教育大数据通过对多维度的海量数据进行剖析和深度挖掘进行教学管理、汇总、归纳和分析。信息化背景下的高职教育利用大数据对教学评价进行多维度的碎片化信息整理和小样本数据收集，从而提高教育评价对可靠性和完备性，引导新型教育评价生态的形成。
　　一、教育数据在高职教育评价中的应用情况
　　教育大数据已经提出了很多年，早在2008年就有人提出使用数据挖掘技术的APFIOFI算法寻找教师本身的素质与学生评价结果之间的关系。2013年后，“大数据 ”开始风靡神州大陸，教育评价的理论模型也逐渐由原来基于经验的结果性评价向数据主导的多阶段过程性综合评价开始过渡，高职教育工作者也逐渐将目光聚焦到了多元化多维度的评价上，提出了一系列如采用量化“切片”技术、数据挖掘与分析、数据清洗等技术从多个角度评价教学过程的方式。
　　二、基于大数据的教育评价多维度研究模型
　　通过对某高职院校的2060名在校学生进行问卷调查，其中55.87%的学生认为教育数据的海量广泛能够代表大数据在教育评价中的应用，28.06%的学生认为大数据的合理利用能够使教师在教学过程中参考数据令其教学结果具有可预测性。基于以上调查数据与对教育大数据的应用调研情况，本文提出一种多维度教学评价模型，其模型框架如图1所示。
　　该模型将教学评价建模为带反馈的生态评价模式，主要包括以下几个模块：
　　1.数据挖掘模块。基于各类算法和数据挖掘方式，提取高职教育教学中的特征数据，对其进行关系建模，挖掘教学过程背后隐藏的数据逻辑并进行学习分析，使个体学生之间的差异性数据也能被采集并进行多样性分析;
　　2.教学决策模块。基于前序采集的各类教育数据和其逻辑关系，首先针对整体学生进行教学学情分析，在初始教学方案的基础上对教学内容进行分析和决策，达到修正教学方案的目的。
　　3.教学互动模块。传统的教学互动多采用预定假设而不是根据课堂实时进展状况随时调整教学方案，无法实现对于教学情境的即时反应，对于个别学生的表现和思维变动也难以顾及。
　　4.教学评估模块。评价模块在传统的教学评价的基础上，基于教育大数据实现全程化的评价数据采集，从课堂、教师、学生以及统计大数据多个维度进行教学效果评估，并将评估阶段的统计数据反馈进入教学决策模块形成闭环。
　　三、多维度教学评价模型的应用成果与思考
　　通过对某高职院校2年级四个专业的进行试点及多次评价回访，其中对比上一年级同期学生对于《楼宇自动化》这门课程的教学评价情况，对于静态教学评价的参与度由之前的14.66%增长至66.65%，对于教师课堂互动的评价由86.6%的学生认为教师上课“以讲授和PPT版书”为主变为66.5%的学生认为教师授课的“互动性较强，兼具PPT授课与互动答疑”，且其中56.55%的学生认为教师上课对于学生重难点的把控比较准确，能抓住学生在课程学习中的痛点。且从最后这四个试点班级的期末考核表现来看，相比上一级学生其平均分均有提高，在实践环节的参与度也明显有所提高。
　　实践反映，在不完全大数据程控化的条件下，建立大数据管理下的教师定性评价与学科专业评价互动机制，能够发挥教师的主观能动性，积极引导学生在课堂学习中走入一个良性循环。
　　注：本文为江西省教育科学“十三五”规划2018年度一般课题“‘大数据’背景下高校课堂多维度混合教学评价模式研究”（课题编号：18YB355）。
　　（责任编辑