1 高职课程教学评价数字化赋能的优化路径

1.1技术层面

1.1.1学习行为数据分析

数据库课程的学习过程伴随大量可记录的数据，如实验操作日志、代码提交频率与质量、SQL查询执行效率和任务完成时间等。这些数据能够反映学生在学习中的投入程度、问题解决方式以及知识掌握水平。借助学习分析(Learnin gAnalytics)方法，对这些数据进行采集、清洗和挖掘，不仅可以重构学生的学习轨迹，还能识别学习瓶颈和薄弱环节，为教学评价提供可靠支撑。与单一的结果性考核相比，基于学习数据的分析能够实现动态监测和趋势诊断，使评价从静态结果判断转向过程性改进。

1.1.2动态评价工具设计

数据本身难以直接转化为有效评价，需要与课程场景相结合的工具支持。本研究提出开发或整合动态评价工具，将人工智能技术、数据可视化方法与学习管理系统(LMS)深度融合。例如，利用自然语言处理技术分析学生实验报告的逻辑与表达质量，借助机器学习模型对代码提交的演进轨迹进行量化评分，并通过可视化界面展示学习进展和能力发展。通过这种方式，评价的客观性和细粒度得到提升，教师和学生能够获得多维度、可操作的参考信息。

1.1.3实时反馈机制实现

数据库实验与项目任务具有即时性和阶段性特征，亟须快速反馈机制支持。本研究强调将学习分析结果即时推送给师生，以促进及时诊断和干预。例如，系统在SQL查询优化过程中可自动提示逻辑错误或性能瓶颈，并给出改进建议；在团队协作任务中，可根据贡献度和互动频率生成阶段性报告，帮助教师发现合作不均衡的问题。通过这一机制，学生能够及时纠错并调整学习策略，教师也能在课程运行过程中动态优化教学，实现“诊断—干预—改进”的闭环。

1.2方法层面

1.2.1评价体系的动态化与全面性融合

传统评价模式普遍偏重结果，忽视过程，覆盖面较窄。本研究提出构建以过程性评价为核心、结果性评价为补充的动态化体系，使评价内容覆盖知识掌握、实验操作、问题解决、创新能力与团队协作等维度。在数据库课程中，既要关注学生的SQL技术水平，也要关注其在项目开发中解决复杂问题的能力；既要评估最终成果，也要分析学习过程中的思维路径与团队贡献。通过动态化与全面性结合，能够克服单一化评价的局限，更好地服务于能力导向的人才培养目标。

1.2.2评价指标的定量与定性结合

仅依赖定量或定性指标都不足以全面反映学生能力。本研究提出在数据库课程中将两类指标结合：一方面，利用定量数据（如SQL查询执行时间、任务完成率、错误率）进行精准测量；另一方面，辅以定性分析（如代码规范性、实验报告逻辑性、团队协作表现）揭示学生在实践活动中的素养与思维特点。通过“硬数据”与“软指标”的结合，形成多维度、立体化的标准，从而提高评价的科学性与合理性。

1.2.3评价方法的数据驱动与课堂跟踪协同

教学数据常分散于不同环节，价值未能充分发挥。本研究提出基于数据驱动的评价方法，将数据采集、分析与应用贯穿课堂全过程。学生在课堂活动、实验操作和课后作业中产生的数据被统一整合，形成学习曲线与能力画像。教师可据此动态调整教学进度和内容，学生也能直观了解自身状态与改进方向。该方法有助于克服传统评价中“定性偏多、定量不足”的问题，推动形成以数据为依据的科学决策机制。

1.3应用层面

1.3.1课程特点的精准化支持

数据库课程具有实践性强、数据密集和项目驱动等特征，因此教学评价需要充分体现这些属性。本研究设计的评价模型以任务驱动和情境化学习为核心，将实验操作、项目开发与课堂互动纳入全过程监测。例如，在数据库系统设计项目中，学生的角色分工、代码提交频率、查询语句执行效率等均被纳入评价维度。通过对这些数据的精细化分析，能够更准确地反映学生的实际应用能力和专业素养，从而提升评价的针对性和有效性。

1.3.2针对痛点的改进措施

前文指出，国内课程教学评价普遍存在滞后和不全面等问题。本研究通过引入实时反馈机制与动态跟踪体系，试图突破这些限制。在传统模式下，教师往往在课程末期才发现学生的知识缺陷，而在动态评价框架中，教师可以基于学习行为数据在学期中期就发现问题并进行干预。这种改进方式增强了课程教学的灵活性，也提升了评价结果对教学调整的指导价值。

1.3.3学科共性的迁移与推广

虽然本研究以数据库课程为主要案例，但所构建的评价模型与工具具有较强的普适性。对于数据结构、人工智能、软件工程等其他实践型课程，也可借鉴其设计思路，推动评价体系的迁移与应用。通过跨课程推广，不仅有助于形成统一的数字化评价框架，还能促进学科群整体的教学评价改革，进一步提升高职院校人才培养质量。

来源：《现代商贸工业》

作者：殷玉洁  姜  彬  周  鹏  潘纯杰  刘佳丽  袁  霞

(江苏航运职技术学院，江苏 南通 226000)