教师教育评价系统提供诊断服务

文/顾小清

教师教育评价系统提供诊断服务

文/顾小清

作为教师教育创新支持系统中的应用之一，教师教育评价系统的设计目标，旨在为教师学习者提供其专业发展的诊断服务。

下一代互联网教师教育创新支持系统是国家发改委为推进下一代互联网业务的应用而委托国内领衔教师教育的几所师范大学合作开展的应用项目。项目的核心目标，是面向北京师范大学、华东师范大学、华中师范大学、东北师范大学等院校的师范生、教育硕士以及附属中小学教师等提供在线的学习支持，并为教师学习者提供终身化的专业发展的学习支持服务，当前受益者为项目范围内的教师学习者用户，未来有望能够使全国范围内更多教师学习者受益。

依托IPv6的高速互联网带宽，教师教育创新支持系统可望实现多个学校之间的资源高速共享；通过对数据层各类资源的组织管理以及应用层各类系统及门户的调用，项目学校的教师学习者有望经由统一用户认证，实现单点登录并获得系统各项应用所提供的学习服务。系统提供的各项应用主要包括在线学习平台、论文指导系统、实习系统与见习系统以及教师评价系统等。作为教师教育创新支持系统中的应用之一，教师教育评价系统的设计目标，旨在为教师学习者提供其专业发展的诊断服务；同时，教师教育评价系统也是一个基于数据的教育决策应用实例，教师教育创新支持系统这一教师终身化专业发展学习平台所累积的数据，有望通过评价系统的挖掘与统计，为教师学习者及教师教育者提供决策的依据。

数据决策

即便是在计算机技术发展的早期，挖掘计算机应用系统中的数据并通过对数据的阐释从而达到为决策提供支持的目的，在信息系统的应用及研究领域一直有着重要的地位。随着计算机运算能力的发展以及数据管理技术的创新，数据决策应用在商业、政治、管理等领域对决策起到了越来越重要的支持作用，也成为在教育领域中进行教育决策的一种主动选择。

教育数据的决策支持应用，是为了将淹没在众多信息系统中的海量数据能够“说话”，也就是为教育领域中的相关涉众提供与他们利益相关的数据统计与分析结果，从而帮助他们作出知情的决策。对于教师教育创新支持系统而言，随着系统的运行并成长为教师学习者的终身化学习平台，在其各项应用中也将逐渐生成大量的并将持续增长的数据。教师教育评价系统作为其中的数据决策应用，正是为了让这些数据“说话”，以便为教师教育领域的相关涉众提供决策支持。就目前的应用而言，教师教育评价系统最为核心的任务，是设计教师知能评估模型。随着项目的推广，如果足够多的教师学习者以此平台作为其终身化专业发展的支持系统，评价系统则有望通过进一步的数据挖掘，为教师教育质量提供进行监测和评估所需的数据阐释，为教师教育的质量保障、资源配置及课程设置等提供决策支持。

数据决策模型

来自教师教育创新支持系统各项应用的众多数据，为提供涉众相关的决策支持提供了数据来源。对于一个数据决策模型来说，需要确定评估模型及其所需要的数据，以及建立进行决策的数据阐释框架。另一方面，由于涉及众多利益相关者，数据决策模型对于不同涉众也会在评估模型及其阐释框架方面呈现些微差异。教师教育评价系统的决策模型如图1所示。

1．教师标准

目前，我国尚未出台教师专业知能标准。为此，我们可以参考相关的国际标准。比如国际培训、绩效、教学标准委员会（International Board of Standards for Training, Performance and Instruction, ibstpi）制定的教师能力标准，反应了教师的核心能力——称职教师所应具备的知识、技能和情感态度。由于这套教师能力标准所描述的教师能力是与教学环境和教学组织无关的一般性技能。无论是在面授环境中进行班级集体式教学，还是在线环境中促进小组讨论学习，称职的教师都应掌握标准中所规定的这些能力。因此，我们采用该能力标准作为教师评价模型的依据：从五个能力维度对教师学习者进行评估。这五个维度包括：专业基础，计划与准备，教学方法和策略，评估和评价，以及教学管理，共包含18项具体的知能要求，以及与这18项知能相配套的绩效指标。

2．参照标准的评估模型

与教师能力相对应的绩效指标，被用来作为对教师的知识和能力进行评估的依据。而具体采用哪些评价的方法，则还需要针对应用情境制定相应的评价方案。

对于操作技能类的评估，最常用的方式是对被评估者在工作场所的实践活动进行观察（实际的或模拟的）、实践演示、提问（与操作内容相关的）、分析第三方或工作单位提供的绩效报告、分析被评估者自己提供的材料（视频、文档、案例研究）等。

以教师知能标准中的“专业基础”维度为例，该维度中的具体知能所对应的绩效指标包括（与他人或群体进行）交流沟通、拓展自身知识和技能以及树立和维护职业声誉等。可采用的评价方法可以包括知识测试、过程观察以及第三方的意见采纳等，如表1所示。

同样以教师知能标准中的“专业基础”维度为例，参照标准的评估模型，如图2所示。其他各位维度同样参照标准，通过教师学习者所表现出来的绩效行为及其结果进行评估。

3．评估数据获取

参照上述的教师标准，能够阐释教师学习者针对教师知能标准的发展现况的数据，需要从分布在教师教育创新系统的各项应用中去获取，主要的数据来源包括课程学习系统、实习与见习系统等。其他的数据来源包括教师学习者提交的用以表明其知能的证据材料，以及来自第三方的意见表达。针对五个维度、18项能力及其相对应的98项绩效指标的数据获取，如图3所示。

4．数据统计及阐释

由于评估模型所涉及的数据覆盖五个维度，来自多个应用，并以知识测试、情境模拟、案例分析、第三方意见及过程评价等多种评价方式获取，因此数据的统计是一个相对复杂的工作。在目前的系统中，采用了对三类评估数据分别进行分类统计的方法：

（1）针对每一个教师学习者，对采用知识测试、情境模拟、案例分析等评价方法所获得的知能评估数据，分别通过知识测试量规、情境模拟量规及案例分析量规进行标准化转换，并分别按照五个维度加以累计进行数据统计。

（2）对于以第三方意见的方式获得的数据，所采用的统计方法是，对被评估者获得的大众点评结果进行统计。

（3）对于学习过程参与情况的评价数据，可以按照参与的应用系统（如实习系统）进行统计，或按照参与的活动（如资源浏览）进行统计。

（4）从教师学习者的自评模块获得的自我评估数据单独进行统计。

以上的数据经过分类统计，可以雷达图、柱状图及折线图等可视化的形式呈现给教师学习者，对于希望了解到自身的专业发展现状的教师学习者，能够获得来自应用系统的知能评估视图，来自大众的知能评估视图，以及来自自我检测的知能评估视图。从决策支持的角度，教师学习者所了解到的自身的知能欠缺，能够成为其今后进一步专业发展定向的依据。同时，与专业发展可视化视图相配合，系统为教师学习者初步地提供了反馈意见及课程推荐建议，如图4所示。图中左上部是教师学习者自我评估结果的可视化呈现，右上部是五个维度之一的评估结果试图，下部则是随时间发展的评估结果变化。

表1 专业基础维度评估方法

另一方面，上述统计数据，进一步按照教师教育者的关注进行统计及可视化呈现，包括按照学校、院系、年级及班级等对来自应用系统的评估数据进行统计，并可视化地呈现所关注群体（如某一个班级）在专业知能五个维度的结果，以及按照时间维度所统计的不同结果的变化情况。对于以第三方意见的方式获得的大众点评数据，也可按照上述的分类统计方式、时间跨度统计方式统计并可视化呈现。

从决策支持的角度，教师教育者所了解到的学习者群体的知能欠缺，能够成为其配置教育资源、设置课程及革新教学方法的依据。同时，与这些可视化视图相配合，系统也为教师教育者初步提供了反馈的意见及课程设置的建议。

提供决策和存在的局限

为了提高教师教育的质量，教师教育的信息化、终身化以及标准化越来越成为教师教育者的共识。基于下一代互联网的教师教育创新支持系统正是为了给教师学习者提供终身化、信息化的学习服务所开发的应用系统，而评价子系统的功能，则主要是为了给教师学习者以及教师教育者提供参照标准的数据，以支持利益相关者做出相应的决策。

另一方面，教师教育评价系统正是试图成为一个利用数据为系统的相关涉众提供决策依据的应用案例。

当然，以一个成熟的基于数据的决策支持系统来衡量的话，目前的系统还存在诸多局限。首先，由于处于开发过程中，系统的多个应用子系统尚未集成，这为数据的获取以及数据获取过程中可能存在的问题带来了不确定性；第二，由于系统尚缺乏足够的用户数及足够的用户数据，目前采取了一种临时性的、较易得到数据结果的统计方法，更为综合的数据统计模型还有待于完善并补充；第三，从决策支持的角度，为相关涉众所提供的决策支持选项目前还较为有限，所提供的反馈和建议也只是处于初级阶段。

(作者单位为华东师范大学教育信息技术学系）