從大數(shù)據(jù)到小數(shù)據(jù)：職業(yè)教育精準學習評價的新思路

◎程 光 勝

《深化新時代教育評價改革總體方案》要求，充分利用信息技術，提高教育評價的科學性、專業(yè)性、客觀性，同時針對不同主體和不同學段、不同類型教育特點，設計能力為重、全面發(fā)展、面向人人、因材施教的學生評價，創(chuàng)新過程性評價[1]。職業(yè)教育是一種類型教育，在國家戰(zhàn)略發(fā)展中，與普通教育具有同等重要的地位[2]。與普通教育中的知識學習和科學研究不同，職業(yè)教育以職業(yè)技能提升為核心，以工匠精神塑造為靈魂。因此，開展職業(yè)教育的學習評價不能照搬和模仿普通教育領域的學習評價。通過評價促進學習是學習評價活動的邏輯起點，而傳統(tǒng)的學習評價基本上是一種終結性的評價，操作簡單，強調結果，但忽視了過程。如何基于職業(yè)教育的學習特點，構建動態(tài)、立體、多維的過程性學習評價，是當前職業(yè)教育評價關注的熱點。

伴隨著大數(shù)據(jù)技術在教育教學中的深度融合，基于數(shù)據(jù)實現(xiàn)對教育和學習的評價，使得評價結果更加真實、客觀和科學。然而，大數(shù)據(jù)所呈現(xiàn)的某些趨勢或規(guī)律只是信息重復的結果，預測分析結果的準確性取決于數(shù)據(jù)的質量和規(guī)則的制定。同時，大數(shù)據(jù)分析還存在這樣的特點：在分析中尋找目標，注重尋找關聯(lián)性、發(fā)現(xiàn)未知知識，在一定的時間范圍內生成可接受的解。這些問題和特點，對于個性化的學習分析而言，可能會存在大數(shù)據(jù)應用的局限性。

在大數(shù)據(jù)發(fā)展過程中，也產(chǎn)生了令人欣慰的小數(shù)據(jù)。這些小數(shù)據(jù)是圍繞個體的全方位數(shù)據(jù)，形成個體的完整數(shù)字視圖，體現(xiàn)出高價值、高效率、個性化的特點。因此，利用這些小數(shù)據(jù)開展職業(yè)教育環(huán)境下的精準學習評價，能夠準確把握學習者的學習概況，捕獲學習者多維度的學習信息，從而改進當前學習的不足，促進有效的學習。在當前職業(yè)教育環(huán)境下，以學習者為圓心，在精準學習評價中描繪學生能力發(fā)展的增長半徑，通過個性化的學習評價，為學習者提供差異化的教育及學習資源，以人為本，形成學習者個性化的競爭優(yōu)勢，使學習者在服務經(jīng)濟社會發(fā)展中能夠獨當一面，真正獲得人生出彩的機會。

一、大數(shù)據(jù)驅動的教育與學習評價的相關研究

大數(shù)據(jù)不僅僅是數(shù)據(jù)體量之大，大數(shù)據(jù)帶來的是一次重大的時代轉型，通過其自身蘊含的技術力量變革世界的同時，更是激發(fā)思維方式的變革，包括整體思維、復雜思維和相關思維等的變革。這種變革不斷重塑社會管理和國家戰(zhàn)略決策、產(chǎn)業(yè)和組織流程及服務方式，同時也會給教育管理和學習評價帶來新的力量。

與大數(shù)據(jù)分析技術相伴的是學習分析、人工智能等技術的綜合一體化應用，因此，在學習評價、教學評價、教育評價等領域，其主題關鍵詞是“大數(shù)據(jù)綜合素質評價”“人工智能教育評價”“智能技術學習評價”“數(shù)智融合教學評價”等，借助信息技術能夠增強和創(chuàng)新教育評價工具，優(yōu)化教育評價管理，提升教育評價質量，拓展教育評價結果應用成效[3]。在數(shù)字化轉型背景下，伴隨著德智體美勞五育全要素數(shù)據(jù)的出現(xiàn)，學生綜合素質評價告別了單調人為的定性化評價，設計基于數(shù)據(jù)支撐的、反映核心素養(yǎng)的綜合素質評價指標體系是高質量教育評價的關鍵。張治等以此為出發(fā)點，根據(jù)不同維度數(shù)據(jù)采集的難易程度及技術要求，設計了MIPAL數(shù)據(jù)模型，在此基礎上通過數(shù)字畫像評價學生綜合素質[4]。大數(shù)據(jù)變革學生綜合素質評價，大數(shù)據(jù)技術可分層設計并管理評價的各個階段，如大數(shù)據(jù)采集技術可實現(xiàn)評價輸入、大數(shù)據(jù)處理技術可實現(xiàn)評價處理、大數(shù)據(jù)挖掘分析技術可實現(xiàn)評價分析、大數(shù)據(jù)輸出技術可實現(xiàn)評價輸出、大數(shù)據(jù)推送技術可實現(xiàn)評價反饋等，從而確保評價輸入的全面、處理的有效、分析的深刻，輸出的精準和反饋的及時[5]。因此，數(shù)據(jù)驅動的素質評價，強調常態(tài)檢測，主張用數(shù)據(jù)說話，遵循觀測學習、解釋學習、反饋學習的循環(huán)邏輯。

學生素質具有整體性、穩(wěn)定性和長期性，其蘊含個體的價值追求、思維方式、審美取向及行為表現(xiàn)，與核心素養(yǎng)相輔相成，形成一個整體，因此采用傳統(tǒng)紙筆測試來測評綜合素質，顯然是測評不出來的，需要借助智能技術，基于全域的網(wǎng)絡覆蓋和終端數(shù)據(jù)采集，獲取學生外顯和內隱的量化數(shù)據(jù)，經(jīng)過計算處理實現(xiàn)素質的測評。彭波等基于人工智能視域，從評價目標、評價主體、評價方式、評價標準、評價結果等方面分析了人工智能在教育評價中的應用，指出未來的教育評價，必將滲透人工智能的理念，同時人工智能的理念會影響教育評價改革的進程和方向[6]?？梢钥吹?，基于大數(shù)據(jù)和人工智能技術的教育評價是科學評價的實現(xiàn)途徑和方式，也是教育現(xiàn)代化的重要特征。

在大數(shù)據(jù)、人工智能技術應用于基礎教育、高等教育領域實施教育及素質評價的同時，也有部分研究基于職業(yè)教育視角，探索數(shù)據(jù)和技術如何賦能職業(yè)教育評價。孫翠香認為，職業(yè)教育評價是一個復雜的評價系統(tǒng)，在這個系統(tǒng)中，立德樹人是職業(yè)教育評價的核心，而“課程與教學實踐”“人的發(fā)展”是評價的目的，在整體系統(tǒng)化教育評價框架的統(tǒng)一下，要增強“協(xié)同”評價效應，平衡評價的“問責功能”和“發(fā)展功能”[7]。作為教育評價的一個重要組成部分，職業(yè)教育學習評價已由結果性評價向過程性評價轉變，結合現(xiàn)代信息技術和學習數(shù)據(jù)，程光勝設計了職業(yè)教育精準學習評價框架，并從改進結果評價、強化過程評價、探索增值評價、健全綜合評價四個方面闡述了精準學習評價的實踐探索[8]。

上述文獻充分發(fā)揮數(shù)據(jù)和智能技術的優(yōu)勢，運用多種學習分析技術實現(xiàn)對教育及學習的多維度評價。技術賦能教育及學習評價，是深化新時代教育評價改革的必然選擇，具有科學化、多元化、立體化、最優(yōu)化、精準化等主要特征[9]。同時，基于數(shù)據(jù)實現(xiàn)學習評價，是科學研究第四范式在學習評價中的應用，將會豐富教育評價本體論，重塑教育評價認識論，深化教育評價價值論，變革教育評價方法論，使教育評價不斷走向智慧化和專業(yè)化[10]。

伴隨著經(jīng)濟社會的發(fā)展，職業(yè)教育的生源由單一正在走向多元，這是由職業(yè)教育的性質所決定的。當前，在高職擴招百萬的政策影響下，我國職業(yè)教育的生源結構已由學齡段生源進入學齡段生源與社會生源持續(xù)并存的新常態(tài)[11]。與學齡段生源相比，社會生源具有學習持久力不足、認知能力不足、內生動力強、社會屬性強等特點。在這種背景下，學習者的學習特點、學習方式、學習理念等呈現(xiàn)出多元化的特征，加之職業(yè)教育人才培養(yǎng)的目標是高素質技術技能人才，因此如果采用傳統(tǒng)的紙筆測試評價其學習，顯然是不合適的。

因此，本文在教育大數(shù)據(jù)環(huán)境下，充分利用智慧學習環(huán)境、平臺以及智能化設備，采集以學習者個體為中心的學習小數(shù)據(jù)，對學習者的學習進行動態(tài)、立體、過程性的評價，以評價促進學習，讓每一位學習者都能發(fā)揮個性優(yōu)勢，不斷改進和發(fā)展學習，實現(xiàn)健康成長并成才，在全面建設社會主義現(xiàn)代化國家、實現(xiàn)中華民族偉大復興中國夢的征程中，讓每一個接受過職業(yè)教育的學習者都能成就夢想，獲得人生出彩的機會。

二、大數(shù)據(jù)、小數(shù)據(jù)及其職業(yè)教育學習評價

（一）小數(shù)據(jù)的內涵

通過搜索引擎，很多用戶只可能關注海量搜索結果的前面條目；在財務決策時，財務主管也許只關注財務報表中的部分匯總數(shù)據(jù)；在書店購書時，買者一般只會閱讀前言和目錄信息；在平臺購物時，客戶也僅僅關注商品評論中的部分評論信息。事實上，在很多領域、很多情況下囿于時間和成本，人們面對和能夠處理的數(shù)據(jù)僅僅是大量數(shù)據(jù)下的一部分。從這個角度來看，人們的決策往往是基于部分數(shù)據(jù)的，以局部了解整體。陳國青等將這樣的部分數(shù)據(jù)視作小數(shù)據(jù)，認為小數(shù)據(jù)是相關數(shù)據(jù)全體的一個子集，并從數(shù)學的角度給出了“大數(shù)據(jù)—小數(shù)據(jù)”的形式化定義[12]。在遵從小數(shù)據(jù)是相關全體數(shù)據(jù)子集的基礎上，陳輝從應用方式的角度認為，小數(shù)據(jù)是大數(shù)據(jù)時代下的一類新興數(shù)據(jù)，是圍繞個體的全方位數(shù)據(jù)及其配套的收集、處理、分析和對外交互的綜合應用系統(tǒng)[13]?；诖?，本文認為，在當前大數(shù)據(jù)環(huán)境下，把圍繞同一個體的所有數(shù)據(jù)通過特定的技術和工具抽取出來，執(zhí)行清洗、轉換、整合等操作，然后按照合適的存儲模型組織管理起來，就形成了個體小數(shù)據(jù)。因此，從這個角度來看，小數(shù)據(jù)是一個富有個體色彩的數(shù)據(jù)系統(tǒng)，反映了個體的完整行為軌跡，具有鮮明的個體獨特性、復雜的類型多樣性、高度的實時動態(tài)性和鮮明的人機交互性。

（二）大數(shù)據(jù)、小數(shù)據(jù)之間的關系

從數(shù)據(jù)科學的角度來看，數(shù)據(jù)亦有大小之分，然而，這種大小不是數(shù)據(jù)規(guī)模的大和小，而是從應用的角度將數(shù)據(jù)劃分為大數(shù)據(jù)和小數(shù)據(jù)，大數(shù)據(jù)偏向總體和全局，小數(shù)據(jù)側重個體和局部。

大數(shù)據(jù)很大，表現(xiàn)為數(shù)據(jù)量大、數(shù)據(jù)種類多、數(shù)據(jù)增長速度快，與此對應的分析方法眾多，涵蓋統(tǒng)計方法和機器學習等方法。然而，大數(shù)據(jù)有時也很小，在分析中其所呈現(xiàn)的某些趨勢或規(guī)律只是信息重復的結果，具有一定的普遍性，但是缺乏針對性和精準性，微觀個體差異不顯著。

大數(shù)據(jù)和小數(shù)據(jù)之間并無明顯的界限，小數(shù)據(jù)通過不斷積累，會形成“大”數(shù)據(jù)。在無法獲得大數(shù)據(jù)的現(xiàn)實下，小數(shù)據(jù)因其信息密度高，在分析中能獲得較高的投入產(chǎn)出。與大數(shù)據(jù)分析相比，小數(shù)據(jù)能夠在采集個體全局數(shù)據(jù)的同時更加充分地洞察個體的異質性，換言之，就是具有個體的針對性，求同存異。

總之，大數(shù)據(jù)體現(xiàn)出規(guī)律，小數(shù)據(jù)蘊含著智慧。小數(shù)據(jù)“見微”，做個人刻畫；大數(shù)據(jù)“知著”，反映總體特征和規(guī)律。

（三）職業(yè)教育學習評價

學習評價是教育評價的一個重要組成部分，主要針對學生的學習做出客觀的價值判斷。借助人工智能等新一代信息技術，可以分析學習過程，總結學習結果，預測學習發(fā)展[14]，這大大地拓展了傳統(tǒng)教育評價的內容和邊界。但是，對于不同的學習主體而言，由于培養(yǎng)目標和學習內容的不同，其學習評價內容存在教育很大的差別。與普通教育相比，職業(yè)教育目標是培養(yǎng)能工巧匠、大國工匠的高素質技術技能人才，培養(yǎng)知識型、技能型、創(chuàng)新型的高素質勞動者，建設技能型社會，不僅符合我國的國情，而且能夠助力中華民族偉大復興中國夢的實現(xiàn)[15]。職業(yè)學生的學習內容可分為宏觀、中觀和微觀層面：宏觀層面由基于功能性的“技能—認知”學習和基于人本性的“社會—心理”學習構成，描述外顯世界向內隱世界的躍遷；中觀層面由“專業(yè)—內容”學習、“政治—社會”學習、“操作—方法”學習三部分組成，詮釋內容與方法以及對象與環(huán)境的互動；微觀層面涵蓋“學習—工作”和“合作—交流”，解讀人與物以及人與人互動的技術。[16]因此，職業(yè)教育學習評價最終需要反映職業(yè)學生的知識習得、技能掌握和能力養(yǎng)成。

科學的學習評價是提升職業(yè)教育質量的關鍵。從社會視角來看，學習評價要注重能力因素，是職業(yè)教育外部質量評價的重要方面；從教育視角來看，學習評價要兼具教育性和職業(yè)性，是職業(yè)教育質量的重要檢測和保障手段；從學生視角來看，學習評價要具備鼓勵和回饋的功效，促進學生的成長和未來發(fā)展。[17]以評促學是學習評價的終極目標，通過學習評價，幫助學生反思學習、改進學習，促進學生的個性化發(fā)展，最終培養(yǎng)主動、健康發(fā)展的個體生命，培育人的生命自覺和實踐智慧[18]，這與教育的根本任務——“立德樹人”是完全一致的。

三、個體學習小數(shù)據(jù)的采集和存儲

（一）個體學習小數(shù)據(jù)的采集

在學習者學習過程中，其學習行為數(shù)據(jù)的產(chǎn)生主要有三種方式：分別是學習者主動輸入、系統(tǒng)實時記錄、可穿戴設備自動生成。

學習者主動輸入的數(shù)據(jù)主要包括：學習者的基本信息，如學號、姓名、專業(yè)、性別等；學習者在智能學習平臺或圖書館管理平臺使用中檢索過的關鍵詞、圖書的借閱記錄等；學習者在學習完資源后發(fā)起或參與的主題討論；學習者在項目完成或實習實訓結束后撰寫的總結報告等。這些數(shù)據(jù)一般為結構化數(shù)據(jù)，存儲于特定的關系型數(shù)據(jù)庫管理系統(tǒng)中，可以通過SQL命令實現(xiàn)查詢獲取。

系統(tǒng)實時記錄一般是由在線學習系統(tǒng)或虛擬仿真平臺通過日志服務器自動生成，記錄了學習者在系統(tǒng)中的學習行為軌跡，主要包括：學習者何時何地以何種方式登入和登出系統(tǒng)；登入系統(tǒng)后請求了何種資源和服務，對資源和服務做了何種操作，操作時長以及操作頻率；與哪些主題和哪些學習者產(chǎn)生了互動；操作行為安全審計等。由于數(shù)據(jù)是實時記錄和生成的，因此產(chǎn)生的數(shù)據(jù)量較大，其存儲形式一般為普通記事本文件或格式化良好的XML文件，從類型上來講屬于半結構化或非結構化數(shù)據(jù)。

可穿戴設備自動生成是學習者攜帶的含有各種傳感器的智能化設備，可以自動獲取學習者的多項生理和心理數(shù)據(jù)，以及學習的場景數(shù)據(jù)，由于傳感器實時工作的特性，其生成的數(shù)據(jù)是實時的，所以數(shù)據(jù)量也比較龐大，并且也屬于半結構化或非結構化數(shù)據(jù)。

（二）個體學習小數(shù)據(jù)的存儲

鑒于個體學習小數(shù)據(jù)的類型復雜性和多源特性，在具體存儲時，學習者可以選擇關系型存儲和非關系型存儲的結合，即實現(xiàn)基于SQL和基于NoSQL不同存儲的融合。

從優(yōu)勢和特性來講，SQL面向結構化、數(shù)據(jù)量不大的應用環(huán)境，支持主鍵、外鍵、非空、唯一等約束，以及基本表上其他數(shù)據(jù)庫對象的創(chuàng)建，如索引、視圖、觸發(fā)器等，具有強大的安全控制機制，支持基于ACID的事務操作，支持連接、嵌套、集合等的復雜查詢操作。NoSQL是面向大數(shù)據(jù)技術環(huán)境實現(xiàn)數(shù)據(jù)存儲的非關系型數(shù)據(jù)庫，用于超大規(guī)模數(shù)據(jù)的存儲，具有高可擴展性、分布式計算、低成本等特性。在具體實現(xiàn)上，主要有鍵值對型（如Redis、Riak等），可以通過用戶ID號匹配與之對應的數(shù)據(jù)內容；文檔型（如MongoDB、CouchDB等），數(shù)據(jù)以某種結構或結構不嚴格的文檔形式存儲，一個文檔對應一系列數(shù)據(jù)項集；列存儲型（如HBase、Cassandra等），數(shù)據(jù)以列存儲，一個Key可以對應多個列；圖型（如Infinite Graph、Neo4J等），通過頂點與連邊的網(wǎng)絡圖存儲數(shù)據(jù)，適合關系型較強的用戶小數(shù)據(jù)存儲。

針對個體學習小數(shù)據(jù)，根據(jù)具體應用場景，學習者可選擇MySQL數(shù)據(jù)庫存儲結構化數(shù)據(jù)，選擇MongoDB數(shù)據(jù)庫存儲半結構化和非結構化數(shù)據(jù)。這是因為，在關系數(shù)據(jù)庫產(chǎn)品中，由于MySQL支持多種操作系統(tǒng)、多種開發(fā)語言，加之開源，在很多軟件系統(tǒng)中，大部分應用以MySQL管理后臺的業(yè)務數(shù)據(jù)，并且隨著數(shù)據(jù)規(guī)模的擴大，MySQL通過構建集群實現(xiàn)橫向擴展，從而滿足海量數(shù)據(jù)的讀寫要求。而在非關系數(shù)據(jù)庫產(chǎn)品中，MongoDB以一種類似于Json對象的文檔方式來完成數(shù)據(jù)的存儲，所有文檔可實現(xiàn)分布式架構存儲，通過Map/Reduce執(zhí)行批量處理和聚合操作，在數(shù)據(jù)讀寫時，硬盤中的數(shù)據(jù)通過nmap方式映射到內存中。

四、職業(yè)教育精準學習評價的構建

（一）職業(yè)教育學習評價的評價依據(jù)

在新技術的快速發(fā)展和影響下，職業(yè)教育要堅持立德樹人，注重“人”的發(fā)展，培養(yǎng)專業(yè)能力與通用能力兼具、能力水平更高的復合型、智能型技術技能人才[19]。而能力的培養(yǎng)需要建立在一定的知識基礎上，并能掌握多種工具使用這些知識，提升技能水平，最終形成解決具體問題的核心能力。因此，作為職業(yè)教育的學習評價，最終涉及到這樣三個方面：知識習得、技能掌握和能力養(yǎng)成上，即KSA模型（Knowledge、Skill、Ability，簡稱 KSA），如圖1所示。

圖1 職業(yè)教育學習評價

知識習得反映完成工作任務需具備的知識，如管理學知識、經(jīng)濟學知識、數(shù)學知識等；技能掌握反映完成工作任務需具備的技能，如Excel數(shù)據(jù)分析技能、SQL數(shù)據(jù)查詢技能、PPT文稿制作技能等；能力養(yǎng)成反映完成工作任務需具備的能力，如需求溝通能力、實驗設計能力、總結匯報能力等。一方面，通過職業(yè)教育系統(tǒng)化的培養(yǎng)和學習，可以促進學習者KSA的提升；另一方面，職業(yè)教育學習評價對學習的促進也體現(xiàn)在KSA的發(fā)展上。[20]

（二）個體學習小數(shù)據(jù)建模維度和思路

學習者的學習過程通過學習行為來體現(xiàn)，每一次的學習行為都會涵蓋學習的時間、學習的地點以及通過何種設備進行學習。因此，選擇時間、空間和設備三個維度立體化地呈現(xiàn)學習行為，如圖2所示。

圖2 小數(shù)據(jù)建模維度

學習時間可以將一天的學習時間按照特定時間段進行劃分，如 (0:00, 6:00]、(6:00, 8:00]、(8:00,12:00]、(12:00, 14:00]、(14:00, 18:00]、(18:00, 20:00]、(20:00, 24:00]七個時間段；空間維度反映學習者在什么地方學習，如智慧教室、線上、圖書館、實訓室、企業(yè)等；設備主要是學習者通過什么方式進行學習，如智能手機、普通PC、專業(yè)實訓設備、虛擬仿真、各種學習系統(tǒng)等。這樣，每一個學習行為都可以表示為的特定記錄式數(shù)據(jù)，其中，Actor表示學習者，Time表示學習的時間，Location表示學習的地點，Device表示學習的設備，Behaviour表示學習行為。

由于學習行為數(shù)據(jù)一般是由系統(tǒng)和設備自動生成的，其格式基本都是日志文件，通過對這些日志文件的解析，可以以的結果組織和存儲起來。這樣，可實現(xiàn)動態(tài)、立體、多維的學習行為分析，從而可以基于特定視角概括或細化學習數(shù)據(jù)，對學習開展評價。

（三）個體學習小數(shù)據(jù)的處理與分析

當個體學習小數(shù)據(jù)匯聚到一起時，就會形成學習“大”數(shù)據(jù)。同時，這些學習小數(shù)據(jù)具有很強的時效性，要求在短時間內及時處理才能體現(xiàn)出有效感知和預測。另外，作為學習的主體——學習者，在學習過程中往往涉及情緒、心理等因素的波動，如果需要對學習做出準確的評價，就涉及到多源數(shù)據(jù)的融合，以確保分析結果的準確性。從這些方面可以看出，小數(shù)據(jù)和大數(shù)據(jù)具有部分類似的特征，在當前大數(shù)據(jù)存儲和處理相對成熟的基礎上，對小數(shù)據(jù)的管理和使用完全可以利用大數(shù)據(jù)相關技術[21]。目前，針對大數(shù)據(jù)處理的典型計算框架有：Hadoop、Spark、Flink、Storm、Samza等，這些框架都是Apache基金會平臺上發(fā)布的開源項目。從類型上來看，Hadoop屬于僅支持批處理的計算框架，Storm和Samza是僅支持流處理的計算框架，而Spark和Flink既支持批處理，也支持流處理。由于個體學習小數(shù)據(jù)增長速度快，并且動態(tài)實時生成，匯總到一起，數(shù)據(jù)量大，對計算吞吐量要求也高。通過綜合考慮，由于Spark具有強大而完善的內存計算和處理優(yōu)化機制，可大幅提升計算性能，并通過批處理引擎的原生語義實現(xiàn)流數(shù)據(jù)的微批（Micro-batch）計算，同時在框架整合上還可與Hadoop有效集成。因此，選擇Spark作為計算的處理框架。這樣，就形成了個體小數(shù)據(jù)的分析處理框架，如圖3所示。

圖3 個體小數(shù)據(jù)的分析處理框架

本文將整個分析處理過程分為四層，分別是個體學習數(shù)據(jù)存儲層、個體學習數(shù)據(jù)計算層、個體學習數(shù)據(jù)分析層和個體學習評價生成層。為了邏輯上的清晰呈現(xiàn)，本文專門設置了個體學習數(shù)據(jù)計算層和個體學習數(shù)據(jù)分析層，但實際從功能上來講，這兩層可以合并為一層，因為不管選擇哪一種或哪幾種分析任務，最終都要通過Spark大數(shù)據(jù)計算框架來調度執(zhí)行具體的計算處理。

（四）學習評價結果的生成

由于學習小數(shù)據(jù)涉及眾多指標變量，為了充分利用這些數(shù)據(jù)，并降低計算的復雜性，保證生成精準的學習評價結果，這里采用因子分析描述和刻畫學習小數(shù)據(jù)與評價結果之間的關系。因子分析是一種多變量統(tǒng)計分析方法，其思想是“降維”，但與主成分分析不同，因子分析基于原始變量的相關矩陣。

設E代表學習評價的結果，E={E1, E2, E3 }，E1表示學習者的學習習得，E2表示學習者的技能掌握，E3表示學習者的能力素養(yǎng)。則：

這里，i=1,2,3,j=1,2,……,n，n代表學習者小數(shù)據(jù)的數(shù)據(jù)容量。aij為常量矩陣，表示因子載荷，可通過主成分法、主軸因子法、最小二乘法等求得。Fj為相互獨立且不可測的公因子，表示學習相關因子在整個用戶小數(shù)據(jù)指標體系中的權重。εi為僅對該類學習效果有影響的特殊因子，在E的計算表達式中，F(xiàn)與εi相互獨立。

學習評價就是學習者基本信息、知識習得、技能掌握和能力養(yǎng)成的結果匯總，可以完整刻畫學習者在特定時間段內學習的整體情況。通過上述模型生成的學習評價結果并不是固定不變的，而會隨著學習者學習行為、時間、空間等的變化而變化，這種變化也可以通過模型進行刻畫和描述，如果用R表示學習者在某個時間點上生成的學習評價結果，那么引入時間變量t，則R就是一個隨時間t衰減的函數(shù)，具體如下。

式中 i=1，2，3，Ct為隨時間t變化的衰減值，Ct∈（0,1]，如果時間間隔越長，Ct的取值越小，衰減越厲害。其計算公式為：

式中t為當前時間，t'為學習行為發(fā)生或學習評價結果生成的時間，α為衰減因子，其值可由專家根據(jù)經(jīng)驗給出或通過回歸計算得到。

這樣，學習評價結果就會產(chǎn)生時間上的連續(xù)性，并且隨著時間的推移，前期的學習評價結果因新的學習行為影響而被逐漸淡化，這也在一定程度上反映了學習評價結果對之前學習行為的改進和優(yōu)化，從而達到以評價促進學習的評價目的。當然，引入衰減函數(shù)，還有另外一個原因，防止學習者被貼上固化標簽，引起歧視性待遇[22]，從而束縛學習者后面的進步、成長和改變。

總之，數(shù)據(jù)作為信息時代的關鍵生產(chǎn)要素，在政府決策、企業(yè)管理、教育教學等領域的作用日漸凸顯。本文從數(shù)據(jù)科學的角度，對大數(shù)據(jù)環(huán)境下產(chǎn)生的個體小數(shù)據(jù)進行了全面闡述，包括小數(shù)據(jù)的內涵、大數(shù)據(jù)與小數(shù)據(jù)的關系。在此基礎上，以職業(yè)教育為背景，以職業(yè)教育學習評價為研究對象，分析了職業(yè)教育背景下個體學習小數(shù)據(jù)的采集和存儲，提出了由學習小數(shù)據(jù)源、學習小數(shù)據(jù)存儲、學習小數(shù)據(jù)計算、學習小數(shù)據(jù)分析、評價結果生成組成的個體小數(shù)據(jù)分析處理的框架，通過各層的調用和處理，最終以知識習得、技能掌握和能力養(yǎng)成反映職業(yè)教育環(huán)境下學習者的學習成果。由于小數(shù)據(jù)采集的多源性，為了生成精準的學習評價結果，運用因子分析刻畫和描述學習小數(shù)據(jù)與評價結果之間的關系。有了學習評價結果，可以構建個性化的學習服務，生成個性化的學習畫像，挖掘個性化的學習需求，產(chǎn)生個性化的學習資源推薦。學習評價既是對之前學習行為的深度分析和評判，也是后續(xù)推動教學改進和學習改進的基礎。在當前智能技術驅動教育變革過程中，精準學習評價為智慧教育和全面發(fā)展的人才培養(yǎng)提供了新的思路和參考。