智慧学习研究院

 在过去3-4周里，面对特殊时期特别的教学安排，广大教师积极配合、主动探索，全国多数院校实现了在线教学，保障了教学进度。高教司要求各院校采取措施在线教学做到保质保量、同质等效。随着时间推移，马上进入期中考试环节，如何保障期中考试过程同质等效是各个高校面临的一项重点、难点工作。教学是一项系统工作，再强大的技术支持，也很难在短时间内将面授课堂完全照搬到线上。“自己讲明白了么？”“学生掌握了多少内容？”“如何评价学习效果？”，教师们难免会思考在线教学中的考试问题。当然，还有部分老师认为，春季学期刚刚开学，距离期末尚早，本学期学生肯定是会返校的，届时课程考试如以往惯例即可，当前无需特别担心。但是，疫有异情、地有地情、校有校情，只有提前准备方能从容应对。作为教学的有机组成部分，在线教学中如何考试需要提前周密考虑。

        在线考试系统是伴随计算机辅助教学（CAI）的发展而产生的，相关研究随着远程教育的扩大而日益深入，最终进入大规模的开发与应用。有文献认为美国考试委员会于上世纪80年代初成功开发了最早的考试系统。在信息与通信技术（ICT）高速发展的今天，教育信息化深入到了教学一线，而在线考试也得到了广泛的应用。

        当前，在线考试的一大主要应用场景是作为独立系统，专门服务于考试（特别是大规模的、专业性的测试），国际上知名的如托福和GRE考试、思科认证、微软认证等，国内如全国计算机等级考试（NCRE）、各类职业资格考试以及远程教育与高等网络教育系统的集中网考等等。在线考试系统的基本技术架构经历了从单机版、到客户端/服务器（Client/Server, C/S）、浏览器/服务器（Browser/Server, B/S）和C/S与B/S混合架构的变化，使得在线考试在确保数据安全的同时，组织和管理越来越方便；不过，考生的身份认证仍主要依赖于人工。在开发工具和语言上呈现多样化，如ASP、JSP、PHP、VB、Visual C#和Visual C++等等。此外，基于评价理论对测试的技术要求（如知识点分布、难度、区分度等），组卷算法问题是颇受关注的领域，并已有一系列深入研究，为实现考试的不同要求提供了不同算法以供选择，包括自适应的智能考试系统已得到应用。

        在线考试的另一大应用场景是作为学校网络学习平台（包括学习管理系统LMS、学习内容管理系统LCMS等）的重要组成部分，服务于在线教育的课程学习。典型的如Canvas、Moodle、Blackboard等，教师可以在自己的课程中编制考题、创建题库、组卷、设置随机题、设置时间等，系统可以对客观题进行自动评分和成绩分析，学生在课程学习过程中按要求完成即可。

由于目前国内外高校会选用不同系统作为校内的学习平台，所选用平台自身的功能完备性和可用性，决定了高校是否能在短时间内依靠校内学习平台提供在线考试。上述两种场景有明显不同，前者多专门服务于考试本身、后者服务于教学，前者是集中的、后者是分散的，前者多是大规模的、后者多为小群体的，它们对于在线考试的具体功能需求存在差异，但在功能的技术实现上相互可以有借鉴与参考之处。

        一般而言，对于不同的课程而言，并非都是挑战。大学课程具有多样性的特点，不同专业、不同类型、不同层次和不同规模的课程，会采用不同的评价策略。当前，高等教育也越来越重视过程评价、多元评价，绝大部分的课程分数并非是由一次期末考试决定的“一锤子买卖”。目前，在大学课程考试中大致有如下几类考试：集中考试（包括闭卷或半开卷）、学生撰写课程小论文、小组合作学习与课堂展示、完成实验/设计/制作等操作类任务。

       教学形式由面授变为在线，并不会让这几类评价手段中的大部分变得困难。无论是面授还是线上教学，学生都可以通过电子邮箱或校内学习平台提交课程小论文。面授课中常用的小组合作学习与课堂展示，当前教师所用平台都提供了相应支持，让学生也能在课程直播中实时发言，共享自己的屏幕以进行展示。有些动手实践操作考试，如实验课、设计类课程等，需要专门设备、较高性能计算机才能完成任务，但当前已有工具支持部分科目的在线虚拟实验；这类课程还可以通过采取混合式教学策略，调整课程进度安排和能力考察的替代方案等方法解决评价问题。此外，考勤常在很多课程评价中占有少量比例，不过线上学习平台能够提供签到打卡等比面授课堂更为便利的工具。

        对于更多课程而言，尤其是学生规模较大的专业基础课、核心课，闭卷考试才是需要特别关注的评价方式；其影响面更大、涉及准备环节更为复杂，需提前筹划。下面我们来讨论在线闭卷考试。

清华大学的雨课堂考试平台。清华大学对控疫背景下的考试安排进行了整体考虑、提前筹划。不同类型和性质的课程对于在线考试的需求差异较大，对于必须要安排闭卷考试的课程做到早考虑、早安排、早部署。雨课堂团队主要对以下几方面问题需要考虑：1）在线考试已有成熟的解决方案，可结合考虑学校现有的网络教学基础和对今后的规划，进行二次开发、独立开发；2）除了基本的在线考试功能外，师生信息对接与安全保护、身份认证、考试数据的管理与安全、网络支持要求等是考试平台设计的重点；3）对课程的在线考试需求进行调研、分类，如英语、数学等公共课和一些大规模的专业基础课等对于在线集中考试可能需求较为迫切；其他类型的课程或者学生规模较小的课程不一定需要集中在线考试，学校可以为教师推荐工具包让教师根据课程实际自主选择；4）学生当前所用的设备条件也需要提前调研，制定学生因网络或技术问题不能成功进行考试的预案等。

美国高校常用的在线学习与考试平台，部分中国高校也在使用。第一是Canvas，根据最近美国各高校的新闻显示，Canvas是很多高校在应对疫情的通知中推荐的在线教学平台/工具之一，包括斯坦福大学、哈佛大学、华盛顿大学、普林斯顿大学、威斯康辛大学麦迪逊分校等。Canvas是美国Instructure公司（创立于2008年）旗下的学习管理系统，是一个开源平台。Canvas具有云系统架构、多类型工具整合、强大的数据分析、支持移动用户。和大部分网络学习平台一样，Canvas提供有一整套基本功能，包括课程作业、测试和学习评价等。此外，Canvas自带有Speed Grader等量规和分级工具，可用于评定学生作业并自动记录，使教师即使识别有问题的学生。综合功能性、可用性而言，Canvas有明显的优势；但是，目前在国内基本无应用，只有英文界面，其所提供的多工具整合等功能也主要适合于美国的互联网环境。

第二，Blackboard。这是一款商业化的网络学习平台，基于Java语言开发，可支持百万级用户访问。其所属的美国毕博（Blackboard）公司成立于1997 年成立，2005 年收购WebCT，2003 年与中国赛尔网络公司合资成立赛尔毕博公司，负责Blackboard 在中国的推广应用。据文献显示，目前我国已有200多所高校（如浙江大学、中山大学、首都医科大学、华北煤炭医学院等）使用了该平台。对于其在线考试功能，已有实践案例基本采用在学校计算机房进行集中网考的形式进行。控疫期间相关高校将如何借力该平台，可跟进了解以往的使用情况。

中国高校使用较多的是Moodle（Modular Object-Oriented Dynamic Learning Environment）。Moodle是由澳大利亚的一名教师基于建构主义教育理论而开发的一款开源学习内容管理系统。Moodle基于PHP开发，于世纪初推出，到现在发展到3.6版本。该系统易于使用，面向公众免费开放（唯一限制是必须保留Moodle版权, 使用者在修改过程中必须遵守GPL开源协议）。正因如此，用户众多、影响广泛。目前，Moodle官方网站由来自200多个国家和地区的3亿多注册用户。众多用户组成了Moodle社区，共同讨论、解决问题；同时有专门的技术人员负责二次开发，和用户一起在使用中优化Moodle功能。Moodle在2004年左右进入国内并得到汉化，逐渐广泛应用于高校和中小学（如中国科学院大学、华东政法大学、哈尔滨工业大学、国家开放大学等）。其广泛应用也反映在研究上，如知网上以主题搜索Moodle可得文献近3000篇。

        利用Moodle平台，教师能在自己的课程中很方便地设置测验和讨论等不同类型的学习活动、出题和组卷，快速地看到学生成绩等。

专门的在线考试工具与平台。网络学习平台自带的在线测试功能外，还有很多专门的在线考试工具平台与服务。用户可以应用这些平台服务创建在线测试，还可将其嵌入到自己的在线课程页面中。例如Turnitin公司旗下的Gradescope是一款在线评分工具，尤其针对理工类课程，可以扫描学生的纸质作业然后自动评分，并可嵌入前述学习平台的课程之中。又如Online Exam Builder、EasyTestMaker、ClassMaker等工具也都支持在线测试题的创建和嵌入式应用；还有一款Kahoot!工具则突出了游戏化风格，应用此平台的服务，用户可以创建不同语言版本的、多种科目的学习游戏或测试。

其它兼有考试功能的网络学习平台。国外教育机构常用的网络学习平台还有Sakai（开源）、ATutor（开源）、WebCT（收费）和Vclass（收费）等，其中Sakai平台在国内学校中有一定的应用。这些平台在基本功能上包括在线测试方面都相差不大。在国内，市场有大量服务商能够提供在线考试的技术支持。除了专门的考试系统提供者外，在线调查平台问卷星、HR解决方案服务商北森等机构也能提供在线考试的服务。

      经过2010-2012年美国的“影子学者”（Shadow Scholar）事件，高教界对于大学学习中的捉刀代笔问题更加关注。当时，Dave Tomar承认在过去的十多年间向一些学生出售他代写的论文，既有面授课的课程论文、也有在线课的论坛讨论发帖等。虽然理论推导和很多实证研究都发现，与面授课相比，在线课程中学生作弊的概率差不多甚至可能更低，但这和很多人的直观感受并不一致。尤其是在线学习中，学生对于作弊会比教师更有经验。这就意味着在线考试要特别重视预防作弊。

        在线学习中确保诚信与防止作弊需要从技术、考试的题目与规则设计、整个课程的评价策略等多方面考虑，多管齐下。从技术上看，目前一些大学已经在学生报名等工作中应用了人脸识别技术，远程教育领域也已经有人脸识别支持下的网络集中考试，因此将人脸识别应用到考生身份甄别上是可行的，需要特别注意的是隐私保护的问题。但是，由于远程学习很难创造封闭式的考试环境，无法做到完全闭卷，学生在远程答题的时候有很多渠道查阅资料或与他人交流；对此，则可考虑远程登录或锁定、随机题目、限制答题时间、有意增加题目数量、要求全程打开摄像头等方式，从ICT技术和测量方面考虑，尽可能地增加答题时的作弊难度。当然，教师还可以通过课程设计本身来降低作弊分享，如调整课程的评价策略、减少期末闭卷考试在全部分数中的比重，增加过程性的、多元的评价手段、甚至增加闭卷考试的次数，将“闭卷”要求调整为“半开卷”或“开卷”等。总的来说，即通过提高作弊的成本、降低作弊的收益，来减小作弊的概率。

        总而言之，说在线教学情境下的学习评价是挑战，毋宁说是机遇。在这种“倒逼机制”下，教师们会更加重视和优化学习的过程性评价与多元评价，有更多机会了解、尝试乃至习惯技术提供的多功能支持。同时，能够促进学校和管理部门进一步反思教学管理和技术支撑的关系，在《教育信息化2.0行动计划》的背景下，推动教育技术更紧密地嵌入学习生态系统，更好地支持在线教育教学。