高校教學質量定量評價系統的研究

趙亞慧+崔旭+崔榮一

摘要：本文介紹了構建高校教師教學質量定量評價指標體系及其量化處理方法以及教學質量智能化定量評價系統的研究和實現方法，探索了發現可測因素對教學質量的評價所具有的有效性的技術途徑，所獲成果對教學質量的科學評價具有重要的實踐意義。

關鍵詞：教學質量定量評價；評價指標體系；人工神經網絡

中圖分類號：TP391 文獻標志碼：A 文章編號：1674-9324（2017）30-0005-02

教師課堂教學效果的好壞是影響高校所培養人才質量的主要因素，因此開展好對教師課堂教學質量評價，幫助高校教學管理部門及時掌握教師情況，改進教學、實施教學質量監控，是提高高校教學質量具體而有效的措施之一。我國高校教育評估中存在很多問題，比如基礎性工作量過大、信息資源難以共享利用、數據資料的客觀真實性難以保證、評估資料和信息不完整、評估方案煩瑣、評估欠缺統籌規劃、基礎性建設不足等。目前高校教學評價方法不盡相同，大致可以分為兩大類：一是單一的定性評價，二是定性與定量相結合的評價，而后者已成為一種研究的重點。

高校現行課堂教學質量定量評價方法主要有：層次分析法[1]、單因素方差分析法[2]、模糊綜合評價模型[3]、Markov鏈法[4]、人工神經網絡方法[5]、數據挖掘方法[6]等。目前，現代數量統計方法已在高校教學質量評價中使用并在不同程度上取得了一定效果，但這些方法仍然存在很多不完善的地方。本文介紹了構建教學質量定量評價的一種策略，并利用神經網絡訓練方法對量化后的評價指標數據進行智能評估。

一、研究內容

1.構造教學質量評價的有效關鍵因素集。影響教學質量的因素很復雜，定量評價教學質量首要的問題是站在科學評測的立場上對決定教師教學質量的主要因素進行整理、分析、歸納，并通過因素間的相關性分析、各因素對結果貢獻程度的分析，構建評價教學質量的關鍵而有效的因素集合，形成描述教學質量的完整的評價空間，并借助于充足的歷史數據和專家鑒定來驗證該評價空間的完整性和有效性。另一方面，教師教學質量的評價需要大量的基礎數據，涉及到人事、科研、教育教學等多種信息源。把不同信息源的數據進行集成從而得到規范的教學質量評價基礎數據庫，這是評價工作的基本工作。評價因素的選擇和重要性分析，需要以教學工作數據為核心，對教學質量影響顯著的數據進行有效集成，最終形成描述教師教學行為及效果的數據空間。

2.教學質量評價的智能信息處理方法。在構造有效關鍵因素集的基礎上，把教育教學理論成果和專家經驗作為領域理論，確定各有效關鍵因素的相對重要性（重要性權值）的初始值。利用機器學習方法和典型數據對該權值進行更新，以產生既符合教育教學理論成果和專家經驗，又匹配歷史數據的因素重要性權值，以構建評價器。該評價器的輸出應具有數量值，也應能夠表現結果的模糊評價結果。

3.教學質量評價實驗研究程序系統的開發。選擇特定的計算機環境實現教師教學質量評價算法，提供具有解釋性強、數據分析智能化程度較高等特性的實驗研究用程序系統。在開發過程中將有效地考慮關鍵因素的選擇與權值隨時間的演化特性。教學質量評價模型的建立過程由定性的評價體系指標的量化、有效關鍵因素的權重智能化、教學質量評價器的訓練及評價結果的檢驗等過程組成。

二、研究方法

1.分析建立高校教學質量評價指標體系。充分分析國內外高校現行教學質量評價的各種指標體系，以本校實情為具體研究對象和實踐環境，找出其理論依據，然后從各指標體系的共同點中提取教學質量的關鍵評價因素，并歸納指標體系所要求的數據來源，為建立基礎數據庫做準備。

2.獲得有效關鍵因素。通過對歷史數據進行整理變換來消除因素之間的相關性，從而獲得相互之間不相關的關鍵因素（有效關鍵因素）集合，通過相關性分析并進行相關性驗證后確定質量評價的有效相關因素集。

3.訓練教學質量評價器。從基礎數據庫中選擇部分典型數據，根據理論支持和專家經驗設定各有效關鍵因素重要性權重的初始值，并根據機器學習理論更新該權值，最終獲得特定的因素權重集合，以此訓練并最終得到一個教學質量評價器（計算機軟件系統）。

4.檢驗評價結果。評價器的輸出與專家評定結果、教師代表評價結果及學生群體評價結果進行對比，根據比較的結果來評估評價器的輸出性能。當評估結果達不到滿意度時，重新驗證有效關鍵因素和訓練評價器過程，同時進一步豐富訓練用典型數據，并重復這部分工作。

5.評價方法的實踐檢驗。在全校范圍內選擇不同學科門類、不同專業、不同職稱結構進行測試驗證和分析，對出現的問題進行分析和修改，完善課題成果。

三、有效關鍵因素的權重智能化

建立一個智能教學質量評價器，該評價器包括結構相同的3個BP神經網絡，每個BP神經網絡有21個（評價因素個數）輸入節點，7個隱層節點，4個輸出節點。將采集到的一半評估數據可重復選擇地分為3組樣例，作為3個BP神經網絡的訓練集；其余一半的評估數據將被學習后的評價器作為驗證集，以檢驗該評價器的性能好壞。每個BP神經網絡的學習過程完全相同，其學習過程其實就是利用計算機智能的為每個評估指標分配合理的權值，具體步驟如下：（1）將一組驗證集作為評價器的輸入傳遞給一個BP神經網絡，每個輸入層節點即為一個評估指標；（2）每個輸入層節點加權整合作為相應隱節點的輸入；（3）每個隱節點對輸入信號進行非線性變換后傳遞給輸出層的各個節點；（4）輸出層各節點對各隱單元輸出進行線性組合后產生輸出；（5）輸出層節點的輸出值與目標值進行比較，計算其誤差是否達到收斂范圍，如未達到，則重新調整輸入層各節點的權值，重復步驟（2），直到誤差達到收斂標準，否則結束學習過程。上述學習過程由學習系統自行完成，而且這種學習可以進行多次，每次成功學習將產生各個評估指標的合理權值。

四、檢驗評價結果

現有的教師教學質量評估系統一般都是先將教師評估工作劃分成若干評價指標，然后讓學生和同行教師分別對教師的這些評價指標進行打分，最后進行簡單的求和與求平均值，以此作為對教師教學質量的定性結論。我們利用本校兩個學年所有課程的期末成績和學生對教師的評估數據，利用神經網絡訓練方法對教師的教學質量進行了智能化的評估。經過兩年的驗證性研究，所獲得的結果符合教師、專家的分析結果，基本達到了預期目標，其智能評估方法為該領域的進一步深入研究奠定了堅實的基礎。

五、結語

本文立足于教育教學改革，利用數量統計方法評價教學核心環節中產生的數據，采用現代智能信息處理理論為核心的數據處理方法和技術，以教育教學理論和專家的認知成果作為領域理論，通過機器學習策略有效地量化關鍵因素的重要性，有效地綜合復雜因素，產生定量評價結果。選取影響教學質量因素、量化各因素相對重要性以及產生評價結果的方法都基于以機器學習為核心的智能信息處理理論和方法，具有較為完善的理論基礎和依據。

本文的工作同時考慮教育教學理論和專家經驗的認知成果與智能信息處理方法，以領域理論為基礎，以典型案例為指導，實現了智能評價教師教學質量的任務。我國在教育測量與評價領域的研究和實踐非常薄弱，我們今后的研究工作尚需解決很多理論與實踐方面的問題，主要包括：（1）決定教學質量的可測性因素的完備性問題，需要在教育理論框架內尋求合理、有效的解答；（2）利用智能信息處理領域的新理論和新方法，對我國高等教育發展與改革的宏觀范圍內產生的大數據進行有效的挖掘和處理，使教學質量的智能化定量評價趨于完善。

參考文獻：

[1]朱波.層次分析法在遠程教學評價中的應用[J].中國科教創新導刊，2009，（11）：165-166.

[2]梅長林，范金城.數據分析方法[M].北京：高等教育出版社，2006.

[3]彭秋霞，黃天民，趙麗元.模糊綜合評判方法在高校教師教學質量評價中的應用[J].西南民族大學學報（自然科學版），2007，（3）：585-590.

[4]楊偉傳.馬爾可夫鏈在教學質量評價中的應用[J].教育測量與評價，2011，（2）：27-30.

[5]楊新佳.基于神經網絡的教學質量評價模型研究[J].西安科技大學學報，2011，12（07）：126-128.

[6]王長娥.數據挖掘在教學評價中的應用研究[D].濟南：山東師范大學碩士學位論文，2007.