的深度挖掘，橫向比較、縱向跟蹤學業質量，進一步實現對學業質量及時有效的監測、診斷和反饋。具體到學校層面，在人工智能化數據分析階段有如下應用。
第一，為學校構建多層次動態評價指標體系，開展數據挖掘、分析，實施標準化、精細化、智能化的教育管理和科學決策。分別從總體學情、教學詳情、重點關注對象、發展性分析、績效管理這幾個方面展開指標評價。
第二，為老師提供學生成績數據分析診斷報告，讓老師了解學生各知識點的掌握情況，有針對性地為學生提供個性化分析報告和學習方案。在教學詳情模塊里，分別從知識模塊、能力、分析與講評、總結與提升這幾個方面來展開分析；在成績報表里，分別從試卷分析、學情總覽和基本參數三個維度方面對每道題的知識點的得分分析及展示學生得分的比率。
第三，為學生提供知識薄弱點的分析和診斷，以便于學生了解自身知識的結構差距。學生通過系統對本人各題的診斷從而了解自己對知識點的掌握情況，以及本班學生對某個知識點的整體掌握情況。
第四，為校領導、教務部門、各年級、各個學科、各備課組分別提供查看本權限內的統計數據，以便于精確的質量分析。系統分別提供給校領導、教務主任、系統管理員、年級長、科組長、備課組長、科任老師、學生帳號等各種權限不同的帳號。
第五，為了便于精確的統計和分析，在發展性分析模塊里，有均分的發展、B值的發展、優良等值的發展和后進值的發展，優良等值的動態圖示可以直觀地反應每個班的優等生比例。
第六，B值指標可以看到每位老師在不同學期所任學科的平均分的變化，B值越大，說明超出區平均的程度越高，從B值的指標變化就能看到一位老師在幾年里的教學效果的動態變化過程。
第七，進一步對B值進行加工，可以直觀地反映年級、科組、備課組在不同學期的集體成績動態變化過程，客觀地反映本集體的學期成績效果和目標。
第八，在績效管理模塊里，分別從學科貢獻分析、班級貢獻分析和教師貢獻分析三個維度進行績效值的分析。以柱形狀直觀顯示各學科、各班級和各位教師對本校整體成績的貢獻占比。
總之，學業質量動態監測系統，是基于對基礎教育常態化學業數據的采集和運用，它從不同維度對學生期中和期末考試成績指標進行大數據歸類、整理和智能化分析，以整體評價區域內學校某一時段的教學質量及其發展狀況、影響因素，形成成績數據分析診斷報告，為教育教學管理者進行整體教學質量總結，為教師提供各班教學診斷的詳情和建議，有針對性地為學生提供個性化分析報告和學習方案，幫助學生進行薄弱分析和個性化學習。
轉載注明來源:http://www.hailuomaifang.com/1/view-14832820.htm
