大数据时代地方高校课堂教学质量测评模型构建探索

张宣

摘  要：大数据时代下，如何有效提取教育数据，并将其运用到课堂教学质量的提升当中，是地方高校需重点探究的议题。首先，需要处理好定性与定量、前瞻性与时效性、普适性和独特性等三组关系；其次，明晰其在提升课堂教学质量中的作用；最后，尝试构建课堂教学质量测评模型的框架，包括指标权重、指标体系、操作性定义、模型验证等几个重要环节。本文聚焦大数据技术与课堂教学改革的融合策略，探索以大数据技术为载体的课堂教学质量测评模型的构建框架，旨在为地方高校课堂教学质量的提升提供理论指导和实践支撑。

关键词：大数据时代；地方高校；教学质量测评模型

中图分类号：G434    文献标识码：A    文章编号：1673-7164（2023）04-0042-04

信息技术快速发展，大数据时代悄然而至。大数据在各行各业的应用开展得如火如荼。大数据时代，教育将从“用经验说话”转到“用数据说话、用数据决策、用数据管理、用数据创新”［1］。对于地方高校来讲，大力提升课堂教学质量、持续推进课堂教学改革刻不容缓。基于此，大数据技术为地方高校课堂教学改革提供了更多方法和技术，推进了教育技术在课堂教学改革中的应用进程，成为促进课堂教学改革的新理念。本文聚焦大数据技术与课堂教学改革的融合策略，探索以大数据技术为载体的课堂教学质量测评模型的构建框架。

一、构建课堂教学质量测评模型需要处理的几组关系

新时代下的教育数据，具有种类丰富、处理速度快信息获取便捷等特征，利用好大数据就可以科学有效地对高校课堂教学质量进行分析指导。构建高校课堂教学质量测评模型高校适应时代发展一项重要工作。课堂教学质量测评结果的科学性和合理性会直接影响课堂教学质量评估的效果和高校教师的教学积极性［2］。地方高校若要提升课堂教学质量，就必须要握好大数据时代下的各种机遇，课堂教学质量测评模型在其中扮演着非常重要的角色。多指标综合评价方法是目前普遍采用的一种测评方法。以此方法为基础，参照高校课堂教学质量的具体特征或教师、学生、教学场所、教学设备等各类数量的依存关系，采用数学语言，可通过不断变型，概括出课堂教学质量的相关关系结构。在这种关系结构中，存在着几组影响测评结果的重要关系。

（一）如何把握好定性与定量之间的关系

定性研究是以往课堂教学质量研究的主流，但描述性的语言无法准确表达出问题的广度与深度，使得教师在改进中找不到抓手。而教育测评模型的构建旨在让关键要素可将复杂的教育现象清晰呈现出来，有效简化复杂的问题，将描述性的语言改用数字进行呈现。在构建教育测评模型时，可最大程度对这些计量困难的要素进行量化，使得对测评对象有更精确的认知，也可提升测评结果的说服力，推进人工智能等方法的发展，也使得非结构化的数据有了可量化的可能性。但是，没有哪些模型可以说是绝对价值中立的，理论假设是进行模型构建的关键，对于为何要进行模型的构建，如何构建等问题进行探究时，应包含研究者自身的价值判断，而最终建设的模型也可将研究者的价值体现出来。不同研究者无论是立场或是价值观都难免存在差异，构建出的模型也会有所差异。所以，定量描述或者是价值判断任何一方的缺失，都无法保障模型的顺利构建［3］。

（二）如何把握好时效性与前瞻性之间的关系

大数据赋予课堂教学新的机遇，让其面临众多不确定因素，通过各种不确定来挖掘可行性内容将是教育工作者的重要使命。利用测评模型进行有效分析，可让教师和教学监督部门及时了解教学情况并作出改进，突出课堂教学质量测评模型的时效性。还可以利用课堂教学质量测评模型进行预测，通过大数据分析，让教师把握教学过程的规律，了解教育现象的发展趋势，预判可能发生的教学事故，降低影响课堂教学质量因素发生的概率。可以说，时效性与前瞻性二者之间并不矛盾，而是一组递进关系，前者可以成为后者的基础，而后者恰可以成为前者的目标。充分把握时效性与前瞻性之间的递进关系，可以使课堂教学质量测评模型发挥更好的作用。

（三）如何把握好普适性和独特性之间的关系

要通过课堂教学质量测评模型来反映课堂教学质量现状，应尽量将相关的要素都包含在内，使得课堂教学质量现状呈现得更加全面。同时，测评模型要保障其能够适用于多个学科和多类型的学生，而不是局限于部分学科或学生，应凸显其普适性，这样才可将模型所具有的外延价值体现出来。通过测评模型的不同常量，反映特定学科和学生的特性，能更准确地对课堂教学质量进行判断。因此，大数据注重相关性，而模型在于数据的提纯，二者之间的关系需要合理对待。大数据可提升模型的综合性，而清晰直观的模型，又可助力大数据提升价值，两者是相辅相成的［4］。

二、大数据时代地方高校课堂教学质量测评模型构建的作用

（一）能够反映和解决课堂教学质量中的问题

首先，课堂教学质量测评模型能够反映课堂教学质量中存在的问题。教育大数据表明教育模式愈发复杂，数据呈现爆炸式增长，对教育现象的认知仅靠经验是不够的，模型的意义在于将教育现象的典型特性集中在一起并进行量化，继而精准地呈现教育现象，使得人们更好地把握。其次，课堂教学质量测评模型能够有效解决课堂教学质量中存在的问题。建立测评模型可以针对实际问题，利用数据的变化程度，运用数学理论性质提供解决问题的方法，呈现教育大数据的发展前景。再次，課堂教学质量测评模型能够有效监测和评估教师的教学活动。完善的测评模型是保障评估有效性的关键，通过应用模型可更好地监测教育过程，确保教育目标能够顺利达成。

（二）能够促进课堂教学质量的提高

课堂教学质量测评模型能够在海量数据中提取有价值的小数据，使其更具显著作用，为提高课堂教学质量提供助力。从测评模型显示的数据中可以很直观地看到某门课程的得分情况，并由此转换为教师授课的等级信息，这样可以避免以往主观的评判，利用客观数据形成一定的划分标准。通过课堂环节、实践环节、作业环节、考试环节，实现多模块、多维度、多项目综合评判，可准确发现学生对哪些环节的热情高，对哪些环节消极懈怠，哪些环节存在较高的问题发生率。通过若干次的测评，将得到准确可靠的数据，指导今后课堂教学朝着高含金量、高效率、高热情的方向发展，避免低重复、冷气氛、死答案的发生，从而提高课堂教学质量。

（三）能够促进课堂教学方法的改进

课堂教学在大数据的助力之下，朝着科学化方向发展，教育学者必须把握好大数据发展机遇，对教学方法进行深入研究，这也是每个教师不可推卸的责任。模型构建也是将教学方法进行定量刻画，以教学方法中出现的问题作为基础，通过数据对这些问题进行反映，使方法改进更为准确，这也是当下需要重点探究的课题。与此同时，课堂教学质量测评模型探究大数据与教育研究间的结合，为教育前沿领域发展提供助力，也指明了教育和国际接轨的方向［5］。

三、大数据时代地方高校课堂教学质量测评模型的构建

课堂教学质量测评模型是为了评价和提高课堂教学质量而延伸出的新研究领域，该模型无论是理论或是实践都已对教育领域产生较大影响，并通过大量的研究、实践与反思工作，探索出模型构建的价值取向、方法、程序等。教育现象本就较为复杂，对教育测评结果有着很高的精确度要求，课堂教学质量测评模型构建注重以实践为导向，而大数据是数据驱动，也就是模型构建是以教改需求作为逻辑起点。所以，模型是提取复杂教育现象的关键要素，并进行定量刻画，继而将教育现象由复杂转变成简单，解决教改面临的实际问题。而课堂教学质量测评模型是通过模型应用来体现大数据的价值，构建时更多借助小数据，依然遵从传统的研究范式，具体构建时必须要将大数据与小数据两者的优势共同发挥出来。

（一）课堂教学质量测评模型的选择

课堂教学质量测评模型有多种类型可以选择，如单项模型和组合模型。其中，单项模型主要有时间序列分析、灰色预测、回归分析等；组合模型主要有正则加权法、层次分析法、熵权法等。

不同的类型有各自的优缺点，适合不同的需求。如单项模型中差分自回归移动平均模型，利用平稳时间序列对某一时间段的课堂教学质量活动进行测评。又如指数曲线模型，对教学活动中某一组符合指数增长规律的数据建立指数曲线方程，可用来预测发展趋势。再如模糊综合评定模型，对不同的指标划分不同的重要性等级，建立模糊关系矩阵，从而得到相应教师的综合得分。模型都是在严格研究之后开始设计建设的，所以理论支撑是其不可缺少的因素［6］。通过筛选不同学校、不同学科、不同教师或学生类型中的相应要素，选择合适的模型，才能得出更加科学的数据，得到有针对性的答案，使课堂教学质量测评模型发挥真正的效果。

（二）课堂教学质量测评模型的指标体系

课堂教学指标体系的构建以学生参与度、认可度与满意度为导向，搭建囊括课堂教学的各个环节、各种要素的质量测评体系［7］。以教师教学、考核评价方式、课程教学方法与手段以及学生学习状况为核心指标，下设11个二级指标，共40个具体的观测点。每个观测点均采用李克特五点计分（十分满意、满意、不确定、不满意、十分不满意；分别计分5、4、3、2、1）来进行测评。以其中的“教师教学”一级指标为例，从课堂组织安排、知识传授表达、师生交流互动三个维度来展开，课堂组织安排又下设五个观测点，具体包括教学目标的制定、教学内容的安排、教学方法的选择等。但这并非是一种一成不变的体系构成，它必将随着不同学校、不同学科、不同类型的教师或学生所展现出来的特点，进行相应微调。只有在动态发展的进程中，才能构建科学合理的指标体系。其中，核心指标、二级指标和具体观测点的数量也将随之发生改变，从而直接影响测评工作的结果。

（三）课堂教学质量测评模型的指标权重

指标权重是整个质量测评体系构建中尤为重要的一环，在确立了上述的课堂教学质量测评体系指标后，需要进一步明确每一项指标在整体所占的权重，才算完成了课堂教学质量测评模型构建过程中的重要一步。常见的权重计算办法有以下四类：第一类为因子分析和主成分法，此类方法利用了数据的信息浓缩原理，利用方差解释率进行权重计算；第二类为AHP层次法和优序图法，此类方法利用数字的相对大小信息进行权重计算；第三类为熵值法（熵权法），此类方法利用数据熵值信息即信息量大小进行权重计算；第四类为CRITIC、独立性权重和信息量权重，此类方法主要是利用数据的波动性或者数据之间的相关关系情况进行权重计算。在实际研究中，需要结合数据的特征情况进行恰当选择，基于此，本研究中各项指标的权重需根据不同指标数据的特点和类型进行选择。

（四）课堂教学质量测评模型的实施对象

操作性定义必须要对测评对象进行明确的界定以及精准的阐述，其和抽象定义有着一定的差别。教育现象是相对复杂的，要对所有现象进行观测是较为困难的，一些潜在的现象难以观测，因而这些现象的刻画应通过测评模型进行，通过操作性定义对教育现象进行观测以及度量，继而进行科学界定，这是非常重要的环节，会给模型信效度产生直接影响。所以，操作性定义的提出者认为，要避免概念混淆不清的问题，对其进行界定时应通过测量的方式进行。

（五）课堂教学质量测评模型的验证

为进一步验证测评模型的有效性，需要对测评模型从专家认同度和实践应用两个方面来进行验证。首先，专家认同度的驗证主要通过大量调查来进行，邀请从事教育教学质量研究的专家进行认同度调查；其次，实践应用的有效性需要通过相应的量表来验证。在模型应用上，选取若干地方高校进行抽样，设计量表对其有效性进行验证，并试测量表的信效度。最后，根据已构建的测评模型对调研数据进行测评。应用测评模型来挖掘模型存在的不足，并结合实际现象来修正模型［8］。验证教学质量测评模型的过程是对各种证据进行搜集，并对模型有效性进行证明的过程。所以，在验证模型的过程中采取的方法不应是单一的，而是将多种验证法进行综合应用。此外，因课堂教学现状过于复杂，且是动态化的，测评模型特别重视对实践应用有效性进行检验，而模型验证与修正并不是一次性的工作，而是持续性的，周期相对较长。地方高校要对课堂教学质量进行有效测评，就应通过应用测评模型来挖掘模型存在的不足，并结合实际现象来修正模型［3］。

四、结语

綜上所述，大数据时代下，地方高校对于课堂教学质量更为重视，而要确保课堂教学质量，相应的测评模型是必不可少的。大数据时代的到来既对地方高校课堂教学质量的提升带来了新的机遇、新的发展空间，也带来了新的挑战和危机。对于地方高校教师而言，唯有充分认识大数据时代课堂教学改革的要素关系、重要意义、模型构建，才能走出“数据崇拜”的危机，有力推动大数据时代课堂教育质量的持续提升［9］。

课堂教学质量测评模型属于新兴领域，是在近些年才开始探索创新的，该领域研究时间较短，加上模型构建本就非常复杂，构建方式也存在众多问题需要在今后进行更深入的研究，逐步解决这些问题。大数据现已广泛应用于教育领域当中，模型思维在此背景下显得愈发重要，课堂教学质量测评模型也具有更高的价值，尽管人们对于教育测评方面还存在一些争议，相应的测评方式也不够成熟，但相信在今后其会受到教育界的高度重视，并通过加大研究力度使得测评模型逐步完善，构建范式也得到更高的认可度。

参考文献：

［1］ 方海光. 教育大数据：迈向共建、共享、开放、个性的未来教育［M］. 北京：机械工业出版社，2016.

［2］ 张一春. 高校教师教学质量评估［J］. 教育与现代化，2000（01）：62-64.

［3］ 范涌峰，宋乃庆. 大数据时代的教育测评模型及其范式构建［J］. 中国社会科学，2019（12）：139-155.

［4］ 周志武，王树勇. 高职教师教学质量测评工作的实践与思考——以广东水利电力职业技术学院为例［J］. 南方职业教育学刊，2018（04）：81-86.

［5］ 张源. 高校教学质量测评体系研究［J］. 湖南城市学院学报（自然科学版），2015（04）：193-194.

［6］ 王鹍鹏. 基于学生自我诊断的课堂教学质量测评系统的研究与设计［D］. 沈阳：沈阳工业大学，2019.

［7］ 赵伟强，陈坤，卢雪萍. 基于大数据分析的教学评价体系建立与实践——以绍兴文理学院为例［J］. 绍兴文理学院学报，2017（12）：111-117.

［8］ 沈光辉，高鑫，宋乃庆. 基于创客教育视角的初中生创新能力测评模型构建与应用［J］. 中国电化教育，2022（04）：71-78.

［9］ 南钢，夏云峰. 大数据时代的教育科学研究：可能、风险与策略［J］. 湖南师范大学教育科学学报，2020（04）：87-94.

（责任编辑：胡甜甜）