基于数字画像的综合素质评价：框架、指标、模型与应用

/基于数字画像的综合素质评价：框架、指标、模型与应用【摘要】我国正在全面推进高质量教育体系的建设，而教育评价作为教育的重要组成，构建高质量的教育评价体系给教育指好指挥棒尤为重要。在数字化转型背景下，如何充分利用德智体美劳五育全要素数据来深度、精准刻画学生综合素质的成长画像对教育评价改革提出了新的研究问题。该文围绕学生综合素质评价的数字画像构建，从指标体系层、数据实践层以及数字画像层设计了基于数字画像的综合素质评价框架。首先，基于学术研究文献和政策文本的梳理归纳，形成核心素养视域下的综合素质评价指标体系。其次，考虑了指标体系中不同维度数据的采集难易程度及技术要求，提出包含必选数据项、可选数据项及拓展数据项的MIPAL数据模型，进一步将综合素质评价指标与三类数据项分别进行映射转换。以必选数据项的部分数据为例，构成学生五育表现的标签，并给出了利用数字画像技术以全面、立体、客观地评价学生综合素质的方法。最后，从因材施教、生涯规划、家校共育、考试招生以及教育治理方面对数字画像的具体应用策略进行了阐述，表明了基于数字画像的综合素质评价对于促进学生综合素质发展以及基础教育质量提升的价值。【关键词】综合素质评价；数字画像；数据驱动；体系架构；MIPAL数据模型；画像应用

一、引言 2020年10月，中共中央、国务院印发的《深化新时代教育评价改革总体方案》指出“到2035年，基本形成富有时代特征、彰显中国特色、体现世界水平的教育评价体系”[1]。2021年3月，教育部等六部门联合印发《义务教育质量评价指南》，其中以《学生发展质量评价》为关键，再度明确对学生的评价应着力于学生德智体美劳全面发展的情况，尊重学生的差异性和多样性。推进综合素质评价工作的全面落实，对于促进学生的自我认识与未来规划、高中学校的管理改进、高等学校科学的人才遴选以及构建社会创新型人才培养体系而言都至关重要[2]。 随着信息技术的快速发展，在大数据、人工智能、数据挖掘等技术的应用支持下，为采集学生的基本属性、学习过程、学习结果等数据[3]对学生的综合素质发展进行建模分析，以深度刻画综合素质评价视域下的学生数字画像创造了有利的条件。基于数字画像的学生综合素质评价以数据驱动的方式助力学生全面而个性化发展，同时亦为各级教育机构的决策优化提供了科学可靠的参考依据。本文围绕学生综合素质评价的数字画像构建这一主题，整合核心素养和综合素质的概念内涵，构建评价指标体系，作为数字画像建立过程中数据采集、分析及应用的实践指南。 二、基于数字画像的综合素质评价设计框架 2007年，图灵奖得主、关系数据库的鼻祖JimGray提出了第四范式：数据密集型科学发现(TheFourthParadigm：Data-IntensiveScientificDiscovery)[4]，科学研究范式从第一范式(实证范式)、第二范式(理论范式)、第三范式(计算范式)迈向第四范式(数据范式)。作为第四范式的教育大数据是教育数据要素的主体来源，应发挥教育大数据的数据要素价值。在本研究中，重点关注数字画像应用于学生综合素质评价的潜能，汇集多源、多维的数据对学生进行全面客观、有据可依的综合评价，借助可视化的画像形式表征学生综合素质发展的情况，从而推动实现综合素质评价促进学生全面而个性化发展的初衷。 从数字画像的构建流程考虑，将基于数字画像的综合素质评价的设计框架分为三个部分，分别为指标体系层、数据实践层以及数字画像层，如图1所示。画像标签的提取和识别是数字画像构建的基础，定义综合素质评价数字画像的标签关键在于对综合素质评价的概念辨析和综合素质评价指标体系的建立，清晰且可操作性强的评价指标体系才能高效指导教育环境中海量数据的挖掘分析。综合考虑核心素养及综合素质的定义和内涵的基础上，将二者所包含的维度及指标进行合理关联，构建核心素养视域下的综合素质评价指标体系，为后续数字画像的标签集生成奠定基础。 数据实践层中，对数据来源的明确是第一步，学生学习生活中多类场景应用的平台系统及相关材料的数据为评价学生各方面的发展提供了丰富的证据。随着教育信息化的不断推进，教育场景应用的技术设备越来越多元，这也使得对学生行为、生理及心理等多种数据的采集更为便利，利用多类数据解释学生同一方面的能力发展将使得评价更为科学、可信。同时，机器学习、人工智能算法的发展，也为分析解释多源多维数据创造了条件，保障了画像构建的准确性和可靠性。 数字画像层是基于数据实践的结果对学生综合素质评价情况建模、可视化的过程。根据所构建的综合素质评价指标体系，与数据实践层采集的数据建立起画像标签的映射关系，进而抽取标签，进行画像分析，呈现数字画像。从多方教育利益相关者的角度考虑个体数字画像和群体数字画像的应用策略，展现基于数字画像的综合素质评价的效用和价值。 三、核心素养视域下的综合素质评价指标体系构建 (一)评价指标体系构建原则 1.科学性原则。科学性主要指评价指标应遵循学生的身心发展规律[5]、中学段教育的特点，学生核心素养以及教育科学研究的基础，制定合理、科学的指标体系，能够真实反映学生各方面的素质，保障指标内容的切实可行。 2.可评价性原则。评价指标具有可评价性，评价结果才具有科学性，才能体现出学生综合素质的个性和共性。所选择的评价指标在实际运用过程中，应采用现有的技术和方法，按照统一的评价标准做出评价，并尽可能定量化或数量[6]学生的表现。 3.全面性原则。评价指标的全面性是指评价要素能够全面反映学生综合素质的表现，体现学生各方面素质的发展水平[7]，凸显学生素质发展的多样性及个体差异性。因此，对综合素质多个子维度的选择既不能遗漏也不能重复，必须从多方面选择多个评价要素，通过多要素综合评价揭示学生综合素质发展的全貌。 (二)评价指标体系构建 核心素养是国家课程理念设计及实施的基石，而综合素质评价在中高考评价制度中是不容忽视的一极，两者都体现对学校教育功能和内容的要求，表达了对教育质量的诉求[8]。这表明整合二者的指标内容是可行且必要的，能够进一步丰富综合素质评价的内涵，使得各指标的具体表现或信息采集点更为明确、可操作。本文将核心素养置于综合素质评价的上位，系统地分析了核心素养及综合素质评价相关政策文件及已有研究，结合二者概念的内涵和外延，构建了核心素养视域下的综合素质评价指标体系，如表1所示，这同时也是本文学生综合素质评价的数字画像的数据项采集和处理的参考依据。该评价指标体系以品德发展、学业发展、身心发展、人文底蕴及实践创新五个方面为基础，延伸出“国家认同”等21个二级维度，并进一步细化至“热爱国家，具备国家观念，知悉国家历史及基本国情，认可国民的身份，主动维护国家主权、尊严、形象和利益……”等68个三级维度。 四、基于数字画像的综合素质评价数据模型 (一)MIPAL五育数据模型 基于上述评价指标体系，并充分考虑不同指标中数据采集的可行性、多维性、丰富性及特殊的技术要求，本文提出了德智体美劳(Morality，Intelligence，PhysicalEducation，Art，Labor)MIPAL五育数据模型。该模型包含德智体美劳五育场景的元元数据模型和元数据模型，元元数据模型所包含的数据要素将供相应场景元数据模型继承和扩展，可细分为五育必选数据项、五育可选数据项和五育拓展数据项。其中，五育必选数据项是指已在全国初高中综合素质评价实践中普遍被应用的数据项，例如电子版综合素质纪实报告中的具体字段；五育可选数据项是指部分条件较好的学校通过多种技术装备采集的数据，如各类在线学习系统、智慧教室中学生学习的细粒度数据；五育拓展数据项是指未来(三至五年后)将引入教育领域的新技术所能采集的数据，如学生的隐私性生物特征数据——人脸数据、指纹数据、声纹数据、虹膜数据等。 (二)五育必选数据项 必选数据项来源于广泛应用的电子综合素质评价纪实报告，根据综合素质评价指标体系，对电子纪实报告包含的具体内容，进行数据量化转变，使得相应行为表现的观测点能够构成数字画像的数据来源，形成对应的数据标签。如品德发展维度，国家认同这个二级指标，可从纪实报告中的学生参加国防、民防的项目次数、累计时长，以及参加党团活动的次数、级别、所担任的角色，是否被评为优秀营员等情况来体现。在国际理解这一指标下，目前的综合素质评价纪实报告尚无合适的数据项能够映射至该维度，表明现有的综合素质评价内容尚有缺失，还有一定的扩充空间。 在学业发展维度，则可以从学生基础型课程各学科成绩、等级考试获得的等级、拓展课程参加次数及课时、研究型课程(课题/项目)总天数等方面予以说明；在身心发展维度，则可以从学生体质测试分数、体质各维度趋势正向发展情况、参加体育比赛项目次数及级别、获得的名次、体育特长项目次数及等级等方面提取相关数据；在人文底蕴维度，可以从学生语文、历史、艺术各科课程分数、艺术各科课程技能测试情况、参加艺术活动项目次数及级别、获奖的名次、参加市级学生艺术团队次数及考核情况等方面进行评价；在实践创新层面，考虑的是学生参与各类实践活动和创新探索的表现，可以从研究性学习专题报告调查其内容撰写质量、课题持续时间、课题采访(请教)过的重点对象人数、指导教师评语等级、报告曾获得奖励的级别、参加科技活动项目次数及级别、创造发明项目数量及所属专利类型、参加市级青少年科学研究院/青少年科学创新实践工作站次数等方面进行数据提取。 (三)五育可选数据项 可选数据项可以基于目前已在部分学校使用的各类学习平台系统，例如作业系统、阅读系统、研究性学习系统、慕课学习系统、实验系统平台以及智能录播系统等，分别依据平台中学生的细粒度行为数据，如操作时长、操作次数、操作完成率、操作正确率以及与他人互动情况等方面，结合相应数据归类到具体的表现中。如学业表现维度，作业平台系统中的学生完成作业的总时长、按时提交作业情况、不同难度题目的有效作答时长等可被纳入作业的参与投入情况；在学习情感维度，学生在阅读平台与他人交流的次数、分享相应作品的情况、积极回答他人问题的次数等可被划分为学生的阅读态度等。 在品德发展的维度，可以通过志愿者服务系统中学生志愿者服务评价、志愿者服务类型，以及德育管理系统中学生眼保健操/课间操得分、值日卫生得分、仪容仪表得分等方面进行数据提取；在身心发展维度，可以通过学生体质健康系统中学生睡眠质量指数、学生跑步速度、学生运动耐力等级、学生体格测量分数、学生体脂率、学生健康行为习惯得分等方面予以评价；在人文底蕴方面，可以通过学生浏览艺术类网页次数及时长、参观博物馆或艺术展览馆次数、电子化海报的制作数量、学生视频拍摄类型、学生视频获赞次数、学生演讲/辩论次数及获奖情况等衡量；在实践与创新层面，可以从实践/劳动组织方对学生的评价、学生技术应用的种类、学生作品得分等方面对学生进行评价。 (四)五育扩展数据项 扩展数据项是从面向未来新技术的教育应用角度出发，遵循相关数据伦理规范，利用物联网、人工智能等新兴技术，采集学生的人脸数据、声纹数据、虹膜数据、指纹数据等生理、心理数据，通过多模态数据构建全方面、立体生动的学生数字画像。以身心发展这一维度为例，可采集如学生的用水、对花草树木的爱护、垃圾分类处理、每天步行以及餐厅用餐情况以描述学生珍爱生命的表现；在健全人格方面，从学生情绪平均指数、帮助他人的次数、学习中注意力集中的时长等观测点予以体现；对于自我管理维度，可从学生使用各类电子设备的总时长、所访问的页面类型、每日计划完成情况等进行相应的数据采集；在人际交往方面，可根据学生与他人交流的情绪总体水平、调和团队矛盾次数等内容作出表述；而在体育表现中，可以从学生每天锻炼时长、锻炼内容、锻炼地点等方面进行描述。 此外，在品德发展方面，可以通过学生参加党团活动时的情绪感受、参观红色基地的次数及行为表现予以说明；在学业发展方面，则可借助如眼动技术、脑电波技术、可穿戴设备等，采集学生课堂情绪指数、注意力集中时长、课堂话语以及作业/考试纸笔撰写工整度等方面的数据；在人文底蕴方面，则可以从学生参观艺术展览馆时的情感水平、沉浸状态、艺术类作品创作时的审美表现等方面观测；在实践创新层面，可以从作品制作时长、信息搜索策略、技术应用熟悉度等方面加以叙述。 (五)数据项分析方法 在进行画像分析的过程中，数据项的类型及特点影响了建模中数据处理方法的选择，不同数据处理方法所观测到的结果亦有所不同。常见的数据处理方法包括聚类分析法、关联规则法，序列分析法以及离群值检测法等，部分研究者还尝试了深度学习算法，如长短时记忆网络算法等。其中，聚类分析法可以依据数据项的相似性将学生划分至具有不同标签的学习群体中，便于找出不同群体之间的差异。关联规则法是一种无监督的机器学习方法，可以找出数据指标之间隐藏的关联关系，发现两件事情发生的关联规律。而时间序列分析法作为序列分析法的一类，能够通过事件发生的时间，掌握事物的发展规律和趋势，进行类推和延伸，预测未来时间线上可能发生的事情[9]。算法选择与应用是建立数字画像的重要步骤，根据各类算法所具有的特性，组合不同算法以实现对数据的深度挖掘，能够较好地阐明所采集的数据项背后的丰富含义。 以五育必选数据项中部分数据为例，尝试构建学生综合素质评价的数字画像。为了直观展现学生综合素质各方面发展情况，根据指标体系所对应涵盖的数据类别，对其进行标签分类，将素质发展水平分为低、中、高三个层次，以简洁明了、通俗易懂的方式命名标签。例如，品德发展这一维度，可依照对应的三级指标数据进行聚类分析，对学生品德修养进行评价，如学生积极参与了相关活动并多次获得先进个人荣誉称号，可称之为品德发展达人，如学生参加了部分活动也曾获得个人荣誉称号称之为品德发展胜任者，如学生较少参加相关活动则称之为品德发展新手。 五、基于数字画像的综合素质评价应用策略 (一)应用于因材施教的策略 在因材施教方面，学生数字画像能够全面、准确、直观地呈现学生各方面的成长状况，体现过程性评价对教与学的指导价值。通过学生个性化的数字画像展现，便于教师对学生的表现和需求有更深入的了解，从而辅助教师及时对学生进行有针对性的干预辅导，改进和调整教学策略及目标，满足学生个性化学习及身心成长的需要，促进其全面而个性化的发展。此外，该画像一定程度上能够帮助校方管理者把握学生未来发展的方向，发现在某些方面具有特殊潜力的学生，预警存有学习困难的学生，为他们提供相应的帮助与支持，关爱每一位学生的成长，贯彻学校个性化办学的理念。 (二)应用于生涯规划的策略 在生涯规划方面，通过学生数字画像各维度的具体发展情况，有助于学生更好地认识自我，对自己有更准确的定位，了解自身各方面的发展水平，发现自己的闪光点，积极探寻自己擅长的领域。在学校及家长的共同帮助及指导