随着云技术、大数据技术的广泛使用，教育考试数据资源将被有效利用，并成为教育评价的重要依据。建立科学的考试评价体系，实现考试到评价的跃升，使其成为教育教学、人才培养与社会联系的桥梁，必将对于促进教育公平、全面提高教育质量，对于人力资源的合理配制，建设人力资源强国具有重要意义。

1、推动教育改革进程 推进考试招生制度改革尤其要探索人才选拔的综合评价多元录取机制，在教育考试领域，从单一考试向多元评价的跃升，将成为教育改革的发展趋势。 考试是教育评价的工具和手段，是测量应试者知识和能力、素质和潜力的量尺，是“检查学习情况和教学效果”的评价手段。同时，考试作为学业评估的重要方式之一被包含在整个教育评价的体系中。

随着国家教育改革的深入，考试数据分析尤其是海量考试数据挖掘利用、利用考试资源开展评价工作，是未来教育考试实现向专业化考试评价服务转型的关键。海量教育考试数据资源和强大的数据挖掘技术将为教育改革提供坚实的技术基础，对教育考试数据的分析、挖掘与利用，可以为人才的培养与选拔提供科学评价、量化分析的手段，使得“因材施教”的个性化教学成为可能，从而为真正实现素质教育提供可能。同时，它也对多元化考试的评价功能提出了新的标准：即对人的全面的个性化、多样化、社会化评价。

现代信息技术的应用和普及使海量考试数据的采集、存储成为现实。“网上评卷”技术在各类大型考试中的广泛运用，如全国高考、中考、学业水平考试、大学英语四六级考试、国家司法考试等，为国家积累了大量系统、完整的考试数据。计算机智能考试在英语人机对话考试、会计资格考试等多类考试中的逐步应用，则使得考试数据的采集更为高效、便捷、准确、客观、全面。而教育大数据远不只如此，贯穿教育全过程的，与学生学习与成长、教师教学、教育管理者决策乃至学生家庭有关的信息都将成为值得挖掘的“数据”。 新的教育考试评价体系从原来的终结性考试转化成过程性的评价，为考生提供的不仅是一个分数，还包含通过各种数据给考生知识、能力、特长和潜质的报告，并最终形成“学生学业评价报告单”。同时通过对教育过程质量进行监测与评价，探索数据背后隐藏的教育发展规律、学生成长轨迹、人才培养模式等，将对学生的学习、教师的教学、教育政策的制定产生重大的影响。甚至可以说，它将有效地推动新一轮的教育改革。

2、多元化评价得以实现 从教育的角度来看，教育管理、教学模式、学习行为、考试评价等，无不受到大数据的影响。大数据的产生为预测、处理人类行为、心理提供了重要依据，考试数据的挖掘也成为提高教育管理水平和教学质量的重要方式。通过大数据，教育政策的制定、教与学方案的形成与评价方式的确立等，都将发生革命性变化。《2013地平线报告（高教版）》非常有预见性地认为“大数据和学习分析”将在未来2至3年成为主流技术。它将通过对学生学业考试与非学业调查生成的海量数据的分析和解释，评估学生的学术进展，预测未来的表现，并发现潜在的问题。 国内外研究实践证明，考试数据挖掘对于学生、教师、教育管理人员以及研究人员均具有重要价值：对于学生而言，考试数据的挖掘可以从学生行为角度了解学习过程的发生机制，并用来优化学习，以基于学习行为数据的分析为学习者推荐学习资源，开展适应性学习。对于教师而言，教师是教育计划的执行者，他们需要了解学生已经掌握什么和没有掌握什么，教学的薄弱环节以及学生存在的问题是什么，通过考试数据挖掘，教师才能准确地了解教与学中的问题，从而改进教学。对于教育管理人员来说，借助于考试数据挖掘，决策者才能清楚地了解教育的现状和存在的问题，才能有目的地调整教育决策，才能在人力和财力上更合理地布局。对于研究人员而言，考试数据挖掘可作为研究学生个性化学习与研究网络学习过程和效用的工具。 欧美一些国家和组织较早地认识到了考试数据挖掘在教育评价中的作用，并已将它作为新一代评价项目设计的依据。如，国际教育评价协会、国际经济合作组织分别在其组织的大型国际测试项目中充分利用其组织的测试与调查问卷的数据进行深度挖掘，分析影响各国教育的主要因素；英国还在其评价项目中引入了档案袋管理，结合计算机技术建立了形成性评价；美国教育考试服务中心在其组织的考试项目的每个环节都对数据进行了有效应用，使它能从容地应对每年面向全球及国内的200多种、数千次的考试，并对考生进行相对科学合理的评价；美国大学入学考试中心通过分析考生数据中所反映的考生兴趣、能力属性，研究确定考生适合学习的专业和适合报考的学校，并为考生将来就业倾向提供建议等。总之，通过考试数据挖掘，很容易了解学习者学习的现状，包括主要特征、学习行为特点、学习行为的影响因素及其所带来的学业结果，从而有助于掌握学习者的学习规律，优化学习过程，改进学习效果，提升教育质量。

3、为教育政策制定和教学改革实践服务 在教育考试大数据这座“宝藏”面前，最为迫切的问题在于如何有效地进行挖掘与利用。除上文中一些国际组织在利用测试数据进行教育评价方面作了积极探索外，国内教育相关部门以及一些企业也对教育考试数据的挖掘与应用进行了诸多有益的尝试。 比如，教育部已经建立了较为完整的国家基础教育质量数据库和多级数据采集网络。

上海作为试点区域于2011年开始建立了“上海市中小学生学业质量绿色指标”体系，“绿色指标”在收集学生学业水平数据的基础上，还收集了有关学生家庭背景、学习动机、学业负担和师生关系以及教学方式和校长领导力等信息，并及时向区县和部分学校反馈评价结果，引导教育管理、教学指导、教学行为建构在科学数据分析基础之上。 学生成绩背后的原因是什么？通过对学生学业和非学业发展进行关联分析，可以为教育管理提供参考，实现区域内教育质量的“高位均衡”。考试评价技术服务提供商深圳市海云天科技股份有限公司与当地教育部门合作展开的调查分析所取得的成就具有典范作用。在海云天的数据的挖掘分析服务成果中发现这样的情况，区域内学生的成绩都是90分以上的优质生群，从表面上看他们的成绩结果是相等的，但实际上在关联数据这个“显微镜”的显现下，发现这些学生之所以达到这个状态，在各自的知识、能力、情感价值以及所在学校的师资配备、学习环境等情况都各自不同，而且存在一定的规律和个性，通过海云天的关联分析，福田及南山两地的教育机构得到一个清晰答案和教改思路，这一情况的发现极大地帮助两个地区教育管理机构和教师及早地提供有针对性的教学管理和教学方法的改进建议和依据，帮助学生群体及个人弥补不足，从而实现福田区、南山区域内教育质量提升后的优质均衡。在与深圳市福田区与用户合作开展的基础教育评价中，通过对学业与非学业的数据挖掘发现了学生每天睡眠时间、每周课外补课时间等因素对学习影响的规律，为福田区教育局的教育决策提供数据支撑。因此，对学生的学业数据和非学业数据进行挖掘分析，能够让我们更全面地看待学生的发展，发现考试成绩所反映不了的问题。

通过考试和其他教育数据的挖掘利用可以实现过程性评价，随时可以反映学生们的表现，从而探索出良好的课堂教学模式。教师通过课堂观察的终端，可以随时记录学生的课上反应、作业完成情况、课堂纪律等，在期末时教师将这些数据汇总起来，很容易针对每个学生进行评价，并对学生的发展提出建议。同时，这些数据也可以促使教师反思，改进自己的教学。

考试数据的挖掘和利用可以实现多年教学效果的对比与学生学习轨迹的积累。大数据可以记录每个学生每天的学业、非学业数据，这样不但非常快捷，而且还积累下了非常有价值的数据。海云天教育测评公司在与深圳南山区合作过程评价中，开展了历次考试数据对比分析和向考生提供个人成绩报告工作，取得了较好的社会反响。这种报告可以了解学生成长的轨迹，便于教师、家长有针对性地帮助指导学生，便于更全面地评价学生，真正实现“为了学生发展的评价”的目的。