大數(shù)據(jù)在認知診斷中的實踐應用

田雪林

從古至今，對學生學習情況的檢測一直是教學過程中極其重要的環(huán)節(jié)，也是學生、教師、學校、家長乃至整個社會都普遍關注的事情。傳統(tǒng)的檢測方式主要是通過試題測驗學生的學習情況，得分高低意味著學生的知識水平高低，有的學生憑實力得高分，有的靠運氣，即使分數(shù)相同的學生，他們的認知結構也可能有很大差距。傳統(tǒng)檢測方式往往只關注學生的分數(shù)，不注重學生認知結構的分析，更談不上根據(jù)學生的認知缺陷，有針對性地補弱糾偏了。近年來，在認知心理學與心理測量學的基礎上發(fā)展起來的認知診斷理論[1]，不只是關注學生的測驗分數(shù)，而且更加重視學生分數(shù)與自身認知結構之間的關系，利用合適的測量模型對不同的認知結構模式進行診斷[2]。在大數(shù)據(jù)技術、人工智能技術日益成熟的今天，基于學業(yè)大數(shù)據(jù)的認知診斷將更加精準、更加高效，是傳統(tǒng)考試測驗與評價的改進與完善，是現(xiàn)代的學習評價方式。本文從江蘇省南通第一中學學業(yè)大數(shù)據(jù)應用案例入手，談一談大數(shù)據(jù)在認知診斷中的實踐應用。

一、人工智能時代的認知診斷

大體上講，認知診斷分為狹義和廣義兩大類，狹義的認知診斷是指被試者有沒有掌握所測試的知識和認知技能，并據(jù)此對被試者進行分類;廣義的認知診斷是觀察被試者測試分數(shù)與內(nèi)部認知結構之間的關系，更側重于自身認知特征的分析。無論哪種認知診斷，都是以被試者的數(shù)據(jù)信息為基礎進行診斷。本文從狹義認知診斷視角剖析學業(yè)大數(shù)據(jù)在認知診斷中的實踐應用。

傳統(tǒng)的認知診斷主要依靠手工完成，或人工統(tǒng)計，或借助于計算機軟件（如Excel等）統(tǒng)計，往往根據(jù)一次或幾次測試數(shù)據(jù)來對被試者進行分析，數(shù)據(jù)樣本非常有限，診斷結果也不是很精準。傳統(tǒng)方式很難跟蹤記錄學生每次考試和作業(yè)數(shù)據(jù)，很難從大量的考試和作業(yè)數(shù)據(jù)中準確分析學生的認知水平和結構，更難做到針對每個學生給出個性化評價報告，所以，學生、教師、家長只能掌握學生的分數(shù)，不能精準掌握學生的認知特征信息，也就是說，大家都不太清楚每個學生哪些知識點掌握得較好，哪些知識點掌握得不好，也就談不上精準學習、精準教授、精準輔導。

近年來，隨著人工智能技術、大數(shù)據(jù)技術、數(shù)字化學習技術等的興起，基于學業(yè)大數(shù)據(jù)的認知診斷受到越來越多的關注。大數(shù)據(jù)用于認知診斷要具備以下兩個條件：一是要有采集學業(yè)數(shù)據(jù)的條件，包括硬件設備和寬帶網(wǎng)絡，比如，高速掃描儀等就能高速掃描作業(yè)、試卷等作答信息，數(shù)據(jù)及時上傳到大數(shù)據(jù)管理平臺;二是要有一個功能強大的網(wǎng)絡版大數(shù)據(jù)管理平臺，用于記錄、存儲、分析學業(yè)數(shù)據(jù)，智能生成評價報告，科大訊飛公司的智學網(wǎng)就是這樣的平臺。同時，大數(shù)據(jù)用于認知診斷具有以下幾個優(yōu)勢：一是數(shù)據(jù)基礎龐大，大數(shù)據(jù)管理平臺能夠完整記錄、存儲每個學生長期的學業(yè)數(shù)據(jù)，形成數(shù)據(jù)礦山，為認知診斷挖掘出金、銀、銅、鐵、錫等個性化認知特征提供了全樣本的數(shù)據(jù);二是智能化程度高，如智學網(wǎng)就融合了人工智能技術，能夠自動生成每個學生個性化的診斷報告，無須人工干預;三是學習資源推送智能化，大數(shù)據(jù)管理平臺能根據(jù)個性化診斷報告智能推送個性化學習資源，精準度高，能有效彌補學生的認知短板;四是學習指導個性化，教師能夠根據(jù)學生的個性化診斷報告對每個學生進行不同的學習指導，使學習指導更加精準。綜上所述，與傳統(tǒng)的認知診斷相比，基于大數(shù)據(jù)的認知診斷具有數(shù)據(jù)體量大（全樣本）、智能化程度高、精準度高等方面的明顯優(yōu)勢。

基于大數(shù)據(jù)的認知診斷一般要經(jīng)歷三個階段。第一階段，數(shù)據(jù)采集。利用設備采集學生的作業(yè)、考試等學業(yè)數(shù)據(jù)，并上傳到大數(shù)據(jù)管理平臺;第二階段，數(shù)據(jù)分析。利用數(shù)據(jù)挖掘技術、統(tǒng)計分析技術等智能分析數(shù)據(jù)，掌握數(shù)據(jù)反映出來的學情信息;第三階段，數(shù)據(jù)應用。利用大數(shù)據(jù)分析結果指導精準化教授、個性化輔導等教學活動。

二、大數(shù)據(jù)助力學生個體認知診斷

2015年4月，我校就引進了學業(yè)大數(shù)據(jù)系統(tǒng)，試點學業(yè)大數(shù)據(jù)管理應用。2017年9月，學校與科大訊飛全面合作，全校所有學生的日常作業(yè)和考試數(shù)據(jù)全都記錄到智學網(wǎng)，目前形成了龐大的數(shù)據(jù)體量。智學網(wǎng)在大數(shù)據(jù)技術、人工智能技術等在全樣本數(shù)據(jù)的基礎上，自動分析和生成每個學生一段時期的診斷報告，包括知識點掌握詳情、學科能力情況等。學生能分析本學年、本學期、近兩個月、近一個月、近一周甚至某次作業(yè)或考試的學情，了解自己近期的知識短板，從而調(diào)整自己的學習策略，補齊短板。教師可以查看所教班級學生的診斷報告，針對不同學生進行精準指導。智學網(wǎng)提供三種措施來彌補短板，一是學生下載近期的錯題再練;二是智能推送個性化學習資源再學習，如個性化學習手冊;三是教師布置個性化作業(yè)精準補短。

案例分析：

高二4班數(shù)學教師黃老師在分析最近一次周練作業(yè)學情時，在“學生學情”模塊里點開了田同學的詳細學情（見圖1），發(fā)現(xiàn)該同學近一周來“函數(shù)的零點與方程根的關系”知識點得分率只有16.7%，遠低于年級平均得分率54.6%，“利用導數(shù)研究函數(shù)的單調(diào)性知識點”得分率只有50%，也遠低于年級平均得分率88.8%。難道是偶然嗎？于是她又篩選了該同學近一個月來的學情數(shù)據(jù)（見圖2），發(fā)現(xiàn)該同學“函數(shù)的零點與方程根的關系”知識點得分率只有11.1%，仍遠低于年級平均得分率44.2%，而“利用導數(shù)研究函數(shù)的單調(diào)性知識點”得分率卻達到74.5%，略高于年級平均得分率74.1%。因此，她斷定該同學關于“函數(shù)的零點與方程根的關系”沒有弄懂，根源還在函數(shù)的零點沒搞清楚，于是她課后找田同學單獨指導，同時還給她推送了幾道變式題以鞏固提高。在接下來的月考中，該同學在函數(shù)零點的問題上沒有再

丟分。

圖1 高二4班田同學學科能力情況

圖2 高二4班田同學近期學情

大數(shù)據(jù)具有全樣本的特點，也就是說“樣本=全體”，學業(yè)大數(shù)據(jù)分析就能精準發(fā)現(xiàn)學生個體認知特征，便于家長了解孩子的學習問題，也便于教師針對學生的短板進行個別化指導，精準、高效補短。因此，不難理解如果每個學生都能及時補齊短板，那么班級整體的學習效果自然就能大幅提升。