在大数据时代，考试数据分析尤其是海量考试数据挖掘利用开展评价工作，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、挖掘与应用，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，从而推动实施素质教育。同时，它也对多元化考试的评价功能提出了新的标准，实现对人的全面的个性化、多样化、社会化评价。

　　在义务教育和高中教育过程中，各个年级、各种类型的考试积累了大量的信息，但是这些信息由于数量巨大，缺少现代高科技技术，无法盘活为高校选拔适合其培养目标的人才服务，只能长久沉睡在存储器里。进入大数据时代，这种情况彻底改观了。教育考试数据资源的挖掘分析、有效利用变成现实，使我们能够建立起科学的考试评价体系，最大效率地为高等学校招生服务，对于促进教育均衡、全面提高教育质量，培养综合素质强的人才具有重要意义。

　　量化教育过程——促进专业化考试评价

　　教育改革的根本目标是为国家发展输送人才，如何量化教育过程变得非常关键，而考试大数据就是量化的关键节点。将经年积累的考试数据有效利用起来，就成为我们准确描述教育成果的曲线，有了这些数据才能快速推进招生考试改革的进程。

　　考试是教育评价的主要工具和手段，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重要手段。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体系中。

　　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、挖掘与应用，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：实现对人的全面的个性化、多样化、社会化评价。

　　如何在教育领域、在人才使用领域充分运用海量教育考试信息，是这个时代的重要技术课题之一。比如“网上评卷”技术在各类考试中的广泛运用，如全国高考、中考、学业水平考试、大学英语四六级考试、基础教育监测、期中期末监测等，为国家和地区积累了大量系统、完整的考试数据。计算机智能考试在英语人机对话考试、资格证书考试等多类考试中的逐步应用，使得考试数据的采集更为高效、便捷、准确、客观、全面。而教育大数据远不止于此，它贯穿于教育全过程，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教育息息相关。

　　新的教育考试评价体系从原来的注重结果的终结性考试转化为注重诊断性的过程性评价，为考生提供的不再仅是一个分数，还包含考生不同知识、能力、特长和潜质模块的分项报告，并最终形成“学生学业评价报告单”。同时通过采集大量非学业数据实现对教育过程质量的监测与评价，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，必将对学生的学习、教师的教学、教育政策的制定产生重大的影响。

　　考试大数据外延——实现人才培养多元评价

　　从教育全过程角度来看，教育管理、教学方式、学习行为、考试评价等，无不受到大数据的影响。教育大数据的产生为教育发展的预测、教与学参与人员行为调整、身心健康发展提供了重要依据，考试数据的挖掘应用成为提高教育管理水平和教学质量的重要方式。

　　国内外研究与实践证明，考试数据挖掘应用对学生、教师、教育管理人员以及教育研究人员均具有重要价值：

　　1.对学生而言，通过对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。

　　2.对教师而言，教师是教学计划的执行者，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，教师能准确地了解教与学中的问题，从而改进教学。

　　3.对于教育管理人员来说，借助于考试数据的挖掘，决策者能清楚地了解教育的现状和存在的问题，有目的地调整教育决策，对人力和财力进行更合理地布局。

　　4.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。

　　在大数据时代，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。信息专家预测，“基于数据的学习与评价”和“学习分析技术”将在未来几年成为主流技术。它将通过对学生学业考试与非学业调查以及日常生成的海量数据的分析和解释，评估学生的学习进展，预测未来的表现，并发现潜在的问题。

　　如，国际教育评价协会(IAEA)、国际经济合作组织(OECD)分别在其组织的大型国际测试项目TIMMS、PIRLS、PISA中充分利用其组织的知识、素养测试与针对学校、教师、学生、家长的调查问卷数据结合进行深度挖掘，分析影响各国教育的主要因素。英国在其评价项目中引入了学习档案袋，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(ETS)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(ACT)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。总之，通过考试数据挖掘与利用，很容易了解学习者学习的现状，包括主要特征、学习特点、学习行为的影响因素及其所带来的学业结果，从而有助于学习者掌握学习规律，优化学习过程，改进学习效果，提升教育质量。