大数据分析在教学质量评价中的应用

摘  要：教学质量评价是学校教学决策的重要依据，同时也是改善教学质量、改革教学模式的重要指导方向。在大数据时代的发展背景下，应该引入大数据技术来增强教学质量评价的活力，真正发挥出教学质量评价的作用。同时拓宽评价的含义，完善评价体系的功能。本文以教学质量评价为研究对象，探究了传统教学质量评价存在的弊端、分析了大数据技术在教学质量评价中的应用必要性及构建原则，最后简要介绍了基于大数据的教学质量评价体系的构建方法，以期为实际的教学质量评价体系构建提供指导。

关键词：大数据分析;教学质量评价;数据挖掘

中图分类号：G642.0      文献标识码：A 文章编号：2096-4706（2019）12-0083-03

Abstract：Teaching quality evaluation is an important basis for school teaching decision，and also an important direction for improving teaching quality and reforming teaching mode. Under the development background of big data era，the evaluation of teaching quality should introduce big data technology to enhance the vitality of teaching quality evaluation and give full play to the role of teaching quality evaluation. At the same time broaden the meaning of evaluation and improve the function of evaluation system. Based on the teaching quality evaluation as the research object，explores the existing disadvantages of the traditional teaching quality evaluation，analyzes the technology of data in the application of teaching quality evaluation necessity and principles of building，finally a brief introduction to the method of the construction of the teaching quality evaluation system of big data，in order to provide guidance for the actual construction of teaching quality evaluation system.

Keywords：big data analysis;teaching quality evaluation;data mining

1  传统教学质量评价存在的弊端

教学质量评价起源非常早。虽然我国的教育事业随着经济的发展取得了巨大进步，但教学质量评价发展了几十年时间，目前仍没有形成统一的评价指标体系。常用的教学质量评价方式有学生评价、教师自评、同行评价以及管理者评价等，这些评价具有各自的优缺点，具体如表1所示。总体而言，在信息技术欠发达的时期，这些评价指标和评价方式为教学质量的提高起到了重要的促进作用，随着信息技术的发展以及教学质量要求的提升，这些评价方式发挥的作用越来越小，传统教学质量评价的弊端也日益显著。

从表1可以看出，传统的评价指标和评价方式过于追求理论教学效果，过于关注教师基本教学技能，对学生的知识技能以及综合能力的培养缺乏关注。传统的评价方式往往很大程度依赖于教学管理系统的评价模块，评价结果往往采取求带权平均值的方法，缺乏对数据深入的统计和分析，评价的结果自然缺乏连续性。这种评价的过程多以终结性评价的形式存在，评价的最终结果大多和教师的年终考核以及职称晋升相关联，忽视了对教学质量的过程性评价。

另一方面，教学质量评价的最终目的是为教学活动服务的，而传统的教学质量评价在一定程度上是为学期总结服务的，这就使得教学质量评价的意义大打折扣，更不用说将教学质量评价的结果及时地反馈到教学中。这种“教学质量诊断”的滞后性使得教师无法及时地改善教学方式方法，也使得学生无法及时地获得更好的教学效果。

2  大数据分析在教学质量评价中的必要性

大数据技术是近年来刚刚兴起的一门新兴信息技术。时代的不断发展以及人们生活水平的提高使得我们的工作和生活中需要处理的数据越来越多，所谓的大数据技术就是通过分析已有的大量数据内部的关联特性，从而找出数据背后所蕴含的一般性规律。这种规律的寻求以及研究不是通过日常简单的统计手段就能获得的，它需要对大量的数据进行处理分析以及不断挖掘尝试才有可能发现。

教学质量的评价是一个复杂的系统工程，它所涉及的评价指标较多，与传统的评价方式相比，大数据分析具有动态分析以及深入研究的优势。一方面，通过丰富评价方法，建立并利用起新型的教学质量评价平台，可以将过程性评价与总结性评价相结合，从而形成“评价-反馈-提升”的良性循环模式。这其中，大数据技術发挥的作用主要体现在两个层面上。第一，利用大数据技术可以充分收集并且有能力处理日常的教学数据，将过程性评价真正应用到教学质量评价当中。第二，利用大数据技术可以不断优化评价管理平台，也可以和智能移动设备有效互联，在助力评价过程实施的同时，可以让教师、学生以及管理者得到及时的反馈，从而尽快地改善教学过程。

另一方面，利用大数据技术可以实现对评价数据多层次、多维度的分析，充分挖掘内部各关联要素之间的关系。传统的教学质量评价最终得到的结果大多是采用求带权平均值的方式获得的，这种处理方法将最终的结果变成了一个单纯的数据，考虑的问题不全面，评价的结果也很难应用于教学过程的改善之中。利用大数据技术可以将评价指标细分，可以对数据进行切片、切块、旋转、上卷、下钻等多种操作，从多个角度、不同侧面分析评价所得数据，从而使得评价系统更加科学高效，也使得评价数据获得更多的利用。例如，在教学质量的评价数据中，可以利用关联规则挖掘课程教学与教师安排之间的关系，通过对评价数据的分析，可以在课程安排时根据教师的年龄、学历、职称、项目经验等因素进行合理的分配，为教学部门提供有效的决策支持，促进教学质量的提升。

3  基于大数据的教学质量评价体系构建原则

3.1  坚持以学生为中心的基本原则

究其根本，教学质量评价体系是为了提高教学质量而创立的，而教学活动的主体就是教师和学生，教师承担着知识传播者的任务，而学生才是这场知识传输活动中的核心，因此，基于大数据的教学质量评价体系的构建必须要以学生为中心。经济的不断发展使得我国的普通中学教育已基本普及，高等教育也在由精英阶段向着大众化、普及化阶段发展，这一社会发展趋势也使得教育从数量向着质量不断转换。以学生为中心，即是以学生的学习和发展为中心，传统的教学模式都是以教为中心，这样的教学模式已经不适合当下社会对于人才的需要，所以众多的专家学者纷纷投身于教学模式的改革中。教学质量评价体系自然要跟上教学模式改革的步伐，教学模式的改革必然会出现各种新的问题，如果教学质量评价体系的设计以学生为中心而建立，则能发现改革中出现的问题，并做到及时地反馈，从而不断修正教学改革方式，使其具备与时俱进的优良特性，也能真正地做到以学生为重，使得学生不仅学会知识，而且综合能力可以得到大幅度提升。

3.2  坚持以数据为依托

大数据技术离不开大量数据的支持，数据是“原料”，技术是“工具”，原料加工具便可以形成优良的产品。基于大数据的教学质量评价体系应该扩宽思路，不能将教学质量的评价放于原有的那些评价指标，同时应该收集处理各种其他类型的数据，如在校学生背景信息、教师背景信息、教学过程信息、毕业学生发展信息等等。有了多样化信息数据的支撑，大数据技术可以将多方信息进行集聚，根据不同的信息类型分析出合理的教学安排，也可以满足学生多样化的学习要求，为学生制定个性化的学习方案。再者，可以利用大数据技术通过概率预测等技术手段优化学习内容、学习时间和学习方式。通过这样收集、反馈、分析与学生学习相关的数据，可以实现对学生学习效果的预测以及对教学方式的改进，也使得以学生为中心的理念在实践中不断落实与完善。

4  基于大数据的教学质量评价体系构建方法

4.1  建立细化的评价指标

细化的评价指标是全面衡量教学过程的重要依据，不同指标之间存在相互影响或者相互制约的可能，通过对指标进行级别划分，可以从宏观和微观两个角度分析教学过程，具体的评价指标可以参考表2展开。

4.2  大数据技术处理数据

上述评价指标是收集数据的主要依据，上文中曾讲，基于大数据的教学质量评价体系应该拓宽思路，不仅仅要将评价数据纳入其中，还要将其他数据收录进来，如学生的个人兴趣、选课数据、奖惩情况、社会实践、担任职务等等，以实现对学生的全面培养。

收集到数据后便可以利用大数据技术对数据进行处理，目前应用较为成熟的数据挖掘过程主要分为四个步骤：

（1）数据的采集与筛选。数据的采集过程中难免会产生不合规数据或者错误数据，这些数据并不是有效信息，对于数据挖掘也无任何益处，数据的筛选就是利用数据库的相关操作选取出有效数据。

（2）数据的预处理与变换。收集到的数据可能在量级以及存储方式等方面有所区别，要想对数据进行一致的处理，必须通过数据的预处理和变换来保证数据的完整性和一致性。

（3）数据挖掘过程。数据的挖掘过程是大数据技术的核心，根据数据挖掘的目标确定任务并选择合适的算法，如分类算法、聚类算法、关联规则等，同时要选择合适的模型和参数，以确保找到正确的规律。

（4）模式解释。经过初步的评估后，可能会存在无用的或者冗余的模式，如果结果不能满足要求，则应返回到前面的某些步骤进行反复提取，大数据处理的过程并不是简单的单向处理过程，而是一个数据反复交互的过程，只有经过数据的反复交互，最终的结果才能以可视化的形式表现出来。

4.3  数据管理制度化

大数据平台的建立非一朝一夕之功，要想將数据信息作为重要决策依据应用到学校的管理和教学中，则必须要对数据的收集、分析、应用与反馈等各个方面进行制度化、规范化的管理。评价指标的建立只是基础，大数据技术的发展也会日新月异，要想在信息化的时代与时俱进，就必须在信息化的发展中不断改革创新、不断发展完善。数据的制度化管理一方面要动员高校各个部门共同参与进来，充分明确各个部门应尽的职责，从而形成教学管理、教学评价数据的周期性循环过程。另一方面，要不断地对数据进行修正整理，既要检查收集数据的正确性与合理性，同时也要根据实际的要求或者实际教学中的变化更改数据类型。只有以这样制度化、规范化的管理方式进行后续的管理，才能真正保证基于大数据技术的教学质量评价体系不断发挥其作用。

参考文献：

[1] 高桂桢.大数据分析视角下的高校教学质量评价研究 [J].河南教育（高教），2019（2）：38-41.

[2] 潘强.大数据分析在高职院校教学质量评价中的应用探究 [J].文化创新比较研究，2018，2（29）：64-65.

[3] 林秋莎.借助大数据优化教学评价和学情诊断 [J].中小学数字化教学，2018（2）：38-40.

[4] 赵伟强，陈坤，卢雪萍.基于大数据分析的教学评价体系建立与实践——以绍兴文理学院为例 [J].绍兴文理学院学报（自然科学），2017，37（3）：111-117.

作者简介：黎德森（1983.05-），男，汉族，广东佛山人，中学一级信息技术教师，毕业于华南师范大学，本科，研究方向：信息技术教学。