大数据分析在地方高校教学质量保障平台中的应用研究

刘艳辉，张玉霞

（邯郸学院 a.电子信息工程实验与实训中心；b.信息工程学院，河北 邯郸 056005）

引 言

在发达国家，比如美国对于高校教学质量评价与教学管理的监控以及反馈已经通过一系列诸如“帆布”“学习管理系统”等教学系统实现了基于大数据的质量保障体系[1]。我国相对于许多发达国家，高校信息化建设较晚，起始于20世纪90年代，但我国的发展速度是不容小觑的，逐渐从最开始的初级阶段转换为深度的应用，更是广泛应用到高校教学中，并且取得了良好的效果。以北京大学教学质量保障体系构建为例，以外部保障和内部保障两方面为核心，开展资源—评价—奖励的保障体系研究与探索，同时构建了相对完善的以数据为中心的教学质量监控系统，开展深度学习和数据分析，从而展开教学过程的反思与改进，这对我国重点院校的质量保障建设提供了新思路和指导方向[2]，但相对信息化技术进展较慢的应用型地方院校来说，还具有较大的难度。

一、目前地方高校教学质量保障平台的现状

高校是培养综合性人才的主要场地，教学管理直接影响着学生的学习效果，教学质量的高低与否是衡量一个院校发展情况的基础标准[3]。目前，传统的教学质量保障方式使用较初级的办公软件来收集、分析，并通过人为活动反馈教学质量数据的管理方式，已经不能满足日益复杂的教学质量保障系统有效运行的需要。地方高校由于其相似的发展路径，或者是地方普通高校转型发展而来，或者是高职高专院校升格而来，所以内部教学质量保障体系与保障方式相对不够完善，教学质量保障信息化应用较低，并且具有相同的特点，都没有及时跟进技术发展潮流，实现教学质量保障体系的信息化建设。

自升本以来，地方高校始终坚持质量保障建设，在迎评促建的过程中，地方高校围绕应用型人才培养的办学定位，坚持以提高质量为核心的内涵式发展道路，完善了教学质量管理保障体系，并逐步形成教学质量保障的长效机制，诸如相对完整的组织机构，明确的质量保障主题责任体系，制度保障体系，质量文化协同体系、教学质量常态监控体系等，这些工作在很大程度上保障并提高了地方高校教学质量的水平，但是对于信息技术渗透到教学质量保障体系中的应用相对薄弱，尤其在信息化技术的高速发展下，教育部需要高等教育质量保障体系强调新方法，引入大数据技术，对高校开展周期性评估和质量常态监测，搭建自己的教学质量数据平台，基于大数据平台开展专业评估、课程评估、教学质量过程化评估、数据分析、数据决策支持等，是高校构建和完善内部教学质量保障体系的坚实基石，是实现教学质量保障体系“常态化监控、及时反馈、持续改进“闭环运行的有效途径[4]，因此地方院校积极开展质量保障平台信息化建设，对提高高校教育与管理水平有着深远的意义。

二、基于大数据的地方高校教学质量保障平台的建设方案

根据应用型地方高校目前的教学质量保障体系所提出的问题，将大数据应用于高校质量保障平台的建设中具有较强的现实意义，因此本文提出以多数应用型高校已有质量监控体系为起点，以信息技术应用为目标，搭建基于大数据的教学质量保障平台的实践方案，具体方案内容包括以下几方面。

（一）建设教学质量评价平台（核心）

该平台建设以学生为中心，以达成度为目标，建立系列评价系统，主要包括过程评价，按照课堂评价-课程评价-教师评学-学业成绩评价线性顺序开展阶段性评价，多元评价主体，包括学生评价、教学督导、专家听课、教师自评、教师评学、同行听课等、实现过程化评价的全面性和多元性；实践评价，以即将毕业的学生为参加主体，评价毕业设计、实习实训以及学科竞赛等多方面，分析培养目标和毕业要求达成度，提供改进与完善措施；教师考核，作为一种激励考核参考，提升教师自我改进与完善的步伐；调研反馈，通过在校生调查、教师调查与访谈、毕业生调查、校友调查等，以市场需求为导向，推进教学质量改进工作。

（二）建设教学质量信息采集平台（基础）

教学质量监控体系有效运行的第一步，是对校内各项信息数据进行采集，完成以数据为驱动的建设模型，本课题以影响教学质量因素的相关性为准则，按照数据源头的性质、种类和范围对数据进行了业务划分，采用与神经网络类似的层次结构，分为基础数据(专业、课程、教师、学生等基础信息数据)、资源数据(教学课件、教案、微课、教学软件、教学视频、图片照片等教学资源)和行为数据(教师教导行为、学生学习行为、课堂活动等)，为数据分析平台采用深度学习技术学习与分析提供支持。

（三）建设大数据决策分析与持续改进平台（进阶）

借助于教学质量信息采集平台的数据模型，采用基于深度学习的类神经网络的层次分析方法，探究现有数据与教学质量之间的潜在量化关系，生成质量分析报告，包括：教师课堂教学分析报告、学生学习质量报告、课程达成度报告、培养方案达成度报告、毕业要求达成度报告等，以数字化/图形化等可视化方式展现，实现智能统计分析，为学校提升管理水平、教师改善教学方法、学生成绩早期预警提供大数据决策支持，从而达到提升教学质量，提高人才培养质量的目标。

二、大数据分析在高校教学质量平台中的应用

数据平台的建立是进行大数据分析的基础，因此大数据分析模块在质量保障平台中占据核心位置，基于大数据的高校质量保障平台的框架结构（如图1）。在此基础上，通过采用大数据分析常用的聚类、神经网络、决策树等算法应用到教学质量数据挖掘与分析中，以此更好推动教学质量的持续改进[5]。下面介绍在本文中使用的神经网络算法对线上学习效果的数据挖掘与分析的实践应用与分析。

疫情防控常态化下的高校教学模式正在发生改变，课堂教学作为高校学生获取知识的主要来源也在悄然改变，在线学习给了学生更多的学习机会和资源，在线学习总会有多种多样的学习行为，每一种学习行为也会对课程的学习效果产生影响，如何通过某种技术手段来量化这种影响呢？并通过分析这样的影响对课堂教学进行改进与指导呢？神经网络是根据人的认知过程而设计的一种问题求解算法，网络就像人的大脑一样，经过调整网络中的“各个神经元”之间的权值，不断地对输入和输出进行训练，从而产生更接近理想的输出，当训练结束后，这个训练好的网络就可以根据神经元上的权值对给定的输入计算输出结果，从而利用这个输出结果来预测目标。本文中我们通过将大学生的学习行为数据，包括课堂出勤率、网络课堂学习进度、课程作业完成率、在线学习时长、讨论与发帖次数、测试成绩、单元练习成绩等过程化考核内容与期末考试成绩作为输入和输出，通过对输入数据按照一定的规则进行训练，确定好激励函数、训练的次数等，并不断地测试与修改网络层数，每层上的神经元数，完成神经网络模型的构建，并通过python进行试验环境的搭建，并对学生线上学习的数据进行学习与分析。为了说明神经网络学习在学习效果预测的可行性，选择输入数据时，选择了同门课同老师和同门课不同老师以及不同课不同老师的数据进行分析，发现利用基于机器学习的神经网络算法对学生在线学习效果进行了预测和回归分析，可以得出有意义的结论，因此不断分析和挖掘教育大数据潜在的知识和价值，持续改革和创新教育教学运行和管理机制，促进教学运行和学生自主学习，对提高教学质量具有非常重要的现实意义。

图. 1大数据高校质量保障平台框架

结 语

在大数据的时代背景下，海量数据带给各行各业新的机遇与挑战，如何在海量数据中快速准确地获取有效信息是核心，而这有效信息不仅可以进行预测性分析，也可以进行总结性展示，这对提高行业发展前景来说都是行之有效的途径。因此将大数据技术应用到高校教学质量保障平台中具有较强的现实意义，但是大数据平台建设并非一朝一夕的事情，这需要将数据的收集、分析、应用与反馈等各方面形成一个闭环建设，不仅仅是技术的问题，规范化的管理、制度化的要求等都是保障该平台可持续发展的关键因素，需要各个部门共同参与进来，形成教学过程管理、制度管理、结果量化管理、反馈持续改进管理等循环性的过程。同时，对于数据的采集、分类、筛选也是一个动态变化的过程，根据时代和需求的变化，数据需要不断的修整，检验，形成新的数据模型，再进行下一轮数据分析等，只有多方面的并进，才能真正保障基于大数据的教学质量保障平台不断完善与改进，发挥可持续作用。