基于馬爾科夫鏈的外語教學動態(tài)評估模型

長沙理工大學 羅 娟

提 要： 動態(tài)評估近年來成為教育測量領(lǐng)域的熱點。在動態(tài)評估的定量測量研究中，傳統(tǒng)心理測量模式在評估前提、評估過程及預測學習者潛能方面存在局限，阻礙了動態(tài)評估在外語教學實踐中的應用?；隈R爾科夫鏈構(gòu)建的動態(tài)評估模型以學習者基礎(chǔ)的差異性為前提，在評估對象的個體性、評估過程的動態(tài)性與評估結(jié)果的預測性方面獨具優(yōu)勢。本文以大學英語詞匯教學為例，闡述模型在外語教學動態(tài)評估中的應用，為教學實踐中動態(tài)評估的定量測量研究提供了科學的評估工具。

1. 引 言

近年來，課堂教學動態(tài)評估(dynamic assessment)已經(jīng)引起教育界的廣泛關(guān)注。2007年我國頒布《大學英語課程教學要求》，把科學的教學評估放在至關(guān)重要的位置，指出現(xiàn)有大學英語教學評估模式應從測試教學向評估教學轉(zhuǎn)變，教學評估要采取過程性評估和終結(jié)性評估相結(jié)合的形式?；趧討B(tài)評估理論，本文采用馬爾科夫鏈構(gòu)建了外語教學動態(tài)評估模型，為動態(tài)評估提供科學的理論基礎(chǔ)與評估工具。

2. 研究背景

我國現(xiàn)有教學評估多為傳統(tǒng)的靜態(tài)評估(static assessment)，該評估模式側(cè)重學習結(jié)果而非動態(tài)的學習過程，無法了解學生的認知過程與認知變化等特點，也不能為教學提供足夠的即時反饋信息。

近年來，針對靜態(tài)評估的局限，動態(tài)評估于國外逐漸發(fā)展起來，成為心理測量領(lǐng)域新的研究分支，對教學評估改革具有積極的借鑒意義。動態(tài)評估也稱學習潛能評估(assessment of learning potential)，指在評估過程中在有經(jīng)驗的評估者的輔助下，通過評估者和學生間的交互，探索與發(fā)現(xiàn)個體潛在發(fā)展能力的一種評估方式(Lidz 2003： 337)。該理論注重以動態(tài)歷時的角度，強調(diào)評估與教學的結(jié)合，通過評估者與學生之間的互動來了解學生的認知過程和認知變化的特點。

動態(tài)評估于20世紀90年代漸入高潮，F(xiàn)euerstein、 Budoff、 Brown、 Campione、 Carlson、 Stott與Lidz等為代表人物。依據(jù)研究者提出的理念與研究重點不同，動態(tài)評估可分為不同的動態(tài)評估模式。根據(jù)施測過程不同，主要形成兩類動態(tài)評估模式： 互動式與干預式(Lantolf & Poehner 2004)。以Feuerstein為代表的互動式模式在技術(shù)與時間上需要高投入，且難以將評估步驟量化并實現(xiàn)標準化。而較有影響力的干預式模式繼承了動態(tài)評估的核心思想—Vygotsky的最近發(fā)展區(qū)(Zone of Proximal Development， ZPD) 理論，是一種將測試與教學干預相結(jié)合，測量學習過程及結(jié)果的模式。它關(guān)注評估的“量化”指標： 通常以提示量或干預后前后測成績的增長為指標表示學習能力的改變，Sternberg & Grigorenko (2002)將其常用基本模式歸納為“三明治”式： 前測—訓練—后測(pretest-teach-posttest)。目前大多數(shù)動態(tài)評估都為此類，如Brown等提出的逐步提示評估法(graduated-prompts approach， GPA)、 Guthke的學習測驗(learning test)、 Budoff的訓練測驗(training test)、 Carison Wiedl的極限探測法(Testing-the-limits approach)、 Swanson的認知加工測驗(Swanson Cognitive Processing Testing， S-CPT)等。

通常干預式模式中的前后測采用相同或平行測驗，而中間的教學干預過程至關(guān)重要，在課堂訓練時教師會隨時介入來教導學生解決問題的策略，并把前測與后測表現(xiàn)進行比較。如果進步顯著，說明學習者有較好的潛在能力與發(fā)展可能性。與傳統(tǒng)靜態(tài)評估不同，動態(tài)評估的對象不是現(xiàn)有學習結(jié)果，而以動態(tài)、歷時的角度對個體的認知過程進行評估，重點是評估在輔導下學習者潛在的認知發(fā)展水平，旨在促進其認知能力的遷移。目前動態(tài)評估已獲得普遍認可與應用，Sternberg (2002)認為，它是自Binet測驗以來心理測驗領(lǐng)域少數(shù)真正有價值的突破之一。

動態(tài)評估在外語教學領(lǐng)域剛起步，在理論與方法論層面均有所發(fā)展(韓寶成 2009)。教育實踐工作者已開始探索將這種評估方式應用于日常教學實踐(Ginsburg， Klein， Starkey 1998)，也有學者在EFL /ESL教學領(lǐng)域進行實證研究，驗證了動態(tài)評估在日常教學中的有效性(如Kozulin & Garb 2002； Antón 2009； Teo 2012； Hessamy & Ghaderi 2014； Mohammad & Sedigheh 2016)。定量測量學習潛能的研究采用了多種心理測量理論，包括LPS公式(Kozulin & Garb 2002)、t-test、Pearson 相關(guān)系數(shù)、方差分析、多元回歸分析與結(jié)構(gòu)方程等心理測量理論。但傳統(tǒng)的定量測量模式存在以下局限性： 在評估前提上以多個學習群體的同質(zhì)性為假設(shè)，即多個學習群體的學習基礎(chǔ)相同，應用范圍有限；在評估過程上以初始與最終測試結(jié)果的差值為評估指標，對學習過程的動態(tài)變化反映不足；在評估結(jié)果上，僅能反映學習者當前階段的學習狀態(tài)，對學習者潛能的預測信息有限。Emhretson (1991)采用項目反映理論(Item Response Theory，簡稱IRT)及模型作為動態(tài)評估的計量學模型，在測量效度及信度、測量潛在水平等方面具有一定優(yōu)勢。但在受試大樣本的前提下，要求研究者具有深厚的數(shù)理知識及電腦軟件輔助來完成，因此限制了IRT在動態(tài)評估中的應用。從現(xiàn)有文獻來看，各種動態(tài)評估的模式缺乏整合問題，其中受到指責最多的就是心理測量問題(范兆蘭 2009)。定量測量學習潛能的各種嘗試，尤其是形成穩(wěn)健的心理測量工具和測量模式的種種努力還沒有得到一致結(jié)論(張麗錦等 2003)。評估的動態(tài)性也帶來了信度與效度難以兼顧的問題，成為質(zhì)疑與批評的焦點(韓寶成 2009)。

動態(tài)評估在教學領(lǐng)域的應用前景是廣闊的。但是將評估服務(wù)于教學，在理論與實踐層面均需要解決定量測量這一關(guān)鍵問題。如何以科學的測量模型來客觀的量化評估指標、動態(tài)地預測學習者的學習潛力，實現(xiàn)對日常教學進行大規(guī)模的動態(tài)評估，具有重要理論及現(xiàn)實意義。

3. 理論基礎(chǔ)

1) 模型構(gòu)建

鑒于現(xiàn)有動態(tài)評估理論在心理測量方法上的局限，本文采用干預式的基本模式，以學習遷移能力與學習速度為量化指標，采取前測-訓練-后測的測驗范式，構(gòu)建學習效能評估模型(Learning Efficiency Assessment Model，簡稱LEA 模型)， 其中E代表學習效能量化值，S代表學習者群體的能力遷移值，T代表學習時間：

該模型以學習者整體為評估對象，其中S在本文中定義為學習者群體的能力遷移程度，在實際教學中表現(xiàn)為前后測之間因教育干預帶來的認知成績增長；學習時間可采取長時與短時兩種模式，以學期或月、周來計。模型中學習者群體的能力遷移值S為評估關(guān)鍵，那么哪種測量模型能消除多個學習群體能力基礎(chǔ)間的差異，以動態(tài)方式反映各群體在某段學習時間內(nèi)的能力遷移變化、并對其未來學習潛力進行準確預測呢？馬爾科夫鏈恰恰是描述這樣一個動態(tài)過程的數(shù)學模型。

2) 馬爾科夫鏈的基本原理

馬爾科夫鏈(Markov chain)是一種描述動態(tài)隨機現(xiàn)象的數(shù)學模型，也是利用某一變量的現(xiàn)在狀態(tài)和動向去預測該變量未來的狀態(tài)及動向的一種分析，在經(jīng)濟學、社會學、生命科學領(lǐng)域有著廣泛的應用。馬爾科夫鏈中使用了狀態(tài)轉(zhuǎn)移的概念，狀態(tài)指客觀事物可能出現(xiàn)或存在的狀態(tài)，而狀態(tài)轉(zhuǎn)移指客觀事物由一種狀態(tài)轉(zhuǎn)移到另一種狀態(tài)的概率(參見程瑋琪等，2015)。馬爾科夫鏈把時間序列看成一個隨機過程，預測對象為一個隨機變化的動態(tài)系統(tǒng)，根據(jù)狀態(tài)之間轉(zhuǎn)移概率矩陣預測事件的未來發(fā)展，其本質(zhì)是一種概率估計。

馬爾科夫鏈有“無后效性”(non-after effect)與“遍歷性”(ergodicity)兩個重要特性?！盁o后效性”是指在事件發(fā)展過程中，在某一時刻的狀態(tài)已知條件下，事件將來的狀態(tài)及其出現(xiàn)的概率大小只取決于其現(xiàn)在時刻所處的狀態(tài)，而與之前時刻的狀態(tài)無關(guān)；“遍歷性”是指無論事件現(xiàn)在處于什么狀態(tài)，在較長時間內(nèi)，馬爾科夫過程逐漸趨于穩(wěn)定狀況，并且與初始狀況無關(guān)。

利用馬爾科夫鏈的特性可假設(shè)： 在教學效果保持穩(wěn)定的條件下，把某個教學過程分成兩個小階段，基于教學訓練之前的前測(即現(xiàn)在時刻)與訓練后的后測(即下一時刻)這兩次平行測驗，把學生的兩次成績分成M個等級，則前測到后測之間(或現(xiàn)在時刻到下一時刻)學生成績狀態(tài)的轉(zhuǎn)移變化就可反映其學習能力的遷移，再通過分析學生兩次成績在等級間的轉(zhuǎn)移來構(gòu)建轉(zhuǎn)移矩陣。這種轉(zhuǎn)移是學生現(xiàn)在所處的成績狀態(tài)向下一時刻的轉(zhuǎn)移，與其以前的狀態(tài)(即學習基礎(chǔ))無關(guān)，具有無后效性，因此教學過程可當成一個馬爾科夫鏈，以此構(gòu)建的評估模型可有效的剔除學生基礎(chǔ)差異這一因素。假如在今后較長時間內(nèi)，這一教學效果持續(xù)保持下去，即馬爾科夫過程逐漸趨于穩(wěn)定狀態(tài)，可依據(jù)馬爾科夫鏈的遍歷性求出極限向量，來代表學習者群體最終達到的學習水平，因此可對其學習的未來發(fā)展趨勢，也就是學習潛能做出預測。

4. 模型應用實例

目前動態(tài)評估的實證研究主要著眼于閱讀與語法教學(Li & Li 2015)，但詞匯教學很少(Hessamy & Ghaderi 2014)。因此本節(jié)以詞匯教學為例，將LEA模型應用于大學英語課堂教學的動態(tài)評估，以實例來展示評估的具體步驟，并驗證模型在動態(tài)評估中的可行性與信度。

1) 實驗過程

本實驗選擇湖南某高校非英語專業(yè)學生為實驗對象(實驗班55人，控制班49人)， 由一位教師采用兩種不同教學方式進行詞匯教學。教學內(nèi)容為《新視野英語》教程中的構(gòu)詞法，包含派生法、合成法、轉(zhuǎn)換法、縮略詞與混合法、首字母法縮略六種構(gòu)詞法，每周教授兩種構(gòu)詞法。控制班實行常規(guī)傳統(tǒng)教學模式，要求學生課前預習、課后完成課本練習，由教師在課堂上講授教材內(nèi)容及校對習題、解答疑難。在實驗班要求學生在課前歸納、補充教材內(nèi)容的基礎(chǔ)上分組制作PPT，由學生輪流課堂講授，其他學生提問、點評，然后教師做總結(jié)性點評，指出不足并解答問題。通過師生、生生互評，幫助學生理解與掌握詞匯構(gòu)成的基本知識。(本文重點為介紹模型，教學干預過程不做詳述。)

2) 測試

測試詞匯選自《新視野大學英語》及《大學英語四級詞匯大綱》，涉及六種構(gòu)詞法的100個單詞，按照詞匯拼寫難度與詞頻相近的原則分為兩個平行測試(各50小題)，作為前測與后測。為保證測試效度，詞匯測試參考了Nation(2001)詞匯量測試，設(shè)有兩個題型： 拼寫(recall)與識記(recognition)。經(jīng)試測，兩個測試的K-R21信度指數(shù)達到了0.84與0.82，測試信度較好。

實驗前學生未接受任何詞匯策略培訓。在教學開始前，教師在兩個班課堂上先實施前測，在構(gòu)詞法教學結(jié)束后實施兩次后測： 第一次后測在每次課堂教學后根據(jù)教學內(nèi)容隨即進行，以檢驗詞匯的短時記憶效果；第二次后測在所有構(gòu)詞法教學結(jié)束后進行，以檢驗長時記憶效果。最后統(tǒng)計學生前測及兩次后測成績，成績滿分為100分，實驗時間為3周。

3) 模型應用

LEA模型的構(gòu)建涉及馬爾科夫鏈的基本原理(詳細參見Norris 1997： 169-182； Diaconis， Holmes & Neal 2000： 726-752； 李仁蘇，蔡根女，鄭愛芝2007)，本文主旨為介紹其在動態(tài)評估中的應用，限于篇幅對數(shù)學原理只做簡要闡述，本節(jié)通過控制班與實驗班的詞匯教學評估實例來介紹模型應用的主要步驟。

(1) 列出成績轉(zhuǎn)移矩陣表。

根據(jù)學生的前測與后測兩次成績， 按照一定標準將成績分成m個等級，列出成績轉(zhuǎn)移矩陣表： 用有序標碼i、j表示由前測的第i等級轉(zhuǎn)移到后測的第j等級，學生成績的轉(zhuǎn)移變化情況為nij，表示由第i等級轉(zhuǎn)移到第j等級的人數(shù)(i，j=1， 2， 3， ...，m)。假設(shè)一階段教學后，把i等級學生培養(yǎng)為j等級學生(i>j)是進步；反之，把i等生培養(yǎng)成j(i

在詞匯教學中，將詞匯前測與第一次后測成績分為五個級別： 優(yōu) /Excellent(90～100)、良 /Good(80～89)、中 /Medium(70～79)、及格 /Pass(60～69)、不及格 /Fail(0～59)， 然后根據(jù)學生在施教前后詞匯成績級別的轉(zhuǎn)移變化列出狀態(tài)轉(zhuǎn)移矩陣表。實驗班前測中有8人為優(yōu)，經(jīng)過階段教學后，在詞匯短時記憶的后測中該8人有6人仍為優(yōu)，其他2人降為及格，在五個級別上的分布為(6， 0， 0， 2， 0) (見圖1左部分第1行)，依此可列出兩個班的成績轉(zhuǎn)移矩陣表。(注： 文中數(shù)據(jù)分析由基于LEA模型編程開發(fā)的軟件完成。)

圖1. 實驗班(Group 1)與控制班(Group 2)成績轉(zhuǎn)移矩陣表

(2) 根據(jù)轉(zhuǎn)移矩陣表確定狀態(tài)轉(zhuǎn)移概率矩陣P。

圖2. 實驗班(Group 1)與控制班(Group 2)的狀態(tài)轉(zhuǎn)移概率矩陣P

(3) 求出平穩(wěn)分布，即求矩陣P特征值為1的特征向量(characteristic vector)。

特征向量是事件發(fā)展達到穩(wěn)定狀態(tài)時的概率向量，簡而言之，是指當影響事件發(fā)展的諸多因素穩(wěn)定時，事件在這些條件下達到的將來狀態(tài)及其出現(xiàn)的概率大小，而這一概率大小與初始狀態(tài)無關(guān)。

圖3. 實驗班(Data 1)與控制班(Data 2) 的特征向量

經(jīng)軟件計算(計算過程略， 見圖3)， 兩個班的短時記憶成績矩陣P的特征向量為：

如果教學效果保持穩(wěn)定，依據(jù)教學的現(xiàn)在狀態(tài)，根據(jù)馬爾科夫鏈的遍歷性求出特征向量，按目前成績級別變化(即轉(zhuǎn)移概率基本保持不變)，可預測學習群體的未來發(fā)展?jié)摿Γ?在將來詞匯學習中，實驗班有19.6%的同學短時記憶成績?yōu)閮?yōu)，23.27%的同學成績?yōu)榱迹?0.76%的同學成績?yōu)橹校?6.37%同學為差；而控制班有6.59%同學成績?yōu)閮?yōu)，21.42%同學成績?yōu)榱迹?1.17%同學為中，10.81%的同學為差。從直觀上看，實驗班的學生轉(zhuǎn)移為等級“優(yōu)”與“良”的比率高于控制班，也就是說學生群體的整體遷移能力趨勢更好。

(4) 設(shè)定教學成績的等級劃分標準，求出學習成效評估值S。

將學生成績分成m個等級的每個狀態(tài)分數(shù)范圍的中間值為a1， a2， a3， …， am，以此定量指標為權(quán)重，在解出P的特征向量X=(x1，x2， …，xm)后，與x1，x2， …，xm加權(quán)來計算學習成效評估值S，其計算公式為： S=a1x1+a2x2+a3x3+…+amxm。

在該實驗中，將學生成績分成五個級別的分數(shù)區(qū)間的中間值為95， 85， 75， 65， 55，以該指標為權(quán)重，與P矩陣的特征向量加權(quán)計算短時記憶詞匯測試中，學習者群體的能力遷移值S(見圖4)：

圖4. 實驗班(Group 1)與控制班(Group 2)的能力遷移值S計算過程

由計算可得，實驗班的學生群體的能力遷移值為79.61，控制班的學生群體的能力遷移值為77.3715。

(5) 求學習效能量化值E。

將教學時間以周或天為單位代入評估公式，求出學習效能量化值。兩個班的課堂教學學時均為3周，為方便計算可設(shè)學習時間為1，因此學習效能量化值E的計算結(jié)果為：

由此可見，EGroup 1>EGroup 2

通過LEA模型分析可見，在詞匯短時記憶實驗中，兩個班的學習效能量化值分別為79.61與72.37，實驗班學習效能值略高于控制班，說明實驗班的教學成效優(yōu)于控制班。

在長時記憶詞匯測試中，兩個班的能力遷移值S的計算結(jié)果為(步驟1—3與短時記憶計算過程相同，此處略)：

SGroup 1=0.146×95+0.26×85+0.392 8×75+0.201 2×65+0×55=78.508

SGroup 2=0.042 6×95+0.207 4×85+0.454 6×75+0.233 2×65+0×55=70.929

則兩個班的學習效能量化值E的計算結(jié)果為：

可見： EGroup 1>EGroup 2

同理，LEA模型對詞匯長時記憶實驗進行評估后，對兩個班學習者群體的未來發(fā)展?jié)摿ψ龀鲆韵骂A測： 在將來詞匯教學中，實驗班將有14.6% 的同學長時記憶成績?yōu)閮?yōu)，26%的同學成績?yōu)榱?，而控制班僅有4.26%同學成績?yōu)閮?yōu)，20.74%同學成績?yōu)榱?。最終結(jié)果顯示，兩個班的學習效能量化值分別為78.51與70.93，說明在相同教學時間內(nèi)實驗班詞匯長時記憶的教學成效明顯優(yōu)于控制班。

由以上實例可見，基于馬爾科夫鏈的LEA模型可有效地反映教學實踐中學生群體的學習能力的遷移，通過對其學習的未來發(fā)展趨勢對學習潛能進行預測，最終實現(xiàn)對教學成效的動態(tài)評估。

4) 信度檢驗

評估工具的關(guān)鍵是信度，即評估結(jié)果的可靠性與一致性程度。為驗證模型評估結(jié)果的信度，本節(jié)采用t檢驗對兩個班級的兩次后測成績進行差異顯著性分析。

表1. 詞匯后測成績統(tǒng)計量

表2. 詞匯后測成績t檢驗

由表1及表2可見，使用不同教學方法的兩個班的短時及長時記憶成績均存在差異。無論是是短時記憶還是長時記憶，實驗班的教學成效顯著高于控制班(短時： t=2.117，p=0.037， Cohen’s d=0.11；長時： t=3.134，p=0.002， Cohen’s d=0.47)。t檢驗結(jié)果與LEA模型的評估結(jié)果一致，但評估模型的優(yōu)勢是t檢驗無法比擬的，下節(jié)具體討論。

5. 討論

傳統(tǒng)動態(tài)評估研究中常用t檢驗、方差分析、回歸分析等方法對教學成效進行定量評估，其應用存在一定局限性： (1) 應用前提： 僅能比較學習基礎(chǔ)無顯著差異的學生群體，無法考慮其原始狀態(tài)，不適用基礎(chǔ)不同的群體；(2) 評估模式： 實質(zhì)是依賴學生最終成績的一種靜態(tài)評估，無法考慮教學過程中學生能力的發(fā)展變化過程，也無法對其發(fā)展?jié)摿ψ龀鲱A測。

與上述評估方法相比，依照Haywood & Lidz (2007： 6)提出的動態(tài)評估的特征框架，基于馬爾科夫鏈的動態(tài)評估模型主要優(yōu)勢在于：

1) 評估對象的個體性。動態(tài)評估以學生個體為評估對象，該模型是將學生個體的原始狀態(tài)與遷移后的狀態(tài)相比，將傳統(tǒng)的常模參照改變?yōu)閭€體自身動態(tài)發(fā)展的縱向比較，而非靜態(tài)評估中將自我與他人對比，體現(xiàn)了關(guān)注個體發(fā)展的評估理念。

2) 評估過程的動態(tài)性。動態(tài)評估強調(diào)以動態(tài)歷時的角度對學生的思維、認知能力進行評估?；隈R爾科夫鏈“無后效性”的評估模型考慮了學生群體的原始狀態(tài)，剔除學生群體間初始狀況的差異，通過前測與后測間的變化來把握其能力遷移情況，以此構(gòu)建轉(zhuǎn)移矩陣，因此可對初始狀態(tài)存在差異的學生群體進行動態(tài)評估，其本質(zhì)是利用學生在一定教學時間內(nèi)的“遷移度”來計算其進步趨勢，強調(diào)的是測驗時學生學習和改變的認知過程。

3) 評估結(jié)果的預測性。動態(tài)評估關(guān)心的是學生的潛能，不僅關(guān)注實際發(fā)展區(qū)，還重視最近發(fā)展區(qū)，重視被評估者今后形成什么、變成什么。該模型正是一種基于發(fā)展視角的評估方法?；谇皽y與后測，利用馬爾科夫鏈的“遍歷性”，也就是利用教學的現(xiàn)在狀況及發(fā)展趨勢來預測學生的未來潛能及教學的未來狀況，可對教學效果的優(yōu)劣做出判斷。而傳統(tǒng)靜態(tài)評估測量的是個體已經(jīng)形成的能力，評估的只是現(xiàn)階段學習結(jié)果，只擁有“現(xiàn)在”，看不到“將來”。

本文運用該模型對詞匯教學進行了動態(tài)評估，評估原理及方法可拓展到外語教學實踐的其他方面，可用于對學習者語法、語音、寫作等知識乃至對語言能力、交際能力、學習策略等各個方面的動態(tài)評估。在高校外語網(wǎng)絡(luò)多媒體教學模式已基本成型的大環(huán)境下，結(jié)合計算機的數(shù)據(jù)記錄、分析與處理能力，可通過該評估模型進行大規(guī)模的評估數(shù)據(jù)采集、分析，以實現(xiàn)將教學干預與同步反饋相結(jié)合，把評估與教學、診斷、輔導、矯正有機地結(jié)合在一起。

6. 結(jié)論

動態(tài)評估研究還處于發(fā)展初步階段，它不僅是一種理念，也是一種方法，強調(diào)質(zhì)化與量化研究相結(jié)合，需從跨學科的視角展開研究。本文基于動態(tài)評估理論，采用馬爾科夫鏈構(gòu)建了評估模型，通過詞匯教學實例介紹了模型的基本原理與應用，并驗證模型的信度，從評估對象、評估過程與評估結(jié)果方面探討了模型的優(yōu)勢，為動態(tài)評估的定量測量學習潛能研究做出了新的探索。

動態(tài)評估的信度與效度一直是研究的熱點，本文初步提出了模型的構(gòu)建，后續(xù)將進行更多效度驗證研究。盡管動態(tài)評估存在對教師教學專業(yè)素質(zhì)及評估水平要求較高、評估歷時長等問題，在理論與實踐層面還有很多問題亟待解決，但筆者相信，動態(tài)評估必將成為未來教育評估的發(fā)展方向。