近年来，高职院校对学生的客观评价主要还是依赖知识和技能的客观成绩表现，主观评价又完全依赖于教师、辅导员对学生的主观印象，这就导致学校对学生的评价在创新力、心理素质、性格以及德智体美劳等方面存在一定程度的测评失真，与学生的客观表现不符。

同时，传统的评价体系标准固化，而学生的成长过程是动态变化的，当传统评价标准的结果产生后，反而会对学生的发展有一定的限制作用。因此，必须要有一个动态的评价机制和对应的系统实时调整评价结果，激发学生潜力，提高人才培养的效率。

结合学生在校的行为表现、心理变化以及对成绩的分析，我们把学生“成长画像”定义为通过对学生的学业素养、思想品德、身心健康、艺术素养、社会实践、获奖情况、遭受处分、担任职务等表现进行全方位测评。


【资料图】

在测评的过程中充分利用学校积累的学生日常管理数据，以及通过物联网、微表情等技术手段多维度地采集数据，以数字基座为核心，聚焦数据要素，利用大数据技术从不同的评价维度进行分析与挖掘，生成学生成长报告，通过清晰、直观的图表形式及时地反映学生学习和成长过程中的情况，最终搭建学生成长画像场景。

系统构建过程

结合学校实际情况以及充分考虑未来发展需要，对系统整体规划设计。建设完成一个集数据采集、数据分析、自动评价统计等功能于一身的在线测评系统。如图1所示，学生画像系统整体架构设计为四个层级，通过有效的层级结构划分，全面展现总体框架的设计思路。

图1 学生成长画像整体架构

第一层级为基础层，通过云计算、大数据、物联网、人工智能等新型的基础设施，完成网络环境建设、云计算主机建设、无感知数据采集终端建设等场景搭建，是学生成长画像系统的基础保障；

第二层级为数据层，负责对数据进行汇总、存储、处理、标准化等，探究数据内在关系，进行多维度的效果分析和结果输出，提供有效的大数据分析；

第三层为应用层，是整个系统的核心建设内容，将数据层所获取的各类数据进行应用场景的包装、建模和场景设计，从心理健康、教学分析、学习学情分析、综合素养分析、体育体能分析、学生成长分析等维度展开建设；

第四层为展示层，最终呈现的形式将通过用户空间方式展现，不再仅仅是以内网门户和外网门户来区分，而是真正面对用户，根据学生、教师、管理者等不同角色的使用者的需求来进行个性化的门户定制。

系统主要实现方式为基于Apache Flume架构构建的大数据采集分析平台。通过评价体系建立的多维度数据模型，有计划地发起不同类型的评价任务，注重阶段性和结果性评价相结合，对学生的综合能力指标进行科学全面的分析，并进行标签化建模，运用教育学、心理学、神经科学、生理学、运动科学等新的分析模式，联合学校数字化校园全生态的信息化建设场景，采用全态势、全要素、全时空的数据采集方式，清晰地了解学生的学习特性、学习状态与成长特点，勾勒出详尽、真实的个人数字画像。

通过立体的学生画像展示，让教育不再硬性地改变学生，而是根据每个学生的个性、特点、兴趣及潜力更加全面客观地看待每一个学生，找到更加适合学生成长的途径。

系统实现的流程主要分为评价体系标准建设、数据治理与对接、成长画像绘制以及成长报告动态展示。分解高职院校现有的评价指标体系，根据学校实际需求制定满足学校特色的评价指标，过滤和筛选出有价值的数据作为评价指标的数据来源，利用科学的模型勾勒出学生成长的基本画像。

评价体系建设

依据学校对于学生的综合评价需求，整理分析现有高职学生综合素质评价体系，对现有的评价指标分类细化，制定评价方法、评价过程，并找出针对所需数据源的治理方案，最终获得评价结果。

在制定评价框架的过程中，需要细分多学段指标、不同年龄段指标，以及不同专业学生职业发展指标，总结长期从事一线教育工作者的教育专家的实践经验，制定具有鲜明特色的指标体系，为学生的个性化评价带来依据，打造出创新教育的多维度评价体系指标。

数据治理与对接

关于学生成长数据治理的流程如图2所示，依据各项评价指标所需的数据，深度挖掘高职院校现有的信息系统内的相关数据，解决校园数据信息孤岛问题，通过直接或间接的方式得到所需数据源，建立统一的基础数据库，包含学业数据、校内活动数据、家校互动数据和综合素养数据，并借助第三方系统及物联感知设备进行数据采集与分析。

例如通过微表情技术可以连续完整地采集评测学生上课时的表现，实时分析课堂授课气氛、师生互动情况，形成针对每位学生注意力和课堂活跃度等的听课数据集，为课堂评价体系提供学生课堂行为评测的新思路。

经过治理过的数据与细分评价指标一一对应，再根据系统初步计算得到的结果反复优化数据权重比和算法，以得到相对科学、公正的计算结果。

图2 学生成长数据治理流程

成长画像绘制

根据不同场景和不同维度展开数据分析与建模，比如学习成绩分析、思想品德分析、职业技能培养分析、专业技能竞赛能力分析、就业分析以及科学的预警分析等，依据高职院校学生管理实际情况制定初步的数据权重及“成长画像”的各项指标得分算法，并对得分情况抽象汇总出画像标签。

不同的管理部门和不同的使用场景生成不同的学生画像，例如学生的就业画像，可以通过雷达图展现对学生学习能力、学习成绩、专业知识、学习能力、提炼能力、沟通能力、团队影响力、执行力等的综合评价，以此突显职业技能培养在高职院校的优势，更好地匹配就业岗位需求。

数据展示系统建设

依据高职院校不同学生管理部门的需求对各项数据的结果进行抽象标签处理，最终实现动态画像展示，包括德育评价展示、智育评价展示、体育评价展示、美育评价展示、劳育评价展示，以及“三全育人”人才培养展示、技术能力展示、专技能力展示等全维度的数字化呈现，同时通过科学的指标体系对整个职业教育教学能力进行分析诊断，并形成测评报告，系统化、结构化地为学校提供专业的发展建议，作为职业教育因材施教的依据，促进职业教育教学改革不断深化。

系统构建效果

确立精细化分解评价指标，利用学生的日常数据、学习学业数据、行为分析数据、职业技能数据以及通过感知获得的外部数据进行分类评价。

通过多模态、多维度的数据画像模型，归一化数据处理并合理分配数据权重，科学公平真实地利用数据生成画像，实现能够识别在某些方面体现二极化的学生、分析学生日常行为的系统，将管理从面向学生群体转变为面向特殊学生提供个性化的教育和关怀。

帮助学生认识自身发展的优劣势，发现学生成长过程中的变化，反映学生掌握技能的水平，提高学生就业质量。

依据所建立的评价体系指标，查找各信息化系统在现有学生管理流程中存在的数据缺失环节，查缺补漏，迅速分析短板，有针对性地提升信息化整体水平。

科学、合理地规划学生职业生涯发展，在实现学生全学业周期在校数据管理的同时，全方位地展现学生的综合竞争能力。

系统构建意义

一是合理评价高职学生的综合素质。系统采用发展、动态的评价方式帮助学生了解自身某一阶段的思想品德、学科知识、文化素养、学习能力、生活习惯、学习兴趣、职业技能等发展情况，科学全面地阐述各项评价指标，反映学生综合素养。

二是促进高职学生综合素质的完善。在获得自身综合素质合理评价的基础上，加深对自己的了解程度，发现自己的潜力，认识自己的弱点，建立更明确的学习目标，做到有的放矢，从而不断促进综合素质的完善。

三是提供合理的职业生涯规划。以大学生培养计划为基础，构建学生核心知识、核心能力与核心素质，通过学生能力评价的成果，与就业方向紧密结合，引导学生学习与就业；可直观展现学生成长轨迹，发现学生潜在优势，发挥自身特长，实现对学生成长过程的展示与激励。

本文系上海市教育委员会 2020 年度立项项目“通信技术专业教师教学创新团队”的研究成果。

来源：《中国教育网络》2023年5月刊


关键词：