1、相较于传统的一次性、总结性的评价方式，数据驱动的评价更应注重身心健康、学习进步、个性技能、成长体验等方面。评价方式注重过程性、伴随性评价。
2、大数据技术在案例里具体应用是什么？
答：随着多种基于云的学习平台、学习终端的广泛应用，收集学生的过程性学习数据如学习行为、学习表现、学习习惯等成为可能。通过分析挖掘学生学习的全过程数据，针对多元化的学生结构，采用个性化课程推荐系统，利用学习分析技术分析匹配对象的过往成绩与课程表之间的相关性，预测该生未来在该课程取得的成绩，从而帮助每个学生选择最适合自身发展的课程，最终达到提升学业表现的目的。
数据驱动的学习分析和评价对教育的响：影响教育数据的采集与汇聚；实现真正意义上的因材施教；实现精准的学习干预。大数据使评价内容更加丰富多元，不再仅仅注重学生的学习成绩，而更加关注身心健康、学业进步、个性技能、成长体验等方面。评价内容从单纯对知识掌握状况的评价，转向知识、能力和素养并重的综合性评价；评价方式从传统的一次性、总结性评价，转向过程性、伴随性评价；评价手段从试卷、问卷，转向大数据采集分析系统。随着多种基于云的学习平台、学习终端的广泛应用，收集学生的过程性学习数据如学习行为、学习表现、学习习惯等成为可能。通过分析挖掘学生学习的全过程数据，可为学生的自我发展、教师的教学反思、学校的质量提升等提供基于数据的实证分析支持。美国田纳西州的增值评价系统，通过对学生的成绩如语言、数字、科学等进行多年追踪分析，利用增值评价方法分析每个学生在学业上的进步，并以此为依据来评估学区、学校、教师效能。
3、认知科学与字习科学经历了哪几个阶段？每个阶段的主要特征是什么？
答：（1）第一代认知科学研究形成了始终围绳“心智”和“智能两个主题”两个主题的基本态势。主要特征是：将人的心智活动研究与“计算思维”、“信息加工”紧密的结合，相关研究大多是在脱离人的身体机制的情况下研究人的认知功能，“计算隐喻”是这个阶段的关键词。
（2）无具一情境一具身的范式转变，情境认知的出现处于“无身认知”与“具身认知”的过渡阶段。主要特征是：将人的心智活动研究与“计算思维”、“信息加工”紧密的结合，相关研究大多是在脱离人的身体机制的情况下研究人的认知功能，“计算隐喻”是这个阶段的关键词。认为人类的智能发展是基于互动的，人类需要在有人、情境、设备的外部环境中提升智能。还认为人类认知不是符号化、抽象的，而是与以知情境不可分离的。
宁公网安备 64010602000493号 宁ICP备16000125号