基于大数据多层变权云计算的高校工科教师授课质量综合评价①

徐镇凯，温勇兵，魏博文，谷明晗

（南昌大学，江西南昌330031）

基于大数据多层变权云计算的高校工科教师授课质量综合评价①

徐镇凯，温勇兵，魏博文，谷明晗

（南昌大学，江西南昌330031）

教师授课质量评价是教学评价的主要内容，更是提高教学质量的关键工作。目前，高校教学已部分实现网络化管理，大数据及云计算在教师授课质量综合评价的运用显得尤为重要。但是高校教师授课质量评价尚存在评价指标体系不系统及评价机制过于简陋落后等问题，因此，要在构建其授课质量评价体系的基础上，综合运用大数据多层变权云计算方法优化其评价机制，并对高校工科教师授课质量情况进行量化分析评价，从而为合理评价高校工科教师教学质量奠定基础。

授课质量；变权；云模型；评价

一、引言

教学评价是教学活动中的重要环节，教师授课质量评价是教学质量评价的关键。授课评价是根据授课目标和授课规范，从授课和学习两个维度对高校教师授课质量进行评估，评定授课效果。为加强教学管理，激励教师积极性和学生学习热情，提高教学质量，进行教学评价十分必要。当前我国高校教学方式仍以教师授课为主，授课是教学的中心环节，授课质量直接影响到教学目标的实现，进而影响学校的人才培养质量和办学水平，因而授课质量评价是保障和提高教学质量的重中之重。只有不断改进授课质量评价指标体系和改良授课质量评价方法，才能保证高教事业的进步。高苛等［1］通过构建创新创业教育评价体系，研究了基于改进AHP法的高校创新创业教育评价方法，并对大连交通大学创新创业教育进行了综合评价；张林英等［2］在综合高校教学研究的基础上构建了评价指标体系，建立了基于MTS方法的高校教学评价模型。还有一些学者基于模糊聚类分析法和主成分分析法构建了评价指标体系，运用熵权法对评价指标赋权，结合模糊综合评判法建立了数学课堂教学评价模型。授课评价是教学管理中运行难度较大的一项工作，高校教师授课质量评价包含理论课程和实践课程，专业性强，评价指标较多，相较而言比较繁琐，现有的针对高校教师授课质量评价指标体系普遍存在一些不足之处，具体表现在四个方面：一是从各院校的评价指标体系的差异可以看出其构建的主观性太强，忽略了一些重要的因素；二是评价指标的权重大多未进行科学的计算，而采用直接赋值的方式；三是评价指标从定性到定量的转化没有找到适宜的方法；四是评价的结果表现模糊，不能体现各指标的具体情况，没有针对性。授课质量评价是一个多层次、多目标的复杂问题，涉及内容繁多，操作困难，评价结果受多因素影响。此外，现有的教学评价机制简陋落后。鉴于此，本文以高校工科教师授课质量评价为例，构建一套相对完善的评价指标体系，结合变权理论和云模型，采用科学的方法实现从定性到定量的转化，并对授课质量做出优质评价。

二、大数据变权云计算在教学管理中的作用

（一）大数据云计算

随着教学管理信息化的发展，我们所在的教学环境已经不再允许其脱离网络。近几年，“大数据”、“云计算”等词汇不断进入我们的视野，社会是与时俱进的，教学同样不能被时代的快速发展所落下。

大数据通常是指数据规模大于10TB以上的数据集。规模之大、形式之多样、速度之快、价值之大决定了其发展的必要性。为解决互联网应用对大规模数据的计算能力、存储能力的迫切需求，于是“云计算”诞生了。云计算的特点包含以下四点：一是在云上存储海量数据；二是有无数的软件和服务置于云中；三是它们被各种标准和协议所约束；四是数据、软件和服务可便捷地通过各种设备获得。大数据云计算如果在教学管理中得到高效的应用，会对教学质量评价提供有力的支持。互联网可以把教师的教学视频、学生的各类反响、教师和学生之间的灵感碰撞过程等全部教学活动都存储为海量的非结构化大数据，通过云计算可以得到可视化的统计结果。教师可以根据学生参与网络教学的数据对学生综合素质进行评价，管理方可以根据统计结果对教师工作结果作出评价，又因为数据的及时性可以定期以及不定期地检查教师的阶段性成果，并根据这些结果去决定教学需要改进的方向。但是这些技术还未被熟知，一旦得到普遍应用，教学效率将会得到极大提升。

（二）变权云计算原理及流程图

变权理论与云模型综合评判两种方法均可对多因素综合评价问题进行较为完善的评价，现结合两种方法的优点，在获取20所高校教师授课质量评价指标体系及其权重的基础上，对其进行对比融合，获得一套教师授课质量评价指标体系及各因子的初始权重；采集数据，利用变权理论对初始权重进行变权，最后采用云模型对评价数据进行分析处理，评定教师授课质量，具体操作如下：

首先，搜集20所高校（包括香港科技大学、台湾地区的清华大学）教师授课质量的评价指标体系及权重，提取各高校的公共指标和因子，分析出现次数较多和权重较大的指标和因子，对比、归纳、融合成一套全新的基于工学结合模式下的教师授课质量评价指标体系，并依照各高校权重赋予各指标和因子初始权重。

其次，采用云模型逆向云发生器对20所高校的资料分析处理，获取云模型三大数字特征，在此基础上运用正向云发生器计算生成定性评判云图。

第三，用已有的指标体系和初始权重制定调查表，面向老师、学生进行匿名调查（各因子均按百分制打分），收集授课质量评价数据，计算出各因子的量化平均值，然后使用惩罚型变权理论进行逐级递阶变权，确定各指标和因子的最终权重。

第四，依据收集到的授课质量评价数据，结合逆向云发生器和正向云发生器，计算生成各指标和因子的评价结果云，分别与定性评判云进行比较，得到最终评价结果。

基于大数据多层变权云计算的高校工科教师授课质量综合评价，整个流程如图1所示。

图1　基于大数据多层变权云计算的高校工科教师授课质量综合评价流程

三、应用实例和评价结果分析

（一）基于工学结合模式下的教师授课质量评价指标体系

教师授课质量评价指标体系是教师授课质量评价指标的重要依据，建立科学的教师授课质量评价指标体系，是做好教师授课质量评价工作的关键。通过对各高校的评价指标体系的研究发现，教师授课质量评价指标包括专业素质、授课内容、授课方法和授课效果等，这四个指标又分别可以划分为知识素养和教学态度、理论知识和科学实验、理论讲解和实验示范、同行评价和学生评价。为评分具体准确，这些指标又可以进一步细分为不同的因子。各高校的教师授课评价指标体系往往存在一定的主观性，为增强评价的科学性，本文借鉴层次分析法思想，综合各高校的教师授课评价指标体系，保证其科学有效性，对教师授课质量进行评价：将不同最终评价结果（等级）作为评语层（A层），分别用模范授课（A1）、良好授课（A2）、合格授课（A3）、待强授课（A4）来体现，由专业素质（B1）、授课内容（B2）、授课方法（B3）和授课效果（B4）构成一级指标层（B层），并将一级指标层向下分解为二级指标层（C层，由C1～C8组成）和因子层（D层，由D1～D32组成），从而构建起一套包含评语层、一级指标层、二级指标层和因子层等多个层次的基于工学结合模式下的教师授课质量评价指标体系，如图2所示。

图2　基于工学结合模式下的教师授课质量评价指标体系

（二）实例分析

高校工科教学对教师的教学能力要求很高，授课质量评价也显得尤为重要。为了更好地理解并验证上述多层变权理论的高校工科教师授课质量综合云评价模型，现对我校一名水利系年轻讲师进行实地抽样调查，并做出最终评价。

评价因子和权重是评价的两大关键因素，对比融合20所高校的评价资料及其特点建立新的评价体系，并分析各高校权重资料，拟定初始权重。统计所有搜集到的高校的定量评价准则，逐一分析其合理性，先采用逆向云发生器计算得到评判云的三个数字特征，然后运用正向云发生器生成定性评判云。

评价云模型及其参数见表1。

表1：评判云模型

根据已有评价体系制定教师授课质量评价调查表，对因子层各因子进行百分制打分，向同行老师和学生发出500份调查表，进行抽样调查，共收回336份，其中302份有效。根据各指标和因子的初始权重和平均量化值，采用惩罚型变权逐级对各指标和因子进行变权，确定最终权重。利用最终权重，逐级计算出收回的302份调查结果的各指标、因子和综合的最终值，最后结合使用逆向云发生器和正向云发生器生成评价结果云（限于篇幅，因子层略），结论见图3和表2。

图3　教师授课质量综合评价结果云图

表2：教师授课质量评价结果云

研究表明，各指标和因子均进行了量化评价，教师授课综合质量为良好，接近模范授课质量，知识素养较高，“科学实验方法讲解”、“专业素质”以及“教学态度”等都获得较高评价，多数指标达到良好及以上，但在“授课有激情、有感染力”“授课内容严于课本，高于课本”“老师带领下，我提高了自学能力”等方面表现较为一般，需在以后的教学工作中加以改进。

［1］高苛，华菊翠.基于改进AHP法的高校创新创业教育评价［J］.现代教育管理，2015，（4）：61-64.

［2］张林英，高群.高校教学评价MTS方法及其应用研究［J］.黑龙江高教研究，2010，（11）：60-63.

（责任编辑：李作章；责任校对：徐治中）

Comprehensive Evaluation of Teaching Quality for Engineering Teachers in Colleges and Universities Based on the Large Data and Multi-layer Variable Weight

XU Zhenkai，WEN Yongbing，WEI Bowen，GU Minghan
（Nanchang University，Nanchang Jiangxi 330031）

The evaluation of teaching quality is the main content of the teaching evaluation，but also the key to improve the teaching quality.At present，teaching is partially implemented network management，large data and cloud computing application is particularly important.But there are still many questions that the evaluation index system is not systematic and the evaluation system is too simple and backward and so on.So on the basis of constructing the teaching quality evaluation system，the large data multi-level variable weight cloud computing method is used to optimize its evaluation mechanism，and the quantitative analysis and evaluation of the teaching quality of engineering teachers in universities have been done，so as to lay a foundation for the rational evaluation.

teaching quality；variable weight；cloud model；evaluation

G40-058.1

A

1674-5485（2016）09-0093-04

江西省高等学校教学改革研究课题“水利工程专业人才培养模式改革研究与实践”（JXJG-13-1-23）。

徐镇凯（1956-），男，江西南昌人，南昌大学教授，主要从事水利水电工程专业教学研究；温勇兵（1991-），男，江西赣州人，南昌大学硕士生，主要从事水工结构安全监控及风险分析研究；魏博文（1981-），男，江西南昌人，南昌大学副教授，主要从事结构工程教学研究；谷明晗（1994-），女，河北保定人，南昌大学硕士生，主要从事水工结构动力损伤研究。