基于大数据技术的高校教学质量评价系统构建研究

［摘 要］在数字时代，高校教学质量评价系统的建设离不开大数据技术的支撑。大数据技术能够为教学质量评价提供更加多元化、全程性的评价参考数据，改变以结果性评价为主的单一评价模式，有助于落实以学生为主体的教学理念。但是，面对大量的数据资源，如何进行采集与整合、分析与建模、管理与统筹，关系着大数据能否在构建教学质量评价系统上发挥作用。该研究先梳理了高校基于大数据技术构建教学质量评价系统的原则、依据和特点，然后从数据的输入、输出及管理三个层面进一步分析如何依托大数据构建高效的高校教学质量评价系统。

［关键词］数字技术；大数据技术；教学质量评价系统；高校教学管理

［中图分类号］G647 ［文献标识码］A ［文章编号］2095-3437（2024）18-0019-04

数据如今已经成为产业发展的基本要素。作为立德树人的主要阵地，高校担负着为国家和社会培养和输送高素质人才的重要使命。教学质量评价是高校教学过程监督以及质量控制、反馈跟踪的重要组成部分[1]，构建高效的教学质量评价系统则是高校开展教学质量评价不可或缺的环节。其中，在教学质量评价系统中嵌入大数据技术已成为高等教育教学适应数字时代发展要求的重要选择。高等教育质量监测国家数据平台对国内各类型高校相关数据的采集、整合、分析、建模，为高校教学质量评价的改革与发展夯实了数字化基座，缓解了评价参考数据少、评价流于形式以及评价结果落地性差等问题 [2] 。因此，依托大数据技术，从教学全程产生的大量数据中提炼出关乎教学质量的关键信息并构建教学质量评价系统，是落实高校立德树人根本任务的关键，也是践行以学生为主体教学观的必然选择，有助于促进高校教学质量管理体系的健全与完善，推动现代化高等教育体系建设 [3] 。

一、构建高校教学质量评价系统的底层逻辑

开展教学质量评价系统建设是高校开展教学质量建设的关键举措，需要做好顶层设计[4]。其中，以大数据作为高校教学质量评价系统的构建基础，需要把握好系统设计的基本原则、主要依据以及设计特点。无论是哪一种质量评价方式，都要贯彻以学生为主体的教学理念，这是教学质量评价改革的逻辑起点。教学质量评价系统的核心基座在于数据，即围绕数据的采集、整合、分析开展教学质量评价。基于学生中心与数据基座，依托大数据技术构建的高校教学质量评价系统呈现出全过程、全环节等特征。

（一）构建原则：学生中心

坚持学生中心是高校构建教学质量评价系统的基本原则。借助大数据技术开展教学质量评价，要严格种好立德树人责任田，避免偏离教学质量评价系统构建与应用的正确方向。

随着大数据技术的嵌入，大量评价参考数据都能够参与到教学质量评价中来。但是，评价系统所采集、整合的数据，要能够体现学生的思想道德素养提升、专业能力的过程性发展、人格健全发展、审美鉴赏能力提高以及创新创业能力培养等情况，而不是学生生活、学习的所有数据。比如以思想道德素养提升为例，要结合思政课程、课程思政以及日常思想政治教育活动等，综合判断学生对党的最新理论、路线方针政策是否真正理解。再如，在专业学习方面，更要关注学生在日常课堂学习中的过程性表现，如学生的课堂参与态度、小组探究积极性、个性化见解表达、师生的评价等方面的表现，这些都是教学质量评价系统构建时应采集的重要数据。此外，体育、美育、劳育等方面的数据采集，要对学生在体育活动中的身心健康情况、在审美教育活动中的鉴赏与创新能力以及对未来职业生涯规划的能力进行数据采集。

可见，运用大数据技术开展教学质量评价，重点是发挥大数据技术在资源整合与分析方面的优势，而这些数据最终指向的是学生的个性化学习诉求、身心健康成长以及综合素养提升，这正符合高等教育评价改革的目标要求[5]。

（二）构建依据：数据支撑

在确定学生中心原则的基础上，高校教学质量评价系统的设计要充分发挥大数据的技术优势，要以数据发声，以数据量化教师的教与学生的学。例如，学生在课堂教学过程中的参与态度、问题探究程度、日常作业提交情况及满意度等，教师要及时将这些内容录入其学习档案；学生的科研成果、社团参与度、取得的各类竞赛成绩、日常思想道德表现等，教师也要及时将这些内容录入学习档案。

可依托大数据技术对学生在课堂学习、课外生活、创新创业等过程中产生的大量数据进行有效采集，并通过数据分析与建模衡量教学的输入与输出效果，进而为教学质量评价改革提供数据支撑。例如，利用大数据技术通过阶段性分析某一专业、某一班级、某一小组、某一学生的学习效果，可以在数据分析的基础上对学困生及时发出预警并给出学习改进建议。这种阶段性预警有助于学生及时了解自己在学习、生活等方面的不足，有助于教师及时为学生制订更有针对性的教学方案，进而提高教学效率和质量。比如以公共体育课程为例，除了日常或期末体育测试结果，体育教师还要及时记录学生在参与体育活动中的态度、进步情况等思政教育成果，为学生提供有针对性的课程学习方案，也可以对课程思政的实施效果进行科学预测。

总体而言，大数据技术在教学质量评价系统构建中可发挥三方面作用：有助于全面采集学生的学习与生活数据、科学制订个性化学习方案以及灵活调整教学方式[6]。因此，坚持以学生为中心，坚持以数据为支撑，是高校构建教学质量评价系统和开展教学质量评价改革的基本原则与依据。

（三）构建特征：全过程与全环节

在大数据技术赋能下，学生在学习的全过程与全环节中产生的大量数据相互关联，比如思政课程与课程思政的联系、理论学习与实践活动的联系等，并在教学质量评价系统中为提出具体的指导意见提供参考，进而为后续教学提供改进服务。

一是面向全过程的评价。依托大数据技术，教学质量评价系统可全面记录并分析学生在校内外参与学习或实践的数据，这也是落实全程育人的必要举措。比如以创新创业教育为例，为切实提高大学生的创新意识与就业创业能力，高校在设置创新创业教育课程时要有全程育人意识，要根据不同专业的特点将创新创业课程嵌入大学学习的不同阶段，而不是在大三或大四毕业季才开展大学生就业创业指导工作。对教学质量评价系统的构建而言，需要从大一学年开始记录学生的创新创业教育成果数据，包括课堂内的理论学习、第二课堂的活动实践、校外的社会实践、不同学年的创新创业教育成果数据，为科学、全面、客观评价学生创新创业能力提供数据支撑。高校教学质量评价切忌以结果为导向，而应坚持全程育人理念，还要考虑教学过程中教学环境、教学设施设备等因素的影响。在采集学生其他专业学习数据时，同样要坚持全程育人理念，如采集学生入学时的专业爱好、专业功底等基础数据，以及在不同学期、不同学年的过程性成长数据时，也要考虑环境影响因素。只有将所有数据、因素与结果性考核结果结合起来才能科学评价学生的专业学习效果。在大数据技术赋能下，对教与学全过程数据进行采集与分析，更能助力提高高校的教育教学质量。

二是面向全环节的评价。较之全过程评价，全环节评价注重数据采集的深度与广度，有助于进一步提高教学质量评价的科学性。例如，在数据采集深度方面，依托大数据技术，不仅可以采集学生的显性学习效果数据，还可以采集显性学习效果背后的隐性数据，即影响学习效果的各类因素及其阶段性变化数据。比如英语翻译专业，利用大数据技术能够采集到学生在阶段性学习或结果性考核中的各类学习效果，也能采集到影响学生英语翻译水平的背后因素，如学生对英语母语国的文化背景、人文风俗、国际交流规则的了解程度。这些数据往往能够从学生对其他课程的学习、日常生活表现以及校内外实践活动中采集到。在数据采集广度方面，大数据技术可支持自下而上地全环节采集学生的学习与生活数据，如国家或学校所在区域教育政策对学生学习效果的影响，学校的教育教学特色与教学管理水平对学生学习效果的影响，教师的教学方式方法、教学模式对学生学习效果的影响，学生对某一专业的爱好程度、学习兴趣、认知程度等对其自身学习效果的影响，这些都是数据采集广度拓展的重要内容。以思政教育为例，国家强调思政课程与课程思政要同向同行，学校就要组建“大思政”教育教学队伍，以促进思政课程与课程思政合作的实现；教师则要深入挖掘所教专业课程蕴含的思政教育元素，学生则要主动在课堂学习与日常生活中了解党的最新理论研究成果等。

二、基于大数据技术的高校教学质量评价系统构建策略

在大数据技术赋能下，高校教学质量评价系统要从数据的输入、输出、管理三个层面进行建设：其一，要自下而上地对教学数据进行常态化采集；其二，通过对数据的整合、分析、建模，助力发挥数据多元化应用的价值；其三，在数据管理方面，要以规范化为原则，对数据采集、分析、应用进行制度化管理。

（一）数据输入：自下而上地进行常态化采集

数据是教学质量评价系统的基本元素，日常数据采集工作是推动教学质量评价系统正常运行的关键一环，因此，高校要建立自下而上的数据采集模式。例如，在学生层面，要建立以小组为单位的组长负责制，以班级为单位的班长负责制，以宿舍为单位的舍长负责制，以及以社团为单位的团长负责制，将数据采集工作下沉至学生学习与生活的各个方面。在教师层面，要更加强调对学生过程性成长数据的采集，即基于学生的初始评价，关注学生学习态度、学习效果以及阶段性成长情况，形成对学生的持续性、精准性评价，进而发掘出学生的更多成长点。在院系层面，要关注学生在第一课堂、第二课堂中的表现，如期中期末考核评价、社团活动参与表现评价、校园竞赛活动参与表现评价，等等，形成对学生的全过程、全环节评价。在学校层面，要更多地立足于学生未来的职业生涯规划开展评价，如创新创业意识及能力、理论联系实际能力、思想道德品质，等等。通过自下而上的全过程、全环节的数据采集，能够有效地弥补结果性考核效果较差的不足。当然，在数据采集过程中，还要针对不同内容选择不同的考核标准与考核方式。例如，在初始评价的基础上，教师要根据不同学生的认知基础与认知差异设定不同的教学目标和考核标准，然后以评价量规测量学生学习效果与预期效果之间的差距，进而给出等级评判。除了正常的卷面测试，还要增加测试方式，如线上测试、一对一访谈测试、多主体评价测试等，都是考核学生学习效果的方式。值得一提的是，数据采集也要延伸至教师层面，包括教学方法、教学模式、教学内容、教学目标、教学氛围等方面的数据，并实施师生之间的双向评价方式，以助力教师更加灵活地调整教学方案。

（二）数据输出：由点到面地进行多元化应用

基于大数据技术的高校教学质量评价系统的主要价值在于数据应用。面对采集到的海量数据，要充分挖掘大数据背后的教学价值。因此，以数据的统计作为基点，可延伸探索数据的预警价值、预测价值、管理价值，等等。例如，根据学生的学习数据，在数据整合与分析的基础上建立相关的数据模型，并针对教师的教学方式、教学方案、教学观念等及时发送预警提示，提高教学针对性与效率。再如，在数据分析的基础上，高校教学质量评价系统可精准预测学生的毕业率、创业就业方向，有助于学校灵活调整专业设置、课程教学计划、学制规划、教学资源、教学平台、教学环境，等等。此外，基于大数据技术的高校教学质量评价系统还能帮助实现不同专业之间、教师之间的互通共享，进而凝聚教育合力。例如，在体育课程教学过程中，体育教师可采集学生的身体技能数据、人格发展数据、体育爱好数据等，这些数据可以作为专业课教师、思政课教师、社团负责人、教学管理者的基础评价数据。比如有的学生体能测试不合格，有的学生抗挫力较差，学生对不同的体育项目有不同的爱好等，这些数据就成为教师与管理人员制订教学计划或管理计划的基本依据。可见，基于大数据技术构建的高校教学质量评价系统，其应用价值是多元的，需要学校、教师、学生充分挖掘其功能。

（三）数据管理：规范化地进行制度建设

无论是数据采集还是数据应用，都要以规范为基础，要以规范化的制度管理数据的采集、整合、分析、应用。高质量的数据管理制度要有顶层设计的引导，需要学校相关部门与师生的协作与配合，而不是靠某一部门或某些教师就能够实现对数据的持续性、周期性循环利用。例如，对于各专业教师提供的大量教学数据，学生处、人事处、教务处、科研处等部门要分别负责不同数据的集成工作；对于采集到的各类数据，教学质量监控部门要基于不同的目的对数据进行整合、分析、建模，为数据应用奠定基础；各教学单位负责对数据的应用过程进行反馈，以检验数据采集是否全面、方式是否科学。此外，为提高数据来源的科学性与准确性，要对数据的采集方式、反馈方式、储存方式进行标准化管理，如采用统一的评价量规与等级评判标准、统一的数据应用反馈格式、严格的数据拦截模式、基于数据活跃程度的规范化数据存储模式、标准化的数据查询制度，等等。总而言之，要制度化管理数据，以规范化流程发挥数据的教学价值。

三、结语

综上，在当前的数字时代大环境下，数字赋能各行各业发展已经成为大势所趋，数字技术与高等教育的融合形成了全新的教育生态。高校教学质量评价系统的构建与应用具有现实的意义和实践价值，是衡量高校教学质量及学生学习效果的重要工具与必要手段，因此得到广大高校的重视。利用大数据技术对高校教学质量评价系统进行升级与改造，可以突破传统以结果为导向的评价系统的诸多限制，实行更加科学、全面、客观的质量评价，为教学方案的优化与改进带来更多科学的参考依据。当然，基于大数据技术的高校教学质量评价系统构建需要掌握基本的构建原则、方式及相关数据，结合大数据技术及这个评价系统自身的特点，对数据进行科学输入与输出，并做好管理工作，发挥数据的最大价值，让系统发挥出最大的功用，助力高校教学的深度改革与发展，助力高素质人才培养，以更好地完成立德树人根本任务。

［ 参 考 文 献 ］

[1] 唐秀忠，兰晓俐，陈洪磊.基于大数据的高校教学质量评价系统设计研究[J].开封文化艺术职业学院学报，2020，40（2）：120-122.

[2］ 吴岩.新理念新标准新文化，高质量做好审核评估[R].北京：教育部评估中心审核评估培训会，2016.

[3］ 冯莉，李鑫，霍焱.高校教学质量管理信息化平台构建[J].沈阳大学学报（社会科学版），2023，25（4）：57-63.

[4］ 张雄.基于大数据分析的高校教学质量监控与评价探究[J].佳木斯大学社会科学学报，2022，40（4）：201-203.

[5］ 瞿振元.着力向课堂教学要质量[J].中国高教研究，2016（12）：1-5.

[6］ 维克托，肯尼思.与大数据同行：学习和教育的未来[M].上海：华东师范大学出版社，2015：104.

［责任编辑：林志恒］