一种精准教学评价与诊断方法及系统
阅读说明：本技术 一种精准教学评价与诊断方法及系统 (Accurate teaching evaluation and diagnosis method and system ) 是由 王敏军 陈常根 贺建兵 葛素儿 于 2021-07-05 设计创作，主要内容包括：本发明公开了一种精准教学评价与诊断方法及系统,方法包括：S1,构建数字化共有题库,重置配套作业,录入数字化资源；S2,构建数字化个性题库,教师自主研发习题,录入并维护教师的个性题库；S3,智能评阅,对批阅作业的结果进行数字化采集；S323,设定时间范围,根据时间范围内的一组学生对应的批阅结果,生成学生学科学业画像和教师学科教学画像；系统包括：共有题库、个性题库、自主出题模块、组卷模块和智能评阅模块,智能评阅模块包括数字化采集单元、过程评价数据生成和运用单元。(The invention discloses a method and a system for accurate teaching evaluation and diagnosis, wherein the method comprises the following steps: s1, constructing a digital common question bank, resetting matched operation and recording digital resources; s2, constructing a digital individual question bank, enabling a teacher to independently research and develop exercises, and recording and maintaining the individual question bank of the teacher; s3, intelligently reviewing, and digitally collecting the review operation result; s323, setting a time range, and generating a student subject academic portrait and a teacher subject teaching portrait according to the reading results corresponding to a group of students in the time range; the system comprises: the system comprises a common question bank, a personal question bank, an independent question setting module, a group paper module and an intelligent evaluation module, wherein the intelligent evaluation module comprises a digital acquisition unit and a process evaluation data generation and application unit.)
技术领域
本发明涉及计算机教学
技术领域
，尤其是涉及一种精准教学评价与诊断方法及系统。背景技术
教、学、评一致性是课程设计和教学实施的基本逻辑，教、学、评一致性关键是教学评价，通过评价来检测课程设计的合理性和教学实施的有效性。
以小学数学学科为例，对系统的功能预以说明：配套作业（本）是指由教育主管部门组织编写、出版，配合教材的作业本，是以教育部颁发的课程标准为依据，基于教材的教学进程，结合教学实际编写的学生用书。配套作业本以检测学生达到课堂教学目标要求的水平为目的，是数学学科教学重要的诊断性评价工具。一般来说，配套作业本的作业是在课堂上完成，教师采用面批或课后集中批改的方式，通过全班或个别反馈的形式进行错题讲评，再由学生进行二次订正，最后教师进行二次批改。
然而，教师对学生的作业情况往往只有临时的印象评判，很难有精准的数据化评价，另一方面，对于传统批阅方式，存在批阅效率低，批阅后的材料缺乏统计、分析等问题，难以帮助学生准确描绘数学学科学习全过程的“成长画像”。
“学材”+“习材”+“创材”是大数据背景下“互联网+”时代的学习材料特征，如何重置作业题库，如何研发高质量的教学习题，如何构建更为有效的数字题库，如何更为准确地推送对应的教学习题，是学业评价的必要环节。人工智能辅助教育教学工作开展已经逐渐走向常态化和精细化，基于教育的人工智能技术，如何利用图像识别、自然语言处理等信息技术，帮助教师实现批阅作业、采集信息、分类数据和呈现结果，也是辅助教育教学的必要环节。
发明内容
为解决现有技术的不足，实现教师评价的精准化和描绘学生学习全过程的成长画像的目的，本发明采用如下的技术方案：
一种精准教学评价与诊断方法，包括如下步骤：
S1，构建数字化共有题库，重组配套作业，录入数字化资源；
S2，构建数字化个性题库，教师自主研发习题，录入并维护教师的个性题库，教师自主研发的习题，是在充分理解课程标准和深度研读教材的基础上进行的，在学科学业评价开展中不可或缺，通过教师的研发的个性化习题，通过教学评价的结果，能够反向检验教师自主研发习题的；
S3，智能评阅，在不改变传统教师纸笔批阅的前提下，实现对批阅作业的结果进行数字化采集，减少教师对批阅结果梳理的工作量，包括如下步骤：
S311，教师选定批阅的学生及其纸质作业本的页码；
S312，通过手写识别板，识别纸质作业本对应页码中，习题的分割手写识别区内的批阅符号；
S313，根据批阅结果，对学生及其习题按可赋分的最小单元进行赋分或不赋分；
生成并运用过程评价数据，联动精准化解析，包括如下步骤：
S321，汇总一组学生的作业批阅结果，分析作业的正确、错误率，锁定高频错题，使教师根据分析结果，反思教学中的不足；
S322，根据错题情况，向学生推送相关知识点的课程、习题，如：微课资源和二次补充作业（习题）；
S323，设定时间范围，根据时间范围内的一组学生对应的批阅结果，生成学生学科学业画像和教师学科教学画像。
避免过程性评价数据丢失的同时，利用过程性评价数据，在时间轴和知识轴的维度，不但可以反映不同时期学生不同类型习题的错题情况，还能反应学生正确题的情况，从而判断出学生对于不同学科、不同知识点的在不同时期的掌握情况及学生的优劣势（包括习题类型的优劣，学习接受能力的优劣，例如短期内便能快速掌握某一类知识），形成学生以学科为单位的学业画像；教师也可以通过学生不同学科知识点掌握的优劣，形成教师以学科为单位的教学画像。
进一步地，基于所述高频错题，进行所述个性题库的录入与维护，在单元视角下，对习题进行不同层次的习题重组，根据学生不同的学习需求，适时推送相适应的习题。配合时间维度和知识类别的维度，针对学生在不同学习阶段、学习热度、遗忘程度的时间节点上，适时推送学生劣势知识点的习题；教师在学生学习画像的基础上，借助精准化学业评价系统收集的精准、有效的数据，深度、细致和准确地分析学生具体的掌握情况，针对学生的认识水平、学识基础、个人天赋等方面，设计最优化、具体化的分层或个别化的辅导方案，以满足不同层次学生的不同需求，精准推送个性化作业，让每个学生在现有学业成就基础上实现最优发展。同时，教师学生对相关习题数据修订，依据学情精准的教学设计，驱动教师的专业发展。
进一步地，所述S3中，对作业本进行初始化，记录习题及其对应的属性，所述属性包括作业本、学科、使用年级、学期、页码、题号、赋分值，根据习题在纸质作业本每一页的布局，分割手写识别区，其中，按可赋分的最小单元分割手写识别区，并记录赋分值，及分割后的手写识别区。
进一步地，所述S323中的学业画像，对学生作业的优良率进行聚类，揭示班级和学生个体对学习效果呈现分布的真相，并根据学生属性、学习过程和学习结果构建学业画像。例如：根据学生年龄、年级、性别、爱好、偏科等个体特征，结合其个人表现、发展远景等作为学生属性，根据以时间维度和知识类别维度的学习过程，以及根据学生作业的优良率聚类作为学习结果，构建单个学生或群组学生（一个班或一个年级）的学业画像；教师也可以根据这些学业画像，精准把握每个年级、班级、学生的学习状态、思维水平，进行动态的评估与调整，以个性化的学习方式来彰显个性化的学习体验，让每个学生的学业成就最优化，从而驱动教师的专业发展。
进一步地，采用K-Means对学生作业的优良率进行聚类，设定A、B、C、D、E五类，设定迭代次数、聚类核，运用K-Means算法进行聚类迭代，根据聚类迭代结果中不同优良率的比例，划分预警的程度，并向没有掌握知识点的同学推送知识点。
进一步地，所述S1中，将配套作业本的每页，基于每一习题进行分割，形成数字化共有题库，让作业本既可以保持原貌，也可以对每小题进行重组，生成新的作业本，或习题集，用于后期的习题推送。
根据权利要求1所述的一种精准教学评价与诊断方法，其特征在于所述S2中，将个性题库共享给共有题库，通过个性题库的共享，扩充共有题库，对共有题库进行更新优化，也便与后续生成统一的作业本，或同学科教师调用，进行组卷，推送学生。
进一步地，通过教师设置学科、年级、学期、知识点及其占比、题型及其占比、共有题库中的占比，从共有题库和个性题库中选题，生成试卷，并按习题的最小赋分值布局，教师对试卷进行审核调整后，按试卷最小赋分值布局，形成分割手写识别区。
进一步地，所述S3中的纸质作业本预设带有学生信息的RFID标识，手写识别板通过RFID标识识别（或手动在软件界面中选择）学生信息，并与其习题对应。
一种精准教学评价与诊断系统，包括：共有题库、个性题库，如图3所示，还包括自主出题模块、组卷模块和智能评阅模块，智能评阅模块包括数字化采集单元、过程评价数据生成和运用单元；
所述共有题库，用于重置配套作业，录入数字化资源；
所述个性题库，用于教师自主研发习题，录入并维护教师的个性题库；
所述自主出题模块，用于自主出题，并录入个性题库或共享给共有题库；
所述组卷模块，根据教师设置的属性，从共有题库和/或个性题库中选题，生成试卷；
所述数字化采集单元，用于教师将选定批阅的学生及其纸质作业本的页码，通过手写识别板，识别纸质作业本对应页码中，习题的分割手写识别区内的批阅符号，根据批阅结果，对学生及其习题按可赋分的最小单元进行赋分或不赋分
所述过程评价数据生成和运用单元，汇总一组学生的作业批阅结果，分析作业的正确、错误率，锁定高频错题，根据错题情况，向学生推送相关知识点，设定时间范围，根据时间范围内的一组学生对应的批阅结果，生成学生学科学业画像和教师学科教学画像。
本发明的优势和有益效果在于：
本发明通过教师自主研发的习题，并进行共享；在不改变传统教师纸笔批阅的前提下，实现对批阅作业的结果进行数字化采集，减少教师对批阅结果梳理的工作量；避免过程性评价数据丢失的同时，利用过程性评价数据，在时间轴和知识轴的维度，不但可以反映不同时期学生不同类型习题的错题情况，还能反应学生正确题的情况，从而判断出学生对于不同学科、不同知识点的在不同时期的掌握情况及学生的优劣势，形成学生以学科为单位的学业画像；教师也可以通过学生不同学科知识点掌握的优劣，形成教师以学科为单位的教学画像。
附图说明
图1是本发明的系统及其数据集成平台图。
图2是本发明中智能评阅的流程图。
图3是本发明的系统部分模块结构图。
图4是本发明中通过聚类进行分析与预警的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
基于大数据的智能学业评价，是借助“人工智能+学业评价”的信息化手段构建的数据集成平台，如图1所示，依托于传统纸媒和智能批阅相结合的技术、智慧学习平台、人工智能监控等多方支持，充分发挥评价数据的诊断、评估、预测、预警和决策作用，通过精准化的学业评价，驱动教学实施的改进，提升教学质量。
本申请的系统，整个操作流程借助信息技术软硬件的支持，收集、积累有效的教学全过程的纵向数字化习题库，精准化解析与改进可视化评价。基于自主命题形成个性题，重置配套作业，形成共有题库，借助智能批阅联动深度解析基于多维分析驱动教学，通过改进，基于过程数据，精准推送作业，推送精准表单。生成成长画像数智学业评价，诊断、评估、预测、预警、决策、展示数据，和学科学习全领域的横向发展数据，通过智能化的数字评价，促进教师形成智能化数据采集能力、数据分析能力、诊断能力、反馈能力、改进效果评价能力，实现教、学、评一致性，形成学生学业成长的“数字画像”，高效助力学生成长。对教师的教学成果形成“数字画像”，高效驱动教师的专业发展。
一、精准研发习题，构建数字化题库
1、重组配套作业，形成数字化共有题库
以小学数学学科为例，对系统的功能预以说明：配套作业（本）是指由教育主管部门组织编写、出版，配合教材的作业本，是以教育部颁发的标准为依据，基于教材的教学进程，结合教学实际编写的学生用书。配套作业本以检测学生达到课堂教学目标要求的水平为目的，是数学学科教学重要的诊断性评价工具。
一般来说，配套作业本的作业是在课堂上完成，教师采用面批或课后集中批改的方式，通过全班或个别反馈的形式进行错题讲评，再由学生进行二次订正，最后教师进行二次批改。教师对学生的作业情况往往只有临时的印象评判，很难有精准的数据化评价，难以帮助学生准确描绘数学学科学习全过程的“成长画像”。
为了让过程性评价数据链清晰可见，为了让数据驱动改进教学，在数字化评价系统中，对配套作业本进行重置，也就是将配套作业本的资源借助数字化手段录入到系统中，在录入的过程中对每页作业本进行分割，让作业本既可以保持原貌，也可以对每小题进行重组，形成数字化共有题库。教师在使用以配套作业为核心资源的共有题库时，一般可以采用两个层级进行：首先是初始化使用，即教师布置学生完成《数学作业本》的一课一练，采用人工智能的方式批阅，让系统随机记录每名学生每小题的答题情况。其次是精准化使用，即结合配套作业每道习题的正确率锁定高频错题，在单元视角下，对相关习题进行不同层次的习题重组，根据学生不同的学习需求推送相适应的习题。
2、基于自主命题，形成数字化个性题库
教师的自主研发习题，在数学学科学业评价开展中不可或缺，需要思考“评什么”和“怎么评”两个核心问题。“评什么”指向评价目标，清晰系统的目标可以确保有效的学情评估，有效的学情评估可以确保精准的教学推进。一般来说，需要教师在充分理解课程标准和深度研读教材的基础上进行。双向细目表是习题研发的“导航”，让习题设计精准有效。
这一类由教师自主研发的习题，在数字化学业评价系统中，设置为教师的个性数字库，教师根据自有账号登陆系统，可以随时录入相应的习题，也可以随时修改、完善已入库的习题，在使用时可以根据知识点或能力点组卷，是对配套作业共有库的补充，同样也可以实现。
二、借助智能批阅，联动精准化解析与改进，如图2所示
1、借助智能批阅，实现数字化采集（这里没有提到智能批阅的具体技术手段，例如：识别学生答复内容，与正确答案进行匹配，判断是否正确，记录本次批阅中每题的对错，将正确的提的分值累加，推送学生家长/老师…）
在构建精准化学业评价系统的平台基础上，利用人工智能设备和技术对传统的学生作业本进行批阅和数据采集。通过开发作业智能批阅，在不改变传统教师纸笔批阅的前提下，实现对批阅作业结果的数字化采集。
智能批阅总体框架是以作业本（试题库）为核心，对作业（试卷）进行数据采集、数据处理和智能评阅分析。开发作业智能评阅能较大程度减少教师对批阅结果梳理的工作量，学生学习过程中的知识短板和教师教学过程中的方法缺陷，能及时发现并反馈给学生和老师，能极大提高学生的学习效率和改进教师的教学行为。
2、生成评价数据，联动精准化解析
在传统的评价管理系统中，由于缺乏过程性数据的积累，对学生的生成情况把握不精准，往往会造成“反复讲，反复错”的现象。同样的题型反复出现，但每次总有 30%～20%左右的学生出错，这种现象可能是因为过程性评价数据丢失，教师教学反馈不精准所致。基于数字化学业评价系统，这种现象将得到改变。
在数字化评价系统中，借助智能批阅，收集学生每次作业每道题的数据，通过对“时间轴和知识轴”两个维度的数据整理。在对采集的数据进行评估解析时，我们可以从以下四个维度来进行：描述性分析，通过数据分析我们看到或知道了什么；诊断性分析，深挖数据背后隐藏的可能原因；评估性分析，学生在学习中可能会遇到的问题；反思性分析，通过数据分析可以获得的启示。教师在运用基于配套作业共有库的基础上，年级组自主研发习题，诊断学生对知识的理解与应用水平。
通过四维分析法，可以让教师充分理解数据，充分发挥数据的预测、诊断、预警和决策作用。借助精准化学业评价系统提供的精准、有效的数据，多维度分析数据，驱动教师自我评析课堂教学行为，改进下一阶段的课堂教学行为和个别化辅导中方案调整。
3、运用评价数据，驱动精准化教学
数字化评价系统在一定区域下推进，系统中的每道题都会有班级、年级的、全区的正确率，还会有年度正确率和累计正确率，可以实现大数据驱动下的教学精准化实施。
三、精准学业评估，可视化学习图像与跟进
根据因材施教原则，通过学生作业结果的呈现和分析，教师可以据此对学生的学习过程和学习结果的进行有效性判断，以便在下一轮的教学中对教学内容、教学方法和学习方法进行合理调整，改进教学关系，实现教学评三位一体。
1、完善学习画像，实现可视评价
遵循作业情况的标记，引用K-Means的群体分类，通过迭代方法，逐步更新聚类中心，实现最佳聚类结果。凭据对学生作业正确率的聚类，揭示班级和学生个体对学习效果呈现分布的真相。依托精准化学业评价系统采集、处理的数据和根据学情精准教学后的结果，根据学生学习的属性、学习过程和学习结果数据构建画像模型，并基于此设计了精准个性化学习路径规划框架，实现可视化评价。学生学习画像的刻画主要包括个体特征、个人表现、学业成就和个人发展愿景四个层面，让学业评价可视化，如图4所示。
基于大数据的可视化学业评价，可以确保每一位教师在精准分析每一位学生的学业水平的基础上设计与改进后续教学；另一方面也确保学校管理者在精准分析每一个任课教师的对比数据基础上，生成全体学生在各年级学习情况全过程纵向评价数据、给学生（家长）推送精准的可视化评价表单，实现评价信息的即时反馈与交互，让学生根据自己的学习画像正视自己学习中遇到的困难和错误，找到自己的“最近发展区”。
2、基于个性数据，精准推送作业
教师在学生学习画像的基础上，借助精准化学业评价系统收集的精准、有效的数据，深度、细致和准确地分析学生具体的掌握情况，针对学生的认识水平、学识基础、个人天赋等方面，设计最优化、具体化的分层或个别化的辅导方案，以满足不同层次学生的不同需求，精准推送个性化作业，让每个学生在现有学业成就基础上实现最优发展。同时，教师学生对相关习题数据修订，依据学情精准的教学设计，驱动教师的专业发展。
综上所述，基于数字化智能评价系统的精准化学业评价实施，需要经历数字化习题库构建、精准化数据解析与改进、可视化学业评价等环节，需要经历数据收集、数据分析、数据决策、调控修正的全过程，在不改变纸媒应用（如学生答题用纸质作业本或学习单）的基础上，借助人工智能设备（如智能识别等）实现智能批改的功能，再结合系统生成的可视化评价数据进行描述性、诊断性、预测性与决策性分析，让数据驱动教学改进，实现精准化教学的同时，实现精准化的学业评价，让每一个学生都拥有独有的“学习画像”。教师可以根据这些“学习画像”精准把握每个学生的学习状态、思维水平，进行动态的评估与调整，以个性化的学习方式来彰显个性化的学习体验，让每个学生的学业成就最优化，从而驱动教师的专业发展。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种VR多人协作模拟灭火方法