大数据背景下“以学生为中心”的课堂教学评价

王小平，李绵信

(1.宜春学院 经济与管理学院，江西 宜春 336000；2.江西高安石脑中学，江西 高安 330800)

课堂教学评价是高校教学质量评价的重要组成部分，对高校课程的教学策略、教学模式和教学方法有直接的影响，进而影响到高校人才培养质量的提升；与此同时，课堂教学评价也是提升课堂教学质量以及深化课堂教学改革的重要环节，最终影响到课程的整体质量。而构建科学合理的课堂教学评价体系与测度方法是提高课堂教学质量的重要手段。如何客观、真实地评价教师课堂教学这一动态的过程，构建形成性评价和终结性评价相结合的课堂评价指标体系就显得非常必要。国外对高校课堂教学评价比较早，研究成果比较丰硕，评价理论、评价体系及评价方法也比较全面。我国于20世纪70年代末逐步恢复对高校课堂教学评价的研究，到目前为止，对课堂教学评价的研究取得不少成果，但通过检索相关文献，可以发现现有的课堂教学评价研究仍然存在不少问题，比如“课堂教学评价指标不够全面，评价维度比较单一，评价方法不够合理等”。而进入二十一世纪以来，教育管理部门、高校和学生对课堂教学质量的要求越来越高，因此也迫切需要加强对课堂教学评价体系的优化和提升。

一、文献综述

现有文献对课堂教学评价主要从教学评价理论和教学评价实践两个层面来研究：理论层面研究主要聚焦教学评价目的、教学评价对象、教学评价主体、教学评价标准等，如，赵作斌和黄红霞研究发现，课堂教学标准是学生的潜质潜能“被开发”和对教学内容“内化”的程度，不是教师“教”的水平[1]；实践层面研究主要关注教学评价体系构建、教学评价方法、教学评价存在的问题、教学评价效果的影响因素分析等，如，邱文教等以专家、教师、督导为主体构建了三位一体的探究式课堂教学评价指标体系，并利用层次分析法进行了分析[2]，郭欣等采用平均值综合评价算法和AHP模糊综合评价算法对高校教学质量进行了评价，研究结果表明，与平均值综合评价算法相比，AHP模糊综合评价算法在教学质量评价中效果更好[3]。以往的研究对教学评价过程、评价内容、评价方法等方面做了大量卓有成效的工作，但仍然存在一些问题，如在评价过程上，过于倾向于教师的教学行为，而忽视了学生的学习行为；在评价内容上，过于偏向于知识的学习与获得，而忽视了学生的情感态度、创新能力及其价值观的培养；在评价方法上，过于关注教师的教学方法，而忽视了学生学习的主观能动性和实际操作性。

本文基于大数据背景下构建了课堂教学评价指标体系，运用大数据技术获取学生对学习的行为投入、认知投入和情感投入等指标，可以更为科学地反馈课堂教学评价结果，较好的弥补了传统评价方法难以获取学生对学习的投入指标的不足；与此同时，采用组合赋权法得出课堂教学评价指标权重，弥补了单一的主客观赋权方法在指标权重中的不足。

二、课堂教学的评价指标体系

(一) 指标体系构建

“以学生为中心”的教育理念是美国著名心理学家卡尔·罗杰斯在不断实践和反思传统课堂教学的基础上提出来的，目前它正受到国内教育界越来越多的关注，成为高等教育改革研究的一个热点。“以学生为中心”的课堂教学评价模式，主要采用学生的学习投入、学习成果而不是教师的教学效果作为评价指标。该教学评价模式突出以教师对学生的学习影响和学校对学生的学习支持来推动学生的自主参与和建构，进而巩固课堂教学效果，提升教育教学质量。传统课堂教学评价模式，难以应对现代网络化、信息化的发展对高等教育变革的影响，导致评价方式比较单一、评价主体不够多元、数据采集不完整、数据分析能力弱以及评价结果得不到及时反馈等。高校教学运行过程中每天会产生大量反馈数据，而大数据技术可以通过数据挖掘实时获取课堂教学数据，对课堂教学进行相对完整的过程性评价，并帮助教师及时发现课堂教学过程中存在的问题，解决了传统教学评价不能解决的问题。因此，大数据技术的运用为优化传统课堂教学评价提供了新的可能。鉴于此，本文从大数据的视角，探索构建“以学生为中心”的四维度高校课堂教学评价体系。

1.学生对学习的投入。学生对学习的投入反映学生行为投入、认知投入和情感投入程度。学习的投入可以通过学生课堂学习表现、课外活动积极性、学生的情感态度、师生之间的互动和同学之间互动等方面来衡量。

2.教师对学生的学习影响。教师是课堂教学过程的组织者、指导者和引领者，对学生的学习起着重要的作用。教师对学生学习的影响可以通过教师的教学态度、教师的课堂教学情绪、教师专业知识的广度和深度、教师是否能引导学生树立正确的人生观和价值观、教师是否引导学生的问题意识、教师是否能引发学生的求知欲和学习兴趣、教师是否能帮助学生提高分析问题和解决问题的能力、教师是否充分考虑学生的个体差异做到因材施教、教师是否使学生在思想上受到启迪、教师能否满足学生在学习上的需求、教师是否能够提升学生理论与实践相结合的能力等方面来衡量。

表1 课堂教学过程评价表

3.学校对学生的学习支持。学校对学生学习的支持为课堂教学提供了有力的资源和服务保障。学校对学生的学习支持可以通过学校的课程设置、教学基础设施、学生管理模式、学习和生活的服务等方面来衡量。

4.学生的学习成果。学生学习成果是学校教学质量的体现，可以通过学生的学习能力和学习成效来反映。学生的学习成果可以采用形成性评价与终结性评价相结合来衡量。形成性评价包括学生出勤、课堂发言、课堂笔记、小组讨论、平时作业等构成，考核标准既有量化指标，又注重质性评价；终结性评价包括课程的期末考试、学习阶段测试、综合技能测评等构成，量化评价为主，考核标准统一、考核结果客观。

(二)课堂教学总评价

课堂教学总评价主要包括形成性评价和终结性评价两个部分。其中，形成性评价包括课堂教学过程评价、学生出勤、课堂笔记、课堂发言、小组讨论和平时作业等；终结性评价是指期末考试成绩。课堂教学总评表见表2。

表2 课堂教学总评价表

三、课堂教学评价

(一)课堂教学评价指标权重的确定

目前对课堂教学评价指标的权重主要采用主观赋权法和客观赋权法两大类。以层次分析法、专家调查法、模糊综合评价法等为代表的主观赋权法是根据决策者意图来确定指标权重，主观性相对较强；而以主成分分析法、离差及均方差法、熵权法等为代表的客观赋权法有着客观优势，但不能反映出决策者对不同指标重视程度，有时候定的权重会与属性的实际重要程度相差较大。李刚等研究发现，基于极差最大化的组合赋权方法具有一定的合理性和可解释性[4]。极差最大化的组合赋权法可以直接从评价指标层面对主观赋权法和客观赋权法的权重进行组合，得出的组合权重可以同时兼顾主观赋权法和客观赋权法的优点。本文采用改进的模糊层次分析法和熵权法对课堂教学评价指标进行赋权。

1.改进的模糊层次分析法

F=(fij)n×n，(i=1,2,...,m;j=1,2,...,n)

(1)

第二，构建模糊一致判断矩阵：

(2)

(3)

R=(rij)n×n

(4)

第三，计算排序向量：

(5)

第五，以排序向量W(0)作为特征值法的迭代初值V0，利用迭代公式Vk+1=D×Vk，求特征向量Vk+1，并求Vk+1的无穷范数‖Vk+1‖。

第六，以Vk=Vk+1/‖Vk+1‖作为新初始值，进行迭代，直至‖Vk+1‖-‖Vk‖<ε，停止迭代，将Vk+1进行归一化处理后，所得向量即为课堂教学评价指标的排序向量。

2.熵权法

第一，假设评价主体有m个，每个被评价教师的课堂教学评价指标有n个，构建判断矩阵：

X=(xij)m×n，(i=1,2,...,m;j=1,2,...,n)

(6)

第二，对判断矩阵进行标准化处理：

(7)

第三，计算信息熵：

(8)

第四，定义课堂教学评价指标j的权重：

(9)

3.基于极差最大化的组合赋权法

本文借鉴姜旭和胡雪芹的组合赋权法对课堂教学评价指标的主客观权重进行组合赋权[5]。

(1)指标权重的标准化

(10)

(11)

(12)

其中，U为标准化矩阵，m为被评价教师的数量，K为课堂教学评价方法的数量。

(2)组合赋权法的权重确定

由于被评价教师之间具有一定的差异性，可以通过标准化矩阵U与调整后的权重指数λ=(λ1,λ2,...,λK)T进行线性组合，得到调整后的课堂教学评价得分：

(13)

调整后的课堂教学评价得分的方差为：

(14)

(15)

其中，(U)T表示协方差矩阵，从(13)—(15)式可以看出，以调整后的被评价教师课堂教学得分与其均值之差最大为目标，建立的课堂教学评价指标的组合赋权法，满足反映被评价教师之间差异最大的原则。

本文组合赋权法，由模糊层次分析法和熵权法两种方法组成，可得到课堂教学评价指标的组合权重为：

(16)

根据改进的模糊层次分析法、熵权法和组合赋权法的原理，利用matlab9.0软件可以得出课堂教学评价指标的主观权重、客观权重和组合权重。

(二)课堂教学评价指标得分的测度

通过上文的组合赋权法可以得到课堂教学评价指标的组合权重，进一步可以通过(17)式计算得出课堂教学评价的综合得分F，然后通过(18)式将综合得分F换成标准百分制得分，具体公式如下：

(i=1,2,...,m;j=1,2,...,n)

(17)

(18)

本文在大数据背景下，构建了从学生对学习的投入、教师对学生的学习影响、学校对学生的学习支持和学生的学习成果等四维度“以学生为中心”的课堂教学评价指标体系，该课堂教学评价指标体系由四维度的23个指标层组成，并且从主观赋权和客观赋权两个视角出发，分别采用改进的模糊层次分析法和熵权法来获得课堂教学评价指标的主观权重和客观权重，进一步运用组合赋权模型对模糊层次分析法和熵权法两种单一赋权方法进行组合，得到被评价教师课堂教学评价指标的组合权重，最后对被评价教师的课堂教学进行了测度。

本研究基于“以学生为中心”构建的课堂教学评价体系，采用大数据分析技术能动态反映课堂教学活动的形成性评价和终结性评价过程，具有一定的系统性和理论性。一方面弥补了教师课堂教学评价过程中重结果，轻过程的不足；另一方面采用的组合赋权法可以较好的弥补课堂教学评价指标单一权重中主观赋权法和客观赋权法不足。与此同时，本研究可以帮助高校教学管理部门实时、准确分析课堂教学状况，并为高校课堂教学评价提供理论和实践依据。