基于学生评教的高校教师课堂教学质量评价方法

（中南大学交通运输工程学院，湖南长沙，410075）

教师课堂教学是高等学校教学活动的最基本形式，也是实现高等教育与教学目标的主要途径。课堂教学质量评价是以课堂教学为研究对象，根据一定的方法和标准对教与学过程和效果做出客观衡量和价值判断。这是高等院校教学质量管理的重要环节与内容。有效的课堂教学质量评价可以产生正确的导向与激励作用，调动教师投入教学工作的积极性，促进教学内容和方法的改革，提高课堂教学质量和水平，为高校培养高素质人才提供保证。有关高校教师教学质量评价方面的研究已开展较多，文献[1]系统地综述了近十年国内高校教师教学评价方面的相关研究，其中文献[2]从“学评教”的视角构建了研究型大学教师教学质量评价指标体系，并运用层次分析法确定各项指标权重及评价分级标准。

20世纪初美国高等教育机构最早开始了学生评价教学。由于学生评价教师教学工作具有客观、准确、易行等特征，成为各国高校组织教学活动的重要组成部分。Seldin认为没有其他教学评价方式像学生评教那样得到各国高校如此多的重视[4]。随着我国高等教育教学改革的不断深入，大部分高校均采用学生评教作为衡量、改善教师教学质量的主要途径。但是学生评教不能仅停留在评分层面上，必须对学生给每位教师的评分加以分析，使教师能够根据评分分析结果充分了解自身教学工作的基本情况、学生对教师教学工作的需求情况，从而有针对性地调整与完善课堂教学，以进一步提高教师教学工作质量。本文在构建学生评价教师教学质量指标体系的基础上，采用主成分分析方法对实际评价数据进行分析，进而根据评价分析结果提出进一步改善教学质量的相关建议。

一、学生评教指标体系构建

目前学生评教普遍采用评分方式，即预先围绕教师教学质量方面构建评价指标体系，由学生针对教师实际课堂教学情况确定每项指标评分，进而以此为基础评价教师课堂教学质量。可以说评价指标体系构建是学生评价教师教学质量的核心内容，该指标体系设计得是否科学、全面、合理，是评价教师教学质量成败的关键所在。一般而言，选择评价指标体系层次的多少由考察问题的复杂性及评价所要达到的精度要求而定，而在具体指标选择时需考虑目的性、科学性、系统性、可行与使用性以及可比性等原则。结合目前高校学生评教实际，笔者建立了如表1所示的学生评教指标体系。

表1 高校学生对教师教学评价指标体系表

学生对教师课堂教学各项评价指标得分分为5个等级：5分（非常满意）、4分（比较满意）、3分（一般）、2分（不满意）、1分（非常不满意）。下面采用主成分分析法分析该学生评教得分结果而了解教师自身教学工作情况。

二、主成分分析

（一）主成分分析原理

实际评价问题的研究往往会涉及众多有关指标，而指标太多不但会增加计算的复杂性，而且也会给合理分析、解释问题带来困难。一般而言，不仅每个指标的重要性有所不同，而且因指标间具有一定相关性，使得各指标所提供信息具有重叠性。主成分分析是一种通过降维来简化数据结构的方法，即采用为数极少的互不相关的综合指标来反映原有指标所提供的绝大部分信息，通过对综合指标的分析达到解决问题的目的。

通常数学上的处理就是将原来N个指标作线性组合，作为新的综合指标。最经典的做法就是用综合指标F1的方差来表达，即 V arF1越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是N个指标中方差最大者，故称F1为第一主成分。如果第一主成分不足以代表原来N个指标的信息，再考虑选取F2即选第二个线性组合。为了有效地反映原来信息F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求 Cov(F1,F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四、……、第N个主成分。

设有n个评价指标，xi为经标准化处理后的第i个指标，fj为第j个主成分，其确定方法为：

其中，aij（i,j=1 ,2,…,n）为X的协方差阵的特征值所对应的特征向量，A=(aij)n×n=(a1,a2,…,an)，Rai=λiai，R为相关系数矩阵，λiai是相应的特征值和单位特征向量，满足λ1≥λ2≥…≥λn≥0。

基于学生评教得分对高校教师课堂教学质量进行主成分分析的主要步骤如下：① 学生评教指标得分数据的标准化处理；② 构建所有评教指标之间的相关系数矩阵R；③ 计算相关系数矩阵R的特征值、特征向量以及贡献率；④ 确定主成分的个数，这里按照特征值大于1以及和累积贡献率（即主成分解释的方差占总体方差的比例）大于 85%的原则提取主成分因子；⑤ 确定各主成分与综合主成分表示形式，对教师课堂教学质量进行分析。

（二）基于学生评教的教师课堂教学质量主成分分析

SPSS是世界上最早的统计分析软件，广泛应用于科研教育、银行、通讯、医疗等多个领域与行业。SPSS统计分析软件中Factor Analyze过程便可有效完成以上高校教师课堂教学质量的主成分分析过程，包括数据标准化、相关系数矩阵计算、主成分表示形式确定等。根据SPSS分析软件中Factor Analyze功能确定表1中各指标间相关系数可知：指标x2（按时上课、下课，遵守教学纪律）与x5（为人师表、关心学生、严格要求）指标间，指标x4（及时认真批阅作业、反馈意见）与x6（按时辅导答疑、认真指导学生）、x18（积极改革教学方法，丰富教学方式）指标间，指标x3（合理选用教材、学生参考资料）与x8（理论联系实际、突出能力培养）指标间，指标x17（利用信息、计算机技术等辅助教学）与x18（积极改革教学方法，丰富教学方式）指标间存在着极其显著的关系。可见许多指标间具有较强的相关性，证明它们存在信息上的重叠。

为此，通过方差分解主成分提取方法提取如表 2所示的m=7个主成分：指标x4（及时认真批阅作业、反馈意见）、x5（为人师表、关心学生、严格要求）、x6（按时辅导答疑、认真指导学生）、x16（能因材施教、突出素质与技能培养）、x18（积极改革教学方法，丰富教学方式）在第一主成分上有较高载荷，其他指标也在各主成分上有较高载荷。所以提取7个主成分是可以基本反映全部指标的信息，所以决定用7个新变量来代替原来的18个指标。

表2 初始因子载荷矩阵

用表 2中初始因子载荷矩阵中的数据除以主成分相对应的特征根开平方根便得到 7个主成分中每个指标所对应的系数，进而将各主成分中每个指标所对应的系数与各主成分所对应的贡献率的乘积求和，再除以所提取7个主成分的贡献率之和，便得到综合主成分中每个指标所对应的系数。各主成分与综合主成分中指标系数取值如表3所示。

三、教师课堂教学质量的综合评价与建议

以指标评价得分的平均值为横坐标、以综合主成分各指标对应系数取值（重要程度）为纵坐标，绘制如图1所示的教学质量评价结果分析图。其中与横轴平行的虚线对应所有指标的平均重要程度值，与纵轴平行的虚线分别对应指标评分为3分与4分。通过评价分析图，我们能够直观地看出教师课堂教学的优势与劣势，从而我们可以有针对性地调整与完善课堂教学。

区域Q1、Q4属于学生非满意区域，这意味着落在这两个区域内的指标均未达到学生的满意度。由图1可清晰直观地知道无任何指标落在这两个区域内，表示该教师课堂教学质量效果较好，学生对该教师课堂教学的每项指标都达到满意程度。

表3 各主成分与综合主成分中指标系数取值

图1 教学质量评价结果分析图

区域Q2属于重要程度高但满意度低区域（优先改进区），指标x5、x6、x12、x17、x18落在这个区域内，表示学生对教师课堂教学在这些指标方面的满意程度大大低于了他们所评价期望的重要程度，因此，教师必须积极找出在这些指标方面存在的不足，并进行相应改进。

区域Q3属于重要程度、满意度都高的区域（高度关注区），指标x1、x2、x4、x7、x14、x16落在这个区域内，表示学生对教师课堂教学在这些指标方面的满意度与重要程度成比例，即学生对教学质量满意程度与他们所评价期望的重要程度相符合。教师对该区域内的各个指标应该继续保持。

区域Q5属于重要性、满意度一般的区域（无关紧要区）。指标x3、x8、x10落在这个区域内，表示学生对教师课堂教学在这些指标方面的满意度与重要性成比例，也是学生对课堂教学满意程度与他们所评价期望的重要程度相符合。教师对该区域内的指标应该继续保持并且需进一步关注学生对其期望的变化。

区域Q6属于重要性一般而满意度高的区域（维持优势区）。指标x9、x11、x13、x15落在这个区域内，这表示学生对教师课堂教学在这些指标方面的满意程度大大超过了他们所评价期望的重要程度。这很可能是教师花费了比学生认可的结果重要性更多的时间、资源和精力，如果可能，教师应该把用于这些结果的资源转到其他更重要的方面。

四、结论

学生评教是目前国内外高校用于衡量、改善教师课堂教学质量的主要途径。本文首先以目的性、科学性、系统性、可行与使用性以及可比性等原则构建学生评价教师教学质量指标体系，然后基于学生结合教师课堂教学实际给出各指标的评分数据，通过主成分分析方法对指标数据进行降维而获得为数极少的互不相关的综合指标来反映原有指标所提供的绝大部分信息，进而分析教师课堂教学质量，确定教师课堂教学的优势与不足之处，以此改善教师课堂教学质量。

[1]王若梅.近十年国内高校教师教学评价研究与实践综述[J].江苏高教，2008(173)：70-73.

[2]刘志民，李俊龙.研究型大学本科教学质量的评价指标体系研究[J].国家教育行政学院学报，2007(17)：53-57.

[3]陆海琴.高校教学效果评价方法及其应用[J].统计与决策，2008(17)：158-160.

[4]Seldin P.The use and abuse of student ratings of professors[J].Chronicle of Higher Education，1993(46)：40.

[5]任若恩，王惠文.多元统计数据分析[M].北京：国防工业出版社，1997.