大数据视域下高校教师教研能力评价模型建立及实证分析研究

刘文斌 乔玉涛 刘振华 程雅菊

常州工程职业技术学院 江苏常州 213164

教育部印发的《关于深化高校教师考核评价制度改革的指导意见》中,明确提出以“师德为先、教学为要、科研为基、发展为本”的基本要求,坚持社会主义办学方向,注重凭能力、实绩和贡献评价教师[1]。如何科学地对高校教师能力水平进行评价,量化高校教师专业素质、教育技术应用能力和专业教学水平是当前国内的热点方向。伴随信息技术的飞速发展,大数据分析与应用在我国高校教育教学评价中受到广泛关注。众多学者开始研究大数据在教学改革和教师教学评价中的深度应用[2]。基于大数据的系统应用不断发展,大数据技术可以对数据进行清洗、过滤,结合高职教师能力评价体系进行数据分析与挖掘,再根据模型提供多层次、多角度的场景式画像,将教师能力水平直观地体现出来,实现实时和有效预警和评估教师的发展,可为教师自身的教研水平提升提供参考依据,也可成为高校管理机构提供科学决策的有效依据[3-4]。崔薛腾等从教学管理的实际需要出发,研究了高校教师评价工作的可视化应用。在传统定量评价数据的基础上,构建了教师教学综合评价的用户画像,对提高教师评价效果,促进教师教学质量的提高具有积极作用[5]。李伟采用的技术手段为利用直觉模糊多属性决策的模糊结构元,构建了高校教师能力评价模型,并对其可行性进行了验证[6]。王晓霞等利用灰色关联分析方法对选取的评价指标进行了赋权,并在此基础上构建出青年教师教学能力的评价模型[7]。董国玉等运用层次分析法,建构了模糊综合评判模型,在主观基础上结合具有逻辑性的数学方法,合理地确定评价指标权重[8]。

虽然许多学者对高校教师教研能力进行了研究,但是对教师教研能力的评价还是停留在以理论分析与建模为主,缺少系统性的高校教师教研能力实例分析。本文结合常州工程职业技术学院业绩成果系统,采用层次分析法,通过数据挖掘、统计分析,建立客观评价模型,嵌入管理数据系统,对高职院校教师教研能力水平进行评价与分析,是一次全面实际应用的新尝试。

一、教师教研能力评价模型建构

依据系统性、科学性、特征性、可行性原则,客观、科学、准确地评价教师的教研能力关键在于如何设计一个具有代表性、全面性的评价指标体系。层次分析法是系统分析的数学工具之一,它是一种定性和定量相结合的分析方法,具有系统化、层次化的特点。它将一个现实中的复杂问题进行层次化,将每个层次的元素进行两两比较,按照重要性进行定量描述,最后利用数学方法计算出所有元素的权值[9]。首先对高校教师教研能力进行指标设计(见表1),选取能够体现教师教研能力水平的一级指标:专业建设类、项目及教材类、队伍建设类、教师竞赛类和指导学生竞赛类五个类别,通过问卷调查和专家访谈等方式,请专家对体系中同层次所有指标的重要性进行两两比较,采用1～9标度的方法确定判断矩阵A值,求得最大特征向量,从而求得指标权重系数。

表1 高校教师教研能力评价指标体系

(一)构造判断矩阵

此矩阵满足aij=1,aij=1/aji,(i,j=1,2,……,n)

(二)最大特征向量

最大特征向量使用和积法计算:

1.判断矩阵归一化处理

归一化矩阵:

2.和积法进行计算

Vi=(V1,V2,……Vn)

=(0.4969,1.9223,0.4785,1.0512,1.0512)T

3.对向量Vi进行归一化得到特征向量

Vi=(V1,V2,……Vn)

=(0.0994,0.3845,0.0957,0.2102,0.2102)T

Vi即为指标权重系数。

(三)一致性检验

(AV)i=A×V=(0.5078,2.0094,0.4838,1.1022,1.1022)

从而构建教研能力评价模型如下:

Y=K1y1+K2y2+K3y3+…+Knyn

每个一级指标运用多元统计分析方法,依据高校实际情况,设置权重并赋予不同的分值。设定二级指标模型如下:

对同一项目多名教师参与,采用排序量化法进行客观折算。教研能力评价体系中各类别的指标具有不同的量纲,在给各项指标进行赋分后,需要对各指标的数据进行归一化处理,从而使各指标能够具有相同的量纲,最后运用统计分析方法进行归纳统计,确定教师的教研能力排行。

二、实证分析

根据建立模型,结合常州工程职业技术学院实际教研数据情况,实验选用2019—2021年三年的教师所有教研数据进行实证分析,每个一级指标中,结合实际情况分别设定了若干个二级指标,依据《常州工程职业技术学院教学建设量化管理办法》设置权重赋与不同的分值。对同一项目多名教师参与,采用排序量化法进行客观折算(见表2)。

表2 成果的排名系数设定

(一)专业建设类

注:新专业开发与创建150,专业人才培养方案编制120,专业标准体系开发60,国家级专业(群)800,省级专业(群)550,校级专业(群)300。

(二)项目及教材类

+200x8+800x9+600x10+400x11+100x12+80x13+60x14)

注:现代学徒制试点项目国家级600,省级400,校级200,订单式培养200,现代职教体系200;课程资建设项目国家级600,省级400,校级200;专业教学资源库项目国家级800、省级600、校级400;教材出版类国家级100、省级80、校级60。

(三)队伍建设类

+150x8+300x9+200x10+100x11)

注:教学团队国家级500,省级300,校级100。校专业带头人100,校骨干教师50。省333人才第一层次500,第二层次300,第三层次150。省教学名师300,省学术带头人200,省青蓝工程100。

(四)教师竞赛获奖

+250x7+180x8+130x9+150x10+100x11+50x12)

注:国家级一等奖1000、二等奖800、三等奖600,省级一等奖500、二等奖400、三等奖300,市级一等奖250、二等奖180、三等奖50,院级一等奖150、二等奖100、三等奖50。

(五)指导学生技能大赛获奖

+60x8+40x9+30x10+20x11+10x12)

注:国家级一等奖500、二等奖350、三等奖250,省级一等奖220、二等奖150、三等奖90,市级一等奖80、二等奖60、三等奖40,院级一等奖30、二等奖20、三等奖10。

通过原始数据采集、关联排名次序、各指标赋分、归一化处理、一级指标相对排行、层次分析后,得到教师教研能力排行。对每个一级条目进行数据分析,以每位教师工号为横坐标,以一级指标为纵坐标。对2019—2021年三年内各指标进行赋分统计并进行归一化处理,做散状分析图(图1～图5)。通过分析可知,每位教师在不同的一级指标上相对排名不同(423～522这一段工号为已退休教师,故这一段业绩为零)。这也说明每位教师都有其擅长的方面,并在某一方面取得显著成果。

图2 项目及教材类

图3 队伍建设类

图4 教师竞赛获奖

图5 指导学生获奖相对分值

通过大数据可对每一位教师进行综合数据归纳,得到教师教研能力画像,如图6为其中某教师的教研能力综合分析雷达图。从图中也可分析出这位教师教研能力在指导学生获奖、项目和教材类成果相对较强,而在专业建设类和教师竞赛方面相对较弱,从而对教师进行自我诊断分析,并进行针对性的训练。采用模型导入计算后,得到教师教研能力综合排行图(见图7),对照教师基本情况,排名前10位的教师,其中教授为4人,副教授为6人,博士有5人,硕士有5人,年龄阶段为40～48岁。这和学校的实际情况相吻合,从而也说明模型的合理性。图中也有不少教师教研能力评价分值为0,经分析主要为管理人员及后勤保障人员。

图6 某教师教研能力雷达分析图

图7 教师教研能力综合排行

结语

通过对高校教师教研成果的梳理分析,采用建立模型、线上运行、数据采集、数据处理、获得教师教研能力评价排行,能有效地实现对教师能力评价的客观分析数据。基于大数据分析的教师教研能力评价可以实现动态监测、精准匹配、预警预测、群体行为分析,可为教师的教研能力提升提供查阅、咨询服务,激发教师自我诊改,能够促使教师不断增加教学投入,有效激发教师良性竞争意识,提高教学能力和业务水平,实现集体正向流动[10-11]。激发教师教学研究水平的提升;教师教研画像的生成提供了教师教研水平和竞争力评价依据,提升了二级学院教学管理和内部质量保障,理性地均衡教育资源配置,推进教师智力资源流转,提升教师队伍治理效能。通过全校教师教研能力综合排行,为学校教务部门提供科学客观的核心竞争力排行榜评价报告,依据大数据评价结果,对教师做出岗位晋升、内部流动、职称晋级乃至生涯规划等相应决策,有利于学校进行科学的管理和快速决策。