大数据和VR技术在高职教学质量智能监测评价中的应用*

初永玲,王 枚

(烟台职业学院 信息工程系,山东 烟台 264670)

0 引言

2019年2月《国家职业教育改革实施方案》(简称“职教20条”)中明确要求高职院校应该建立公平、客观的评价体系,推动教学水平的进一步提升。教师教学质量监控与评价机制的研究也是新时代推进“双高计划”建设的重点内容[1]。

随着计算机技术的飞速发展,云计算、大数据、人工智能技术已经广泛应用到教育教学的各个领域,VR虚拟现实技术在高职院校教育中的应用也越来越广泛。VR虚拟现实技术能够全方位调动学生的视觉、听觉、触觉、嗅觉、味觉等,实现身心感受的联结,增强职业院校学生的感受力。同时,虚拟现实技术在激发学习动机、增强学习体验、创设心理沉浸感、实现情境学习和知识迁移等方面有着无可比拟的优势。随着数字校园、智慧教室、智能课堂的应用,数据的挖掘和利用在教学质量监控与评价中的应用也越来越广泛,让“数据说话”能够有效提高教学质量监控与评价体系的客观性与全面性,为教学改革与教学质量的提升提供有力的数据支撑[2]。

本文基于“双高”背景,将大数据和VR技术应用到高职教学质量智能监测评价中,完善高职院校教学质量评价体系,推动教学质量的提高。

1 教学质量监控与评价机制

1.1 教学质量监控模型构建

教学质量监控就是在教学质量评价的基础上,通过一定的组织机构,按照一定的程序,进行积极认真的规划、检查、评价、反馈和调节,确保教学工作按计划进行,并达到教学既定目标的过程,这是一个监控、评价、再监控、再评价螺旋式上升的良性循环过程。在传统的教学质量监控与评价机制中,通过教学过程获取的的数据呈现静态化,无法对数据进行有效性的分析和利用。

随着大数据时代的到来,将数据分析与挖掘应用到教学质量监控与评价中,有助于发现影响高等院校教学质量的制约因素,优化教学质量监控与评价体系。在教学质量监控与评价模型中,既包括对教学过程和教学对象的监控,也包括对教学管理的监控与评价。通过对教学管理的监控,达到学校对教学质量的要求与标准;通过对落实教学质量要求和完善教学质量标准方面进行监控,达到提高教学质量的目的;通过对教学过程进行监控,提高教师在教学工作上的主观能动性;通过对教学对象的监控,便于对学生进行分层教育、因材施教,提高学生学习的主动性与创造性;通过对教学全过程的监控,保证教学整体质量的螺旋式上升,实现职业教育的提质培优。良好的教学质量监控模型可以从教师和学生层面同时进行,既可以促进学生的个性化学习,又能推动教师教学方法的不断改进与提升,教学质量监控模型构建如图1所示。

图1 教学质量监控模型

图2 VR虚拟现实技术实验室

从图1中可以看出来,首先获取来自教学全过程的底层数据;然后经过数据分析处理、数据存储,最终形成教学质量监控的大数据中心;最后利用大数据技术进行综合分析,实现数据价值的最大化,并将分析结果反馈给相关的教师和学生,从而推动教学质量智能监测评价体系的提高。

1.2 基于VR虚拟现实技术的沉浸式教学

将VR虚拟现实技术应用到课堂教学中,通过沉浸式教学,有效地将课程思政融入教学内容,注重培养学生专注耐心、精益求精、追求卓越的工匠精神,有效地提高了学生的创新思维能力、自主探究能力和问题解决能力[3]。同时,利用VR虚拟现实技术对高职学生的学习过程和结果进行评价,从而实现教学质量的全方位监控与评价,提高培养学生的质量[4]。

1.3 数据来源

教学质量监控需要的数据来源主要通过自动采集与手工采集两种途径来获取,分为课前、课中、课后三个阶段。

课前数据:主要从教学目标、教学设计、线上学习三个方面,分别获取人才培养方案数据、课程标准数据、教学资源准备数据、教学过程设计数据、线上学习与答疑数据以及在线测试数据[5]。

课中数据:主要从课堂设计与学习表现两个方面,分别获取课堂教学设计、学生签到、学生上课活动参与率、上课师生互动、课堂小测的成绩等数据[6]。

课后数据:主要从评价与反馈、作业完成两个方面,分别获取教学效果问卷调查数据、课后线上测试反馈数据、三方课堂质量评价数据、课堂作业提交数据、课后拓展完成数据以及其他过程性评价数据[7]。

智能监测评价的数据来源如表1所示。

表1 智能监测评价的数据来源

1.4 教学质量的智能监测评价

根据教学质量监控模型获取数据的来源,将教师的教学行为从课前、课中、课后三个环节进行监控与评价。课前环节,教师主要完成教学目标与教学设计、分发学习资料、收集学生问题;课中环节,教师进行课堂教学设计,并关注学生在课堂上的表现;课后环节,教师需要对学生的学习成果进行反馈、收集教学评价信息、批阅学生作业的完成情况。

我们设置课前环节为数据子集Da,课中环节为数据子集Db,课后环节为数据子集Dc。

课前,教学目标的匹配度为A1,教学设计的完成度为A2,学习预习数据为A3,其中每项又有自己的子因子复合而成。

课中,课堂设计数据为B1,学生表现数据为B2,其中每项又有自己的子因子复合而成。

课后,教学反馈数据为C1,教学评价数据为C2,作业完成数据为C3,其中每项又有自己的子因子复合而成。

同时,还需要设置相关的开关因子σn=0或1,当σn=0时,约束值为0,表示没有此项数据;当σn=1时,则表示相应工作已经完成,数据正常[8]。

由此可得教学质量监控公式为Y=∑Da+Db+Dc,其中,Da=σ1·A1+σ2·A2+σ3·A3,Db=σ4·B1+σ5·B2,Dc=σ6·C1+σ7·C2+σ8·C3。由此可得智能评价公式为:Y=∑σ1·A1+σ2·A2+σ3·A3+σ4·B1+σ5·B2+σ6·C1+σ7·C2+σ8·C3+…。

当然,这只是一个教学全过程的监控公式,还需要对教学过程进行相应的评价,如表2所示为学生对教学满意度的评价表。

2 大数据与VR技术在教学质量监控中的应用

针对教学质量监控与评价机制中获取的大量数据,引入大数据与VR技术,对教师教学情况与学生的学习情况进行综合分析与评价。以烟台职业学院智能课堂系统的实际运行情况为例,对2020级动漫设计专业的信息技术课程进行实况数据获取与分析。学生活动参与情况如表3所示,课堂实况大数据分析如图3所示。

图3 课堂实况大数据分析图

由表2与图3可以看出来,根据学生活动参与以及积分获取情况,利用大数据与VR技术对课堂实况进行大数据分析,可以对高职教学质量进行有效的智能监测与评价,从而提高高职院校教师的教学质量与学生的培养质量。

3 结束语

本文主要分析了高职院校中教学质量监控与评价机制中存在的问题,引入大数据与VR技术,对高职教学质量监控与评价机制进行了探索与研究。注重教学的完整性,构建了教学质量监控模型;注重教学过程性评价,利用大数据与VR技术,有效推动了教学质量监控与评价体系的客观性与公正性,提高信息化诊断能力。