随着人工智能技术不断深化发展,互联网+教育融合走向深水区,混合式课程成为当前高校课程教学的主旋律,如何科学客观地评价混合式课程中的学生?除了学业成绩还有什么指标可以用来评价学生的学习效果?这些都是目前在学习评价领域困扰研究者许久的问题。针对这些问题,本研究通过整理分析当前的相关文献,发现学习绩效评估可以持续、有效地跟踪学生的学习过程,并在揭示学生学习方式的问题、为学生提出针对性的学习建议上具有优越性。因此,在文献分析的基础上,本研究确定了以IEO模型、投入学习理论、Kirkpatrick四级评估模型为基础的混合式课程中大学生学习绩效评估理论框架,并在该理论指导下对学习绩效评估开展了进一步研究。首先,本研究通过文献分析法确立了初步的学习投入和学习产出指标。学习投入指标包括行为投入、认知投入和情感投入三个一级指标,参与、坚持、交互和专注等九个二级指标;学习产出指标基于柯氏评估模式构建,包括反应层、学习层、行为层和结果层四个一级指标,课程满意度、教师满意度等十个二级指标。初步构建出的评估指标被交由教育技术学领域相关专家进行评定。综合专家意见,本研究对评估指标进行修改和删除后,使用层次分析法进一步明确了各评估指标的权重,从而构建了混合式课程中大学生学习绩效评估指标体系。其次,基于学习绩效评估指标以及混合式课程的特点,本研究确定了学习绩效的评估方法。由于混合式课程融合了线上平台学习和线下课堂学习,因此学习数据的采集可以通过在线平台数据收集和问卷调查法开展;数据包络分析在有多个输入指标和输出指标的绩效评价情境中具有绝对的优越性,因此在学习绩效分析时选取了数据包络分析的方法;学习报告单关注学生的学习过程,能够展现与学生有关的学习表现信息,且可视化具有直观便捷的优点,因此在反馈结果时采用学习报告单的形式。基于以上,最终构建了混合式课程中大学生学习绩效评估模型,该模型由学习数据采集、学习绩效分析和绩效结果可视化三部分组成。最后,为了验证该评估模型的可行性,本研究选取了上海某高校教育技术学专业的42名本科生,对学习绩效评估模型进行应用。根据学习绩效评估模型设计了研究工具,并验证了研究工具良好的信效度。通过分析结果,研究发现元认知策略、管理策略、课程兴趣、教师满意度、课程初期的学习投入、自我效能感等指标会显著影响学习者的学习绩效。基于此,本研究进一步为混合式课程的开展提出了三条建议,以期为后续学习者提高学习绩效、增强学习效果提供参照与依据:1.灵活运用元认知策略,促进学习者自我反思;2.提高课程初期学习投入,激发课程学习兴趣;3.加强学生的自我效能感,打造良好心理预期。