基于大数据分析的高校教学质量监控与评价研究

邹立仁

（长春光华学院，吉林长春 130033）

为提高高校教学质量，增强高校的软实力，必须转变传统对教学质量的监控与评价[1-2]。教学质量监控与评价是指将各项考评指标数据化处理，使用数字或文字对表述结果进行详细的分析[3]。由于现行监控与评价方式存在一定的局限性，无法适应高校的信息化发展趋向，导致最终评价结果与实际结果出现误差的现象屡见不鲜。为了提高教学质量，克服传统教学质量监控与评价单一的缺陷，高校引入大数据分析，通过大数据技术解决高校教学质量监控与评价工作中存在的问题。为解决上述问题本文开展了高校基于大数据分析下的教学质量监控与评价研究，以数据为依托，通过提出具体的监控与评价方法，致力于为提高高校教学质量提供参考。

1 高校基于大数据分析下的教学质量监控

1.1 划分教学质量监控对象

在高校教学质量监控过程中，必须确定教学质量监控对象[4-5]。该文设计的监控方法中监控对象主要针对以下4 点：学生课程成绩、教师个人因素、教学类属性以及数据源，以此为监控目标对象，实时监控目标对象。数据源可划分为：课堂教学以及课外培养两方面获取的教学质量信息。以此为依据，设计高校教学质量监控平台。

1.2 设计高校教学质量监控平台

该文基于大数据分析下，设计高校教学质量监控平台。通过AI 开放式平台构建支持多种识别技术的高校教学质量监控平台，采用自底部向上法进行设计，具体框架，如图1 所示。

图1 高校教学质量监控平台框架设计

1.3 可视化监控教学质量

通过设计的高校教学质量监控平台，采用基于大数据分析下的人脸识别技术可以实现对教学质量的动态可视化监控。教学质量的可视化还可以通过AR 技术中的视频透视技术，将影响教学质量的数据实时传输到大数据分析中心，并利用显示器进行显示，为监控人员提供准确的信息，从而可视化监控实际的教学质量。

2 高校基于大数据分析下的教学质量评价

2.1 搭建高校教学质量评价指标体系

设计量化高校教学质量评价指标，搭建教学质量指标评价体系，在高校内领导小组的协调下制定项目计划，监督各项评价工作的实施进展，以此为评价活动的顺利开展提供后期保障。建立指标在评价中的约束条件，分析多个教育专家对教学质量评价提出的贡献因素。根据贡献值设计教学质量评价目标函数，设目标函数表达式为maxF，可得公式如下。

公式（1）中：j 为筛选数量；λ 为筛选数量下的贡献因素权重；i 为评价指标的分类个数；n 为评价指标的分类个数下的参评专家组总人数。根据领导小组与专家对评价指标的判定情况，获取终端输出数据，计算不同指标的特征参数，设教学质量评价满分比的计算表达式为K，具体计算公式如下。

公式（2）中：ai为评价指标的分类个数i 下的一项指标重要性。在此基础上，计算评价等级之和，则有：

公式（3） 中：R 为专家组对评价指标的等级划分，在后期的过程式评价中，可将其作为评价质量的关键依据。最后，为求得教学质量评价过程中针对不同评价对象与指标之间的协调系数，设其计算表达式为W，可得：

公式（4）中：m 为评价次数；T 为评价指标的分类个数下具有相同等级的评价指标；d 为两个评价指标之间潜在的距离差。根据上述计算公式，在第一轮筛选中，当评价工作中满分比值不足一半的条件下，等级小于时，选择删除该评价指标，要求教学质量评价指标体系中多项评价指标的满分比均大于85%，此时证明该指标具有一定的不可删除性能，即可结束评价指标咨询过程。

2.2 基于大数据分析教学质量评价指标权重

结合上述设计的教学质量评价指标，建立对应的数据样本矩阵，自定义该组矩阵的表示方法为y，则y 对应的样本质量表示为yi={yi1,yi2,...,yij}。对数据实施动态化分析，定义考评中的PCA 标准，保留云模型中数据处理的优势，将特征空间中的数据进行正交方向的转换，按照数据的特征值大小，排列指标考评能力，计算教学质量评价指标权重值。设教学质量评价指标权重为P，计算公式如下。

公式中：δi为多种特征评价指标的单向矩阵，根据上述公式可行进行教学质量中创新能力的投影分析，结合质量评价单位及评价对象覆盖范围，满足数据的综合性评价。

2.3 输出高校教学质量评价结果

得出教学质量评价指标权重后，基于大数据分析下设计基于云模型的教学质量评价等级表示式。如表1 所示。

表1 教学质量量化考评云模型表示

3 实例分析

3.1 实验准备

提出对比实验，随机选取教育市场内某高校作为此次实验的实验对象，通过多渠道获取该校的教学数据。对试点学校的教学质量进行综合性监控与评价，从教学内容丰富度、教学方法多元化、教学目标时效性、办学定位标准性4 个方面，分别进行测试，使用Ylertly 软件测得实验数据。

3.2 实验结果与分析

分别使用两种方法对其进行多次测试，首先收集监控稳态误差实验数据，整理实验结果，如图2 所示。

图2 教学质量监控稳态误差对比图

结合图2 所示，该文设计方法下的教学质量监控稳态误差明显低于对照组，监控精度更高。而后收集评价平均风险数值实验数据，整理成表格。如表2所示。

表2 评价平均风险数值对比数据

根据上述表2 所示，实验组评价平均风险数值明显低于对照组，评价精度更高，能够从海量教学质量数据中剔除不可信数据，避免了传统方法中出现的问题，使评价结果更加精准。

4 结语

通过高校基于大数据分析下的教学质量监控与评价研究，希望能够在提高教学质量监控精度的同时，提高教学质量评价的精度。在后期的发展中，必须加强大数据分析在教学质量监控与评价中的应用，为高校教学提供数据支持。由于此次研究时间有限，虽然取得了一定的研究成果，但仍有不足，今后还要对其进行进一步研究，为教学质量监控与评价的进一步优化提供参考依据。