摘 要：大学英语课程是高等院校的一门重要的基础课程，大学英语评价体系对教学具有正面导向作用。在大学英语评价体系中融入思政教育，帮助学生在学习大学英语的同时接受潜移默化的思政教育，更有利于学生树立和践行社会主义核心价值观，培养新时代大学生。本文以《新潮实用英语综合教程》第一册第二单元“Making friends”的具体课堂评价为例，探讨在大学英语多元评价体系中如何融合思政元素，开展思政教育。
　　关键词：互联网+;课程思政;大学英语;多元评价体系
　　作者简介：康舒燕（1981-），女，广东湛江人，湛江幼儿师范专科学校，助教，硕士，研究方向：教学法、英美文学。
　　一、前言
　　党的十九大报告指出，要加强思想道德建设。“人民有信仰，国家有力量，民族有希望。要提高人民思想觉悟、道德水准、文明素养，推动全社会文明程度。广泛开展理想信念教育，深化中国特色社会主义和中国梦宣传教育，弘扬民族精神和时代精神，增强爱国主义、集体主义、社会主义教育，帮助人们树立正确的历史观、民族观、国家观、文化观。”
　　大学英语作为一门公共课，在高等学校教育教学中起着不可取代的重要作用。大学英语教师要坚持正确的政治方向和价值取向，有意识地在教学评价体系中融入德育教育，深度发掘评价体系中的思政元素。在大学英语学习中，不同的学生有不同的强弱项，在一定程度上是受智力发展不均衡制约的。尊重学生的个体差异，尊重学生智力发展多元化，有助于帮助学生形成和发展与自己智力特征、学习风格相适应的学习策略，有助于学生获得语言学习的成就感。
　　二、课堂思政与大学英语多元评价体系融合案例
　　教师根据教材内容，以单元为单位，提炼出单元的思政教育总目标，然后细致罗列出每个教学阶段的思政教育目标，每个课时的思政教育目标为最终实现本单元思政教育总目标服务。现以具体课堂评价为例，探讨如何在“互联网+”视觉下把课堂思政与大学英语评价体系相融合。
　　《新潮实用英语综合教程》第一册第二单元的主题是“Making friends”（交友）。首先，教师提出问题“What is friend？ Why do you consider they are your good friends？ ”。教师通过上述问题引导学生讨论好朋友的定义。接下来，激发学生对该话题进行深入思考“What characteristics do you think good friends may have？”，通过小组互评的方式评出最佳辨识能力小组。之后紧跟另一个问题“Do you know how to make good friends？ ”，引导学生思考如何正确交友。教师还可以组织学生观看一则关于交友的视频，引导学生如何结识可靠的真诚的朋友。接着，组织学生针对之前的讨论和视频内容，引导学生树立正确的价值观、名利观，让学生认识到任何真心朋友都要以诚相待，不求回报。其次，结合本单元Text A部分，教师引导学生思考以下问题：Do you think having a roommate has more advantages and disadvantages？ How to make your roommate to be your good friends？ 学生结合自己的校园生活，思考拥有舍友的利与弊。接着，结合课文进行学习，并组织学生展开讨论。最后，通过互联网反馈自己的想法。阅读课结束后，学生需要在学习通网络平台上提交一篇作文，一方面对学生的英语应用能力进行考查，另一方面了解学生在学习完成后是否达到了相应的价值观目标。
　　三、“互联网+”视觉下大学英语多元评价体系的实证研究
　　课题组采取线上问卷调查的方法进行数据收集，在该评价方式实施前发出问卷67份，收回问卷67份。该评价方式实施两个月后发出两份问卷，每份问卷都是135份，回收问卷135份。第一份问卷用于调查学生两个月后学习情况的变化，第二份问卷用于调查该评价方式的有效性。问卷载体是问卷星，分析软件是SPSS23。
　　（一）调查概述
　　参与调查的对象为湛江幼儿师范专科学校2021级婴幼儿管理1班和2班、家政1班、智慧健康养老服务与管理班的学生。问卷在“互联网+”视觉下，对学生利用网络资源和网络平台参与教学、学习英语的积极性、利用互联网学习英语的能力、思政水平的变化以及学习英语内驱力的变化等方面设置10个问题。
　　（二）分析
　　课题组对“互联网+”视觉下思政元素融入大学英语评价体系的现状进行了SPSS分析，以下是分析情况。
　　1.信度分析：
　　从上表可以看到，本研究样本的各变量和总体的Cronbach's Alpha系数均保持在0.753至0.939之间，均高于0.7的信度理想水平，充分說明本研究所用问卷中的各项变量均具有较高的稳定性与可靠性。
　　2.效度分析：
　　如上表所示，巴特利特度检验统计量的观测值为1950.215，概率p值接近0，本文显著水平为0.05，由于概率p值小于显著性水平，因拒绝原假设，认为相关系数矩阵与单位阵有显著差异。KMO值为0.901，说明原有变量适合进行因子分析，同时也说明问卷结构的设计比较合理。
　　由表1可以看出，第1个因子的方差贡献为6.941，解释原有11个变量总方差的63.104%，累积方差贡献率为63.104%;第2个因子的方差贡献为1.032，解释原有11个变量总方差的9.386%，累积方差贡献率为72.490%;第3个因子的方差贡献为0.840，解释原有11个变量总方差的7.634%，累积方差贡献率为80.124%;第4个因子的方差贡献为0.616，解释原有11个变量总方差的5.599%，累积方差贡献率为85.723%。
　　由于指定提取四个因子，解释了原有变量总方差的85.723%。总体上，原有变量的信息丢失较少，因子分析效果较理想。