大數據下的試卷挖掘和命題要求
考試研究
作者：張籍
摘 要： 對於教育評價，我國教育目前大多是以診斷性測試作為教育評價的主要依據。它能夠比較準確地反映學生一階段內的學習情況，並以分數的形式呈現。但大數據時代下的試卷挖掘，能賦予試卷新的內涵。
關鍵詞： 大數據 試卷挖掘 命題要求
一張不起眼的試卷，最多不過100道題。同樣的成績能代表同樣的學業水平嗎？除了知識點的掌握外，我們還能從中發現什麼？一樣丟掉10分，有的學生可能是基礎性分數一分不丟，失分在綜合題上，有的學生則可能從頭到尾，全部失分在審題疏忽或者迷惑性選擇題上。這就帶來兩種完全不同的診斷結果。前者是對多知識綜合運用水平不足，後者是對精細閱讀缺乏辨別。這就要求老師跳出分數乃至題目所考核的知識點的束縛，對試卷進行深度挖掘。
一
試卷挖掘是在挖掘什麼？
首先，從縱向上分析。從學生自身單次單科來看，一次考試除了成績外，我們還能讀出什麼？除了知識點的掌握外，學生理解、記憶、運用的水平，以及分析、評價、創造的能力才是分數之外的重點。對學生的能力關注，正是素質教育倡導的核心。我們暫且將這些能力作一個數值，以示區別。然後，從學生自身單科一段時間的考試來分析，靜止的各能力水平數值會成為一組變化曲線。這條曲線除了表示能力的波動（或提高，或受影響）以外，還能和學生學習行為及日常行為結合，從而對學生學習的主要特征、學習行為特點、學習行為的影響因素及其所帶來的學業結果進行分析。根據所分析的結果，掌握學習者的學習規律，優化學習過程，強化學習效果，提高教育質量。
深入一些，從學生的綜合學習水平，也就是學生所學的全部科目來看，我們得到的不是一條曲線，而是一張同時間軸下的多曲線變化圖。我們能從一係列的各科能力和興趣點，判斷考生興趣、能力屬性，研究確定考生適合學習的專業和適合報考的學校，並對考生將來確定就業方向提出建議。這不正是以學生為中心的新課改理念嗎？
其次，進行學生間橫向的分析。一個知識點，全班多少人掌握，是否需要重新鞏固。某項能力，比如審題閱讀，是全班性的能力薄弱，還是個別同學的疏忽，這些來源於全班數據的彙總。如果隻是照本宣科地將重點一講再講，那麼學生能力不但沒有提高，還浪費了學生本應補足“短板”的時間，教學質量未必得到提高。不是麵上的問題，就需要對個別學生進行個性化指導。學生的能力或注意力發生了集體性變化的原因是什麼？是該摒棄還是引導？再在班級數據的基礎上，形成校、區、市等大範圍對比，很容易找到差距。這樣的數據就會形成一個麵。每個學生都會成為麵上的一個點，這個點又是一個變量集合。這就形成了關於本班學習的多維數據模型。