基于大数据的高校学生评教治理与改进路径研究

郑晋

[摘           要]  学生评教是教师教学质量评价的重要内容，是高校教学质量保障体系的重要组成部分。多年来，学生评教一直面临着信度和效度的质疑。从目前高校学生评教所暴露出的问题，提出了基于大数据视角的高校学生评教治理与改进路径，研究表明影响评教结果的因素主要集中在教师因素、学生因素和课程因素。

[关    键   词]  学生评教;大数据;改进路径

[中图分类号]  G647                    [文献标志码]  A                  [文章编号]  2096-0603（2022）06-0076-03

一、研究的背景与意义

学生评教是教师教学质量评价的重要主体，是高校教学质量保障体系不可或缺的重要组成部分，是高校监控教师教学水平的重要工具。作为教师教学的亲历者，学生对教师教学质量的确是最具发言权的。我国高校自20世纪80年代实施学生评教以来，历经40年的实践经历告诉我们，尽管对学生评教的种种质疑声一直不绝于耳，但学生评教在给予教师教学诊断、教学方式改进等方面依然发挥了不可替代的重要作用。有些对学生评教一直质疑抱怨的专业教师，转岗为教学管理者后也依然推行学生评教制度。但同时我们也意识到，一方面无可取代，另一方面学生评教一直面临着信度和效度等多方面的质疑。学生评教扎堆高分、区分度差，学生意见留言条数虽多，但教师对教学改进方向依然不明，学生评教奖惩性大于发展性，仅对学生评教结果进行简单的排序缺乏系统、有效的数据分析方法，没有挖掘出评价结果隐藏的深层次规律等问题，一直没有得到有效解决。

2017年《国家教育事业发展“十三五”规划》文件指出“积极发挥大数据在数字学习空间应用方面的重要作用，探索未来教育教学新模式，为推动个性化学习和针对性教学提供支持”。2020年10月，中共中央、国务院下发《深化新时代教育评价改革总体方案》重要文件，文中强调“要扭转不科学的教育评价导向，改进高等学校评价、改革教师评价、改革学生评价”。2020年9月，辽宁省出台的《关于进一步深化本科教学改革全面提高人才培养质量的实施意见》中提出要“深化教师考核评价制度改革，在专业技术职务评聘、绩效考核和津贴分配中把教学质量作为重要依据”。可以预见，在国家政策及地方大环境背景下，未来大数据与教师课堂教学、课堂教学质量评价的结合必将引领高校新一轮教改发展方向，打造全新的组合，碰撞新的火花。

二、学生评教存在的突出问题

（一）学生评教指标方面

学生评教指标普遍设置了教学态度、教学内容、教学方法、教学效果等评价点，指标内容本身在表述上没问题，但由于指标制定者多是高校教学管理人员，其指导思想往往站在“以教为中心、以奖惩为目的”的角度，指标的制定过程也很少听取学生方的意见，所以经常出现有的指标内容学生不知所云、无法判断，这也是学生打分随意的原因之一。指标设定科学与否很大程度上影响了学评教的信度和效度。有学者分析了我国40所部属大学的学生评教表，其中13份（占总数的32.5%）是以教师为中心制定的，在现行教学评价实践中，“以教师为中心”的理念仍然十分突出。具体到各项评价指标几乎都是指向教师应具备的课堂行为特征，学生的学习状态和课堂感受基本被忽略。例如，设置“教师授课是否有条理”“教师是否组织课堂互动”等指标，其目的应该是关注“有条理”是否让学生觉得“清楚易懂”，“课堂互动”是否让学生参与其中并受到启发和提高兴趣，然而从语言表达上没有给学生这样的感受;21份（占总数的52.5%）在个别指标中将学生的课堂表现列入评价的范畴;半数以上指标从学生的角度设置的仅有6份（占总数的15%）。可见，学生虽然公认是评教的最重要主体，但其主体地位一直是边缘化的，没有真正体现“以学生为中心”。另外，为方便管理，多数高校仍采用统一的学生评教量表，对学科的差异性考虑不足，亦没有开展分类评价。

（二）学生评教结果的有效性方面

以笔者所在大连地区高校为例，通过调研了解大多数高校学生评教平均分徘徊在95分左右，有的学校90分以上教师竟占到90%以上，方差极小，区分度差，成绩低于90分就说明教师教学已经出现问题（见表1）。另外，不少高校只简单地给教师反馈评价分数，这种做法既不能让教师了解自己的教学全貌，又无助于教师据此调控自己的教学行为。不仅削弱了教师对教学评价的认可度，甚至会增加部分教师的抵触情绪，影响了教师提高自身教学水平的积极性，降低了教学評价导向作用与激励作用的发挥。即使有的学校设置了主观题，但学生意见留言信息太多，教师对教学改进方向依然不明、缺乏有效的数据分析方法等都影响了学生评教的有效性，没有真正发挥学生评教本来的作用。

（三）学生评教组织方式方面

对于教师来讲，一些高校的教学评价组织部门简单地将评价作为一项例行公事去实施，无视评价操作流程的规范性，既不公示方案，又不解读指标体系，从而导致教师不明白评价目的、不知道评价内容、不清楚评价结果的处理方式，只能被动地承受评价后果。

对于学生来讲，学生评教通知一般都是由教学管理部门发布，再由辅导员传达给学生，也有一部分高校将评教系统与查看考试成绩或选课系统绑定，这些评教组织形式有它的优势，譬如能极大地提升学生的参评率，减少人力通知的成本，但也带来一些问题。笔者曾专门组织过学生座谈会，学生在会上直言不讳地说，因为着急看成绩，可是页面一直提示先评教，评价选项还比较多，前面几个教师还能想想再评，后面评价的教师基本就随便选了。另外，由于对评教的目的意义宣传不够，很多学生并没有认识到评教的重要性，对评教后的结果更不了解，不知道为什么评，不知道评完有什么用，不知道评完结果是什么，不珍惜评价的机会，长此以往容易形成恶性循环，组织方、评价方和被评方没有达成较好的共识，教学评价的有效性势必大打折扣。

（四）反馈的时效性方面

大部分高校的学生评教都安排在期末进行，在期末考试成绩公布后再将学生评教成绩和意见反馈给教师。此时教师虽然看到了学生的意见，但由于学期教学工作已经结束，即使改进教学也都是事后行为，至少对当前学期上课的学生无法从中获益。高校管理人员越来越意识到一次性评教并不能完全反映教师的授课真实情况，期末评教模式对课程教学的改进作用发挥不够明显，缺少在教学过程中收集学生意见的渠道，学生评教指标奖惩性大于发展性。评价结果应全面如实地反馈给教师，教师个人得到的至少应包括：个人的各种排名情况、各指标得分情况以及各指标得分最高者的信息，这有利于教师准确了解自身状况和努力方向。

三、基于大数据分析学生评教核心影响因素

利用大数据对评教系统多年数据进行分析与挖掘，得出影响学生评教核心影响要素主要涉及三大方面，包括教师特征方面、学生特征方面和课程特征方面。

（一）教师的特征因素

主要包括任课教师的性别、年龄、形象、学历、职称等方面，通过大数据聚类统计分析，表明影响学生评教结果较小的因素包括性别、年龄、形象、学历因素，显著影响的因素是教师的职称。学生给不同职称教师的打分评价存在显著的差异，职称越高，学生评教的分数也越高。其中，教授的评价分最高，助教的评价分最低。助教和讲师的评价分差异不显著，但与副教授评价分数差异还是比较显著的，副教授与教授的差异也同样显著。

（二）学生的特征因素

主要包括学生性别、年级、成绩预期、课程兴趣、班级人数等，影响较小的因素包括学生性别、年级、成绩预期，影响显著的因素是课程兴趣和班级人数。学生对所学课程的兴趣与评价结果之间存在显著的正相关，兴趣越大，评价分数也越高。不同班型人数学生打分也存在显著差异，班型越小，评价分数越高（40人以下班级的学生评价分显著高于41人以上班级），教师有更多精力投入单个学生有关。

（三）课程的特征因素

主要包括所属学科、课程类型、课程重要性、课程负担、内容深度。影响较小的因素包括所属学科、课程类型;影响显著的因素是课程重要性、课程负担、内容深度。重要度高的专业课学生评价的分数相对高，作业量小一些的课程学生评价分数相对高，难度比较大的课程学生往往需要投入更多的时间和精力，也未必能取得很高的期末分数;而学习轻松的课程投入精力少且考试成绩高，因此评教分数相对较高，学生评教分数与课程所属学科之间的差异不明显。当然，笔者也见过其他学者有一些不同的结论，这可能与学校定位、学生层次不同有关系。总之，学生评教是一个多方因素相互作用的复杂的心理过程。

四、基于大数据的高校学生评教治理与改进路径

学生评教的最终落脚点是海量的数据，它与大数据的结合顺理成章。随着大数据技术的日趋成熟，大数据+AI技术是近年来新兴的技术流，利用大数据挖掘技术、现代信息技术等对学生评教数据进行监控与分析，帮助发现影响学生评教有效性的制约因素，深入挖掘海量学生评教数据背后的深刻规律，“用数据说话”，一方面可以使授课教师了解自身教学不足以及在同类群体（年龄、职称、性别、学历等）中的差距并加以审思、改进。另一方面帮助高校提高学生评教数据采集、治理、监测、改进方面的能力。

（一）基于大数据，开展学生评教有效性的制约因素及多维度关联分析

基于大数据挖掘技术，通过关联、对比、筛选，研究影响学生评教有效性的因素，开展评教数据间的关联分析，如教师职称、年龄、性别、课程类型、班级类型、评教组织形式对学生评教结果的影响，督导评教、领导评教与学生评教结果的关联性，同一部门、同一指标、不同时段间的横纵向比较等，找出问题并挖掘学生评教背后的规律，为教学管理决策及教师改进教学提供参考数据。

（二）基于大数据，开展结构化评教数据的统计分析

基于统计分析方法及大数据挖掘技术，对学生评教各类结构化数据进行对比、统计、分析、正态性校验等，实现分数与分析相结合、共性分析与个性支持相结合，结果用于修订学生评教指标、改进学生评教成绩计算方法、改进学生评教组织与管理模式、改进学生评教系统的设计等，持续提升学生评教的信度和效度。

（三）基于大数据，开展非结构化评教文本的聚类分析

基于大数据挖掘技术，提取学生评语进行聚类分析，从海量学生评教意见中聚类分析频率最高的关键词，对教师教学的不足进行精准定位，准确指出测评对象的优缺点，促进对教师教学的个性化支持与帮扶。

（四）基于大数据，尝试进行个性化学生评教页面推送

通过学生座谈我们了解到，学生非常喜欢自适应的个性化页面推送，基于大数据海量数据和对学生个体、历史评價数据的分析等，设置个性化的页面或提示语，提高学生的参与感和主动评教的意愿，这也将是未来学生评教改革的一个方向。

（五）基于大数据，修订学生评教指标体系

原有的学生评教指标大部分都是由教学管理人员设定的，其指导思想仍站在“以教师为中心、以考核为目的”的角度，指标的制定过程极少征求学生意见，所以经常出现有的指标学生不知所云、无法判断，这也是为什么学生打分随意的重要原因。利用大数据对多年学生评教指标点进行分析，归纳出哪些是学生打分低的项目，哪些是学生打分差异较小的项目，重新从学生视角出发制定学生评教指标，以学生在这门课程中的学习收获和学习体验来反映教师的教学效果，语言简洁、易于判断，同时优化学生评教组织与管理模式，促进“评教”到“评学”的转变，真正实现“学生中心”教学理念。通过笔者近几年的研究，我们逐渐推行新的学生评教方式。区别于其他高校按指标打分，我们先给教师定等级，比如“你认为这位教师的教学质量是（ ）”，共划分了四个等级——优秀、良好、合格、较差，先定等级能极大程度避免不同个体打分差异对教师总成绩带来的影响，导致原来教学水平相当的教师造成排名上的差别。比如学生评教分数一个为99，一个是99.5，可能这两个教师教学水平是相当的，但由于不同的学生对分数高低认知是不同的，从而对教师的成绩带来影响。有人会问，这样制定评教指标是不是就没用了？答案是否定的。教师如果只看到评价分数无法知道自己教学问题到底出在哪，所以评教页面中要设置一道主观题，获取学生对教师教学的反馈意见，最后将分数和学生意见一并呈现给教师。

五、总结与展望

大数据用全新的视角改变着人们的思维方式、工作方式和生活方式，已经成为未来科技创新发展的引擎。利用大数据技术促进学生评教方式的改进、评价指标的调整，对评价成绩较低教师的核实跟踪改进，揭示数据蕴含的关联规则与内在规律，为评教数据的合理利用以及学校教学策略的调整提供重要数据，对完善教师教学质量评价体系、提升高校教学质量将发挥越来越重要的作用。

参考文献：

[1]戴丹，徐爱俊，陶杨姿.学生评教与课程属性关联性分析[J].创新创业理论研究与实践，2021（1）.

[2]胡旺，梁树霖.基于大数据的高校学生评教改革研究[J].教研探索，2020（12）.

[3]李宇辉，陆海华.学生评教影响因素实证研究[J].现代教育管理，2010（5）.

◎编辑 司 楠