基于“互联网+”的高校课堂教学大数据探究①

何孟杰

（厦门大学嘉庚学院，福建 漳州 363105）

基于“互联网+”的高校课堂教学大数据探究①

何孟杰

（厦门大学嘉庚学院，福建 漳州 363105）

评学、评教等课堂教学数据失真动摇了高校教学质量保障的基础。评学失真的主要原因包括课堂教学数据采集难、共享难、检验难；“严师低评”等学生评教失真主要受到“一票否决”效应等的影响。建立“互联网+”课堂教学管理系统，在学生座位管理基础上集成出勤管理、课堂表现管理、作业管理等，可高效、精确、实时地采集多方位的课堂教学大数据。应用数据的多级共享、分层检测、挖掘分析等方法，可较为有效地解决评学、评教失真问题，激励教师与引导学生共同提高教学质量。

评学失真；评教失真；互联网+；大数据

当前普遍存在的高校课堂教学数据失真，成为制约教育质量提升的瓶颈。数字化校园的普及与“互联网+”技术的广泛应用，为高校课堂大数据式管理与教学质量动态监控提供了新的契机。在“高校课堂信息化管理单机系统”多年实践的基础上，笔者提出构建基于“互联网+”的高校课堂管理系统，以期走出高校课堂教学数据失真困境、推动教学回归到高校的工作中心。

一、高校课堂教学数据失真困境

（一）课堂教学数据失真及危害

高校课堂教学数据失真，即评学、评教数据的缺失或偏离实际。常见的评学数据包括反映学生出勤情况的考勤分，反映学生学习态度及参与讨论等课堂表现情况的平时分，反映学生课内外练习巩固情况的作业分，反映教学效果的期中、期末考试分等。评学数据失真包括：一是考勤分失真，如考勤频率过低，或考勤基本不影响评学结果、沦为走过场。二是平时分失真，如教师对课堂讨论表现突出的学生仅限于口头激励，对手机上网、聊天等“隐形逃课”现象未作约束，平时分仅依据对学生的模糊印象给分。三是作业分失真，如学生上网抄写答案或相互抄袭，教师往往对此心有余而力不足，难以杜绝，一些教师甚至放弃布置作业。四是考试分失真，如一些教师考前划考试范围，或者降低考题难度。评教包括同行评教、专家评教和学生评教等。前二者的失真主要受限于听课覆盖面等方面。学生评教已在我国高校广泛开展，学生参与度高、数据量大，但争议也最为激烈。一般认为，学生评教总体上有其客观性，但涉及具体教师时可能出现较大的偏差。

课堂教学数据失真在我国高校中具有普遍性，动摇了教学质量保障的基础。从外部质量保障来看，课堂教学数据失真一方面导致教育评估机构无法实现对教学过程的动态监控，使得对课堂教学的质量控制难以落到实处。另一方面，它也导致在高校排行榜中教学质量的直接指标减少甚至消失，而较易收集与比较的科研数据占据主导地位，其直接结果就是科研倍受高校重视、课堂教学被边缘化。

从内部质量保障来看，课堂教学数据失真扭曲了对师生的激励机制。在学生方面，当今的学生更注重在评学的基础上进行学习。［1］当学生们不时发现，在分数方面上课认真听不如期末背“重点”，甚至到不到课都没多大差别的时候，学习的积极性就会受到很大影响，而自制力不足的学生将得不到足够的外在约束。在教师方面，本应是“严师出高徒”，然而，当学生评教数据失真时，一些教师不是通过提高教学水平来提高学生评教分，而是通过“放水”、高分互换等方式走捷径。在这一背景下，严师更易引起个别学生的不满，成为被学生评教逆淘汰的高危人群。笔者随机抽取福建省某高校（以下简称F高校）18个班级进行连续1周的调查，结果显示出勤率达100%的5门课程，教师的学生评教平均分低于出勤率最低（30%～50%）的5门课程教师的平均分。此时严师不但要付出奖金、工资、甚至是职称等方面的物质代价，还在精神上受到沉重打击。这与教学质量保障的目标背道而驰。

（二）高校课堂教学数据失真成因

1.评学失真成因

评学失真的原因，除了一些教师为提高学生评教分而改变学生得分难度等主观动机之外，还包括以下重要方面：

一是数据难以采集。高校课程班多、课程性质不一，大班上课十分常见，师生之间的熟悉程度总体不高，教师对学生的日常表现难以准确评定。要在课堂教学的同时，记录学生出勤、课堂讨论表现、作业完成情况等数据，琐细繁杂，数据采集难度极大。兼之缺乏适合的工具使得数据采集效率低下，如百人规模的班级点一次名通常需要十多分钟，导致课堂教学数据缺失十分常见。

二是数据难以检验。避免评学数据失真需要数据检验。教师面对大量的学生作业难以逐一查重检验，教务管理人员面对教师提供的大量评学数据难以进行真实性检验。将全国高校海量的评学数据汇总到高校评估人员手中进行真实性检验，以实现教学质量的外部动态监控，在现有条件下是不可能完成的任务。

三是数据未能共享。本就有限的课堂教学数据，往往分散在不同人员手中，共享不足、对接低效。以学生考勤为例，任课教师掌握一定的考勤数据，辅导员掌握学生请假数据，教务管理人员掌握抽查数据。由于缺乏统一的、可高效共享数据的平台，这些数据往往严重碎片化，使得教学管理既费时费力又粗放低效，未形成有效合力。笔者曾在“学风周”中偶然听到学生的一句对白，令人五味杂陈：“反正教务人员只点上课人数，又点不到我们，我们下午还是出去吧。”

2.学生评教失真成因

学生评教出现偏差的常见原因包括师生之间的高分互换、学生对评教的态度、教师的教学质量与课程性质［2］等。值得注意的是，对学生严格要求、学习负荷重、教学有效性强的教师，在评教中往往不受学生、尤其是后进生的欢迎。［3］这种“严师低评”现象在很大的程度上是源于学生评教数据偏态分布所引起的“一票否决”或“少数票否决”效应。表1的数据显示，一票否决效应巨大且难以简单消除。

表1：学生评教“一票否决”效应

表1数据源自对F高校一真实案例的简化，只考虑了学生B这“一票”对教师A的影响。假如A的评学处在不怎么严格的“正常”水平，那么按照B的评教习惯A将得到其95分上下的“正常”评教；此时A的初始得分为第1列。按F高校的修正方案进行第2列的计算后，A的评教将为全校平均分95分。事实上由于A的严格要求导致了B对A的评教为第3列的46分，进行第4列的修正计算后，A仅能得到88分。学生评教中，往往是数以百计、千计的教师，得分集中分布在几分的区间内，呈现明显的偏态分布。表1中B的“一票”导致A的分数下降7分，足以使其落入全校评教排名的末端，继而影响工资、奖金、甚至职称评定，起到了“否决”的作用。这种个别极端低分导致学生评教严重失真的“一票否决”、“少数票否决”效应，去除最低分的方法未能在根本上解决问题。

（三）既有方案评析

从外部教学质量保障方案来看，教育部的“五位一体”教育评估方案，包括学校的自我评估、政府的分类院校评估（包括合格评估、审核评估）、行业的专业认证与评估、实质等效的国际评估和以数据库为基础的常态监控。［4］全国高校基本状态数据库集成了数据采集与分析的功能，提供国家级、省级与校级的数据应用服务。［5］但“课堂教学质量评估统计表”、“教学质量管理与监控”等数据依然由各高校自报。这一方案暂未具体解决课堂教学常态监控数据如何采集与检验、不同高校的课堂教学数据如何比较的难题。

从内部教学质量保障方案看，对评学的改进主要着眼于局部。对于考勤分失真，改进方案包括基于指纹识别技术的考勤、基于射频识别（RFID）技术的考勤、基于蓝牙通信技术的考勤等。但这些考勤方式在数据采集效率、数据真实性方面尚存问题，如指纹考勤易在高峰时拥堵，网上还有指纹膜出售，使得代替考勤十分容易。对于作业分失真，一些网络平台提供了应用工具。如谷歌教室（Google Class-room）可以使用APP应用，不过我国大陆地区无法正常登录；“课堂派”可以使用电脑网页或手机微信进行作业收集、在线批阅、即时互动、站内查重等，但功能有限及赢利模式等限制了它的推广使用。

对于学生评教失真，应对方案大致可归为“弃用”与“修正”两类。一些学者认为学生评教“有偏”，仅可作为教学研讨的参照，不能用于教师管理［6］，但这难免极大地削弱学生对教学的发言权。另一些学者则肯定其促进教师的教学的一面［7］，提出了对学生评教数据进行修正纠偏：一是改变学生评教态度方案，如通过评测加权平均值、相似度、学生评价权重、教师认可度等方式来提高学生评教有效性。二是学生自评方案，以学生自评学习收获来代替学生评教。［8］三是数据筛除方案，如课程成绩为不正常高分时，该课程学生评教不计入该教师的总分。［9］然而这些方案无法从根本上解决学生评教中的高分互换与严师低评现象。

总体上看，这些方案各有特点，但课堂教学数据总体上仍深处困境。要走出这一困境，有赖于既能高效采集、检测、共享课堂教学数据，又能解决高分互换、严师低评等问题的全局性方案。

二、课堂教学大数据的采集：“互联网+”课堂管理系统

（一）“互联网+”课堂管理系统的流程设计

“互联网+课堂管理系统”的设计思路是将“互联网+”融入课堂教学数据的采集与应用过程，即借助校园WiFi或移动互联网，使用电脑网页或微信等手机应用软件接入数据平台，通过座位管理实现对学生的快速定位，实现考勤、教学互动、课内外作业等课堂教学数据的高效采集、整合与分析，在多个信息终端实时动态共享、分层检验（如图1所示）。

图1　“互联网+”课堂管理系统流程

（二）“互联网+”课堂管理系统的功能设计

一是数据采集多元高效。本系统通过座位管理实现对学生的快速定位，可以在数秒之内完成单个学生的定位与数据记录。教师、学生、管理人员等可以藉此高效地完成课堂教学数据的精确记录与共享，实现数据采集的多元化。

二是数据可分层检验且具可比性。为避免数据失真，系统可以实现数据分层检验：学生可以及时检验与自己相关的评学数据是否客观公正；高校管理人员可以抽取一定数量的班级，在课堂上同步采集评学数据，以实时检验教师采集的数据的可靠性；评估人员等可随机抽取若干高校的若干班级，同步采集评学、评教数据，以估算各高校不同专业所共享的课堂教学原始数据的“失真系数”。根据共享数据与失真系数可以大致估测出各高校各专业的真实情况。在此基础上，各高校的各个专业的数据在全国范围内即具备了一定程度的可比性。

三是数据共享实时动态。利用数据的实时共享功能，可解决数据碎片化问题。按照需要设定学生、教师、高校管理人员、学生家长、教育评估人员，甚至是高校排行榜工作人员等的共享级别，在不同权限范围内实时共享课堂教学大数据，这样不同层次、不同类别的数据将组成一个严密的教学质量监控体系。

四是数据类型开放弹性。当前尚未形成一个高校教学质量的统一标准，所以应当采集的课堂教学数据，除了前文所涉及的一些基本类别之外，还有可能需要采集新的数据类型。本系统作为一个数据采集和管理的平台，可以增减数据类型以适应发展需求，使得系统具备了较好的成长性。

三、课堂教学大数据的应用

（一）改进评教与激励良师

1.拒斥高分互换、严师低评

高分互换与严师低评是学生评教数据失真的难点问题，应用课堂教学大数据，当可较为有效地加以解决。在高分互换现象中，教师一般是主动方。对此，管理人员可以通过课堂教学数据的动态监控，准确识别教师的不当评学行为，并予以相应的处理。当教师不当评学的代价远高于“收益”时，这一行为将得到有效遏制。

对于严师低评的难题，一方面需要本着“要对教师负责（参与评教），先对自己负责（表现合格）”的原则，筛出“一票否决”的高发主体。如管理人员可以检测、统计学生的出勤与课堂表现等数据；对低于一定阀值的学生，可以降低其评教比重，直至取消评教资格。另一方面，遏制高分互换现象，提高教师的整体严格程度，也有助于学生回归正常心态，减少报复性低评。

对于影响学生评教的其他因素，如学生年级、班级规模、课程性质等，可以在分类评教的基础上，通过大数据统计出它们与学生评教数据的相关系数，再据此对评教的原始分数进行修正。

通过课堂教学大数据的挖掘，学生评教将更准确地反映出教师的教学水平与教学态度。同理，同行评教与专家评教也将更加精确。在基于课堂教学大数据的教学质量保障制度下，严师与良师将成为教师的内在追求。

2.数据跨校可比激励良师

与科研相比，当前高校教师的教学水平在职称晋升、跨校流动的过程中受到的影响微乎其微。借助于全国高校的课堂教学大数据共享，教学评估机构、排行榜编撰机构可以根据专业标准和质量保障标准进行数据检验和挖掘，使得不同高校的教师教学水平具有可比性，实现教师教学水平的第三方评估。这样一方面可以将教学水平纳入教学评估与高校排行榜的指标体系，克服第三方中介评估有效性不强等问题［10］；另一方面，一旦教学人才与科研人才对高校的排名有同等的影响力，那么教学在高校中的边缘化地位将得到根本改变，教师在职称晋升与跨校流动过程中，教学能力也将与科研能力一起受到同等的重视。从教师激励角度看，这一机制将与评教共同构成对良师的高校外部、内部激励，充分激发高校教师提高教学水平、用心教学的热忱。

（二）精确评学与引导学生

培养优良的学风是高校教学的重要一环。当所有的高校教师都精确、高效、实时地进行评学，并与学生及其家长共享学生的课堂数据之时，大学生既有动力、也有压力保持勤奋学习的状态。对于一些自制力不足的后进学生，教师和辅导员可以通过动态监控防微杜渐。当发现学生接近或达到特定阀值时，及时向学生及其家长提出预警，多方合力，将问题解决在萌芽阶段。

国内的大学生在课堂发言方面总体偏向于沉静，在案例教学、师生互动等教学环节中，学生往往心中有所思而不主动发言；也有一些学生抱着“事不关己”的消极心态根本不打算在课堂上发言。系统的“摇号答题”功能使得全体学生须高度集中注意力应对答题压力；穿插使用，既能有效调动学生的积极性，又可营造张弛有致的教学节奏，提高学习效率。

在课内外作业方面，系统的站内查重功能可以引导学生独立进行思考与撰写，避免抄袭敷衍。作业数据可以长期保存，同时也更要求教师认真出题、仔细批阅。

在更高的层面上，可以通过举行毕业会考、学业竞赛等方式进一步完善评学数据。法国的精英学校（grandes écoles）对毕业生进行排名的做法有益于学生学习质量的提高，课堂教学大数据亦可为我国高校的此类措施提供可靠的基础。

革除课堂教学数据失真、教学质量不高的积弊任重而道远，使基于课堂教学大数据的质量保障从外在约束逐步内化为高校师生、管理人员的内在信念［11］或为必由之路。与此同时，我们也要看到，课堂教学大数据的采集与应用对教师的教学能力、课堂管理能力乃至教学理念都提出了极高的要求。对于提高教学质量而言，课堂教学大数据的采集与应用也只是迈出了必要的第一步。我们期待，通过在实践中的改进和完善，课堂教学大数据能有助于最终形成学生好学、教师乐教、高校自觉追求教学质量的具有中国特色的教学质量文化。

［1］Cordelia Bryan，Karen Clegg.Innovative assessment in higher education［M］.London：Routledge，2006：65.

［2］李宇辉，陆海华.学生评教影响因素实证研究［J］.现代教育管理，2010，（5）：55-57.

［3］Michela Braga，Marco Paccagnella，Michele Pellizzari.Evaluating students’evaluations of professors［J］.Economics of Education Review，2014，41：71-88.

［4］吴岩.高等教育公共治理与“五位一体”评估制度创新［J］.中国高教研究，2014，（12）：14-48.

［5］吴岩.构建中国特色高等教育质量保障体系［M］.北京：教育科学出版社，2014：168.

［6］别敦荣，孟凡.论学生评教及高校教学质量保障体系的改善［J］.高等教育研究，2007，（12）：77-83.

［7］马秀麟，衷克定，刘立超.从大数据挖掘的视角分析学生评教的有效性［J］.中国电化教育，2014，（10）：78-84.

［8］林光彬，张苏，樊彬彬.大学生评价教学质量的逻辑——来自调查研究的证据［J］.教育研究，2012，（10）：93-98.

［9］徐薇薇，吴建成，蒋必彪，等.高校教师教学质量评价体系的研究与实践［J］.高等教育研究，2011，（1）：100-103.

［10］李国强.“管办评分离”进程中的高校外部质量保障体系建设［J］.中国高教研究，2016，（1）：12-20.

［11］Lee Harvey，B Stensaker.Quality Culture：Understandings，Boundaries and Linkages［J］.European Journal of Education，2008，43（4）：427-442.

（责任编辑：于翔；责任校对：徐治中）

The Research to Big Data of Classroom Teaching in College Based on Internet Plus

HE Mengjie
（Tan Kah Kee College of Xiamen University，Zhangzhou Fujian 363105）

The distortion of classroom instruction data，which includes student evaluations data and teacher evaluations data，has shaken the foundation of teaching quality assurance.The distortion of student evaluations data mainly because of these data are difficult to collect，to share and to test.The data distortion evaluation of teachers such as“low rating to stringent teacher”is mainly influenced by the effect of“veto power”of students.To solve these problems，we have created a classroom teaching management system based on Internet plus.This system combines a variety of functions such as seat management，attendance management，performance management，homework management，it can gather multiple types of big data of classroom teaching with efficient，accurate and timely.We can more effectively address the problem of distortion of student evaluations data and of teacher evaluations data，and encourage teachers and students to improve the quality of teaching by using the method of multi-level shared data，hierarchical detection data and mining analysis data.

distortion of student evaluations data；distortion of teacher evaluations data；Internet plus；big data

G642.0

A

1674-5485（2016）10-0103-05

福建省教育厅择优推广计划“‘马克思主义基本原理’课程案例教学研究与实施”（ZYP201414）。

何孟杰（1975-），男，福建宁德人，厦门大学嘉庚学院讲师，博士，主要从事教育哲学、逻辑学研究。