元宇宙加持下学评协同评价模式探索

摘  要：学评协同是新兴的教育评价模式，元宇宙为此评价模式的应用和发展提供强有力的技术支持。该文首先总结元宇宙在学评协同评价模式的技术优势。其次，提出元宇宙支持的学评协同应用架构，包括学评协同场景构建、自适应的学评协同评价模型建立和过程驱动的学评协同评价数据展示。最后分析应用架构尚待解决的关键问题，包括多模态学习过程数据的解析与利用、定性和定量评价的综合分析及学习过程数据和评价数据的融合展示。该文的研究成果可为探索新时代教育评价改革，实现未来教育评价高质量发展，提供有益的参考与启示。

关键词：元宇宙；学评协同；应用架构；教育评价；评价模式

中图分类号：G642        文献标志码：A          文章编号：2096-000X（2024）03-0025-05

Abstract： Collaboration in learning and assessment is an emerging educational assessment model， and the metaverse provides strong technical support for the development of educational assessment. First， the technical advantages of the metaverse for collaboration in learning and assessment are summarized. On this basis， the application architecture is proposed， including the scene construction， the establishment of adaptive assessment model， the data display of process-driven collaboration in learning and assessment. Finally， the key issues faced by the application architecture are analyzed， including analysis and utilization of multi-modal learning process data， integrated analysis of qualitative and quantitative assessment， and display of learning process data and assessment. The research results of this paper can provide some references and insights for exploring the education evaluation reform in the new era and achieving high-quality development of education assessment in the future.

Keywords： Metaverse; collaboration in learning and assessment; application architecture; education assessment; reform exploration; evaluation mode

《深化新时代教育评价改革总体方案》[1]对新时代教育评价改革做出了全面部署，指出应充分利用信息技术，创新评价工具，构建多元、全过程、全要素的学习者综合评价。信息技术赋予教育评价新的特征，例如数据获取的立体化、主体参与多元化及评价反馈精准化等。新的特征催生了教育评价理念的创新，激发了学评协同的新理念。其将评价的学习性和诊断性融为一体，强调以多种方式促进学习者主动发展[2]，但面临以下挑战：一是全方位学习过程数据难以获取。现阶段的学习过程数据，通常是根据特定评价指标有针对性地选用可穿戴设备、监控设备等采集而来，极易造成学习过程数据的不全面、不连续、不精准。二是多元化评价方式难以实施。学评协同中的评价活动更加注重评价主体的多元化，其更多偏向知识技能评价且评价主体具有单一性，难以满足对学习者全方位、深层次的核心素养评价需求。三是学习过程数据和评价数据难以呈现与理解。学评协同强调过程评价和结果评价的协同，为评价者提供实时反馈，但缺乏对学习过程数据和评价结果数据的融合展示，造成评价结果的可理解性不强，影响了评价的诊断性。新兴的元宇宙技术[3-4]为统一解决上述挑战提供了可行的技术途径。因此，本文探索元宇宙技术加持下的学评协同评价模式，促进新时代信息化技术与教育技术的深度融合，推进新时代教育评价改革。

一  元宇宙在学评协同评价模式的技术优势

元宇宙技术以虚拟现实、区块链、人工智能和计算机视觉等技术为基石[5-6]，采用虚拟现实的扩展显示与沉浸式体验构建虚拟空间，提供多源全面的学习过程数据；利用区块链的可追溯性与高可信任等特性支持公平与可信的数据处理方法，提供了多元科学的评价方式；借助人工智能的分析与可视化技术以可理解的方式展示学习过程数据和评价数据，使学评协同具有可靠性、公平性和反馈性特征，具体表述如下。

多源全面的评价数据获取。学评协同评价模式依靠多源全面的学习过程数据，多源是指学习过程数据的形式来源多样化，包括图像、视频、音频等；全面指的是过程数据覆盖性广，包括原始数据采集、中间数据分析和结果数据展示等。多源且全面数据可客观反映学习者学习状态。在元宇宙的支持下，采用虚拟现实或增强现实设备全方位采集学习者的状态数据，即行为、特征等多模态数据，同时以区块链技术保证数据的安全可靠。已有相关数据采集情境包括在线学习环境[7]和校园场景[8]等。

多元科学的评价方式构建。学评协同评价需要科学多元的评价方式，以提升评价结果的准确性。已有的评价方式可以分为定量评价和定性评价两类[9]，如何改进这两类评价方式获得更加准确的评价结果，是当前学评协同面临的难题。在元宇宙的加持下，定量评价利用区块链的智能合约机制[10-11]自动感知评价指标，触发合约核心代码，自动生成过程评价；定性评价利用元宇宙提供的虚实融合跨域社交技术为学习者提供超现实的社交体验[12]，每个学习者的评价主体，既包含学习者自身评价、教师评价、家长评价，又包含利用虚拟化身进行协同探索的同伴评价。元宇宙的融入改变了当前单纯依靠学校系统开展评价的传统模式，使得评价标准透明化，提升了评价的科学性。

可理解的评价数据展示。学评协同可引导学习者的学习反思和教师教学过程的改进，其重要一环是对学习过程数据和评价数据进行实时反馈，而以上数据的展示方式能影响评价反馈效果。传统的方法为学习分析仪表盘[13-14]，可呈现学习者的学习轨迹，却忽视了对于评价数据的可理解性，减弱了评价的反思作用。伴随着学习过程数据和评价数据规模及种类的不断扩大，元宇宙为评价反馈的可理解性也提供了新的工具。人工智能、计算机视觉等技术在元宇宙空间中的应用，聚合了学习者在教育场景中的讨论、研究等学习状态，分析了不同的教育角色需要的评价数据，建立了融合学习过程数据和评价数据的可视化展示机制，实时地反馈学评动态数据。

二  元宇宙支持的学评协同应用架构

采用元宇宙构建学评协同应用架构，主要分为学评协同场景创建、自适应学评协同模型建立和过程驱动学评协同评价数据展示三个部分，如图1所示。

（一）  学评协同场景构建

采用元宇宙技术构建教育场景，主要包含三个模块，数据采集、数据解析和数据存储。首先构建学习场景，在此场景下采集学习者的学习过程数据，这些过程数据作为评价的原始数据。在此基础上，采用深度学习方法解析过程数据，并设计学习状态表征方法，统一标注多模态数据，作为学习状态数据。最后，设计数据存储方案有效存储学习状态数据。

数据采集。数据采集设施包含硬件和软件，其中硬件包含5G网、沉浸式设备和辅助设备，软件包含虚拟现实软件及元宇宙构建软件。在此基础上，采集学习者的行为数据、生理数据、虚拟身份信息等，多类型数据的采集体现了教育信息的多源互补，其是元宇宙环境下学评协同开展评价活动的前提。

数据解析。采用基于模态隐空间标识的多模态深度网络对采集的多模态过程数据进行分析，并探索元宇宙的场景表征及学习者虚拟化身的生理表征。在此基础上，以学习评价指标为导向，建立过程数据与评价指标映射关系，并基于学习状态特征，对视频、音频等数据建立语义标签，将标签数据打包到区块中。

数据存储。对于不同的数据类型采用不同的存储方式。对于过程数据，采用中心化的方式直接存储在数据库中；对于解析的学习状态数据，存储在区块链中。同时，该区块链还存储学评协同场景等基础数据。

（二）  自适应学评协同评价模型建立

在学评协同场景下，根据学习者的学习过程数据，设计基于智能合约的定量评价方法和基于共识的定性评价方法，以此为基础，建立学评协同评价模型。

基于智能合约的定量评价。区块链的智能合约技术为定量评价提供了有力的工具，其核心是评价合约。根据学习者的过程数据设计符合评价规则的合约条款，自动执行相应的动作，以保证合约执行的可信性。

基于共识的定性评价。在学评协同场景中，鼓励学习者进行自评，并激发学习者之间的同伴互评，同时促进教师等角色对学习者进行过程性评价。在此基础上，为评价主体建立共识机制，其核心是学评信用值算法和投票算法，前者用于计算评价主体的评价信用值，后者体现信用值高的评价主体对评价结果的影响，以提升定性评价结果的准确性。

学评协同评价模型。基于定量评价和定性评价结果，建立适用于学习者的评价模型，体现为综合评价和个性化评价两个方面。前者采用核心素养评价方式，后者通过分析学评协同场景中学习过程数据来感知学习者的突出能力并选择合理的评价方式。

（三）  过程驱动学评协同评价数据展示

采用可视化方法将学习过程数据和评价数据融合呈现，从而更好地发挥评价的反馈作用。该部分包括显著性评价指标展示、基于显著性时间映射图的视觉探索、过程记录跟踪展示和多粒度评价数据分析与展示。

显著性评价指标展示。设计显著性时间映射图，横轴表示时间，纵轴表示评价指标相应值，评价指标主要分为两类：综合评价指标和个性化评价指标，前者选取能考核学习者核心素养的评价指标，后者选择能反映学习者突出能力的评价指标。在评价指标展示过程中，注重两个要素的使用。一是颜色，采用颜色映射方法来区分不同的评价指标；二是显著性，将某一时间段内发生剧烈变化的指标值作为显著状态，需要重点标记与突出显示。

基于显著性时间映射图的视觉探索。视觉探索会依据学习者或者教师的定制需求，将学习过程数据和评价数据进行合理的展示，包括总体概览和细节展示两个方面。对于总体概览，采用单击或拖动操作来设置时间窗口以调整时间间隔映射数据。对于细节展示，采用自定义的时间窗口，将某段时间的数据反馈给教师或者学习者，同时，采用视觉展示方法将时间序列及其联系详细显示。

过程记录跟踪展示。采用叙事可视化方式记录学习者在场景下的活动。首先，建立场景环境下的记录表示方法，设计过程区块链的数据结构记录学习信息，包含课程信息、课程成绩、实践内容等。其次，根据记录信息，采用智能合约自动执行预定义的记录跟踪业务逻辑。智能合约包括三个部分，合约注册、合约摘要以及合约关系。最后，设置过程区块链的存取权限，为评价角色提供过程查询服务和对评价结果提供过程数据支持。

多粒度的评价数据分析与展示。对于评价数据，设置多粒度展示方法，包括导航视图、兴趣点选择和标签记录。首先，设置导航视图的缩放功能，即通过水平缩放设置粒度，粗粒度展示一段时间内的评价统计数据，细粒度展示时间节点的评价指标值。其次，采用套索等工具来选择感兴趣的评价指标，同时辅以相关的学习过程数据展示，以便更好地分析学习情况。最后，对于重要的评价内容，采用标签记录方式进行标记。通过以上功能设置来支撑迭代的可视化分析和探索。