高校教师教学质量的量化评价研究

杨秀平，李二超，邵会波

（1.兰州理工大学 经济管理学院；2.兰州理工大学 电气工程与信息工程学院，甘肃 兰州 730050）

对高校教师进行教学质量评价，有利于丰富高校教师管理理论提高教师教学质量。文章在分析教学评价主体的基础上，构建教学质量评价的指标体系，进行教学质量的量化评价与预测，以某门课为例对其2名任课教师进行评价及预警，进行了基于神经网络的教学质量评价预测。

一、教学评价主体

文章在教学质量评价过程中选择了教学管理职能部门、教学督导组、学生主体和学术体现，如图1所示。

图1 高校教学质量评价活动图

二、构建教学质量评价的指标体系

对教学质量评价的指标体系可分为职能部门评价、督导组评价、教科研成果评价及学生评价。职能部门评价反映在教师修养、教学环节、教学活动、教研活动和工作态度；督导组评价可分为师德修养、教学任务、课程难易和知识更新、教学效果和教研活动；教科研成果评价可分为教学研究成果、论文发表、教学大纲编写和教材编写；学生评价可分为师德修养、教学基本功、重点处理和知识更新、能力培养和教学成果，见图2。

图2 教学质量评价层次结构模型

三、教学质量的量化评价与预测

（一）量化评价

本文采用改进层次分析法确定权重，在求出“三标度”判断矩阵的基础上，求出AHP间接判断矩阵，运用模糊综合评价的理论，确定评价因素，确定评价因素的等级，评判矩阵的构造进行模糊合成，采用不同色的信号灯进行等级界定，见表1。

（二）基于BP神经网络的预测分析

如表2所示，在对数据进行归一化处理的基础上，利用Sigmnid输入函数，通过BP的前馈计算，设有N个训练样本，得出隐层的第i个神经元的输入和输出：

对于Sigmoid活化函数取：

计算输出层第k个神经元的总输入为：

输出层第k个神经元的实际输出为：

根据经验，对三层神经网络而言，可得到隐含层单元数h的公式：

其中n，m分别为输入输出单元数，a为0～10之间的常数。

根据上述公式，确定隐含层神经元的个数。

四、以某门课为例对其2名任课教师进行评价

在研究中选择某一门课的2名任课教师为研究对象，对2008—2013年春季学期的同一门课程进行教学质量评价。以2013年的问卷数据为例，分析其权重的确定过程、单项评测和综合评测的过程。选择190人进行问卷调查以确定权重，其中：教务处主管教学和督导的老师6名；科技处评价人员4名；各教学部门的教学院长和教学秘书各2人，共40人；教师代表每个教学单位2人，共40人，学生代表100人，见表2。问卷调查进行了2次，在对第一次问卷信息进行汇总的基础上，把第一次问卷的汇总信息反馈给被调查人员，为其提供参考数据，并进行权重的第二次调查。在调查过程中，有效问卷数量179份，有效比率为94.21%。

根据打分结果进行单项评测和综合评测，得到表2。通过计算得出，教师A的教学评价数值为0.796 567分，接近0.8；教师B的教学评价值为0.896 01分，接近0.9。通过对上述调查人员的问卷调查，确定教学质量评价等级的划分，见表2。可以得出教师A的教学质量处于“较好”的状态，应该亮“蓝灯”；而教师B的教学质量接近“很好”的状态，提醒其继续保持，并逐步提高。

表2 教学质量评价表

五、基于神经网络的教学质量预测

由于教学质量评价中，问卷调查的主体——学生处于流动状态，所以针对每年的学生组的被调研群体都会变动，由于学生组的样本有100人，本研究对群体变动过程中的误差进行忽略。汇总2008—2013年两位教师同一门课程的教学质量评价成绩见表3和表4，并借助神经网络进行预测。

表3 教师A的教学质量评价表

输出层神经元数为1。我们将教师教学质量评价的最后等级按照表1设定。利用神经网络进行预测，得出的预测值见表5。

教学质量评价过程较为复杂且具有一定的主观性，运用模糊数学进行评价，定性和定量评价结合，提升了评价的客观性；在评价过程中，利用计算机程序简化有关计算和分析，对提高评价效率大有裨益，因此，该模型有很大的推广价值。

表4 教师B的教学质量评价表

[1]Babar Zaheer Butt，Kashifur Rehman.A Study Examining the Students Satisfaction in Higher Education[J].Procedia Social and Behavioral Sciences，2010（2）：5446-5450.

[2]毕菁华.建立课堂教学质量评价体系的实践性探索[J].北京大学学报：哲学社会科学版，2007，32（6）：51-57.

[3]杜纲.管理数学基础——理论与应用[M].天津：天津大学出版社，2003：53-55，155-199.

[4]高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2003.