面向“四新”建设的高校富媒体在线考试模式探赜

张慧琴

（中国矿业大学外国语言文化学院，江苏徐州 221116）

一、引言

高校“四新”建设面向当前我国高校的交叉学科和知识融合等发展需求，与学科专业优化、创新能力提高、产学研用结合、时代新人培养等有着紧密联系。新冠疫情给我国带来前所未有的挑战，各高校教育教学也面临着很多新课题、新需求。在现代信息技术与高等教育教学深度融合的背景下，线上线下混合式课程顺利开展，在线考试成为后疫情时代校内线下考试的必要补充。随着我国新冠疫情的结束，生产生活都在逐步恢复正常，高校教育教学和各种考务工作也在逐步恢复正常，但是不能忽视后疫情时代在线考试给高校教育教学带来的重要补充作用，而且，随着教育部提出的教育数字化战略行动，高校会继续加大智慧课堂、网络课堂等的开展力度。因此，高校在线考试仍值得进一步研究和借鉴，而且会继续成为后疫情时代校内线下考试的必要补充。

富媒体是指包含了字符、图片、文本、视频和声音等多种元素的媒体形式。富媒体技术有利于解决在线考试的内容单一、不能与线下考试相吻合等问题。为深入学习贯彻习近平总书记关于教育的重要论述，深化新时代教育教学改革，促进现代教育信息技术与教育教学的深度融合，推动教育资源共享，结合高等教育改革发展实际，高校应不断提升教育数字化整体水平。在“四新”建设背景下，高校积极探索课程在线考试的新模式具有重要意义。随着云计算、大数据、物联网等新技术不断涌现，各行业信息化步伐不断加快，社会整体信息化程度不断加深，信息技术对教育的革命性影响日趋明显。2019 年，中共中央、国务院印发的《中国教育现代化2035》提出，要加快信息化时代教育变革，利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合。鉴于富媒体技术丰富的表现形式，研究后疫情时代富媒体在线考试的模式，解决富媒体在线考试的题型扩展、体系结构、全流程设计和智能评阅等问题，形成富媒体在线考试的支持体系，并基于在线考试系统进行部署和实践，可形成便于推广的富媒体在线考试应用案例，有效助力高等教育数字化发展。

二、国内在线考试研究现状与校内实践

（一）国内在线考试研究现状

考试数字化作为教育数字化的重要组成部分，是从数字化社会发展角度思考人才评价和考试实施、创新评价工具和考试内容、优化和升级传统考试环境、推动考试体制和机制创新，最终建立适应智能时代的现代化考试体系的过程。其中，在线考试的狭义定义可理解为：利用计算机、网络和数据库技术生成试卷，应试者通过浏览器或客户端登录某个专门设计开发的考试系统来完成作答，系统自动批阅、评分并反馈的新型考试系统[1]。

针对在线考试的理论问题，汪张龙等人研究了新基建背景下考试数字化转型的路径与前景，提出了新一代考试数字化应用框架，阐述了考试数字化的6 个应用场景：智能题库、智能语言测试、智能化机考、智能评卷、德智体美劳综合素质评价和智能化教育考试管理[2]。郭静等人针对临床线下考试存在的程序冗杂、知识面缩水和突击现象严重等问题，构建了医学院校临床考试系统网络平台，该软件系统包括账号系统、题库管理系统、考卷编辑板块和系统设置板块等，并注意采集临床中典型示例作为素材（包括典型体征、心电图、超声图、X 线、内镜图像、病检标本等），使抽象概念形象化[3]。赵明探讨了在线测试与语言教学的耦合关系，提出语言教师在合理利用大学英语网络课程平台的同时，要加强语言测试行为与语言使用的联系[4]。谢建生等人介绍了常州大学首次“大学物理”课程数字化考试试点工作，认为在线考试节省了阅卷工作量，提供了对教学很有参考价值的考试数据，为教改提供了比线下考试更为全面的数据支持[5]。

在考试数字化系统的开发研究方面，赵红晓基于B/S 框架和JavaScript 等技术开发了材料力学实验在线考试系统，描述了在线考试系统的开发工具、教师管理模块、学生管理模块和管理员模块的功能，实现了实验课程的无纸化考试，提高了考试效率[6]。针对在线考试的灵活组卷需求，王晶晶开展了网络化考试系统的算法分析和模块研究，对比了基于优先权策略的组卷算法、深度与广度搜索算法、回溯组卷试探算法和基于遗传算法的组件算法等，给出了生成随机试卷的运算流程图，为在线考试的随机组卷提供了算法和技术支持[7]。何曼分析了基于在线考试数据的智能阅卷系统现状。当前的在线阅卷，教师不需要统一集中阅卷，只需在有网络的地方登录网页，进入系统查看电子图片，手动操作鼠标就可评阅。评阅完成后，系统自动进行成绩统计和数据分析工作，减轻了教师阅卷工作量[8]。但是，教师基于图片的阅卷也存在标注困难、批改记录难以保存和视觉疲劳等问题。泛在智能阅卷系统是基于图像识别、互联网、云计算与大数据分析的智能阅卷系统，不仅适用于各院校/机构的阅卷，也能解决多层级、跨学校的智能阅卷难题，实现全流程监管和成绩自动分类汇总。

在在线考试的应用实践方面，赵琳等人分析了大学英语期末机考实践中的优势与问题，指出机考具有经济环保、高效公正的优势，但也存在加大了审题的工作量、增加了监考的工作量和主观题机阅有待改进等问题[1]。刘春鱼介绍了iTEST（大学外语测试与训练）系统的功能特征、组成结构和应用特点，基于iTEST 系统建立该校的大学英语题库，开展在线考试、考后的数据分析，并采取措施有效避免学生作弊[9]。周敦凯介绍了采用iTEST 测试系统进行无纸化大学英语入学分级考试的案例，通过题库建设、组织考试和阅卷分析与统计等步骤，实施了在线考试，并发现主观题自动批改存在问题，因此，采用客观题系统评阅、主观题教师评阅的方式进行[10]。

（二）在线考试的校内实践

以中国矿业大学为例，“十三五”和“十四五”建设阶段，学校高度重视在线考试平台的建设与实践工作，目前，取得了良好的工作成效。学校已购置iTEST 系统、超星学习通系统，同时部署国家智慧教育平台，这些高性能云计算系统具有支持大规模远程在线考试的能力，为富媒体在线考试模式的研究与实践提供了充足的平台基础。截至目前，学校已成功使用iTEST 系统对学生进行大学英语分级考试，实现6 000 多人的同步在线考试。2022年，中国矿业大学外国语言文化学院成功组织了“语音的故事”课程在线考试，考试采用iTEST 系统软件和腾讯会议，利用iTEST 系统提供的在线试题，同时采用iTEST 系统本身的防切屏和基于腾讯会议的二机位视频法，最大程度地防止学生作弊，为后疫情时代在线考试工作提供了全新思路与实践案例。

目前，中国矿业大学已开设100 多门基于校内智慧教育平台的中国大学MOOC（慕课）课程，产生了良好的国内外影响力。随着中国大学MOOC（慕课）课程建设力度的加大和“慕课西行”计划的推广，越来越多的校内外学习者需要进行远程在线考试。这就要求中国矿业大学必须加强在线考试系统建设能力，构建适合多课程类型、融合多媒体手段的云计算在线考试平台及其实施体系。

从当前在线考试系统的支撑平台和使用情况来看，中国矿业大学已经充分认识到在线考试系统的重要性，并已开展了诸多在线考试工作尝试，积累了宝贵的经验。从平台视角来看，中国矿业大学已部署iTEST 系统、超星学习通和国家智慧教育平台等基于云计算和大数据的在线考试系统；从使用情况来看，已应用iTEST 系统开展了2021 级学生英语摸底考试等，解决了后疫情时代进行较大规模考试的聚集性问题，同时也大大提高了考试的效率，简化了考务组织过程。

但是，当前在线考试面临的问题是，考试的题目类型较为简单，限于单选题、多选题、判断题、简答题和主观作文题等形式，对于一些专业课程所要求的手写计算题、论述题和绘图题等则缺乏良好的网络交互表达策略。这迫切需要高校进一步探索和研究能够包容更多、更为优化的在线考试模式。

三、当前在线考试系统存在的主要问题

文章通过分析国内的在线考试现状，发现当前在线考试系统存在的一些问题，主要集中在以下几个方面。

（一）试题形式较为单一

目前，在线考试的题型很难适用于量大面广的专业课考试，亟须扩展智能化机考的题型，而正在使用的在线考试系统仅能提供选择、判断和简答等数值与文字类题型，难以支持推导计算、绘图、手写综述分析和视频/声音等交互题型。

（二）在线考试还未深入接触富媒体技术

教师需要基于高校已有的在线考试系统，根据各专业课在线考试的需求，设计规划融入富媒体技术的在线考试全流程，即采用富媒体理念，使课程在线考试支持包括选择、判断、手写计算、手写作文和手写论述等试题题型与回答形式，进一步融合支持视频和声音等形式的题型。

（三）富媒体在线考试与智能化阅卷的耦合问题

当前，在线考试系统对于客观题的评阅一般具有快速、稳定的特点，但由于图像识别和智能分析能力的不足，难以满足试卷中主观题的评阅需求。怎样优化系统的智能评阅模块，设计人机交互评阅策略，满足智能评阅准确度需求，把教师从繁重的主观题评阅工作中解放出来，是高校在线考试平台需要研究的重要问题。

面向“四新”建设的高校富媒体在线考试模式，解决了传统在线考试题型限制的问题，把富媒体理念引入在线考试的试题发布和试卷回收环节，将计算、综述等难以数字化表达的题型纳入在线考试范畴，能够为面向多学科、多专业的在线考试的推广提供理论、技术与平台基础，有力推动高校考试数字化工作的深入发展。同时，通过具体研究富媒体在线考试的体系结构与全流程形式，以及在线考试主观题智能评阅与人工评阅的协调机制，采用人工智能与教师评阅相结合与促进的方式，可以在大大减轻教师阅卷工作量的同时，有效提高考试系统智能化程度。

四、富媒体在线考试的具体研究内容

（一）研究富媒体在线考试所支持题型的扩展问题

当前的在线考试系统已普遍支持选择题、判断题和文字简答题等便于学生使用键盘输入答案的题型，考虑到笔记本、手机、平板等多终端在线考试的可能性，选择题和判断题成为了最简便的在线考试题型。但是，从多学科、多专业的视角来看，有些专业需要采用分析和计算步骤回答计算设计题，而对于综合问题的论述有些专业需要文字表述，有些专业则需要采用视频或声音等方式来展现课程考查结果。在以上这些题型中，手写文字、公式或计算的作用是不能被取消和替代的。

通过调研高校多学科、多专业线下考试的试题特点，如矿业工程、机械工程、理学、文学和艺术等学科，分析线下考试题型的集合，找出与在线考试支持题型的交集。重点发掘当前在线考试所不支持的题型，探索用富媒体手段解决该类题型即时回答与上传系统的策略与可行性，从而通过题型的融合，拉近在线考试与线下考试的距离，提高相似度，使考试数字化工作高效服务于面向能力提高的高校人才培养目标。

（二）研究富媒体在线考试的体系结构与全流程设计

分析当前云计算在线考试系统的体系结构，根据富媒体在线考试所支持的扩展题型，采用题干二维码、手写答案上传和答案图片初步校验的策略，实现在线考试中计算题的手写回答与系统交互，同时，在线考试试题中题干的富媒体设计，除文字、数值外，还可以使用图片、动画等形式展示背景资料，更适合综合分析类的题型，有利于强化题目的应用背景。

在以上研究的基础上，教师向系统开发方提出高校富媒体在线考试的需求：基于已有的系统体系结构进行扩展，构建出适合多样化题型与人机交互方式的富媒体在线考试系统的体系结构；针对不同学科专业的在线考试场景，设计在线考试的全流程形式，形成不同流程形式的相似度和差异度的对比方案，为提高在线考试系统的适应性和可推广性提供基础设计方案支持。

（三）研究主观题智能阅卷/人工阅卷的耦合机制与融合策略

使用基于云计算的在线考试，要逐步把人工智能技术用于主观题的审阅，提高智能批阅算法的准确率。例如，当前的英语作文评阅，通常采用完全教师评阅或智能评阅—教师复核的评阅策略，无法有效减轻教师评阅负担。因此，需要结合在线考试系统能力，采取主观题智能评阅—人工评阅相结合的策略。教师可通过开展全人工评阅、智能评阅—人工复核、两评阅方式的准确率对比等实验，找到系统智能评阅准确率的适用范围与提升空间。

依据实验数据，向云计算考试系统开发商提出智能阅卷的准确率提高标准和应用场景，为高校在线考试系统的改进提升提供参考依据。通过不断的系统迭代，设计主观题智能评阅与人工评阅的耦合机制和融合策略，再通过不断的在线考试应用实践，提升高校云计算在线考试系统的智能化水平。

鉴于以上的研究内容，高校富媒体在线考试模式可以采取分阶段开展工作、考试实践迭代和理论提炼总结的方法有序进行，各实施阶段描述如下。

第一阶段，以富媒体在线考试模式的体系结构建设与实施方案为目标开展富媒体在线考试题型的研究工作。作者调研了中国矿业大学工科、理科、文科和艺术类等专业的基础课和专业课考试形式，通过考试样卷汇总，分析不同题型的分布和应用范围，厘清不同题型的线下回答方式；对比线下考试所支持题型与在线考试当前支持题型，获得其共同点和差异信息，对于有差异的计算题、绘图题、综合分析论述题和演示题等，分析该类题型的在线考试呈现形式；采用富媒体技术，设计主观题题干的多媒体表达形式，以及主观题基于手写、绘制或视频回答的线上呈现方式。作者通过研究发现，当前在线考试系统针对题型的扩展支持需求，设计考试过程中扩展题型的人机交互方式，为各学科专业在线考试向线下考试的形式靠拢，提供了题型及其交互方式的研究基础。

第二阶段，分析云计算在线考试模式的体系结构和模块化特征，得出在线考试中对于富媒体题型的交互方式支持方法，以及将富媒体题型融入在线考试平台的策略，从而提炼总结出富媒体在线考试的体系结构。

采用全流程设计理念，研究基于云计算考试平台的富媒体全流程考试方式，提出富媒体题库设置、富媒体题型终端—系统交互方案、在线考试监考策略和试卷评阅的考试大数据分析策略，构建富媒体在线考试的全流程支持体系，进而开展富媒体在线考试实验验证。

第三阶段，设置不同富媒体题型的评阅策略试验，如机器扫描+人工阅卷、智能阅卷先验+人工阅卷检查、智能阅卷与人工阅卷对比准确率等，通过不同阅卷方式的对比试验，探索出高效、准确的在线考试主观题阅卷路径。同时，基于海量人工阅卷样本模式，提炼阅卷设计需求，联合云计算考试系统提供方完善基于机器学习和人工智能的富媒体题型智能阅卷模块，为提高在线考试系统的智能阅卷准确率，提供优化的需求方案、阅卷方案和批改样本大数据，共同促进智能阅卷系统的提升。

五、结束语

综上所述，将富媒体理念融入高校在线考试系统，扩展了在线考试所支持题型的形式，使得在线考试与传统线下考试进行了有效融合；依托已有的云计算在线考试系统，构建了富媒体在线考试系统的体系结构，设计了富媒体在线考试的全流程形式；研究在线考试中主观题的智能评阅与人工评阅的耦合问题，探索智能化与人工评阅的结合路径，为提高系统的智能评阅准确率提出了建议，为“四新”建设的教育数字化、智能化提供了发展动力。