2010年以后，以慕课、翻转课堂、可汗学院为代表的在线学习创新形式，逐渐受到公众关注。Coursera、Udacity、edX等一大批慕课在线学习平台及其上线课程，推动高等教育深入变革。随着在线学习的深入发展，在线学习过程中师生通常处于时空准分离状态，由此也暴露出越来越多的问题。比如，以MOOC为代表的在线学习辍课率较高。在线学习的质量保障越来越受到关注，研究者与实践者必须对在线学习效果进行分析与评价，才能不断改善教学效果。技术作为在线学习媒介传递教学信息，要求研究者与实践者掌握有别于传统教学的评价手段与方法，及时借助工具不断分析数据，完成大数据时代在线学习的全方位评价。

目前，国内外研究者已形成一系列评价在线学习过程与结果的方法，如电子档案袋、概念图评价、网络同伴互评等。然而，这些方法运用的理论基础、操作流程、注意问题等内容，尚需进一步分析与梳理。同时研究者与实践者也需了解这些方法运用的具体案例及应用效果。2017年5月出版的《在线学习评价研究与发展》一书，力求将国际前沿研究成果与实践操作方法，完整而清晰地呈现给读者。

相较传统学习方式，在线学习需要借助计算机支持的文本来完成人际交互。这使得学习者有机会针对文本内容进行深入思考，并在他人知识观点基础上建构新的知识。此外，学习者可以在线上组成小组，针对特定问题展开深入探索，彼此批判、反思观点，形成问题解决方案。

该书认为，知识建构、批判性思维以及问题解决能力发展，是在线学习评价应重点关注的三类目标。知识建构强调在线学习环境下学习者与他人协作，通过完成任务、解决问题来协同建构知识；批判性思维是学习者在学习过程中体现的解释、分析、评估、推论、反思等思维过程；问题解决是指学习者针对特定问题，通过新旧知识间的相互作用，建立更深层、丰富灵活的认知结构。

在线学习评价中，评价方法侧重于从理论层面，规定评价目标与对象、操作流程与步骤；评价技术侧重于从操作层面，提供评价采集、整理、分析数据的手段与技巧。在具体的评价实践中，两者需相互结合、配合使用。

该书系统分析了目前国内外主流的评价方法，如网络同伴互评、电子档案袋评价、概念图评价的操作流程与关键环节，并从评价工具、评价案例等角度展开进一步讨论。

结合国际研究成果，书中提出，未来在线学习评价发展的主要趋势为：在线学习社区中人际与知识网络评测、大规模在线课程的同伴互评、数据挖掘与学习分析技术应用，以及自适应评测技术的运用。

首先，未来将会深入分析在线学习社区中人际网络与知识网络形成发展的规律，并探索影响因素与作用机制。其次，如何在大规模网络课程中运用同伴互评，也是研究者未来关注的重点。研究者将采用评分模型、评分校准等方式，实现大规模互评。此外，数据挖掘与学习分析技术将会应用于在线学习评价中。这些技术将从大量网络学习平台记录、学生的学习行为数据中，提取反映学习者学习过程与结果的动态数据。通过数据监控学习者的情况，并为改进学习者在线学习行为提供依据。最后，自适应评测将通过知识建模、学习行为追踪，以及自适应推送等方式为师生提供服务。例如，自适应评测可以为师生提供个性化数据推送与服务功能。具备该功能的学习环境，能够为教师与学习者提供问题反馈、学习资源访问、热门检索词、习题解答情况等数据推送服务。此外，自适应评测能够对学习路径进行监控与支持。学习者访问资源、回答问题、参与讨论、提交作品会被学习环境记录。学习环境设计者与教师通过监控路径，评估学习者的学习进程与需求，从而为不同学习者提供更精准的资源推送和答疑服务。

　　（作者单位：清华大学信息化技术中心）