常规评教的数据挖掘框架、方法与启示——以某普通高中为例

●张茜，刘显平

中学教学质量评价是学校内部管理的重要工作，学生评教是其重要内容。随着学生评教工作的常态化开展，学校掌握了大量评教数据，但传统的数据分析多通过简单的“求和”“排序”“均值” 等手段处理，获得的多是单个教师评教数据的表层信息，无法挖掘到隐藏在数据背后的分层、趋势等深层信息，评教功能与价值大打折扣。利用数据挖掘算法，可以寻找到海量评教数据中有价值的隐藏信息，以理性的定量思维得到数据间的内在联系，为学校管理层提供科学的决策咨询。

本文选取一所普通高中的学生评教数据为研究样本，采用SPSS 22.0 构建教学评价分析模型，主要涉及的统计方法有相关分析、聚类分析、回归分析、统计检验等。

一、数据挖掘框架与分析方法

为全面挖掘学生评教数据， 本研究建构和运用了如下框架和分析方法。

（一）教师综合评教框架与分析方法

教师综合评教框架和分析方法如表1 和图1 所示。

从图1 可以看出，所选案例的教师综合评教成绩呈现负偏态分布。从表1 可以看出，超半数学生对教师综合评分高于9.75 分，教师综合得分集中在高分数段，区分度较小。这体现出学生对教师教学满意度整体较高，该校教师教育教学工作得到了学生的普遍肯定。

表1 教师综合评教框架与成绩百分位数表

图1 教师综合评教成绩频数分布直方图

（二）综合评教统计检验框架和分析方法

综合评教统计检验主要按照以下框架进行，并采用如表2 进行分析。

第一，综合成绩与学科非参数检验。框架如表2 所示。

表2 综合评价与学科非参数检验框架与结果

从多独立样本Kruskal-Wallis 检验得出， 学生对不同学科教师综合评教成绩差别不大， 卡方检验的相伴概率为0.578>0.05，因此需要接受原假设，即教师评教得分与学科之间不存在显著差异。

第二，综合成绩与性别独立样本T 检验。教育部公布的教育统计数据显示，从2000年到2009年的十年里，我国教师队伍的性别构成逐步呈现女性化趋势，且中小学女性教师占比随学段上升而降低。在这种情况下，有必要探讨教师性别对学生的评教是否有影响。从所选研究案例看，该校男性教师占比40%，女性教师占比60%，男女教师比例失衡，性别结构不合理。为了分析学生评价与教师性别之间是否有显著性差异，采用SPSS 独立样本T 检验对数据进行分析。从结果可知， 在Levene 方差测试中， 显著性为0.248>0.05， 所以男女教师的综合评价得分是方差齐次的，从T 检验的结果上分析，显著性为0.447>0.05，可以表明，男女教师的综合评教得分没有显著性差异，学生对教师的认可度与教师性别无关。

第三，综合成绩与教师职称非参数检验。数据挖掘框架和分析方法可参考表3。

表3 学生综合评教与教师职称非参数检验框架与结果

为了分析学生评教与教师职称之间是否有显著性差异，采用SPSS 多独立样本非参数检验对数据进行分析。从Kruskal-Wallis 检验的结果上分析，卡方检验的相伴概率为0.009<0.05， 表明学生对教师综合评教得分与教师职称有显著性差异，学生对教师的认可度与教师职称有关。由于教师职称与教师年龄具有很强的相关性，故可进一步探究教师综合得分与教师年龄之间的关系。

（三）综合成绩与教师年龄的分析框架与方法

第一，教师年龄结构分析。普通中学教师队伍年龄结构优化的一般评价标准是：25 岁以下年轻教师比例较小，50 岁以上老教师仍占一部分比重，40 岁左右的中年教师比例最大，总体呈正态分布。教师年龄结构及其影响性分析可参照图2 的直方图进行。

图2 教师年龄频数分布直方图

从年龄分布直方图可以看出，案例学校教师年龄结构不均衡，大部分教师年龄分布在40 岁至50 岁之间，整体年龄偏大。通过SPSS 相关分析可得Spearman相关系数表，从表中可知显著性为0.044<0.05，说明学生对教师综合评价得分与教师年龄呈显著的正相关，相关系数为0.172，因此学生对年长教师评价更高，具体量化关系可通过曲线回归进行分析。

第二，综合成绩与教师年龄回归分析。以SPSS曲线估计对教师综合得分和年龄两个变量进行回归分析， 通过比较得出二次曲线模型的回归效果是最好的，分析框架和方法如表4 所示。

表4 综合成绩与教师年龄回归模型方差分析

从表4 中可得F 检验统计量为7.948，对应显著性为0.001<0.05，说明模型估计是有意义的，拟合效果较好。从拟合曲线可以看出，学生对教师的综合评价随教师年龄增加先增加再减少，在43.5 岁左右达到峰值。结合实际情况分析，教师在43 岁左右，无论是个人精力还是教学经验都较好，经过十几年的教学磨炼，累积了大量的教学经验和教育心得，有很强的专业功底，更容易获得学生的认同。而新教师虽然热情主动，积极乐观，更容易与学生亲近，受到学生的喜爱，但由于缺乏经验，容易在教学中表现出对教学内容重难点把握不准确，教学策略选择不合理等问题，使得学生对新教师缺乏信任度和认同感，所以综合评价较低。年龄较大的教师虽然教学经验丰富，但随着年龄增长，精力日渐减退，表现出教学方法不够创新，课堂气氛不够活跃，不太尊重学生的个性发展，在教学热情和课程更新上不如中青年教师，因此学生的综合评教分数也相对较低。

（四）教学评价数据的聚类分析框架与方法

第一，学科组聚类。由于中学教学是以学科为单位进行的， 学科组建设是学校教学质量建设的基本路径，也是课改攻坚面临的重大难题。因此，本文采取聚类分析技术， 对案例学校教师以学科组为单位进行聚类，将各项指标相似的学科组化为一类，对相同类别学科组和不同类别学科组的整体特点进一步分析， 为管理人员从整体上评价学科组提供一种新的思路。通过SPSS 对全校教师评价数据按学科组进行聚类分析，统计结果将学科组分为三类：第一类为生物组、数学组、物理组、英语组、语文组，学生对这些学科组教师的综合评价较高；第二类为地理组、化学组、政治组，这些学科组的教师在课堂气氛、讲课准确清晰流畅以及对科任教师的整体满意度等方面略低于第一类学科组；第三类为历史组，历史组在课堂气氛，讲课是否准确、清晰、流畅，有无上课迟到或随意提前、延迟下课时间的情况等方面略低于第二类学科组，在多媒体或教具使用上得分较低。

表5 快速聚类最终聚类中心

经过上述分析可知，按照学科组进行聚类分析，可得到每类学科组在各指标上的平均得分， 学校管理层及各学科组组长可据此开展教学研究， 以改进教学工作，提升学科组教学质量。

三、讨论与启示

本文通过上述挖掘数据的框架和分析方法，利用SPSS 等工具， 对学生评教数据进行了多维度研究，得到了如下启示。

综合成绩与性别独立样本T 检验结果表明，男女教师的综合评价得分没有显著性差异，这与高中生在认知和偏好度等方面的特征是完全吻合的。学生对教师综合评价得分与教师年龄呈显著的正相关，其深层原因是教师的专业发展水平和专业情意表现，提示青年教师要聚焦教学关键能力，持续提升学科理解与教学实施水平；资深教师要与时俱进，从发展胜任力走向发展学科领导力，通过发展教学领导力提升对抗职业倦怠等不利因素的能力，让自身持续保有个人魅力和教学魅力；学校层面要系统规划和实施青年教师培养工程，努力缩短青年教师从合格到成为骨干的历程，要通过评价激励、搭建学术平台等手段促进资深教师不断精进，让更多资深教师成为学科名师。

学科组聚类分析结果表明，该学校部分学科组在课堂氛围、学生学习动机激发、教学手段灵活性等维度上存在不足，学校和学科组可以有针对性地通过教学创新、课堂教学质量督导、课例研修等方式，寻求问题解决与难点突破的有效策略。

随着信息化水平的不断提高，学生常规评教及其结果利用应更具科学性、针对性和更强的引领能力，上述的数据挖掘框架和分析方法，需要在不断提升其常规评教设计和数据处理价值的同时，逐步细化和创新工具和技术，才能真正发挥学生常规评教的功效。