大數據分析在教學質量評價中的應用

仇德成 仇思宇 趙國營

摘? 要： 針對傳統教學質量評價存在的數據分散、不完整，數據分析能力低，評價結果反饋不及時等問題，闡述了基于教育大數據的教學質量評價的優勢，探討了將大數據分析技術、數據挖掘技術應用于高校教學質量評價中，從數據的采集到數據的轉換，數據的挖掘與分析，結果的反饋到應用，目的是立足高校教學管理工作實際，為教學管理決策提供參考。

關鍵詞： 大數據; 教學質量評價; 數據挖掘; 數據分析; 關聯規則

中圖分類號：G434? ? ? ? ? 文獻標志碼：A? ? ?文章編號：1006-8228（2019）02-26-04

Application of big data analysis in teaching quality evaluation

Qiu Decheng1， Qiu Siyu2， Zhao Guoying3

（1. School of Information Technology & Media and Communication， Hexi University， Zhangye， Gansu 734000， China; 2 School of Computer Science &Technology， Nanjing Normal University; 3. PLA 153Hospital）

Abstract： For the problems of traditional teaching quality evaluation， such as data dispersion， incomplete， low data analysis ability and feedback of evaluation results is not timely， the advantages of teaching evaluation based on educational big data are expounded. The application of data mining and big data analysis technology in the evaluation of teaching quality in colleges and universities is discussed from data collection to data conversion， data mining and analysis， results feedback and results application. The purpose is to provide a reference for teaching management decision-making according to the reality of teaching management in colleges and universities.

Key words： big data; teaching quality evaluation; data mining; data analysis; association rules

0 引言

隨著大數據時代的來臨，大數據分析技術飛速發展和廣泛應用，教育大數據也越來越受到廣泛關注，正在成為推動教育創新與變革的關鍵力量。教育大數據并不僅僅指數據量大，更是指要從紛繁復雜的教育數據中發現關聯的關系、診斷存在的問題、預測發展的趨勢，從而發揮教育大數據在提升教育質量、促進教育公平、實現個性學習、優化資源配置、輔助教育科學決策等方面的重要作用[1]。

高校教學質量評價是推動高校教育發展的重要舉措，影響高校教學質量的因素很多，教學質量評估難度較大。傳統教學評價主要根據學生對教師的評教數據進行，這種方法數據來源單一，不能全面、客觀、公正地評價教學效果。大數據分析是當前的研究熱點，本文利用其相關算法來發現數據之間有意義的關聯關系，希望能為教學管理決策提供參考。

1 國內外高校教學質量評價現狀

保證和提高教學質量，事關高校的生存與發展，文獻[2]總結出教學評價的七個理由，其主要目的是評價教學效果、提高課程和教學質量。為此很多國家都建立了高等教育質量保障和監督管理機構，如美國的高等教育鑒定委員會、英國的高等教育質量保障署、日本的國家學位研究所等[3]。我國對普通高校的本科教學質量評估始于1994年，教育部2002年發布了《普通高等學校本科教學工作水平評估方案》，正式建立起我國高校教學質量評估制度。

目前，學生評教、教師自評，以及督導、同行、管理者評價等方式是高校主要的教學評價方式，側重的是學生、督導、同行評價。學生評教是目前很多國內高校普遍采用的一種方式，學校給出一定的評價指標，學生依據該指標對任課教師做出評價。因為計算機網絡的普及，近年來學生評教在高校全面展開。但廣大高校教師對學生評教一直存在爭議，爭議的焦點是學生能否公平、公正地評價教師的教學能力，因為有太多的因素影響學生評教的結果。

教學督導評價則是各個高校普遍采用的另一種評價方式，院系兩級教學督導一般都是一線資深教師，他們教學經驗豐富，在所有評價中被認為是比較客觀公正的。但督導的教學評價往往基于對教師的一兩次聽課，每位督導學科背景和對評價指標的把握各不相同，由此也可能會產生評價的偏差。表1列出了幾種評價方式的優缺點。

2 教學質量評價指標體系的建立

教學評價指標須客觀準確地反映教學的基本情況，如態度是否端正、內容是否熟悉、語言是否生動、氣氛是否活躍、目標是否實現等，且評價指標要實用、科學、完整、易操作，因此，教學評價應以學生參與度、認可度、滿意度以及實施效果為核心構建評價指標體系。河西學院課程評價指標包括一級指標（綜合指標） 、二級指標（明細指標），具體見表2。

3 大數據分析關鍵技術

3.1 教育大數據與教育數據挖掘

MOOC平臺及學校的各類信息管理系統積累了大量與教學相關的數據，這些數據也符合大數據的“4V”特征，即數據量巨大（Volume）、數據結構復雜（Variety）、數據價值密度低（Value）、數據需實時處理（Velocity），可稱之為教育大數據。對教育大數據，有狹義和廣義兩種理解：狹義的教育大數據指學習者行為數據，主要來自于MOOC平臺、管理系統等;廣義的教育大數據指來源于日常教育活動中人類所有的行為數據[4，5]。這就決定了教育大數據分析技術是復雜多樣的，涉及內容分析、行為分析、系統建模等，包括關聯規則挖掘、分類、聚類、序列分析、機器學習、知識發現等一系列數據挖掘算法。教育數據挖掘會議（EDM2008）提出：“教育數據挖掘是一個將來自各種教育系統的原始數據轉換為有用信息的過程，這些有用信息可為教師、學生、家長、教育研究人員以及教育軟件系統開發人員所利用”[6-7]。也就是從龐大的數據中，篩選出隱含的、可信的、新穎的、有效的信息的高級處理過程。數據挖掘技術可以把數據、經驗和知識作歸納、總結、補充、更新和完善，建立方便、易于操作、穩定可靠的輔助決策支持系統[8-9]。利用現有的大量數據，應用合適的數據挖掘技術，對影響教學質量的因素做分析，找出影響教學質量的主要原因。

3.2 數據挖掘的過程

數據挖掘的流程如圖1，具體需要經過以下步驟[7]：

⑴ 數據采集與篩選：目的是采集和選取有用的數據。在此過程中，需要利用數據庫相關操作進行處理。

⑵ 數據預處理與變換：對前面篩選出的數據進行處理，檢查數據的完整性、一致性，通過選擇、投影或其他操作濾除與數據挖掘無關的數據。

⑶ 數據挖掘：這是整個過程中較為重要的一個步驟。首先需要確定數據挖掘目標并根據確定的任務選擇相應的算法，如分類、聚類、關聯規則等，包括選取合適的模型和參數，從海量數據中發現有用的規律。

⑷ 模式解釋/知識評價：對發現的模式（知識）進行解釋和評價。需要說明的是，經過評估后，可能存在冗余或無關的模式，應該舍棄。如果不能滿足要求，還需要返回到前面的某些步驟中進行反復提取，整個過程并不是簡單的單向推進的過程，而是一個數據反復交互的過程，最后結果以可視化的方式呈現出來。

4 數據挖掘在教學評價中的應用

4.1 數據準備與預處理

基于河西學院2016-2017學年第一學期教學督導評價數據，對信息技術與傳媒學院的41位專業教師信息進行關聯規則分析。目的是挖掘專業教師自身因素與督導的評價數據的關聯關系，以教師的“學歷”、“教齡”、“職稱”等信息與督導評教數據為依據進行數據挖掘，利用關聯規則算法挖掘出隱含的、有用的關系。

預處理過程中，需要將有些數據，例如“教齡”離散化;還要將需要的字段與評定分數轉換為便于處理的A→B形式;最后利用關聯規則挖掘算法進行計算處理。根據具體情況假設最小支持度和最小可信度，計算出每個關聯規則的支持度和置信度，最后篩選出滿足條件的關聯規則。

4.2 關聯規則挖掘結果分析與反饋

根據數據庫提供的教師信息和督導教學質量評價的數據，將教齡劃分為[10-25]，[<10]，[>25]三個區間，評教得分劃分為[100-90]，[89-80]，[79-70]，[69-60]四個區間，用Apriori算法進行數據處理，得出數據之間的聯系，假設最小支持度的值為0.1，就可以得到頻繁項集的支持度和置信度。計算結果如表3。

由表3可知，教齡在10-25年的教師，評價等級為“良”，得出的置信度較高。由此可見，10-25年教齡的教師具有豐富的教學經驗，教學效果優良，督導的認可度較高。教齡對教學效果的影響顯而易見，中年教師教學質量優良，是教學的中堅力量，則更應該重視對青年教師的培養。

由表4可知，教師學歷與評教也是高度相關的，高學歷教師教學質量評價得分較高，因目前學院沒有博士，學歷為碩士置信度高。這就需要學校加大人才引進力度，但如果出現本科學歷的支持度很高，則可能是本科學歷的教師占比較大，學校應該采取措施督促教師提高學歷。

由表5可知，教師職稱與評教也是高度相關的，職稱為副教授置信度較高，學院目前教授數量較少，副教授職稱的教師教學質量評價優良，故應該鼓勵教師不斷努力晉升職稱。

5 結束語

高校教學質量評價是一項復雜的工作，要做好這項工作，必須依靠真實可靠的數據。評教數據因涉及教師的隱私，學生評教數據未獲得使用授權，故只能對教學督導的評教數據進行分析，還需學校建立教學數據庫資源的共享和開放利用機制。寄望倡導“用數據說話”的工作思維和工作理念，從而形成客觀全面、更具說服力的教學質量評價結果。在大數據背景下，今后應充分利用大數據分析技術，推動教學督導“與時俱進”適應信息時代新形勢，這對提高教學督導工作的前瞻性、科學性和推動督導大數據平臺建設，以及對教學管理者提供決策支持都具有重要意義。

參考文獻（References）：

[1] 鄭慶華，運用教學大數據分析技術提高課堂教學質量[J].中國大學教育，2017.2：15-18

[2] O'Neil.M，Pennington. G. Evaluating Teaching Coursesfrom an Active Learning Perspectives Module 12 of the Effective Learning and Teaching in Higher Education Series. CVCP Universities' Staff Development and Training Unit （UK），1992.

[3] 張林英，高等教育教學質量形成機理、有效教學評價及質量管理體系構建研究[D].南京理工大學，2008.

[4] 胡弼成，王祖霖.“大數據”對教育的作用、挑戰及教育變革趨勢——大數據時代教育變革的最新研究進展綜述[J].現代大學教育，2015.4：98-104

[5] 李馨，高等教育大數據分析：機遇與挑戰[J].開放教育研究，2016.22（4）：51-56

[6] 張子龍.基于數據挖掘技術高職高專教學質量評價系統設計與實現[D].電子科技大學，2014.

[7] 魏順平.教育數據的挖掘、分析、應用[J].信息技術教育，2013.10：18-21

[8] 孫小健，仇德成.基于數據倉庫的醫療保險決策支持系統設計與實現[J].甘肅科技，2007.23（3）：56-58

[9] 徐潔磐.數據倉庫與決策支持系統[M].科學出版社，2005.