在“大数据”背景下,教育活动产生大量、多样的教育数据和信息,传统的教育评价难以有效利用这些数据满足学习者需求。如何合理地使用复杂教学环境中产生的丰富数据,运用适当评估方法来评价学习者知识、技能掌握程度,衡量其思维发展水平和认知构建的动态过程,进一步利用评价反馈信息因材施教实施个性化教学,已成为教育评价研究领域的热门话题。为了评价学习者在复杂教学环境中思维水平和认知构建过程,检验学习者认知框架内各认知要素与在社会实践训练过程中的一致性程度,为教师、学生提供及时、动态的教学反馈,本研究以“以证据为中心”的教育评价设计模式和认知框架理论为理论基础,融合认知网络分析等可视化分析技术,设计并构建了一种基于学习者认知网络分析的评价模式(Evaluation Based on Epistemic Network Analysis,简称EBENA模式),弥补了传统教育评价模式过于重视结果、评价数据来源单一、分析工具过于陈旧、忽视学习者个体等不足,对教育评价相关研究进行了完善和丰富。为了检验EBENA模式的评价效果,本研究在教学实践中实施应用了该评价模式。首先,在自然真实的课堂中设计了教学活动,实施学生互评,收集同伴评价数据,作为EBENA模式下评价的数据来源;然后,依据认知框架理论和课程评价指标,构建评价的认知编码;最后,利用统计分析和认知网络分析等方法探索学习者的评价话语质量及认知结构特点,分析和评价不同学习者的思维、认知发展变化和差异。本研究根据分析结果给予评价者、被评价者和教师相应的评价反馈,为教师和学生提供教学建议和学习指导。应用实践证明,EBENA模式较适合基于话语、文本数据的评价,统计分析与可视化分析相结合,可以很好的呈现教师的教学质量和学习者的学习效果,检验不同学习经历和不同学习水平学习者间的话语质量、思维发展水平和认知结构,从而改进教学模式和促进学习者学习,并能为教育工作者在复杂教学环境中实施精准的教育评价和反馈提供模式参考和理论指导。