基于海量學生體驗數據的高職教學質量評價

付麗琴

摘要：對學生的綜合職業能力培養是高職教育的目標，而學生只有在體驗中才能培養能力提高自己，因此教育教學的效果評價必須把學生的體驗作為評價依據。對學生體驗數據的分析，有助于實現真正的因材施教，提高教育教學質量。大數據時代的來臨，為我們提供了強大的技術支持和豐富的數據源，使傾聽學生成為了可能，我們可以對學生在教學過程中產生的個性化數據進行分析處理。本文探討了大數據時代基于學生體驗數據實施教學質量評價的特點。

關鍵詞：教學評價；學生體驗；大數據；云計算

中圖分類號：G712 文獻標志碼：A 文章編號：1674-9324（2016）12-0219-02

一、引言

教學評價的主要目的是對教學過程和結果進行監控，了解課程執行情況和教師的教學效果，以改進教學實施。聯合國在2012年發布的大數據白皮書“Big Data for Development：Challenges & Opportunities”中指出大數據時代已經到來，大數據的出現將會對社會生活的各個領域產生深刻影響[1]。大數據時代為我們對數據的分析應用提供了全新的思維和方式[2，3]，為客觀全面的教學質量評價提供了強有力的支持，使得我們可以對教學活動中形成的數據進行全面分析和正確解釋。合理使用評價結果，一方面有利于教師隨時調整教學參數、提高教學質量，另一方面也便于管理者總結經驗，找出影響教師教學質量的關鍵因素。

高職教育的目標是培養工作在生產、服務與管理第一線的高素質技能人才，因此其教學模式應注重學生的主體參與意識、情境體驗感悟和實踐操作能力，要綜合利用模擬、互動和啟發等體驗式教學手段來幫助學生理解教學內容、提升職業能力。“數據驅動學校，分析變革教育”的大數據時代的來臨，為海量數據的存儲和分析提供了技術支持。作為教育工作者，如何獲取巨量的學生體驗數據、利用先進的數據分析技術，客觀評價教育教學質量，適時調整教育方法、完善教學設計、為學生提供個性化輔導，是迫切需要解決的問題。

二、評價內容的設計

1.高職教學評價的特點。用人單位對高素質技能人才提出了越來越高的要求，要求我們培養的學生不僅具備從事職業活動的專業能力，還要具備可持續發展的能力。學生培養的能力目標應當包括：技術應用能力（或業務能力）、各種社會能力、工作方法能力、學習能力以及包括觀察力、想象力等在內的基本能力。教學評價就是要評價包括教學的各個要素和環節在內的教學系統對學生能力目標的影響，分析其在培養學生職業綜合能力方面的優勢和缺點。

首先，利用大數據對學生的發展進行多元評價，既發現學業成績背后的原因，也關注學生情熵等各個方面的成長。利用大數據，更全面地看待學生的發展，發現成績所反映不了的發展問題。

其次，利用大數據實現過程性評價，發現學生的在各個學段、不同模式、不同課程學習中的情感狀態，吸收知識的能力和技能提高的程度，進而完善教學設計、改進教學模式。

再次，教師通過課堂觀察，記錄學生的發言質量、作業完成情況、課堂紀律等，促使自我反思，并進行改進。

最后，隨著MOOC、微課程和翻轉課堂等的興起，信息化教學前移已成為趨勢，該種形勢下，教學職能的重心轉變為設計、組織、幫助與指導學生的學習。在課堂、工作坊或實驗實訓場合，教師通過對學生學習數據的分析，及時發現學生困惑，并介入個性化指導，真正做到因材施教。

2.評價的內容和數據。反映學生綜合職業能力的要素包括知識掌握的程度、知識應用的能力、口頭與書面表達的能力、獨立制訂計劃的能力、創業能力，以及觀察力、想象力、記憶力、讀寫能力、社會能力和社會責任意識等。

學習是學生與學習內容、教師、合作同學和學習環境之間的復雜交互過程。學習體驗是指學生在學習過程中對學習內容、任務安排、教學環境等的感受，以及對學習成果的滿意度等。對學生學習的評價數據包括能力目標數據和體驗數據兩種。體驗數據包括學生學習過程的統計描述，例如學習時間的投入（如學生在某個知識點上花費的時間）、學習活動的頻次（如學生對某個知識點瀏覽的次數）、學習資源瀏覽（如學生對教學視頻中某個片段瀏覽的次數）等。學習者學習的途徑包括學習者提問、回答相關問題和師生交流（如師生交互行為分析、師生發帖的內容分析、師生交互的社會網絡分析），學生對學習過程各階段的感受，對實習、實訓等環境的適應情況，以及學生對自己學習成果的滿意程度，等等。能力目標數據包括學生在學習不同模塊時的階段性成績和課堂觀察結果，以及專題調查與測試的結果。

3.評價數據采集。體驗數據是學生在學習活動及知識應用過程中即時產生的，要了解學生真正的體驗，需要用到大量的源數據，以及更方便的數據采集方式。主要數據采集手段包括調查問卷方式、實時數據采集以及其他方式。

調查問卷的方式是將教學評價的調查問卷以網頁的形式發布到Web服務器，學生通過登錄相關的頁面，根據頁面顯示的內容，輸入相關信息，這些數據將被錄入數據庫中。

實時數據的采集主要依賴于傳感器、射頻識別技術或專門軟件等。例如，我們可以利用圖像傳感器捕捉學生在觀看教學視頻時的視線移動，用專門軟件跟蹤記錄學生學習時長和完成習題檢測的全過程，包括讀題的時間、做題的順序、做題時間、解答過程等；為了研究學生的學習與心理動態，可以在線采集他們的行為蹤跡、交友網絡和微博等半結構或非結構數據；為了了解學生的價值、態度和道德養成，可用軟件記錄學生對學術活動和社交活動的參與情況等。其他方式包括文件、檔案記錄、深度訪談、參與式觀察等采集手段。

三、數據分析和結果反饋

評價數據中既有結構化的數據，又包含非結構化的數據。將結構和非結構化的學習數據及時存儲到數據中心是實現數據訪問和實時分析的必要前提。傳統數據存儲的方法需要解決數據的異構性問題，如采用聯邦式、基于中間件模型和數據倉庫等方法。云存儲技術不但能夠兼容不同結構的數據，而且屏蔽了數據丟失、病毒入侵等問題，是安全可靠的數據存儲中心。云計算開源平臺Hadoop提供了分布式文件系統（HDFS）、分布式數據庫（HBase）以及數據分析處理等功能模塊在內的完整生態系統，現已經發展成為目前最流行的大數據處理平臺[4]。采用Hadoop對教學評價過程中采集的海量數據進行處理，具有高度的擴展能力和容錯性能，除了結構化與半結構化數據外，也可對文本文檔、對話數據、音頻視頻等傳統數據倉庫無法應付的非結構化數據進行合理解釋，最終得到對教學各個環節的效果評價。教學評價的結果是發現各教學要素和學生個性與能力目標的關系。

利用評價結果，教師和教育研究者可以通過分析總結學習者特征等數據，預測學習者下一步所需要的教學內容和形式，然后根據學生的現有水平和能力量體裁衣、因材施教地為學生制訂教育計劃。例如設計適應學生水平和能力的教學內容、對于學習有困難的學生進行干預、提供反饋等，并向學習者推薦下一步的學習策略（包括學習環節的順序和形式、學習內容的難度等）。

四、結論

大數據時代為我們提供了強大的技術支持與數據源，以供教師與教學管理者分析學生體驗數據。基于海量學生體驗數據的教育質量評價，通過適時記錄反饋學習者在學習過程中的各類體驗，分析學生培養的能力目標和教學要素，學生體驗數據之間的關系，并及時反饋給相關人員，大大方便了教學環節和要素的改進，必然會帶來教育質量的提升。

參考文獻：

[1]MANYIKA J，CHUI M，BROWN B，et al. Big Data：The next frontier for innovation，competition，and productivity[R/OL].Las Vegas：The McKinsey Global Institute. [2013-07-24].http：//www.mckinsey.com/insights/business_technology/ big_data_the_next_frontier_for innovation.

[2]World Economic Forum. Big data，big impact：New possibilities for international development [EB/OL].[2013-07-24].

http：//www.weforum.org/reports/big-data- big-impact- new-possibilities-international-development.

[3]Big Data for Development：Challenges & Opportunities[R/OL].[2014-05-10].http：//www. mckinsey .com/insights/business_technology/

big_data_the_next_frontier_for_innovation.

[4]陳曦，陳華鈞，顧珮嵚.一種基于Hadoop的語義大數據分布式推理框架[J].計算機研究與發展，2013，50（Sippl.）：103-113.