大数据在教学质量评价中应用的可行性分析

刘平瑶 张利平 夏小俊 柏毅 东南大学 生物科学与医学工程学院

随着互联网技术的不断提升，数字化技术的发展十分迅猛，人们在网络上留下越来越多的数字印记，联合国在2012年发布的大数据白皮书当中就明确指出大数据时代的到来让我们的生活发生了翻天覆地的变化，大数据让各个行业都深受影响。

目前，各行各业越来越重视对数据的利用，教育领域也是如此。教育大数据不仅依靠大量的数据分析，也需要从大量的数据当中寻找有用的数据信息进行关联和分析，从而发挥教育大数据的具体作用和价值，保证教育的公平性和合理性，实现多元化教学模式，让教育资源得到优化配置，帮助教育的决策更加科学合理。

教学质量评价在整个教学环节中具有重要的意义，是推动教学质量的重要举措。传统的教学质量评价的主体是学生，学生与教师的情感关系、学生对于评价的理解与重视程度、学生认知发展水平等诸多因素影响着评价结果，无法避免的造成数据的不客观、不全面等诸多缺憾。大数据技术的兴起为教学质量评价改革提供了契机。

1 我国中小学教学质量评价现状

中小学生面临的成长与学业的双重压力，这无形中使得教学质量评价成为热门而敏感的话题。在中小学的教学活动中，教学质量评价无处不在，也随时都在进行，无论何种形式、何种规模的考试，无一不要进行比较。此外，教师的教学质量评价直接关乎教师的职业前途，也关乎学生的发展和家长的信赖。因此，科学合理地评价教师的教学质量，是亟待解决的关键问题。

目前，中小学对于教师教学质量评价采取的主要依据依然是考试中学生的实际成绩，或者是通过比较目标完成情况。除此之外，采取的其他教学评价方式包括学生评价、教师自评、督导和领导者评价等方式。学生评价主要是由学生依据既定的评价标准对任课老师做出尽可能客观的评价。虽然目前的评价模式已经从教育环节的多视角出发，给予教师最大的公平，但依旧存在诸多的问题，比如学生的情感因素，领导者不同的学科背景等。

学生的学习方式多种多样而且是一个较为复杂的过程，正如不能单纯以学习成绩判定学生一样，也不能单纯通过结果评判教学质量。通过大数据技术的支持，学生、教师、管理者等所有相关人员的行为和表现都可转变为数据，从而便于后期的存储、加工和分析。大数据通过对数据的精细分析能够让教学质量评价的深度与广度不断延伸，其在教学质量评价的领域中有着广泛的发展前景。

2 教育大数据与教育数据挖掘

2.1 教育大数据

从狭义上我们可以看出，教育大数据是指学习者具体的学习行为的数据分析，而广义的大数据是来源于人们日常学习行为，也是关于教育活动而展开的行为信息分析。 大数据通常有以下几个特点；数据类型多且结构复杂；低价值密度，数据中有价值数据量级较小；真实性，数据质量因数据来源与记录方式的不同，会出现较大差异，在一定程度上影响来数据分析的准确性。这种特点就决定了教育大数据分析较为繁琐和复杂，涉及的因素较多而且涉及面较广。这些数据通过收集，挖掘，分类排列以处理之后形成一组新的数据，这些数据被挖掘出来形成一种新的算法。教育数据挖掘会议上就明确指出，教育数据挖掘是来自于对教育系统原始数据的收集和整理，是将一些琐碎的数据转化为有用的数据，这种过程是教育者使用信息的过程。数据可以作为学校家长老师之间沟通的桥梁和纽带，也作为教育软件系统开发基础，从庞大的数据库当中筛选出有用的信息进行进一步的处理，通过将这些数据进行转化为便捷稳定可靠的决策支持系统，充分利用大数据的优势和采用合理的数据挖掘技术让教学质量得到保证，找出影响教学质量的相关因素。

2.2 教育数据挖掘

数据挖掘的意思就是从大量的随机的数据当中提取有用的信息，这些信息也含着一些存在的价值和作用。教育数据的挖掘是一种知识的体验和探索，数据挖掘领域包含多个核心技术，比如利用技术统计学技术和机器学习技术、模式识别、数据库、可视化技术等。

教育数据挖掘（Education Data Mining，EDM）是一种综合性的机器和人工智能算法，对于教育原始信息的收集处理，分析和转化，实现教育资源的优化配置，指导教学行为的规范化，从而全面实现对学习者未来的学习趋势的一种推测。教育学家，家长和软件开发人员都可以利用此类数据帮助他们来解决实际的一些问题，让教育系统的教育资源得到良性的循环，最终让学生的学习效果得到保证，改进学习的目的。

教育数据挖掘在分析教育全过程的所有数据的基础上，通过数据的重建，分析信息的关联行为的预判等等方式，为学习者提供个性化的学习服务和学习建议，为教育管理者（如教师）的教育行为提供支撑。

为了有效地对教育数据进行挖掘，实现教育预测和支持服务，主要采用以下几种技术：如图1所示，（1）预测：将非常困难的学习问题，转化成为相对简单的可描述的变量，并对变量进行推测处理。（2）聚类：依照特定的标准，将数据集分割成为不同的类，使得同类的数据具有较大的相似性。（3）关联规则：探寻数据集中的频繁模式，即反复出现的数据之间存在的关系。（4）判断过程：利用可视化工具描述呈现数据。（5）模型构建：将所挖掘到的数据特征，量化数据特征关系来描述教育过程与结果之间的关系，从而为预测与决策提供参考。

图1 教育大数据数据挖掘实施流程

3 大数据在高校教学质量评价中应用的可行性分析

3.1 优势

教育评价不再是经验主义，而是数据主义，从主观分析到客观分析，从宏观评价走向微观评价。教育大数据指导下的教学质量评价，让师生摆脱了传统基于考试成绩的单纯评价，从评价思想和评价方法上进行了巨大的改革变化。基于大量客观、真实的数据形成的教学评价，其可靠性得到了有效保障。

大数据在教学质量评价中应用的优势主要有以下几点：

从学生的角度看，首先，教育大数据清晰地捕捉了学生在学习过程中的学习行为，通过分析学习的具体目的和行为来观察学习者的学习动机和学习规律，而学习者的学习行为必然密切与教师行为和教学环节相联系，通过对学习行为规律的探寻，也有助于教师对于教学环节进行反思。教育大数据使得学生对于教师的教学过程反馈及时化、透明化，进一步促进了对于教学质量评价的及时性和透明性。除此之外，所收集的大数据除了体现最终的结果之外，还包括了各阶段的形成性测量的结果，并且可以密切反应出与结果相关的各种因素，这一特点使得教学质量评价的深度得到了加强。其次，学习质量评价对于学生的学习过程有明确的指导价值和意义。采集到的各项过程性学习数据，可以充分代表学生个体在各项学习活动中的表现，因此对于学生评价的细致性与准确能够反作用于教师教学质量的评价。

从教师的角度看，对于教师的教学质量评价从此基于大量真实数据的分析而非是仅仅是学生的考试成绩或者是不熟知的督导短时间内的判断，这大大提高了对于教师教学质量评价的公平性。其次，通过大数据的分析，能够多元化分析影响对教师评价的因素，数据的全面整合，让原本看似毫不相关的因素建立起联系，更让原本容易被忽视的关键因素悄然浮出水面，这有利于帮助学校更加全面的检视教师素质对于教学质量的影响。

从教育管理者角度看，随着教育评价问题的复杂性增加，建立起谨慎而全面的教育评价体系需要综合考虑，这使得教育大数据凸显了其优势，教育大数据通过记录大量真实教学场景下的数据，为教育评价体系的建立提供实情依据。

3.2 存在的问题

一方面，教育大数据真实的记录了学习者在学习过程中的学习行为，在一定程度上反映了他们的学习方式、学习频率等信息。但是当前教育大多数的数据信息采集主要集中在学生的行为层面，缺乏对学生的心理状态，社会行为的检测，所以无法真正的促使学生更好的学习，应该进一步探讨学生在学习过程当中的一些内在动力和影响学生学习的深层次的因素。当前与学生学习状态密切相关的教学质量评价无法深入。学生在处理问题时不够成熟，学习行为不太稳定，这些都会直接影响到学习的效果，这对于教学质量的评价带来诸多干扰因素。并且，目前大数据应用于中小学的教学质量评价依然面临着技术上的困难，尚且还没有更加便捷的可穿戴设备应用于真实的教学环境，因而无法采集大量的真实的学生行为数据。

对于教师而言，基于大量真实数据得到的评价避免许多无关因素的干扰，增加了评价的公平性，但也是对教师更为严酷的考验，这促使教师不得不考虑教学环节的各个方面、教师职业发展的各个方面等等，这无疑成为每位教师的巨大负担。

教育大数据当然可以为教育管理者呈现教学情境下全方位的细节，这有利于教育管理者制定出更加全面的教学评价体系。但是，教育大数据能为教学评价体系服务的仅仅是为其提供制定的实情依据，而远远不能证明其合理性。更何况，海量的细节，全面的维度一方面带来的是更全面的评价，另一方面也可能落入无从下手的两难境地。

4 结语

大数据的“大”，是一种隐喻，我们不能简单将其理解为单纯由样本数量大量增加而引起的“大”，这并非是大数据的真正价值，大数据的内涵在于其能够表征小规模数据无法完整表征的东西。教学质量评价是教学活动的关键一环，我们有理由期待大数据的应用推动中小学教学质量评价的改革，但这绝不是简单的做大样本的数据分析，而因在纷繁复杂的数据中谨慎思考，如大海捞针般找到真正有价值的那颗璀璨的“珍珠”。