一、选题背景及原因：
大数据时代对教育发展来说既是机遇也是挑战。对于中学教学质量评价而言，以大数据为依托可以收集更多的数据材料作为评价的依据，但与此同时，这也为从体量巨大的数据材料中找到准确、有效的信息增加了难度。在大数据背景下，只有将“以学生为中心”和“以数据为依托”作为学校教学质量评价的价值引领和技术支持，逐步构建具有全过程、多层级、双功能特征的评价体系，才能实现由大数据带来的学习变革。为了实现这一目标，学校要实现常态化地收集数据、多样化地应用数据、制度化地管理数据，逐步形成具有广泛性和可操作的评价体系。
二、选题意义和价值：
基于大数据的教学质量评测是教育进入信息时代的必然选择，在大数据背景下，通过技术与教育的深度融合，本着精准教学的理念，以学生为中心，以数据为中心创造生态化的学习环境，优化教学过程，让学生获得适合自身的个性化学习体验，充分提高学生的自主学习能力和创造性，使课堂具有吸引力，从而实现课堂的高效化。建构基于大数据的精准教学模式主要从以下四个方面进行：教学目标制定精准化，教学内容安排精准化，教学过程设计精准化，教学评价体系精准化，进而做出精准的教学决策，使教与学行为可量化，可评估，可调控。
1、大数据使得教学质量评测数据更为精准可行
教学管理系统、自主学习系统、慕课、微课以及学习社交平台等的广泛应用，促进了教育数据的海量增长，并预示着教育大数据时代的来临。教育大数据使得学习行为、学习状态、学习结果等各类教育信息成为可捕捉、可量化、可传递的数字存在。平板电脑、智能手机、各种传感器、可穿戴式设备、射频识别、标签等皆可成为数据自动采集器并被应用于教学的各个环节，使智慧校园、智慧课堂即将成为现实，这使得精准教学测量数据更为精准可行：一方面，大数据及其依赖的各类智能系统既可以实现学习表现自动化测量、记录及结果可视化呈现，也可以提高数据采样频率，进而提升精准教学的流畅度；另一方面，大数据的海量数据处理能力，可以让精准教学摆脱规模的束缚，实现从简单少量的国小课程拓展到所有不同类型的课程、从面向班级的实验教学拓展到面向全校的普及教学。
2 大数据使得精准教学能够兼顾学生的个性化发展
在大数据环境下，学生的学习行为过程考察和个性化发展均成为可能。这是因为，学生在学习过程中的各类行为状态都可以转化为相应的数据记录，成为学习表现的分析要素。换句话说，在传统教学环境下，精准教学过度强调学习行为结果的分析，并根据结果分析来干预学习行为；而在大数据环境下，精准学习不再完全依赖于结果分析，还要考量学习行为的过程等其它要素——通过采集学生在学习行为过程中产生的各类状态信息，形成反映学习情况的数据源，随后利用各种数学建模方法和大数据处理技术对数据源进行测量、分析与比较，并根据此结果对学生的学习行为及其学习表现进行评估和干预，可以预测学生未来的学习表现趋势，也可以为个别学生量身定制更为有效的干预方法和改进措施，以保障学生的个性化发展。
3大数据使得精准教学环境更为开放高效
大数据的多样性、异构性决定了其不隶属于某一个独立的系统组织——在教育领域，大数据是跨学科专业、跨平台、跨组织的开放跨界资源，它是各类服务于教育教学工作的信息系统集成互动的产物；学校、企业、教师、学生乃至家长和社会公众，都可成为教育大数据的生产者和应用者。在此背景下，精准教学的主体不再限于教师和学生，教师也不再是精准教学的唯一主导者，故以学生为主体、多元参与的精准教学成为可能——学生为自己量身定做教学方案、测量数据，家长快速、全面地掌握学生的学习表现数据，教育管理者根据相关数据更好地组织教育资源、制定教育改革的方向和措施，从而使得精准教学无缝嵌入整个教育教学体系之中。此外，在传统教学环境下，精准教学从数据测量、记录到结果分析需要一定的时间，特别是当数据量大的时候，时间消耗很大；而大数据的实时性，使得精准教学各类数据从生成到结果分析可以瞬间完成，故大大节约了时间成本。
三、本课题的研究目标与主要研究内容
研究的目标：本课题研究采取理论分析与实践调查研究结合的方式，以大数据下教育评价发展为背景，以课程标准实施与学科素养评价的关系为基本思路，构建基于课程标准的学科素养评价问题研究框架，探索学生学业质量作业考试评价实践模式，构建基于大数据的学科测评新体系、测评平台运行机制和大数据驱动中国小教学改革的运行机制，为基础教育教学学科素养评价改革实践提供支持及实施策略。
1.以大数据学科素养评价发展变革为基本思路，探讨中国小学科测评的理论与实践问题，构建基于课程标准的学生学业质量测评的实践模式。
2.以基于课程标准的学科核心素养评价工具——《大数据学科质量测评》实践为基础，分学段学科收集学科素养评价的测评数据，通过数据采集与分析，形成基于大数据的学科测评新体系，完善大数据学科质量测评题库优化系统和学科质量测评平台运行机制。
3.通过数据分析与课题研究，打造我省学科质量测评实践与研究队伍，完善测评信息反馈机制和大数据驱动中国小教学改革的运行机制，为基础教育教学学科素养评价改革实践提供支持及实施策略。
4.探索和构建相关数据采集、识别、分析、交换等标准体系，为基础教育质量监测和评价的大数据应用提供标准依据。
5. 培养教师的数据意识，提高数据分析与应用能力，以测评促师生发展、促教学质量提升。
研究的内容：
研究内容
参照研究目标，以大数据下学科测评实践为背景，按照理论建构、测评实践与专题研究的总体框架，开展学科测评的理论与实践问题研究。主要研究内容包括：
1、大数据下学科素养测评模式建构研究
对大数据、学科素养、学科测评等核心概念进行界定，明确课题研究重点与难点。在分析大数据与教育变革关系的基础上，通过对教育评价与教学方式、学习方式、课程内容与校园文化等要素的关系研究，探讨教育评价及素养评价发展的基本趋势，探索以落实学科核心素养为目标的学科质量保障体系。通过对大数据发展、基础教育课程改革与学科素养评价研究，探索与实践基于“核心素养”，体现教学目标、教学实施、教学评价一致性的学业成绩评价机制，构建基于课程标准的学科素养评价问题研究的理论框架。探讨中国小学科测评的理论与实践问题，构建基于课程标准的学生学业质量测评的实践模式。
2、大数据学科质量测评实践研究
各省辖市、省直管县（市）电教部门和数字教材样本校以基于课程标准的学科核心素养评价工具——《大数据学科质量测评》实践为基础，结合课程标准要求、学科教学实际和文件要求，分学科学段组建子课题研究小组，依据不同学科的特点，分学段学科，开展大数据学科质量测评实践的专题研究。本课题实施的学科核心素养评价工具包括大数据学科质量测评国小测评和中学测评两个部分。在研究过程中，各单位要及时总结实施与测评过程中的问题，形成本地本校学科测评的操作模式，为完善测评工具和大数据学科质量测评题库优化的提供实践经验。
3、大数据学科质量测评的数据收集与分析研究
课题参单位要按照课题研究要求，在完成学科质量测评的基础上，由专人负责，做好测评信息数据的收集与整理，分学段学科收集学科素养评价的测评数据，及时将测评数据信息扫描上传系统。
通过开展大数据测评作用机理与价值的研究。如大数据测评在改进教学、个性化学习和促进区域教学质量均衡发展的途径（方法、作用、价值等）研究，构建大数据学科质量测评的数据收集与分析的实践模式。结合数据收集情况，采用大数据分析的方式，开展测评改进专题研究，通过数据采集与分析，形成基于大数据的学科测评新体系，探索大数据驱动中国小教学改革的运行机制。
从大数据与学校教育发展的趋势出发，结合课程标准对不同学科的知识与能力等素养要求，在大数据分析的基础上，运用大数据学科质量测评工具，提出学科教学改革和学科测评修订、完善的意见建议，为完善大数据学科质量测评平台运行机制奠定基础。
4、大数据学科质量测评的队伍建设与信息反馈机制研究
课题参与单位要通过数据分析与课题研究，探索评价队伍建设机制，打造我省学科质量测评实践研究队伍，为工作开展提供智力支持。结合课题研究进程和文件要求，形成完善大数据学科质量测评队伍建设与测评信息反馈机制，为测评信息的及时反馈和处理提供保障。
5.大数据学科质量测评的数据标准和规范研究
通过课题研究，探索进一步改进完善学科质量测评标准，构建统一的学科质量测评的数据采集、识别、存储、提取、分析、表达、交换标准，进而形成基于大数据的学科质量测评规范体系。
四、本课题的研究思路、研究方法和实施步骤
（一）、研究思路和方法方法
根据研究内容，采取理论研究和实践分析相结合、问题研究与对策研究相结合、宏观视野与地方特色相结合的方式开展研究。遵循“研究与工作推进相结合，研究与同步培训相结合、研究与辐射推广相结合”的原则，将研究、工作、培训、辐射推广融为一体。具体研究方法包括：
1文献法：课题组将收集整合有关大数据与教育发展、学科素养评价等的研究文献，包括著作、报刊论文、硕博论文等，进行认真地分析和研究，构建研究的理论基础。收集整合有关大数据与教育发展、学科素养评价的研究文献，站在研究领域前沿，在国内外宏观背景和世界教育改革发展的大格局中，分析学科素养评价的基本趋势，审视、研究、解决具有基于课程标准的学科素养评价实施与实践问题。
2.数据统计分析：统计实验学校学科测评数据，采用大数据分析方式，对测评与教学改革、学业成绩及学生素养提升的问题进行研究。
3.调查法：选取具有典型性、代表性的学校进行实地调研，通过问卷调查法、访谈法、案例分析等设计研究方案，发现存在问题，剖析原因，研究对策。
（4）行动研究法：对促进核心素养的课堂教学评价方案进行探索、实践、研究、证实、检验，选取具有引领价值的学科素养评价实践个案，开展不同学科质量测评的比较研究，探讨评价变革与发展的基本趋势，进而提出适应评价改革的实践思路。
（二）实施步骤
课题研究计划从2022年4月开始，2023年9月结题。分为前期准备、研究启动、课题实施与成果提炼总结四阶段。研究的具体过程：
1（课题准备阶段（2022年4月—2022年6月）
此阶段主要任务包括制定课题研究方案、组建研究团队等。
（1）组织课题小组成员研制课题研究方案，为课题研究工作推进提供指导依据。
（2）课题参与人员与学校信息技术人员和智学网工作人员一对一结对，便于采集数据样本。
（3）课题参与市县及学校要结合实际确定研究课题，制定课题研究实践及大数据信息采集计划方案，为研究工作启动提供保障。
2课题启动阶段（2022年7月—2022年9月）
（1）召开课题启动与培训会。对课题参与市县负责人进行课题实施培训，了解课题研究的具体任务和要求。
（2）课题参与市县及学校面向参与测评学校负责人、教师及大数据管理员开展相关培训，重点是“核心素养”引领下的各学科测评实施与数据采集处理的具体要求。
（3）课题参与市县及学校做好有关条件准备，为课题测评和数据上传工作提供保障。
3课题实施与数据分析阶段（2022年10月——2023年4月）
（1）根据教学进度，做好大数据学科质量测评实施工作。及时总结工作经验，并将测评结果用于教育教学改革实践，探索通过大数据测评提高教育教学质量的实践模式。
（2）做好学科测评数据的采集及应用工作。指定专人，做好大数据学业测评大数据的采集及应用工作，及时将学生学科测评数据扫描上传系统。
（3）开展大数据学科质量测评与教学改革的研究工作。各子课题研究小组，研究细化各学科质量测评与学科教学目标落实的策略方法，探索实践基于“核心素养”学业成绩评价机制，形成基于课程标准的学科素养评价流程与模式。开展“学科核心素养”下的教学目标、学生训练体系、学科技能测试评价、考试命题设、教学过程设计与实施的研究与实践。
（4）做好学科质量测评系统完善和数据分析工作。在数据采集和分析过程中，逐步完善大数据云平台各项功能，做好对各项数据的采集、建模、分析等处理，为学科测评系统的完善和课题研究成果提供数据支撑，也为利用大数据进行教育资源的公平配置和个性化供给，推进教育发展与改革提供实践保障。
4．成果提炼与结项（2023年5月—2023年8月）
（1）总结提炼研究成果。结合学科核心素养评价工具（大数据学科质量测评）使用与问题研究，通过对各地使用测评情况的大数据分析，形成课题研究报告及课题研究系列成果。
（2）推广辐射研究成果，宣传、解读课题研究成果及成果推广。
五、研究成果
本课题的主要成果包括：
1.课题研究报告《大数据下教学质量测评研究方案》
2.大数据学科质量测评平台运行机制
3.大数据学科质量测评题库优化系统
4.大数据驱动教学改革的运行机制
5.大数据学科质量测评队伍建设与信息反馈机制