华东师范大学学报(教育科学版)

作者：李金波, 苏胜, 曾平飞, 王永固

单位：1. 浙江省教育考试院，杭州 3100122. 浙江师范大学心理学院，金华 3210043. 浙江工业大学教育学院，杭州 310023

关键词：教育考试,增值评价,神经网络模型,时序模式,长短时记忆网络

基金：教育部教育考试院“十四五”支撑课题“改进考试结果的测评技术研究”（20220008）；国家自然科学基金面上项目“多模态特征融合的自闭症教育机器人情感社交智能感知模型及应用研究”（62177043）。

教育评价改革是新时期深化教育改革的关键环节，但传统增值评价方法在处理学习过程的动态特征和复杂依赖关系方面存在技术局限。本研究以浙江省2023届4869名高中学生为研究对象，构建时序模式注意力长短时记忆深度神经网络(TPA-LSTM)增值评价模型，通过结合分位数回归方法，实现对学生成绩时序特征和非线性变化的精准评估。研究基于高中五个学期的语文考试成绩，对个体层面的学习轨迹特征和群体层面的增值表现进行系统分析。研究发现：TPA-LSTM模型在测试集上的均方根误差(RMSE)为0.082，平均绝对误差(MAE)为0.067，显著优于传统SGP模型；对高二下学期成绩相同(0.716)的学生群体，能够根据其历史学习轨迹识别出34至80的增值水平差异；模型的时序权重分布特征揭示了第三学期和第四学期为学习关键期，为评价结果提供了更强的解释性。研究表明，该模型在个体评价层面实现对学习轨迹的精确刻画，在群体层面揭示不同类型学生的发展特征，为提高教育考试增值评价的预测精度和教育诊断价值提供新的技术路径。

来源：2025年第9期

《华东师范大学学报(教育科学版)》期刊编辑部

查看华东师范大学学报(教育科学版)杂志2025年第9期