一种基于成绩数据的教学质量评价方法

曲超，欧阳骥，王岸雄，邵光明

（东莞理工学院，东莞 523808）

一种基于成绩数据的教学质量评价方法

曲超，欧阳骥，王岸雄，邵光明

（东莞理工学院，东莞 523808）

教学评价是高校教学过程的重要组成部分，然而现有教学质量评价中由于存在课程性质差异、主观评价差异、小范围样本的客观差异等因素，导致评价效果失真。针对此问题，提出一种以考试成绩作为基础数据的教学质量评价方法。该方法以数据挖掘技术作为支撑，有效地实现教学质量评测的客观性和公正性。

成绩；数据挖掘；班级差异度；班级质量；教学质量评价

0 引言

为适应新形势下社会各界对高级人才的需求，我国高等教育需要通过改革和创新不断地完善、提升自身的教育水平，培养出更多具有专业知识和技能的高水平人才。在高等教育中，高校是传授知识、培养技能的主要阵地，高校教师的课堂教学则是实现这一目标的主要载体，因而需要通过采取各种措施来提升和衡量教师的教学质量。其中，教学评价是教学过程的重要组成部分，它以教学目标为依据，制定科学的评价标准，运用一切有效的技术手段，对教与学活动的过程及结果进行测量，并给以价值判断[1]。教学评价系统能有效地提高教学质量，目前国内外高校亦有进行广泛的研究和应用。

1 现有评价方法存在的差异性问题

自20世纪70年代以来，学生评教作为评价教师教学质量的一种可行、可靠、最直接的方式在国内外许多学校中广泛运用。相关的研究工作例如文献[3]采用因子分析法，以方差贡献率确定公共因子的权重，文献[4]使用因子负荷计算教师教学质量二级指标的权重，文献[5]则采用层次分析法进行客观赋权。但其结果的真实性并未得到教师的广泛认同，不少教师对评教结果的真实性、代表性持怀疑态度。其差异性原因主要如下：

（1）教学评价没有充分考虑不同课程本身性质的差异。不同的课程对学生的要求、学习难度都会有所不同，同样对教师的要求也会出现差别。如果以统一的标准进行评价难免产生评价结果的偏差。

（2）学生主观评价标准和评价尺度的差异。由于受到知识面与评价能力的限制，以及评价态度甚至是感情因素的影响，学生从主观上很难做到对教师教学质量进行客观、公正地评价，更有甚者会使教师跟学生之间产生了不正常的教学关系。

（3）班级之间的差异性使学生的评教成绩不能整体上反映教师的教学情况。由于整体意识形态的差异，经常会发生有的班给教师打的分数普遍过低，以至于该班教师最高评教成绩低于其他班教师的最低成绩的情况，这也将导致评价结果的失真。

总体来说，虽然我国在高校教学评价系统研究和开发等方面有了一定的实践和实施，但是存在的高校教学评价系统大多不能保证公平、公正、有效地评估教师教学质量。传统意义上的高校教学评价系统目前仍是采用人工的方式，由学生进行主观打分后再结合教学主管部门意见进行评估，指标较为单一简单。所以，高校教学评价系统的研究与开发对于我国的高校来说，仍然存在较大的契机和发展潜力。

2 挖掘成绩数据的教学质量评价方法

在大数据时代的今天，如何分析海量的学生评教数据，设计合理的评教体系，从数据中分析出目前教学运行中存在的问题，成为各高校面临的重要课题。只有设计一种科学、简便的数据分析处理方法，才能保证学生评教的合理、公正，进而实现对教师课堂教学质量有效、客观的评价，以此达到对教学质量监控的作用[2]。为此仅以教学质量而非教学态度、能力、方法等其他指标为研究对象，运用数据挖掘技术以考试成绩作为数据支持对其进行分析和评价。该方法仅用于表征教授相同课程的教师之间对该门课程的教学质量评价。

2.1 条件与假设

针对差异性问题，采用数据挖掘技术可有效避免偶然事件造成的结果失真。首先，我们需要做如下假设：（1）考试成绩真实有效。考试成绩的真是有效性包括几方面的要求：其一保证考题的有效性，不存在考前泄题漏题；其二保证考试过程的公正性，杜绝作弊行为；其三保证试卷审阅的统一性，不存在阅卷过程中的徇私舞弊行为。（2）教师任课随机分布。即在全校范围内，教师在确定所授课程的前提下，对上课班级没有选择权，完全采用随机分配的方式下达教学任务。（3）合班上课教学权重相同。客观地认为由同一名教师对不同班级在同一时间段内所授的同一门课程的教学内容、所采用的教学方法、教学态度均相同。

其次，结合假定对问题做如下分析。首先，在保证考试成绩真实有效的前提下，试卷成绩可以反映出学生的真实水平和努力程度，可以作为评价学生学习效果和教师教学质量的重要依据。然而，以学生个体作为教师教学质量评价依据并不具备说服力和可信性，因此只有利用具有统计规律的整体成绩作为研究对象才能保证评价的公正有效性。其次，不可否认的是，相同专业、相同年级的不同班级之间必然存在学生总体素质的差异，也会导致评测的不公平性。因此根据前述假设，由于教师任课的随机性，不存在某些教师长期为素质较高班级授课及相反的情况，这就保证了在大范围样本下统计规律的可靠性。最后，根据前述假设，班级素质差异可根据合班上课的最终考试成绩差异进行统计和计算。

2.2 教学质量评价流程

挖掘成绩数据的教学质量评价方法是以学生成绩作为基础数据，用于分析的数据通常采用的是待评测学年之前的历史成绩数据。在选定数据后即可进行评价：首先以相同的年级、专业、课程、授课教师的不同班级的考试成绩作为评判基准，进行挖掘分析，以确定不同班级之间的相对差异，确定班级质量权值。其次，将待评教师的待评课程根据授课班级的该课程成绩计算各班之间该课程的成绩差异值。然后，根据班级质量权值和课程的成绩差异值计算出待评教师某门课程的教学质量权值。最后，将该门课程的历史成绩数据进行统计分析，与教学质量权值共同计算出待评教师该门课程的教学质量量化值。在有必要的情况下，可以将本次待评测的成绩数据与历史数据合并作为原始数据，并进行过程迭代。过程如图1：

1.不管哪门课程的学习，预习都是非常重要的一个板块[2]。俗话说凡事预则立，不预则废。例如，在学习前，将学习课程的目标放在预习方案中，要充分利用录制的短视频将教师的想法和学习中所要解决的问题融合在视频中，让学生通过观看视频进行有效预习，这不仅有利于学生提前对所学内容进行思考，而且能帮助学生在进行课程学习时养成一种独立自主思考的学习习惯，更重要的是可以提高学生学习的效率，点燃学生学习英语的热情。

图1 教学质量评价流程图

2.3评价模型与方法

以成绩作为数据挖掘原始数据的教学质量评价方法主要以班级间相对差异、班级质量权值、待评课程成绩差异和教学质量作为主要的计算数据和目标。因此需要通过数据挖掘及统计的方法分别计算以上数据。班级间相对差异值的计算

计算班级间相对差异首先要挖掘班级间的关联关系。在本文所提出的教学质量评价方法中，具有关联关系的两个班级Ci和Cj的关联关系指的是两个班级同时上同一门课程，并且由相同教师讲授，其差异值可由下式计算得出：

其中Wk为班级Ci和Cj由相同教师同一时间所上课程k的学分，Ak（Ci）为Ci班课程k的考试成绩均值（也可以是加权平均值），m为课程数。需要指出的是，在强约束条件下，课程k的选择必须是班级Ci和Cj“同时”、“同师”的课程，满足T、S和I，也即合班上课，这样的差异值计算才较为准确。在弱约束条件下，课程k的选择可以去除T的约束，但由于在不同时间段（例如2014年和2015年）教师可能会改进教学方法、内容等导致后一时间段的教学效果优于前以时间段，可能对最终的计算时结果的准确性产生影响。（例如，假设2014级Ci班与2015级Cj班实际差异值为零，且由同一名教师教授同一门课程，由于该教师改进了教学方法，使Cj班成绩有所提升，结果导致差异计算值Cj班高于Ci班）。

在强关联规则下，经过初步的计算，可以获得任意两个关联班级的差异度矩阵D，Dij表示班级Ci和Cj的差异值。很明显，班级差异度矩阵D是一个稀疏矩阵，因为绝大多数班级之间并不会存在关联关系，为此我们需要对差异度矩阵进行变换，使得任意两个班级的差异度都存在。在实际教学过程中，很难出现某个班级与其他班级完全没有关联的情况，即所有课程都是单独开班上课，因此无关联关系的班级之间往往可以通过关联关系的传递而发生联系，因此对与没有直接关联的班级之间的差异度可通过下式计算得到：

式中Pk表示由Ci到Cj的一条路径，|PK|表示路径长度。计算公式对Ci到Cj的路径k上的差异值求和后乘以路径长度得到路径差异值后再对所有路径差异值求和。最终我们得到班级差异矩阵D，若Dij＞0则表示班级Ci比Cj在质量上要好，反之则表示班级Ci比Cj差，Dij=0说明两个班级在学习效果上基本相同。

（2）班级质量权值及教学质量计算

课程成绩差异是教学效果评价的主要依据，我们只对教授相同课程的教师在该门课程的教学质量上给出评价值，表示各位教师在该门课程上的教学质量好坏，而不做综合性的评判。

在班级差异度矩阵D中可以获得任意两个班级的差异值，然而并不能以此作为课程成绩差异值的修正参数。其原因在于在构造差异度矩阵D的过程中并未做出逻辑约束，有可能出现C1班优于C2班，C2班优于C3班，C3班优于C1班这样的逻辑死锁。因此需要将相对差异度进行正规化，以得到一个拓扑有序的班级质量权值，计算方法如下：

期中Qi表示第i个班级的质量权值，N为班级总数，Dik为差异度矩阵中的差异值。经过计算，每个班级会被赋予一个质量权值，权值越大，说明该班级的总体学习质量越好。在确定了班级质量权值后，可以将其作为课程成绩差异值的修正参数。

假设某一门课程待评价的教师集合T={t1，t2，…，tm}，假设其对应所教班级的平均成绩集合为S={s1，s2，…，sm}，对应班级的质量权值集合为Q={q1，q2，…，qm}，则每位教师的教学质量值QT（ti）可通过下式计算得到：

其中Si为教师ti所教授课程的所有班级的平均成绩；Qi为教师ti教授课程班级的班级质量的平均值。公式4说明教师的教学质量主要是由所教班级的平均成绩决定的，但由于班级之间存在质量差异，质量权值高的班级理应取得较高的成绩，因此需要用班级的平均成绩减去班级质量权值的差异度（该班质量权值减去所评班级质量权值的平均值）来消除由于班级质量对教师教学质量的影响。

表1 某年级软件工程四个班主修课程数据

3 测试分析

为验证上述评价方法，我们采用我院已毕业某年级软件工程专业四个班大一和大二主修课程成绩作为评测数据，对数据结构课程任课教师T1和T2进行教学质量评价。采用数据如表1所示。

经过挖掘班级间的课程关联关系，并按前述方式计算得到的班级间相对差异度矩阵如表2所示。

表2 班级间差相对异度矩阵

进一步计算得到四个班级的质量权值如表3所示：

表3 各班级质量权值

对应得出教师T1和T2数据结构教学质量QT（T1）=69.875，QT（T2）=74.875。

从课程成绩我们可以看出，软件三、四班的整体成绩相对其他班级要好，计科三、四班成绩相对较差，反映到班级差异度矩阵中表现为软件三、四班所在列均为负值而计科三、四班均为正值。班级质量权值计算结果也充分表现出班级间的差异。最后对教师T1和T2数据结构教学质量的计算结果说明：教师T2通过教学使质量权值较小的计科三、四班成绩接近于所有班级的平均成绩足以标明其教学质量较高。另外虽然软件一、二班质量权值也较低，但数据结构课程平均成绩却是最高，但并不能说明T1教师的教学质量较高，因为在的统计规律下也可能存在个别的异常情况，只有统计规律所表现出的结果才是最接近真实的。另外，实际的情况是：在教学过程中教师T2采用了OBE导向的教学方法，调动了学生的积极性，提高了学生的学习兴趣，因而相对教师T1达到了较好的教学效果，这与我们通过成绩数据计算出的结果相吻合。因此我们最终可以得出结论教师T2的数据结构教学质量优于教师T1。

4 结语

本文所论述的基于成绩数据的教学质量评价方法在前提约束条件下以客观的成绩数据作为研究对象，采用数据挖掘手段对其进行统计分析，通过计算班级间的差异度确定班级质量，并以此为依据对教师的教学效果进行评价。该方法有利于保证公平、公正、高效、直观地检测与诊断教师教学质量，对教育教学质量的提高有十分重要的意义。另外，该方法仍存在某些不足，例如计算中采用的平均成绩会使结果产生一定的偏差，因此仍需进一步研究与完善。

参考文献：

[1]宋中山，吴立锋.关联规则挖掘在教学评价中的应用[J].中南民族大学学报（自然科学版），2006，01:72-74

[2]梅丽，魏晓光，赵嘉伟.双均值偏离数据分析法在学评教中的应用[J].金融教学与研究，2014，05:71-72

[3]张明虎.基于统计分析的教学评价研究[D].山东经济学院，2010.

[4]张春红.中学化学教师课堂教学艺术评价指标体系的研究[D].内蒙古师范大学，2009.

[5]张振友.基于层次分析法的课堂教学质量评价[J].广东工业大学学报（社会科学版），2010，10（6）:25-27.

A Method of Teaching Evaluation Based on Score Data

QU Chao，OUYANG Ji，WANG An-xiong，SHAO Guang-ming

（Dongguan University of Technology，Dongguan 523808）

Teaching evaluation is an important part of the high education teaching process,but for the factors of nature differences between courses, subjective evaluation differences and small sample objective differences the teaching evaluation always distorted.In order to avoid these problems,proposes a method to evaluate the teaching quality based on score data.The method is supported by data mining technology and achieves the quality of teaching evaluation objectivity and impartiality.

Score Data;Data Mining;Class Difference;Class Quality;Teaching Evaluation

1007-1423（2016）35-0050-05

10.3969/j.issn.1007-1423.2016.35.010

曲超（1979-），男，硕士，副教授，研究方向为数据挖掘、信息网络、信息检索、物联网

欧阳骥（1964-），男，硕士，副教授，研究方向为人工智能、数据挖掘

王岸雄（1993-），男，学士

邵光明（1994-），男，本科生

2016-10-11

2016-11-12

东莞理工学院2015年校级教育教学改革与研究项目（No.1E150533）、2014年大学生创新创业训练计划项目