基于大數據理論的高校教師教學能力評估模型研究

徐廣宇 內蒙古財經大學計算機信息管理學院

基于大數據理論的高校教師教學能力評估模型研究

徐廣宇 內蒙古財經大學計算機信息管理學院

教學成效評價是高校教學質量管理的重要環節和參考依據，教學成效評價一直是教學管理中一個重要的研究課題，傳統的教學成效評價主要是通過幾個評價指標做簡單的求和后平均，其只能對教師教學成效有一個粗略的評價，不能夠全面、真實、客觀反映教師教學成效，有時還會出現一些偏差。本文提出在教學成效評價中建立基于大數據理論的評價體系，通過大數據聚類分析的方法，對評測教師教學成效評價，挖掘其隱含的信息和規律，分析影響教師教學成效評價較低的原因，為教學管理者全面掌握教師的基本情況、提升教師教學能力做決策支持。

教學成效評價 教學能力提升 大數據 聚類分析

高等教育質量提升是21世紀80年代以來世界高等教育發展的一個核心議題，為提升高等教育質量，各國政府和高校采取了諸多內外部質量保障措施，美國和英國20世紀60年代開始關注高校教師發展的研究與實踐，加拿大、瑞士、印度、日本以及中國的臺灣、港澳地區也從20世紀末開始關注教師發展實踐。我國開展真正意義上的高校教師發展的研究與實踐是從21世紀初，到2011年，國家和政府提出將“提升青年教師教學能力”作為《高等教育教學改革與教學質量工程二期建設》意見的一項重要內容，進而掀起了關注教學和教師教學能力發展研究的熱潮。

促進教師發展其中一個重要的策略是紛紛成立以改善教師教學效果、提高教學質量為目標的教師發展中心。科學、全面、動態評估教師教學能力是教師發展中心促進教師發展最重要的一項基礎性工作。

大數據技術是一項目前已經比較成熟的技術，并且已經逐漸開始應用于教育領域。目前評價教師教學能力通常的做法是跟據高校中的學生給任課教師的教學評價結果，該結果對教師教學能力有其大的參考作用，但是只通過這一個結果還是不能科學、全面、動態評價教師的教學能力。例如，一些教師的教學評價分數比較低，可能并不是該教師的專業素養較差，也可能只是該教師對待學生過于嚴厲、苛刻，或缺乏與學生的溝通的結果，如果我們沒辦法科學評價、找到教師評價較低的原因，就很難幫助該教師提高教學能力、發展自己。本課題以大數據理論作為研究背景，通過建立評價教師教學能力的模型，挖掘出能體現出教師教學能力、令人信服的數據，一方面可以作為教師發展過程中的一面鏡子、為教師提高教學能力提供參照參考，又可以為促進教師發展提供數據決策支持，使得促進教師發展工作更加有針對性，達到事半功倍的效果。

關于教學能力的研究國內教育專家有著不同的見解。

總體來說，我國教育專家將教師的教學能力具體概括為五個方面:

1.認識能力：主要表現為敏銳的觀察力,豐富的想象力和良好的記憶力,尤其是邏輯思維能力及創造思維能力等認識能力。

2.設計能力：教學設計能力,主要包括明確教學目標的熟悉、鉆研教材,對教學組織,講究教學策略,實施教學評價。

3.傳授能力：主要包括教師的言語表達能力,教師的非言語表達能力,運用現代教育技術的能力。

4.組織能力：主要包括組織教學能力,組織學生各種謀外活動的能為,組織、培養優秀學生參與集體的能力,思想教育能力,協調內外部各方面教育的能力,組織管理自己學習、工作與生活的能力。

5.交往能力：主要指教育教學中的師生交往能力。

國外教育專家對教學能力的理解：

日本岡山理科大學教授小山悅司認為，教學能力分為技術和人格兩個維度，技術維度包括：專業技能、智謀技能、交際技能；人維度格包括：個性和動機。PhilipA.Streifer（1987）認為教學能力包括計劃能力、教學技能、評估學生的能力、專業知識、專業職責。Ronald（1993）認為教學能力應包括六項技能：學術能力、計劃能力、管理能力、表達和交流能力、評估和反饋能力、人際交往能力。Franziska（2009）認為教學能力包括四個維度，分別是學科知識、教學診斷、教學方法運用和教學管理。

結合國內外教育專家的理論，本文提出教學能力三個維度評價模型。

教學能力評價模型共分為3個維度，包括13個一級分類，45個二級評價要素，如下圖1所示。

圖1 教學能力三個維度模型

教學能力評價模型中個人特質(A)，包括5個二級要素：教師形象(A1),思維邏輯(A2),創新能力(A3)，科學研究(A4),職業素養(A5)。態度(B)，包括2個二級要素：工作態度(B1),品德態度(B2)。知識(C)，包括2個二級要素：專業知識(C1),學科知識(C2)。技能(D),包括2個二級要素：專業技能(D1),職業技能(D2)。溝通能力(E),包括2個二級要素：師生關系(E1),問題解答(E2)。專業能力(F),包括2個二級要素：專業知識(F1)，專業技能(F2)。課程能力(G),包括6個二級要素：課程體系(G1)，課程意識(G2),課程目標(G3),課程內容(G4),課程資源(G5),課程整體(G6)。教學能力(H),包括9個二級要素：教學目標(H1),教學內容(H2),教學方法(H3),媒體與技術(H4),教學對象(H5),教學氛圍(H6),學生評價(H7)，教學進程(H8),教學整體(H9)。教學維度，每個內容都是與工作維度相關聯的內容，如下圖2所示。

圖2 教學能力評價模型

本文認為應該結合以上模型建立高校教師發展數據，利用大數據技術進行分析與挖掘。本文提出了將計算機科學領域的大數據技術引入到教育質量工程領域解決其存在問題的思路，提出了通過建立一個新的教學能力評價模型，對模型中影響教師教學能力的多個要素，進行分析，最終評價教師教學能力的理論。運用聚類分析方法對高校現有評價系統進行深層次的分析,根據教師的各個評價指標的得分,將教師聚集分成不同的類,每類具有各自的特點,從而試圖構建比較公正、合理、科學的綜合全面的評價模型，更好地實現評價的診斷功能,為今后選擇的評價項目和指標提供依據,充分發揮評價體系的積極作用,促進教師教學水平、授課質量的提高。

構建基于大數據理論的評價體系主要內容有以下幾方面：

1.確定影響教師教學能力的各個要素有哪些，將來可作為評價指標體系的重要內容。

2.確定在教師教學能力的各個要素的重要程度，確定其在將來評價指標體系中的權重。

3.建立一個新的教師教學能力評價計算模型，四是對影響教師教學能力的各個要素進行編碼、存儲，建立一套新的數據標準，作為教師教學能力評價的基礎數據。

聚類分析方法是大數據統計分析的一種有效方法,也是非監督模式識別的一個非常重要的分支。聚類分析方法是將一組對象劃分成簇，使簇的內部高相似度，簇與簇之間低相似度。聚類不同于分類方法，分類是一種有監督的學習，即利用已經標記過的對象數據進行訓練，構造數據模型，然后將模型用于新對象數據的分類;而聚類分析方法是一種無監督的學習，即根據對象各自的特征進行劃分，沒有任何模式可供參考或者可以遵循。聚類分析方法是數據挖掘中的一項重要技術，被廣泛地被應用于大數據應用的各個領域。

在數據挖掘中聚類分析技術是數據挖掘及模式識別等研究方向的重要內容之一，在識別數據的內在規律方面具有極其重要的作用，其原理主要通過不斷選取離種子點最近均值的方式實現，算法具體描述如下，算法流程見圖3。

1.根據需要，對樣本數據集D劃分k個簇，并選擇k個樣本點，將k個樣本點值分別賦給初始的聚類中心ai(i=1，2，…，k)

2.針對數據集D中所有樣本點bj(j=1，2，…，n)，依次計算到各個簇中心ai的距離

圖3 聚類算法流程圖

3.通過運算找出bj關于ai的最小距離 min(d(i，j))，將bj歸并到和ai距離最小的簇當中

4.重新計算到各個簇的聚類中心距離

5.計算數據集D中所有點標準差E(t)，并與前一次標準差E(t－1)比較;

6.若 E(t)＜E(t－1)不收斂轉到(2)，否則計算結束。

通過在教師教學能力評估模型中引入在大數據技術中的聚類算法，對教師綜合測評進行聚類，與簡單的求和取平均值產生的測評結果相比教，聚類分析對各個教師之間的差異性進行比較，將具有相似特點的教師聚成一類，通過大數據技術，挖掘其內在隱藏的規律，將有利于為教學管理者更加準確、客觀地掌握教師的特點，制定更加有效的培養策略，更加有利于全面提高教師綜合素質。

[1]基于模糊聚類分析的教師評價模型，張千,時念云,張瓊聲，計算機系統應用，2012，12

[2]基于大數據多層變權云計算的高校工科教師授課質量綜合評，徐鎮凱，現代教育管理，2016，9

[3]K均值聚類在高校教師評價分析中的應用研究，王悅，冷泳林，魯富宇，鄂旭，計算機技術與發展，2014，5

[4]基于灰色聚類分析的新型教學評價在開放大學教學當中的應用，黃少珍，電子科學技術，2016,9

[5]聚類算法在教學評價中的應用研究，黃敏，中國電力教育，2011,16

[6]教學測評數據的對應聚類分析法研究，都會兵，李春萍，劉峰，科技信息，2012,3

內蒙古財經大學教師發展研究項目（項目編號：JFZC1603）。

徐廣宇，1978.6，男，內蒙古呼和浩特人，碩士，講師，主要研究領域為數據挖掘、并行計算、教學改革、教學成效評價等。