基于大数据的高校教学质量评价初探

叶志伟 严灵毓 刘伟 陈宏伟

摘 要：随着OBE（Outcomes-based education）教育理念越来越广泛的被教育界接受和实践， 对教师课堂教学质量的也提出了更高的要求。客观公正教学质量评估结果是提高和保障教学质量的重要措施。传统的课堂教学质量评价方法主要是以定量和定性相结合的方式进行的，其评价结果往往不尽合理。本文对基于大数据技术的高校课堂教学质量评价进行了初步探讨，以期能够更加科学合理的评价教师课堂教学质量。

关键词：大数据 教学质量 评价

中图分类号：G455 文献标识码：A 文章编号：1672-3791（2015）09（b）-0000-00

1引言

自1999年国家实施高等教育扩招政策以来，大学录取率一直保持上升势态，高等教育的规模持续扩大，我国已经进入了高等教育大众化阶段。截至到2014年，在校生规模超过3000万，高等教育规模位居世界第一。总的来看扩招顺应了我国教育发展的趋势，然而由于学生个体差异较大、教学条件的改善速度难以跟上扩招的步伐。目前，高等教育的教学质量不容乐观。2011年伊始，教育部和财政部实施的 “高等学校本科教学质量与教学改革工程”较好的抑制了本科教学质量下滑的势头，教学质量有慢慢回升的趋势。2013年6月，我国加入了《华盛顿协议》，成为该协议签约成员，教育专业认证的帷幕在我国已经正式拉开，目前有不少高校已经通过或者开始筹备了专业认证工作。需要说明的是工程教育专业认证遵循三个最核心的理念是：成果导向、以学生为中心、持续改进。基于OBE（Outcomes-based education）的教学理念得到了越来越广泛的共识，有不少高校中积极践行这一教学理念，同时OBE的教学理念和专业认证对高校的教学质量提出了更高的教学要求[1]。

高校课堂教学是教学的基本组织形式，是学校教育教学的主要实践活动，是人才培养的主要渠道。学生系统知识，技能和能力的形成，主要是通过课堂教学完成的，据统计课堂教学占据了师生在学校活动3/4左右的时间和空间，课堂教学质量影响和决定着整个学校教育教学质量。目前，高校都认识到了课堂教学质量评价的重要性，并且借此以评促改、加强教学管理，促进学生成长、教师专业发展和提高课堂教学质量[2-7]。

2 常用的课堂教学评价标准和方式

大学教育是一种按学科和专业的分科教育，主要教学活动是通过课程教学完成的。课堂教学评价是对在课堂教学过程中出现的客体对象的评价活动，评价的内容包括教与学两个方面， 引入OBE教学理念以后教与学的结合就更加紧密了。本质上，大学的课程教学具有多样性的特点，应该来说，不同性质的课堂应该采用不同的评价标准才更为合理。很多专家和学者围绕大学课堂教学评价标准和指标进行了深入的讨论，并提出了很多建设性意见[2-7]。如张歆， 张晓洪等或从学生视角或以学生发展为本探讨了教学质量评价指标体系[3-4]。目前高校的评价主体都从“一元”变为“多元化”，采用“多把尺子”来评价课堂教学质量。常见的高校课程教学质量评价主要有四种评价模式。如下表1所示。

表1 常见的评教模式

模式类别

具体实施

缺点

督导评教

督导委员会专家课堂评教

听课次数少，很难客观评教

同行评教

系部同行进行评教

很难规范化

领导评教

学院和学校行政领导评教

听课次数少，很难客观评教

学生评教

学生进行评教

部分学生评教分数太随意

通常各高校对教师的评价主要是采取四种方式的混合模式，不同之处在于各种评价模式的权重有所不同。因为评教工作涉及到教和学两个方面，工作内容非常复杂，围绕评教，开展了大量的研究工作，如郑永等采用BP神经网络对高校教师教学质量进行评价[7]，然而上述方法并未完善。值得进一步探讨。

3 基于大数据的高校课堂教学质量建议和关键技术

随着大数据技术的飞速发展，它对对人们的生活和社会的发展产生了巨大的影响。各高校经过多年的信息化建设，形成了较好的信息技术基础设施，积累了大量的教学相关数据，使得高等教育结合大数据技术改善教学质量成为可能。本节主要探讨大数据在国内外高校课堂教学质量评教中应用模式和关键技术，以及大数据技术对高校教学质量评教中的影响，提出了基于大数据高校课堂教学质量评价的改革探索的方案和措施。

1）各类评教数据的清洗和应用

现阶段，各高校越来越重视学生评教对于教师教学质量的考核，如浙江大学的学生评教权重甚至占到教学质量评价的80%。然而，因为参与评教的学生人数较多，很难保证学生在填写评价表的时候没有厌烦情绪，极端的情况下会出现“挂科”学生给老师打零分的情况。可以考虑把积累的历年的，每门课程和每名教师的学生评教数据整合到一个教学质量评价中心数据库中，对数据进行清洗。常见的方法有：①取修正加权平均分为老师的评教均分，即去掉分数中一定比例的最高分和最低分，然后再加权得到老师的最终评教分数；②以学生评教分数的众数作为老师的评教分数；③学生评教中位数作为老师的评教分数。④同样，对于其他的评教数据也可以采用上述方式进行处理。

利用数据挖掘系统的可视化和分析工具，如Spss，SAS，WEKA等等，从历年评教数据各项指标的变化曲线，生成教师成长的轨迹。对各类数据进行聚类分析，聚合评教数据中的高分点和低分点，这样就可以充分的了解教师授课哪些是受欢迎的地方，哪些需要进一步改进。此外还可以利用关联规则方法，对学生评教分数和学生某门课程的得分情况进行关联规则分析，探查该学生对老师评教分数是否客观合理，从而对老师的评教分数进行修正。

2）基于视频大数据的教师课堂教学质量分析

随着高校信息化建设如火如荼，现阶段，几乎每个高校都在上课的教室安装有视频监控设备。这就为教师授课质量视频大数据分析提供了可能。在以往的教学评教过程中，特别是督导评教最大的缺陷是覆盖面不广，一门课程最多能被听取1-2次，就形成了该门课程的评教分数。然而由于课程进度的不同和每门课程重难点内容的不一致性，老师评教得分的偶然性较大。事实上，学生课堂的听课的情况可以从侧面反映老师授课质量高低。如果老师授课准备充分，知识点难易把握的较好，讲解透彻清晰，通常，学生听课认真率会比较高，表现为在大部分学生身体端正，身体前倾；反之则学生听课认真率不会理想，学生坐姿懒散，或者交头接耳，或者趴在课桌上睡觉。可以说，对于大部分学生，其是否认真听课时可以从他上课的形态中反映出来的。目前基于大数据视频的体态分析技术已经比较成熟，如果将每位老师每门课程的所有授课情况记录下来，将数据上传到视频数据分析中心。具体思路如下图1所示：

图1 基于大数据的高校课堂教学质量评价框架

将每一堂课的学生听课情况通过视频分析软件，通过学生的形态分析得出该堂课程的学生认真听课率等数据，分析出该堂课学生整体认真听课情况，教师纪律控制情况，学生参与课堂讨论情况等各项指标，则可以比较客观的评价一门课程，而通过大数据视频分析技术，可以完整的分析一门课程从开始到结束的所有授课情况，以及学生认真听课的情况，显然比仅仅督导听一次课而给任课教师一个分数，更加客观合理。此外，通过视频数据分析，更能够发现授课老师的长处和弱项，有利于提高授课教师的授课水平。

然而要想上述设想变为现实，如下关键技术需要进一步突破[8]， 1）基于视频内容的单人图像分割技术，2）基于视频内容的关键帧提取算法，3）旋转不变和尺度不变人体姿态特征提取技术4）人体姿态别识别技术

4 结语

随着OBE（Outcomes-based education）教育理念越来越广泛的被教育界接受和实践， 对教师课堂教学质量的也提出了更高的要求。课堂教学是培养高素质人才最重要的方式，客观公正教学质量评估结果是提高和保障教学质量的重要措施。传统的课堂教学质量评价方法主要是以定量和定性相结合的方式进行的，其评价结果往往不尽合理。随着大数据技术在教育行业的深入应用，本文对基于大数据技术的高校课堂教学质量评价进行了初步探讨，以期能够更加科学合理的评价教师课堂教学质量。

参考文献

[1] Tam， Maureen（2014）. Outcomes-based approach to quality assessment and curriculum improvement in higher education.".？Quality Assurance In Education？22？（2）： p. 158–168

[2] 杨永华， 林水强. 高校课程评估指标体系的研究与构建[J]. 教育观察旬刊， 2015， （1）：70-71.

[3] 张歆， 刘加卓， 刘国祥，等. 基于学生视角的高校教学质量评价指标体系构建[J]. 西北医学教育， 2015， 23（1）：7-8.

[4] 邓成超， 张晓洪. 以学生发展为本的地方高校课程教学质量评价体系探究[J]. 现代教育论丛， 2015， （1）：72-77.

[5] 刘淼. 高校本科课堂教学质量评价的问题与对策研究[J]. 吉林省教育学院学报：上旬， 2015， （6）.

[6] 蓝江桥. 大学课堂教学质量评价的思考[C]// 2003电子高等教育学术研讨会2003.

[7] 郑永， 陈艳. 基于BP神经网络的高校教师教学质量评价模型[J]. 重庆理工大学学报：自然科学版， 2015， 29（1）：85-90.

[8] 黄鲜萍，王万良占怡莹 郑莉莉 梁荣华. 视频中关键人体姿态的识别[J]. 小 型 微 型 计 算 机 系 统，2014，Vol.35（1）：167-171