高校教学状态数据库的建设与研究

徐 宏

（安徽工业大学工商学院 教务处，安徽 马鞍山243002）

教育部门如何清晰掌控高校的规模和办学条件，实时监测各高校发展状态，全面掌握我国高等教育发展状况，为高等教育的发展和评估提供重要的参考决策依据，已是迫切需要解决的难题。2007教育部启动了“全国高校教学基本状态数据库系统”项目，华中科技大学、中山大学、北京师范大学参与了这个项目的主要研究工作。标志着我国教学状态数据库建设进入了一个新的研究阶段。建设全国高校“教学状态数据库”，是评估和分析我国高等教育现状以及个体学校办学水平的重要参考依据，是提高我国高等教育质量的重要手段。对于高校个体，除了做好国家教育部门规定上报的教学基础数据外，还要建立好本校的个性化的为明确学校发展方向、教学质量监控、人才培养质量的提高等提供重要参考依据的教学状态数据库。本文对高校教学状态数据库的内容做了详细的阐述，并对教学状态数据进行了分类；然后就如何建设高校教学状态数据库以及高校教学状态数据库后期的研究方向提出了一些想法。

一、高校教学状态数据库内容和分类

（一）高校教学状态数据库内容

所谓“教学状态数据库”，是以院校、政府和社会大众为服务对象，利用信息和网络技术，按照教学工作的基本规律，把高等学校与教学工作密切相关的数据按照一定的逻辑关系组织起来，形成的全面反映高等学校教学运行状态的数据集。［1］基于高校的教学状态数据库主要从高校师资、科研、实验室、教学设备、教学运行、学科竞赛、招生、就业、奖励等多个方面进行统计，通过掌握这些基础数据进而挖掘各类数据之间的联系和规律，实现对办学水平和办学条件以及教学质量的一个全面把握和分析，为不断明确办学思路、优化办学结构、提高教学质量提供重要的决策依据。

（二）高校教学状态数据库分类

根据数据的来源可以将教学状态数据分为行政数据和业务数据。行政数据主要是记载学校基本资料、师资情况、在校生人数、专业学科分布、教学仪器设备、实验室软硬件、培养计划、教学场地、图书资料等静态状态数据，该类数据是学校硬件建设和办学软件条件的一个真实记录，如图1所示。行政数据的获取和统计较为简单，但却是非常重要的教学状态数据，是进行教学状态分析不可缺少的基础数据。业务数据是指通过各种教学活动、竞赛活动、科研活动、社会活动所产生的衍生数据，如教学任务、科研活动、课程成绩、科技竞赛参加和获奖情况、考研情况、实验项目开出情况、教学质量监控数据等在学生和教师的学习科研活动中产生的数据，如图2所示。这类数据种类繁多，数据量大，获取途径较为复杂，统计方式多样，因此对这类数据的采集和统计需要精心设计，达到操作方便，统计灵活。

二、高校教学状态数据库建设要求

建设高校教学状态数据库要从数据来源丰富性与可靠性、系统操作方便、数据统计有效性等方面综合考虑，这样才能确保数据库建设可行、维护方便、数据有效，并且能够指导实践。

图1 行政数据内容

图2 业务数据内容

（一）数据库建设标准与数据来源要求

行政数据内容除了考虑学校业务数据的统计需要外，还要按照教育部高校基本数据报表的格式要求以及全国高校教学基本状态数据库系统的数据标准，做好本校的教学状态数据库设计，同时要兼顾教育部评估指标体系的要求，根据评估指标体系标准和要求采集和统计数据，数据库的建立与统计要能够反映评估指标的内容。行政数据主要来自学校各行政部门，如人事、资产、科研、教务等多个部门，如果各行政部门有业务系统，要做到与各部门业务系统的自动对接，实时读取数据，如果没有业务系统要实现数据的录入与导入功能，而且数据的采集与管理需要专人管理，保证数据的完整性和专业性。

由于业务数据存在数据量大、结构复杂、数据的产生具有周期性和关联性等特点，而且有些数据必须要有业务系统支持，如教学运行数据、成绩数据、招生毕业、学籍异动、学生奖惩数据等。业务数据库的建立与统计要按照学校办学水平和反映教学质量为主要依据，从实际出发，收集大量原始真实的数据，然后通过统计分析和数据挖掘的手段来发现影响教学质量和人才培养质量的关键因素。因此业务数据的采集要广泛和真实，在统计和挖掘上要参照评估指标要求，分析各项教学指标数据，实现横向和纵向比较，得到使其能够真正反映教学效果和教学问题的数据。

（二）数据库接口设计要求

由于高校业务系统复杂多样，没有统一的建设标准，而且业务系统会随着业务流程的变化经常进行调整，因此要建立高校教学状态数据库在接口设计上要充分考虑到业务系统的变化，教学状态数据库的管理与维护要与业务系统尽量实现低耦合。可以通过设计中间件的方式来实现业务系统和教学状态数据库的对接，以实现对于相同业务不同业务系统只需改变中间件而不用修改教学状态数据库本身。

三、高校教学状态数据库设计

为了较好地实现教学状态数据的统计分析，教学状态数据库要存储所有基础数据，从而保证教学状态数据库的统计方式和分析方法的确定性。因此，教学状态数据库分为两部分，一部分为基础数据库，存储来自各业务系统的基础数据，展示数据的原始状态；另一部分为根据统计分析需要而进行格式化后的统计结果数据，该类数据主要展示各种状态数据进行加工后的结果。

（一）原始基础数据库的设计

教学状态数据库首先要收集影响高校办学水平的各种条件因素信息，获取全面的基础性的原始数据是进行数据分析的第一步。根据教育部高校基本数据报表要求以及教育部评估中心关于做好普通高校本科教学工作合格评估文件要求，考查高校办学水平、办学层次应从教师队伍、教学条件与利用、专业与课程建设、质量管理、学风建设、教学质量等多个方面去监测。

1.行政数据

首先，设计原始数据的行政数据部分。行政原始数据主要数据实体有：教师队伍、教学设备、学生信息、教学场地。每个实体的属性如下。

教师队伍：教师工号、姓名、性别、出生日期、最高学历、最后职称、最后学历毕业学校、专业、所属部门、其他属性。

教学设备：设备编号、设备名称、单价、台套数、使用对象、所属部门、保管人、其他属性。

学生信息：学号、姓名、性别、出生日期、生源地、政治面貌、考生类别、班级、年级、专业、系、高考总分、英语成绩、数学成绩、兴趣爱好、特长、其他属性。

教学场地：教室名称、座位数、考试人数、教室类型、楼号、楼层等。

为了更好地描述实体，还需要建立一些关系表。如为了更好地描述教师的发展经历，需要增加一个描述教师进修过程的表格：教师工号、职称、评职时间、学历、或学历日期、或学历学校、学习形式等。这样能够记录教师的全部学习经历，方便统计历史数据，形成数据的对比。

2.业务逻辑数据

业务逻辑数据表的设计，主要是围绕教学活动设计相关数据表格，分为基本教学过程数据、教学结果数据、质量监控数据。三者之间关系如图3所示。通过教学过程产生一些教学结果数据，通过对教学结果的分析用来指导和改善教学过程，通过对教学过程的监控和测评，用来规范教学过程，形成有效的闭环系统，从而有效促进教学活动的改善，提高教学质量。

教学过程数据有：教学计划、教学任务、实验进程表、毕业设计课题、实习实践活动等，主要实现对教学活动安排，教学过程的监测。通过这些数据可以把握学校教学活动、教学要求是否符合相关要求与标准。教学计划表主要了解各专业课程结构、学时、学分分布情况，从而清楚了解学校专业培养方案合理情况；通过教学任务数据可以了解学校课程开设情况、多媒体教室使用情况、各类职称教师的授课比例情况、素质教育选修课的开课情况等。

图3 业务数据关系图

教学结果数据有：课程成绩、毕业情况、等级考试成绩、科技竞赛等。课程成绩主要属性有课程名称、学分、学时、课程性质、课程类别、学号、成绩、是否补考、是否重修、学期、授课教师等信息，通过这些属性的描述可以为反映学生学习结果以及教师授课效果提供原始统计数据。毕业情况主要属性有：学号、姓名、专业、年级、班级、毕业结论、学位授予情况、就业情况、考研情况等。主要反映毕业生毕业率、学位授予率、就业率、考研率、不授予学位原因等情况。通过对毕业生的毕业情况的统计分析可以了解学生培养结果存在哪些问题，需要采取什么样的应对措施。等级考试情况和学科竞赛主要考察学生横向比较结果。由于等级考试和学科竞赛主要是各高校之间的比较，通过对这些数据的横向和纵向的比较可以了解学校人才培养在近几年来的发展趋势，以及在国内高校的位置情况。同时将结果与课程成绩、毕业情况结合分析，可挖掘二者之间的联系。

质量监控数据主要有：学生评教、教师评学、教学检查等教学质量监控所产生的数据。质量监控是对教学过程、教学材料、教学效果、学生学风、学习习惯等教学过程的监督调查过程。通过学生评教可以了解教师教学过程中是否符合学生习惯，是否胜任课堂教学，存在什么样的问题，主要属性有：课程信息、指标体系、评分、意见和建议等。教师评学主要是通过教师对授课课程班级学生学习习惯、学习风气等方面进行评价，及时了解学生学习状态。另外，教学资料检查以及教学规范检查主要是检查教师的教学过程和教学资料的规范情况，主要属性有：教师信息、课程信息、教学日历、作业批改、教学大纲、课件、资料评分等与教学相关的教学材料信息。

三种逻辑数据中，教学活动是根本，教学结果是目标，质量监控制保障。对三者数据的分析是相互交叉进行的，通过质量保障可以研究教学结果与教学过程中蕴藏的大量因果联系，挖掘对教风、学风、教学效果等形成重要影响的诸多因素。

（二）数据挖掘方法的应用

原始数据采集完毕，可以满足日常报表统计需要，以及广大教职工对教学情况的基本了解，更为重要的是可以挖掘分析教学过程中一些活动之间的联系和牵连关系。因此运用数据挖掘的技术发现师生各种教学行为活动之间的联系，从而干预和引导教学之间的行为，形成良性的教学活动氛围是教学基本状态数据库系统的重要研究内容。数据挖掘是人工智能与数据库技术相结合的产物，其中许多方法来源于机器学习。因此，数据挖掘技术主要有关联规则、序列模式、分类／回归分析、决策树、聚类、神经网络、Web挖掘等等。［2］

由于教学状态数据的挖掘过程非常复杂，而且根据不同的教学成果数据需要建立不同的挖掘方法和模型，本文不再对具体方法展开。通过对教学成果数据，如成绩、毕业、学风、就业、竞赛等数据与教学质量监督数据进行关联分析，发现不同教师的教学方式和教学活动会产生什么样的学风、学习成果，教师授课方式与学生成绩之间关系，学生评教与教师评学数据是否能够真实反映实际教学状态等等。总而言之，对教学数据进行挖掘主要实现两个目的：一是发现教学模式、管理模式的科学性和合理性，即对教学起正面效应的行为；二是验证教学质量监控考核方式的合理性和实效性，即目前的教学质量监控体系是否合理，是否能够真实反映实际情况，对教学质量的提高能够真正起到监督和指导作用。

四、结语

高校教学状态数据库的建设是个不断完善和优化的过程，应该随着高校教学模式的变化以及在数据库研究的过程中不断优化，而不是一成不变的。本文主要提出了高校教学基本状态数据库的建设基本思路和建设内容，对教学状态数据进行了分类和简要的罗列，数据库具体的实施细节以及教学状态数据的挖掘算法将是下一步主要研究的内容。

［1］许晓东.全国高校教学基本状态数据库的研究与应用［J］.中国大学教育，2012（4）：83－87.

［2］SOMAN K P，等.数据挖掘基础教程［M］.范明，牛常勇，译.北京：机械工业出版社，2009：1－25.