一、构建高职学生增值性评价体系
构建数字赋能视域下的高职学生增值性评价体系，旨在通过数字技术的应用，对高职学生的增值能力进行评价。通过建立评价体系，对学生在学习过程中的成果、能力提升和个人发展进行量化和分析，以实现对学生增值情况的科学评估。其中评价指标体系应该全面、准确地反映学生的增值情况，并考虑到不同学科、不同专业的特点和数字化教育的需求。
1.评价指标体系的建立
评价指标体系是高职学生增值性评价体系的重要组成部分，是衡量学生在学习过程中的成长和发展情况的一组指标。在数字赋能视域下，评价指标需要更加全面、准确地反映学生的增值情况，并能够适应数字化教育的需求。评价指标体系的建立需要考虑以下几个方面：
第一，评价指标体系应包括学生学业成绩、实践能力、创新能力、综合素质等多个方面的指标，以全面评估学生的增值情况。学业成绩可以通过考试成绩、课程评估等方式进行评价；实践能力可以通过实习、实训、项目实践等方式进行评价；创新能力可以通过科研成果、创新项目等方式进行评价；综合素质可以通过综合评价、自我评价等方式进行评价。
第二，评价指标应具有可操作性和可衡量性。这意味着指标应具备明确的定义和衡量方法，可以通过具体的数据和信息进行量化和比较。例如，学业成绩可以通过分数进行衡量；实践能力可以通过实际项目的完成情况进行衡量；创新能力可以通过发表论文、获得专利等进行衡量；综合素质可以通过综合评价表进行衡量。
第三，评价指标体系的构建还应考虑不同学科、不同专业的特点和要求。不同学科、不同专业的学生在学习过程中需要具备不同的能力和素质，因此评价指标体系需要根据具体情况进行调整和优化，以确保评价的公正性和准确性。
第四，评价指标体系的构建还需要充分考虑数字化教育的特点和需求。数字化教育提供了更多的学习资源和学习方式，评价指标体系应该适应这种变化，并能够利用数字技术进行数据采集、处理和分析，以提高评价的效率和准确性。
2.数据采集和处理
在数字赋能视域下的高职学生增值性评价体系中，数据采集与处理是一个关键的环节。有效的数据采集和精确的数据处理可以为高职院校提供准确的学生增值性评价结果和科学的决策依据。同时，在数据采集和处理过程中还要注意保护学生的隐私和数据安全，确保数据采集与处理的合法性和安全性。
首先，数据采集是指收集与学生增值性评价相关的数据。传统的数据采集方式主要依赖于问卷调查和面试等手段，但这种方式存在着时间消耗大、信息获取不全面等问题。在数字赋能视域下，可以借助现代技术手段进行数据采集。例如，可以利用学校教务系统、学生信息管理系统等数字化平台，获取学生的个人信息、学习成绩、实践经验等数据。此外，还可以利用人工智能技术，通过对学生的在线学习行为进行分析，获取更加全面和准确的学生数据。
其次，数据处理是指对采集到的数据进行整理、清洗和分析。数据整理是将采集到的数据进行分类、归纳和整合，以便于后续的分析和应用；数据清洗是指对数据中的错误、重复、缺失等问题进行处理，确保数据的准确性和完整性；数据分析是对清洗后的数据进行统计和分析，以揭示学生的增值性特征和规律。在数字赋能视域下，可以利用数据挖掘、机器学习等技术，对大规模的学生数据进行深入分析，提取出有价值的信息。在数据采集与处理过程中，还需要注意保护学生的隐私和数据安全。高职院校应建立健全数据管理制度，明确数据采集和处理的权限和责任，同时，采用合法、安全的数据存储和传输方式，保障学生数据的安全性和机密性。
3.评价方法与模型
评价方法与模型是高职学生增值性评价体系中至关重要的组成部分。通过合理选择评价方法和建立适用的评价模型，可以更准确地评估学生的增值能力和潜力，为学生的个人发展提供针对性的指导和支持。
评价方法是指用于收集、分析和解释学生增值性数据的具体手段和步骤。在数字赋能视域下，可以采用多种评价方法，如问卷调查、面试、观察记录等。其中，问卷调查是一种常用的评价方法，通过设计合理的问卷，可以收集到学生的个人信息、学习成绩、参与活动情况等数据。面试是一种直接交流的评价方法，通过与学生进行面对面的对话，可以更全面地了解学生的能力和潜力。观察记录则是通过观察学生的行为和表现，评估其在实际情境中的表现和能力。
评价模型是指用于分析和解释学生增值性数据的数学模型或理论框架。在数字赋能视域下，可以结合机器学习、大数据分析等技术，构建适用于高职学生增值性评价的模型。例如，可以采用支持向量机、随机森林等机器学习算法，通过对学生的相关数据进行分析和预测，来评估学生的潜力和发展方向。同时，可以利用大数据分析技术，对学生的各项数据进行挖掘和分析，发现潜在的关联和规律，为评价结果提供更科学和准确的依据。
评价方法和模型的选择要根据具体的评价目标和需求来确定。在实际应用中，需要综合考虑各种因素，如评价指标的准确性、数据的可靠性、评价过程的公正性等，以确保评价结果的科学性和有效性。
二、高职学生增值性评价模型的构建及应用
1.增值性评价模型
首先，应以学生为中心，将促进学生职业素养全面提升作为模型指标，并明确增值性评价的目的是促进学生的个性发展，通过数字化平台实时记录学生取得的成绩，全面促进学生发展；其次，对于学生学业进步情况，不能只关注结果，应聚焦学业成就的分数差值模型，以学生成绩的平均数变化和方差表征增值幅度及变异值，多关注结果的增值情况，提高学生的学习积极性；再次，高职学生生源多元化，增值性评价应充分考虑学生起点的差异，通过关注个体背景，体现增值的价值；最后，要考虑增值性评价数据的精准性和易采集性，保证量化数据和质性材料信息的准确性，以提高增值性评价结果的准确性。根据以上高职学生的增值性评价指标，构建了高职学生增值性评价模型，模型分为12个大模块，包括产教管理、考试管理成绩查看、成长任务库、成长项目库、班级成长管理、职业测评、教务管理、教学管理、评估系统、实验管理、教学督导、权限管理。
2.增值性评价应用
利用学生过程管理平台，将高职学生的学习行为和学习成果通过数字化手段进行记录和分析，创新了高职院校学生评价机制及方法。应用学生过程管理平台，主要是从健康、技术、思维三个维度对高职学生的成长过程进行评估，为评价体系提供了更多的数据支持。（节选自《船舶职业教育》2024年第3期）
来源：高职观察