数据驱动下的本科教学质量监控体系研究*

唐存东 陈 莉 王志平 张凌晓 梁存良

(1.南阳理工学院 数字媒体学院,河南 南阳 473004;2.西北大学 信息科学与技术学院,西安 710127;3.河南师范大学 现代教育技术中心,河南 新乡 453007)

高等教育质量监控不仅是教育界广泛关注的热点问题，也是社会对高校极为关心的问题。不少学者和教学管理人员对高等教育质量监控理论进行了深入的研究，然而对高等教育质量监控的见解是众说纷纭，莫衷一是。一部分学者尝试利用大数据开展高等教育质量监控工作，并取得一定的研究成果。将高等教育质量监控理论和大数据相结合，以数据视角解决高校教学质量监控问题，不仅是一种解决现实问题的方法，更是对高等教育质量监控理论的丰富和发展，是数据范式在高等教育监控领域的应用与延伸。

高等教育质量监控体系建设是保障高等教育质量的重要举措，美国模式采用高等教育认证制度；英国模式采用高等教育质量的多元评估制度；我国采取教育部评估中心评估的政府管理模式。教育部自2017年建立高等教育质量监测国家数据平台以来，教学基本状态数据日趋完善，标志着国家层面的教学质量监控和教学决策数据化已经开始。[1]

一、本科教学质量监控体系存在的问题

为保证高校的人才培养质量，我国高校陆续展开了高等学校本科教学质量内部监控体系的研究和实践工作。通过对文献和河南省52所本科高校《2017年度本科教学质量报告》的分析发现，高校教学质量监控趋于常态化、精准化，但“控”流于形式现象比较普遍，其主要原因就是监控方法落后，缺乏数据的支撑。教育部评估中心公布的本科高校教学质量报告显示所有高校均已建立了教学质量监控体系，从办学定位、办学条件、教学过程、教学评价和教学质量监控反馈机制等方面进行教学质量监控。专业设置与办学定位不相符现象广泛存在，人才培养计划与人才培养目标存在一定差距，部分高校教学条件低于国标，教学过程监控流于形式现象仍存在，存在一定程度的教学监控的“监”和“控”无法协同问题，造成上述现象的本质原因就是缺少一种常态化的数据驱动机制，造成教学质量监控工作的乏力与无奈。

二、评价指标与数据采集

教学质量监控评价指标是教学质量监控活动开展的依据，其指标的制定必须立足于社会需求和办学定位，评价指标贯穿于高校办学定位、培养目标、培养方案、教学实施和教学评价全过程，评价指标必须符合高校人才培养、科学研究、社会服务、文化传承四大使命。[2]基于此，研究设置办学条件、师资队伍、学科专业、人才培养、学生和教学管理六个一级指标，88个二级指标。办学条件中设置办学定位、培养目标、专业设置、占地面积与建筑面积、教学行政用房、图书资源、实验教学、固定资产、教育经费等27个二级指标；师资队伍设置设置高层次人才、教师教学业绩、教师科研业绩等14个二级指标；学科专业设置学科建设、人才培养计划等6个二级指标；人才培养设置开课情况、专业课和专业核心课等14个二级指标；学生管理设置学生基本情况、学生转专业、学生学习成效等21个二级指标；教学管理设置教育教改和教学成果奖等6个二级指标。

高校教学质量监控数据搜集涉及高校所有单位，校外第三方评价机构和教育主管部门，信息来源渠道复杂、数据格式多、数据内容粗糙。校内数据采取平台对接方式予以收集，如教务系统、财务系统、国资管理系统、学生管理系统、实验管理系统、图书管理系统、科研管理系统，经对接处理，质量监控人员随时调阅相关数据进行科研；第三方评价机构数据采取购买和网络爬虫相结合方式获取；教育主管部门数据以其下发文件和网络爬虫去官方信息方式获取。大数据方式的信息获取方法使得庞大的信息获取变得简捷，节约了大量的人力和物力。

三、数据预处理与算法选择

来自高校不同单位管理系统数据，第三方数据，教育管理部门数据和网络爬虫数据由于数据来源、数据格式以及数据标准存在差异，从而造成数据复杂和数据冗余等数据粗糙问题，导致数据无法直接使用和存储，所以首先要进行数据清洗、数据变换、数据规约工作。多源数据存在相同字段数据、不同字段数据、有用数据和无用数据，通过数据清洗，将有用数据进行归一化处理与存储；[3]针对不同系统相同字段存在数据类型不同的情况要进行数据类型转换工作，使数据变得离散和规范；针对人事数据在不同管理系统中维度不同，而身份证号码一致情况，可以采取有效措施进行数据规约。其次，针对身份证号码、手机号码、财务无信息进行数据脱敏，保障系统安全性。第三步，针对运行效率和管理便捷性问题，对获取的多源数据使用Hadoop中的ET进行数据集成。第四步，将集成后的数据存入关系数据库，如SqlSever或Mysql数据库，提高查询和分析速度。

聚类分析是无监督挖掘中最主要的方法之一，其通过度量研究对象之间的相似性将其划分到不同类中，进而分析每个类所具有的一般规律，挖掘其中潜在有用的知识模式。对于生师比、图书资料、占地面积、教育经费投入等有明确数值的数据可直接进行计算决策；对于学生学习成效和教师教学情况等过程性评价结果、要对其相应的过程进行聚类，根据聚类结果进行计算；[4]对于学生四六级通过率、教学评价等要根据决策结果进行聚类。依据获取的数据进行多目标聚类，获取教学质量监控的六个一级指标的动态数据，如根据四六级数据可以了解四六级成绩通过群体和未通过群体差异，以及其任课教师差异，探寻提高学习成效和教学质量的方法。

四、数据驱动决策创新

利用大数据进行教学质量监控的优势是数据获取和处理便利，数据结果反馈作用明显。教学管理者、教师、学生可以根据反馈结果及时调整，促进教学质量的提升。如根据办学定位和专业设置数据，对专业设置科学性做出可行性数据分析；依据人才培养目标和人才培养方案对课程设置科学性做出数据分析；依据教师的教学成果和科研成果对教师的能力和研究方向做出数据分析；根据开课情况、教师研究方向、课程设置情况分析对教学质量的前置情况做出数据性分析。数据分析结果为教学管理者及时调整管理策略、教师改进教学，学生调整学习方法提供了数据支撑。

教学管理者是教学活动的策划者，其思想和行为引领学校发展，其决策决定了教学的方向，在学校发展过程中发挥旗帜作用。大数据平台提供的定性、定量、可视化数据为教学管理者进行教学决策提供数据支撑。教师是教学活动的具体实施者，教学活动开展情况决定教学质量，教学活动的学习者对教师的评价，教师之间相互评价，管理者对教师的评价，教师所获教学成果奖励、教师发表论文、教师获批纵向项目，学生四六级通过情况、学生考研情况、学生发表论文情况、学生获奖情况、学生就业情况等数据进行聚类分析，获取教师的教学效果数据分析报告，供教师改进与提高教学质量。学生是学习的主体，传统教学模式下，高校课程采取终结性评价，学生学习改进难度较大，在数据驱动模式下，学生随时可以掌握自己的学习数据，为学生改进学习方法，提高学习质量提供动态数据支持，学生可以利用数据进行学习自评，同学互评，探索优点，发现不足，及时改进。

实时的教学质量监控大数据为实时决策提供了数据支持，可促进教学质量的持续改进。大量的教学质量监控数据的实时获取，使得教学质量监控策略不断更新。混合式教学、翻转课堂等一些新的教学理念的引入，新工科等新方向的提出，教师的一些新的科研成果在传统质量监控模式下对教学决策影响有限，而在数据驱动下，这些新理念一经引入，便引起源数据的变化，进而产生新的数据决策信息，促进教学质量持续更新和决策创新。

五、结论

提高人才培养质量是高校永恒的话题，在探索质量监控的过程中，无论从理论视角、政府视角、内部监控视角还是第三评价视角，根据区域发展精准办学定位是前提，抓好质量监控是关键，持续改进是目标。将大数据技术和教学质量监控进行结合与交叉，生成动态的教学质量监控数据，为教学质量持续改进提供数据支撑，不仅可以发挥大数据的数据优势，助力实现“数据说话、数据管理、数据决策、数据创新”的初衷，而且丰富了教学质量监控理论，为教学质量监控研究提供一种新的视角，形成一种数据驱动下的教学质量监控范式。